Detecção de desequilíbrio de tensão em microrredes utilizando redes neurais perceptron

• Ano de defesa: 2022
• Autor(a) principal: Marques, Roberta Carvalho
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Qualidade de energia elétrica; Microrredes; Redes neurais artificiais; OpenDSS; Voltage imbalance; Electric power quality; Microgrids; Artificial neural networks
• Link de acesso: http://hdl.handle.net/11449/235145

As microrredes podem ser consideradas pequenos conjuntos de cargas e geradores distribuídos, que operam como um único sistema controlável, fornecendo energia e calor para sua área local. Para as concessionárias, as microrredes podem ser consideradas como unidades controladas do sistema de energia. Para o consumidor, as microrredes podem ser projetadas para atender às suas necessidades especiais. Esses sistemas se caracterizam pelo uso extenso de tecnologias da informação, comunicação e automação, permitindo atender a demanda de forma eficiente e otimizada. Os geradores que são utilizados em uma microrrede são geralmente microfontes de energia renovável. Da perspectiva operacional, os geradores devem ser equipados com controles para fornecer a flexibilidade necessária para assegurar que a microrrede opere como um único sistema coletivo e mantenha a Qualidade de Energia Elétrica (QEE) especificadas. Em uma rede de energia elétrica convencional existem geradores síncronos, que são normalmente responsáveis pelo controle de tensão e frequência dos sistemas, o que não se encontra com facilidade em uma microrrede. Quando ocorre o isolamento de uma microrrede, principalmente por causa de eventos não planejados, existe grande probabilidade de ocorrer distúrbios de Qualidade de Energia Elétrica. Com essa exposição e o aumento de instalações de microrredes dá-se a necessidade de metodologias que detectam os problemas de QEE. Considerando a visão das técnicas de detecção de distúrbios de QEE, esta dissertação retrata uma estratégia baseada em Redes Neurais Artificiais perceptron multicamadas em conjunto com simulações do software OpenDSS. Os testes foram realizados em uma microrrede teste adaptada da rede IEEE 13 barras. Os resultados demonstraram-se satisfatórios e efizazes para a detecção dos desequilíbrios de tensão e afundamento e elevação de tensão.