O emprego de redes neurais artificiais na detecção, classificação e localização de faltas em linhas de transmissão

Abstract

Este estudo traz como objetivo a implementação de um sistema de proteção aplicando-se a teoria de Redes Neurais Artificiais (RNAs) como um classificador de padrões. As redes neurais adquirem o conhecimento para a detecção, classificação e localização da falta frente às diferentes situações apresentadas sobre o sistema e foram implementadas através da aplicação do software NeuralWorks. As arquiteturas de RNAs empregam os valores amostrados das tensões e correntes trifásicas de pré e de pós-falta tanto para o processo de treinamento como para o de testes. O software ATP (ATERNATIVE Transients Program, 1987) é utilizado para gerar os dados referentes à linha de transmissão (440 kV) em condições de falta para ambos os processos (treinamento e teste). Os resultados obtidos mostram que o desempenho global das arquiteturas de RNAs implementadas são altamente satisfatórios para a detecção, classificação e localização de situações faltosas em um sistema de transmissão. De todos os casos considerados na fase de teste, as saídas apresentadas pelas arquiteturas mostram uma convergência rápida para os níveis requeridos após a ocorrência da falta.This study has as objective the application of Artificial Neural Networks (ANNs) theory as pattern classifiers. The implemented neural networks acquire knowledge for the detection, classification and localization of the fault facing different network conditions. The neural networks were implemented using NeuralWorks software. In this approach the three-phase voltage and current pre and post-fault values were utilized as inputs, for training and test purposes. The Alternative Transients Program (ATP) software was used to generate data for the transmission line (440 kV) in a faulted condition, both for the purposes of training and tests. The results obtained showed that the global performance of the ANN architectures is highly satisfactory for fault detection, classification and localization purposes. Considering all the studied cases, the ANN outputs converged to the correct levels very rapidly after fault occurrence.