Detecção da perda de excitação em geradores síncronos fundamentada em machine learning: uma comparação entre diferentes modelos de inteligência artificial

• Ano de defesa: 2024
• Autor(a) principal: Oliveira, Fabiano Aguiar de
• Orientador(a): Santos, Eduardo Machado dos
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Pampa
• Programa de Pós-Graduação: Mestrado Acadêmico em Engenharia Elétrica
• Departamento: Campus Alegrete
• País: Brasil
• Palavras-chave em Português: Engenharia elétrica; Aprendizado do computador; Gerador síncrono; Machine learning; Electrical engineering; Synchronous generator
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS
• Link de acesso: https://repositorio.unipampa.edu.br/jspui/handle/riu/10016

Devido ao crescente avanço tecnológico do sistema elétrico de potência (SEP), o uso de diferentes técnicas para a prevenção de falhas nos dispositivos elétricos é cada vez mais perceptível nos sistemas de proteção dos elementos do SEP. Dentre eles, o gerador síncrono é a máquina mais utilizada para prover a energia elétrica consumida em todo o sistema. Os sistemas de excitação das máquinas síncronas são suscetíveis à falhas internas, as quais resultam na perda total ou parcial de excitação. Essas falhas podem provocar danos irreversíveis na máquina síncrona e nos elementos próximos, além de comprometerem a estabilidade do sistema. Na literatura especializada, é possível encontrar metodologias desenvolvidas para identificar e atenuar o dano causado por este problema. Neste contexto, este estudo expõe a limitação que estes métodos convencionais baseados no monitoramento da impedância apresentam, destacando problemas de seletividade e operações indevidas decorrentes de eventos como oscilações estáveis de potência (OEP). Além disso, para garantir a manutenção da máquina síncrona, este Trabalho mostra alternativas para a proteção contra a perda de excitação (PE) utilizando técnicas fundamentadas em aprendizagem de máquina. O Trabalho compara diversos modelos de classificação, fazendo o uso de diferentes métricas de desempenho e propõe uma metodologia baseada no modelo mais eficiente, além de avaliar diferentes combinações de características associadas aos sinais de tensão e corrente extraídas do sistema elétrico para a aplicação dos modelos de inteligência artificial. A avaliação do desempenho do modelo escolhido inclui comparações com as principais metodologias clássicas, bem como com metodologias encontradas na literatura nos últimos anos, considerando cenários de perda total, parcial e oscilações estáveis de potência em diferentes condições operacionais da máquina síncrona, simuladas através do software ATPDraw. Os modelos foram expostos a diferentes níveis de ruído e os resultados apresentados foram satisfatórios, os quais indicam que a metodologia proposta demonstrou eficácia e robustez na rápida detecção das condições de perda de excitação, revelando-se confiável ao evitar atuações em situações indesejáveis. Palavras-chave: gerador síncrono, aprendizagem de máquina, perda de excitação, seleção de características, curva de capabilidade.