Localização de falhas em linhas de transmissão utilizando decomposição harmônica e redes neurais artificiais

Este trabalho propõe a utilização de uma nova metodologia para a localização de falhas em linhas de transmissão (LT). Esta metodologia consiste na utilização da decomposição harmônica da corrente de fuga de uma linha e na aplicação de uma Rede Neural Artificial (RNA) capaz de distinguir padrões da condição normal de funcionamento e padrões de situações de falhas de uma LT. Foi utilizado um modelo Pi capaz de absorver dados reais de tensão e corrente de três fases e de alterar valores de R, L e C segundo modificações ambientais. Neste modelo foram geradas falhas em todas as torres com diferentes valores de capacitância. A saída fornecida pelo modelo é a decomposição da corrente de fuga do trecho considerado. Os dados de entrada e saída do modelo foram utilizados no treinamento da RNA desenvolvida. A aquisição de dados reais de tensão e corrente foi feita através de analisadores de parâmetros de qualidade de energia elétrica instalados nas extremidades de um trecho de LT, Guamá-Utinga, pertencente à Centrais Elétricas do Norte do Brasil ELETRONORTE. O cálculo dos parâmetros construtivos foi feito através do método matricial e melhorado através da utilização do Método de Elementos Finitos (MEF). A RNA foi desenvolvida com o auxílio do software Matlab. Para treinamento da RNA foi utilizado o algoritmo de Retropropagação Resiliente que apresentou um bom desempenho. A RNA foi treinada com dois conjuntos de dados de treinamento para analisar possíveis diferenças entre as saídas fornecidas pelos dois grupos. Nos dois casos apresentou resultados satisfatórios, possibilitando a localização de falhas no trecho considerado.

ABSTRACT: This work proposes a new methodology for fails location in transmission lines. This methodology consists in using harmonic decomposition of the leakage current and in the application of an Artificial Neural Network (ANN), this is able to recognize patterns of normal and fails conditions of a transmission line. It was developed a Pi model capable to use real data of voltage and current of the three phases. In this model values of capacitance, inductance and resistance can be modified in agreement of weather conditions. Fails were generated in all the towers with different values of capacitance. The input/output data were used to train the neural network. The real voltage and current data acquisition were done by instruments installed in the two terminals of the Guamá-Utinga transmission line belonging to Centrais Elétricas do Norte - ELETRONORTE. The computation of the parameters was made by the well known matricial method and was improved by Finite Element Method. An ANN was developed with Matlab software. For training the ANN it was used the backpropagation resilient algorithm, which presented good performance, been fast and accurate. The ANN was trained by two different sets to analyze differences between outputs. In the two cases results were satisfactory.