O presente trabalho visa a utilização da transformada Wavelet no monitoramento do sistema elétrico no que diz respeito a problemas de qualidade da energia com o intuito de detectar, localizar e classificar os mesmos. A transformada Wavelet tem surgido na literatura como uma nova ferramenta para análise de sinais, utilizando funções chamadas Wavelet mãe para mapear sinais em seu domínio, fornecendo informações simultâneas nos domínios tempo e freqüência. A transformada Wavelet é realizada através de filtros decompondo-se um dado sinal em análise multiresolução. Por esta, obtém-se a detecção e a localização de distúrbios relacionados com a qualidade da energia decompondo-se o sinal em dois outros que representam uma versão de detalhes (correspondente as altas freqüências do sinal) e uma versão de aproximação (correspondente as baixas freqüências do sinal). A versão de aproximação é novamente decomposta obtendo-se novos sinais de detalhes e aproximações e assim sucessivamente. Sendo assim, os distúrbios podem ser detectados e localizados no tempo em função do seu conteúdo de freqüência. Estas informações fornecem também características únicas pertinentes a cada distúrbio, permitindo classificá-los. Desta forma, propõe-se neste trabalho o desenvolvimento de um algoritmo classificador automático de distúrbios relacionados com a qualidade da energia baseado unicamente nas decomposições obtidas da análise multiresolução.

The aim of the present dissertation is to apply the Wavelet transform to analyze power quality problems, detecting, localizing and classifying them. The topic Wavelet transform, has appeared in the literature as a new tool for the analysis of signals, using functions called mother Wavelet to map signals in its domain, supplying information in the time and frequency domain, simultaneously. Wavelet transform is accomplished through filters decomposing a provided signal in multiresolution analysis. The detection and localization of disturbances are obtained by decomposing a signal into two other signals that represent, a detailed version (high frequency signals) and a smoothed version (low frequency signals). The smoothed version is decomposed again, and new detailed and smoothed signals are obtained. This process is repeated as many times as necessary and the disturbances can be detected and localized in the time as a function of its level frequency. This information also supplies characteristics to each disturbance, allowing classifying them. Thus, this research presents a way to develop an automatic classifying algorithm of power quality disturbances, based only on multiresolution analysis.