Neste trabalho, é proposta uma metodologia para estimar o estado de um sistema elétrico de potência (SEPs) durante variações de tensão de curta duração (VTCDs) causadas por faltas elétricas nas linhas que compõem a rede elétrica avaliada. Para cumprir esta meta, são utilizados os valores registrados nos equipamentos de medição instalados nas redes elétricas. Na realidade, existem poucos equipamentos nas redes elétricas devido aos custos elevados dos medidores de qualidade de energia elétrica (QEE). Embora estes custos tenham diminuído nos últimos anos, ainda é inviável a utilização de um número suficiente de medidores para garantir a monitoração de toda a rede, por tornar-se muito oneroso. Esta realidade constitui um desafio para se desenvolver técnicas que permitam, a partir de um pequeno número de pontos de monitoração, determinar os locais de faltas e estimar os valores das VTCDs em todas as barras que compõem um sistema elétrico. Como contribuição à solução destes problemas, esta tese propõe a utilização do algoritmo denominado Estratégias Evolutivas (EEs), que integra a família dos Algoritmos Evolutivos. Tal algoritmo mostrou ser viável por sua facilidade de implementação e rapidez de resposta na busca de uma solução dentro de um vasto espaço de soluções. As EEs, nesta tese, são utilizadas para se determinar: o local de falta, tipo de falta e impedância de falta, que caracterizam um indivíduo, de forma que as tensões resultantes nas barras monitoradas sejam as mais próximas possíveis das medições realizadas. Para alcançar esse objetivo, inicialmente se constrói uma população inicial de indivíduos que representam alternativas de solução do problema. Em seguida, uma parte destes indivíduos será submetida a mutação e recombinação para então serem selecionados os indivíduos que sobreviverão na geração futura. Este processo iterativo é realizado até que se encontre uma solução o mais próximo da procurada. Cada indivíduo é avaliado através de função objetivo, que representa o erro quadrático entre os valores medidos e os valores calculados. Para este cálculo, é necessário simular um curto-circuito com as características do indivíduo avaliado com base em informações da rede bem como dos valores das tensões provenientes dos medidores. A partir da determinação das características da falta, é feita a estimação dos valores das tensões em toda a rede levando à avaliação das VTCDs. Uma vez atingido este objetivo, é possível, por exemplo, determinar indicadores de qualidade associados às VTCDs, como o SARFI (System Average RMS Frequency Index), determinar as áreas mais propensas a causar as VTCDs e elaborar planos de manutenção preventiva. Foram implementados dois algoritmos que calculam o número mínimo de medidores e os locais onde estes devem ser instalados. O primeiro algoritmo tem a finalidade de garantir o monitoramento de toda a rede em relação às VTCDs enquanto o segundo garante o menor erro de estimação de VTCDs nas barras onde não se têm medidores instalados. A referida metodologia pode ser aplicada em redes radiais ou em malha, sendo inicialmente aplicada em sistemas de pequeno porte (redes de 14 e 30 barras do IEEE) com intuito de verificar a capacidade do algoritmo. Foram então simuladas redes de maior complexidade, por meio de testes em redes de 57 barras e 118 barras do IEEE. Para avaliar a eficiência da metodologia desenvolvida foi feita uma comparação com outra metodologia de otimização baseada em Algoritmos Genéticos (AGs).

A methodology is herein proposed to estimate Short Duration Voltage Variation (SDVV) in electric power systems, caused by electrical faults. To attain this target, values recorded by measurement equipment in specific sites are used. In fact, there are few power quality meters installed in power networks, due to the high cost of such meters. Although these costs have decreased in recent years, the installation of a sufficient number of meters to ensure monitoring the entire network is still unfeasible. This reality poses a challenge to developing techniques that, with a small number of monitoring points, allow the determination of fault locations and estimation of SDVV values in specified buses. As contribution this thesis proposes an algorithm called Evolutionary Strategies (ESE), which integrates the group of evolutionary algorithms. This algorithm can be easily implemented and finds a solution within a wide solution space. The ESE determines the fault location, fault type and fault impedance, that characterize an individual, so that the resulting voltages on monitored buses are as close as possible to the measured ones. An initial population is generated as alternative solutions to the problem. Some of the individuals in the population will be submitted to mutation and recombination operators. Individuals are then selected to the future generation. An iterative process is carried out to determine a solution as close as possible to the desired one. Each individual is evaluated by the objective function, which represents the quadratic error between the measured and calculated values. This calculation is based on short circuit calculation related to the evaluated individual and from information of voltage values gathered from power quality meters. Voltage values in specific network buses can then be determined to monitor their corresponding SDVV values. This allows, for example, determining quality indicators associated to the SDVV, such as the System Average RMS Frequency Index (SARFI), to evaluate sensitive areas, i.e. which are prone to cause SDVVs and to develop plans for preventive maintenance. Two algorithms that calculate the minimum number of meters and their locations have been implemented. The first algorithm aims to ensure monitoring the entire network regarding SDVVs, while the second algorithm ensures the smallest error of SDVV estimation in buses where no meters are installed. This methodology can be applied to meshed or radial networks. It was initially implemented in small networks (IEEE 14 and 30 buses) with the purpose of verifying the ability of algorithm. In sequence the methodology was applied to more complex networks (IEEE 57 and 118 buses). To assess the efficiency of the methodology a comparison with other optimization methodology based on Genetic Algorithms (GA) was carried out.