Este trabalho apresenta a aplicação de Redes Neurais Artificiais (RNAs) como um classificador de padrões para as operações do relé de distância. As grandezas analisadas referem-se aos valores trifásicos de tensões e correntes do sistema elétrico, incluindo a seqüência zero. Para a obtenção dos valores amostrais da linha de transmissão em condição faltosa, valores estes utilizados como entradas para as arquiteturas de RNAs em seus processos de treinamento e teste, utilizou-se do software Alternative Transients Program - ATP. Para se observar o desempenho do relé de distância implementado, duas formas de análise dos valores trifásicos foram adotadas. Uma utilizando-se como entrada os cinco valores amostrados em meio ciclo pós-falta do sinal analisado e a segunda, pelo emprego da magnitude dos fatores de tensões e correntes, incluindo a seqüência zero. A função da rede neural implementada é de capturar o conhecimento da correta atuação do relé de distância, para posteriormente atuar com melhores resultados frente às situações de operações que por ventura venham a ocorrer. Para criar, treinar (obtenção dos pesos associados como saída) e testar as arquiteturas de RNAs, utilizou-se do software Stuttgard Neural Network Simulator (SNNS). Dos resultados encontrados comenta-se o desempenho do relé de distância implementado frente às duas abordagens anteriormente descritas. Do uso de RNAs como um classificador de padrões, observa-se uma melhora no desempenho do sistema de proteção, alcançando-se uma definição de 96% do comprimento da linha de transmissão como sendo a zona de proteção primária do relé de distância digital.

This work demonstrates the use of Artificial Neural Networks (ANNs) theory as a pattern classifier for a distance relay operation. The approach utilizes the magnitudes of the three phase voltage and current phasors (including the zero sequence) as inputs. The Alternative Transients Program (ATP) software is used to generate data for the transmission line in a faulted condition both for the training process and the tests. Two different types of ANN architecture, concerning the input data, are taken into account. The main objective was to analyse the relay performance considering each of them. One approach utilises the five post-fault samples as inputs. The other one employs the magnitudes of the three phase voltage and current phasors (including the zero sequence) as inputs. The implemented neural network should capture the knowledge for the correct relay operation facing the different network conditions. A comparison of how well the schemes performed is carried out. The Stuttgard Neural Network Simulator (SNNS) was used to create the ANN diagram, train it and obtain the weights as an output. An improvement concerning the use of ANNs for distance protection purposes is found. Through the use of ANN as a pattern classifier, a reach of 96% of the transmission line length as the relay primary protection zone was implemented in this work.