Diagnóstico de curtos-circuitos a partir da alocação otimizada de medidores em um sistema de distribuição subterrâneo

• Ano de defesa: 2015
• Autor(a) principal: Festa, Alexandre Vinícius
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Alocação otimizada de medidores; Artificial neural networks; Classificação e localização de faltas; Classification and fault location; Monitoramento; Monitoring; Optimized allocation meters; Power quality; Qualidade da energia elétrica; Redes neurais artificiais; Sistemas de distribuição subterrâneos; Underground distribution systems
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/18/18154/tde-07042015-111816/

O monitoramento e diagnóstico, com a consequente localização dos curtos-circuitos em Sistemas de Distribuição (SD), fazem parte de um processo complexo, exigindo esforços e agilidade das equipes técnicas de manutenção das concessionárias de energia elétrica. Quando se trata de um SD Subterrâneo (SDS), a complexidade de localização das faltas aumenta, pois não é possível realizar a inspeção visual. Por este motivo, desenvolver e aprimorar métodos para monitorar, classificar e localizar as situações de faltas em SD tem sido de relevante interesse para a comunidade técnico-científica nos últimos anos. Neste contexto, apresenta-se nesta pesquisa um método para processar as informações necessárias para classificar e localizar a ocorrência de um curto-circuito (monofásico, bifásico e/ou trifásico, com e/ou sem o envolvimento da terra) em um SDS. O processamento das informações foi realizado por meio da observação da propagação dos afundamentos de tensão, decorrentes de curtos-circuitos passíveis de ocorrência no SDS, e pela alocação de um número reduzido de medidores, permitindo a classificação e localização precisa da falta. Um dos diferenciais da metodologia proposta é que esta utiliza somente os valores eficazes das tensões trifásicas, registradas em medidores estrategicamente alocados, para indicação da área afetada e classificação das fases envolvidas. A metodologia é baseada no emprego de redes neurais artificiais. Os resultados encontrados são promissores, indicando a aplicabilidade da metodologia proposta.