Contribuições aos estudo da compensação de harmônicos em sistemas de energia elétrica

Esta tese enfoca o estudo de métodos para compensação de harmônicos em sistemas de energia elétrica e aborda diversos aspectos relacionados à presença de harmônicos nos mesmos, como a apresentação de conceitos e definições em sistemas não-senoidais e estratégias de compensação de potência. Enfatiza-se neste estudo, exemplificado por meio de medições e simulações realizadas, a influência da forma de onda de alimentação sobre cargas não-lineares; a interação harmônica entre a tensão de suprimento e a corrente das cargas, devido à impedância série do sistema; e a influência mútua entre cargas não-lineares em paralelo, como possível forma de atenuação de harmônicos. Para simular e predizer o impacto causado por cargas não-lineares em um sistema, assim como a implementação de ações para mitigar esses impactos, visando à melhoria da qualidade da energia, é necessário o conhecimento das respostas das mesmas. Como produto do presente trabalho, destacam-se as técnicas desenvolvidas para a modelagem de cargas nãolineares sob diferentes condições de alimentação, em especial o uso de técnicas de inteligência computacional, como o sistema neuro-fuzzy e as redes neurais artificiais; assim como o emprego da série de Volterra para predição do comportamento das cargas.

ABSTRACT: This thesis focuses on the study of methods for harmonic compensation in electrical power systems and discusses various aspects related to the presence of harmonics on them, such as the presentation of concepts and definitions in nonsinusoidal systems and strategies of power compensation. Exemplified by measurements and simulations the following topics are emphasized in this study: the influence of supply waveforms on nonlinear loads; the harmonic interaction between the supply voltage and the load currents, due to the system series impedance; and the mutual influence between nonlinear shunt loads, as a possible way of harmonic reduction. To simulate and predict the impact caused by nonlinear loads in a system, as well as the implementation of actions to mitigate these impacts in order to improve power quality, it is necessary to know the response of these loads. As a product of the present work, the development of techniques for modeling nonlinear loads under different supply conditions is emphasized, especially those using computacional intelligence, such as the neuro-fuzzy system and the artificial neural network; as well as the use of Volterra series for load behavior prediction.