Otro
Algoritmo híbrido neural-imuno aplicado ao diagnóstico de distúrbios de tensão em sistemas de distribuição de energia elétrica
Registro en:
LIMA, Amanda Parra dos Anjos. Algoritmo híbrido neural-imuno aplicado ao diagnóstico de distúrbios de tensão em sistemas de distribuição de energia elétrica. 2015. 78 f. Dissertação (mestrado) - Universidade Estadual Paulista Júlio de Mesquita Filho, Faculdade de Engenharia, 2015.
000839340
33004099080P0
Autor
Lima, Amanda Parra dos Anjos
Resumen
In this work, is presented a new approach for the detection and classification of voltage disturbances in distribution electrical systems using a hybrid algorithm as a tool Neural- Immune. This is, the junction of an artificial neural network ARTMAP-Fuzzy with the negative selection immune algorithm, creating the hybrid method. Thus, starting from measurements made on a power distribution feeder for SCADA data acquisition system, a Neural module performs the detection process, identifying abnormalities (disturbances), and an Immune module performs classification of detected abnormalities. The main application of this new approach is to assist decision making in order to automate the system operation process during the occurrence of failures. To evaluate the efficiency of the proposed method, were performed simulations of voltage disturbances in distribution electric systems in the ATP/EMTP software, using the test systems of 5, 33 and 84 bars and the real system of 134 bars. The results demonstrate efficiency and accuracy when compared to literature Neste trabalho, apresenta-se uma nova abordagem para a detecção e classificação de distúrbios de tensão em sistemas de distribuição de energia elétrica, utilizando como ferramenta um algoritmo híbrido Neural-Imuno. Trata-se, basicamente, da junção de uma rede neural artificial ARTMAP-Fuzzy com o algoritmo imunológico de seleção negativa, gerando o método híbrido. Desta forma, partindo-se das medições realizadas em um alimentador de distribuição de energia elétrica por um sistema de aquisição de dados SCADA, um módulo neural realiza o processo detecção, identificando anormalidades (falhas), e um módulo imunológico realiza a classificação das anormalidades detectadas. A principal aplicação desta nova abordagem é auxiliar a tomada de decisões, de modo a automatizar o processo de operação do sistema durante a ocorrência de falhas. Para avaliar a eficiência do método proposto foram realizadas simulações de distúrbios de tensão em quatro sistemas de distribuição de energia elétrica no software ATP/EMTP, sendo os sistemas testes de 5, 33 e 84 barras e o sistema real de 134 barras. Os resultados obtidos demonstram eficiência e precisão quando comparados à literatura