• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Disertación de Maestría
DOI
https://doi.org/10.11606/D.3.2008.tde-10112008-113506
Documento
Autor
Nombre completo
Marlim Pereira Menezes
Dirección Electrónica
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Paulo, 2008
Director
Tribunal
Pereira, Carlos Eduardo de Morais (Presidente)
Manassero Junior, Giovanni
Prieto Schmidt, Hernán
Título en portugués
Classificação e localização de faltas em linhas de transmissão usando diferentes arquiteturas de redes neurais artificiais.
Palabras clave en portugués
Linhas de transmissão de energia elétrica
Redes neurais
Resumen en portugués
Este trabalho apresenta o desenvolvimento de algoritmos para determinação da estimativa da distância de ocorrência de falta em uma linha de transmissão de alta tensão, em relação a um terminal local, e também a classificação do tipo de falta, utilizando técnicas baseadas em redes neurais artificiais. Os testes e a validação dos algoritmos propostos são feitos a partir de dados simulados para os fasores de tensão e corrente, em regime permanente, com uso da linguagem MATLAB. Os fasores são obtidos com uso de cálculo tradicional de curto e parâmetros reais de uma linha de transmissão conhecida. Em casos reais os fasores seriam obtidos de amostras de tensões e correntes detectadas por dispositivos de proteção localizados nos terminais local e remoto da linha de transmissão em análise. As simulações das redes neurais para a classificação do tipo de falta e para a obtenção da estimativa da distância de falta foram feitas com duas rotinas escritas em MATLAB levando em consideração erros de medição dos fasores. Os resultados obtidos permitem avaliar a eficiência e a precisão dos algoritmos propostos em relação aos já existentes e conhecidos na literatura, e que usam somente equacionamento elétrico.
Título en inglés
Classification and location faults in transmission lines, using different artificial neural networks architectures.
Palabras clave en inglés
Artificial intelligence
Artificial neural networks
Fault location
Transmission lines
Resumen en inglés
This work presents the development of algorithms for determination of the estimate of the distance of occurrence of fault in a high voltage transmission line, in relation to a local terminal, and also the classification of the fault type, using techniques based on artificial neural networks. The tests and the validation of the proposed algorithms are made using simulated data for the voltage and current phasors, in steady state, with use of the MATLAB language. The phasors are obtained with use of traditional calculation of short-circuit and real parameters of a known transmission line. In real cases the phasors would be obtained with samples of voltages and currents detected by protection devices located in the local and remote terminals of the transmission line in analysis. The simulations of the neural networks for the classification of the fault type and for the obtaining the estimate of the fault distance were done with two routines written in MATLAB taking into account measurement errors of the phasors. The obtained results allow to evaluate the efficiency and the accuracy of the proposed algorithms in relation to the already existent and known in the literature, and that use only electric equations.
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Marlim_P_Menezes.pdf (1.65 Mbytes)
Fecha de Publicación
2008-12-12
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
CeTI-SC/STI
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2024. Todos los derechos reservados.