Transformadores de potência são dispositivos que requerem atenção especial devido a sua grande importância ao sistema elétrico de potência no qual ele está conectado. Geralmente relés diferenciais são utilizados como proteção primária em transformadores de potência. Nestes relés, a corrente diferencial é comparada com um nível de ajuste e caso ocorra uma falta interna, o transformador deverá ser desconectado do restante do sistema. Entretanto, a simples detecção da presença de uma corrente diferencial não é suficiente para distinguir faltas internas de outras situações que também podem produzir tal corrente. Tais situações surgem durante a energização dos transformadores, devido a saturação dos transformadores de corrente, entre outras, as quais podem resultar em uma incorreta atuação da proteção. Uma rápida e correta discriminação entre faltas internas e outras situações é um dos desafios da moderna proteção de transformadores de potência. A respeito da identificação de faltas internas ou situações de energização, além da mencionada lógica diferencial é acrescentado uma subrotina baseada na restrição de harmônicas. Neste método, a corrente de energização é reconhecida através da presença de uma segunda harmônica obtida por filtros de Fourier. No entanto, o método de filtragem pode algumas vezes retardar a operação da proteção. Além disto, uma componente de segunda harmônica pode também estar presente durante uma falta interna. Este trabalho propõe a utilização da transformada Wavelet - uma poderosa ferramenta matemática - empregada como um meio rápido e eficiente de analisar as formas de onda de transformadores de potência e como uma alternativa a tradicional transformada de Fourier. Os sinais das correntes diferenciais são processados pelas transformadas discretas Wavelet, visando obter uma discriminação entre ambas situações (energização e falta). Um nível de limiar é utilizado após a decomposição Wavelet do sinal para discriminar entre as situações descritas. A janela de dados utilizada para este propósito pode ser variada. Para testar o algoritmo proposto, as simulações de energização e falta foram implementadas, utilizando o programa ATP ("Alternative Transient Program"). Em situações onde a janela de dados é reduzida para 1/4 de ciclo o critério de discriminação pode ser otimizado utilizando a transformada discreta de Wavelet auxiliada com técnicas de reconhecimento de padrões. Este trabalho apresenta a utilização de redes neurais artificiais para tal finalidade como exemplo. Resultados encorajadores são apresentados sobre a capacidade de discriminação para as situações descritas assim como a rapidez de resposta quando comparados aos métodos tradicionais.

Power transformers are devices that require special maintenance and care due to their importance to the electrical system to which they are connected. Generally, differential relays are used for the primary protection of large transformers. In such relays, differential currents are compared to a threshold and in the case of an internal fault, the transformer should be disconnected from the rest of the system. However, a simple detection of a differential current is not sufficient to distinguish internal faults from other situations that also produce such a current. Some of these situations appear during transformer energization (inrush currents), CT (current transformer) saturation, among others, which can result in an incorrect trip. A correct and fast distinction of internal faults from the other situations mentioned is one of the challenges for modern protection of power transformers. Concerning the identification of internal faults as opposed to inrush currents, the approach tarditionally used is the aforementioned differential logic together with harmonic restraint. In this method, transformer inrush current due to energization is recognized on the basis of second harmonic components obtained by Fourier filters. However, the filtering method can sometimes delay the protection process. In addition to this, a second harmonic component can also be present during internal faults. This work proposes Wavelet transform - a powerful mathematical tool - employed as a fast and effective means of analyzing waveforms from power transformers, as an alternative to the traditional Fourier transform. The differential signals are processed by discrete Wavelet transform to obtain the discrimination between both situations (inrush and fault). A threshold level is utilized after the Wavelet decomposition to discriminate the situations describeb. The time window used for such purpose can be varied. In order to test proposed algorithm, simulations of fault and inrush currents in a power transformer were implemented using ATP ( "Alternative Transient Program") software. When the time window is reduced to only 1/4 of the cycle the discrimination criteria should be optimized using a pattern recognition technique to aid the Discrete Wavelet transform. This study shows as a sample for this purpose the use of artificial neural networks. Very encouraging results are presented concerning the capacity of discrimination of the described situations as well as the speed of response when compared to the traditional method.