No abstract

No abstract

This study presents a comparison of two developed intelligent systems that carries out, in an integrated manner, failure diagnosis on electric power distribution feeders. These procedures aim to identify and classify critical situations, as highimpedance faults, which can potentially damage the system components and cause power supply interruptions to consumers. The intelligent systems combine the wavelet transform, Dempster-Shafer evidence theory, voting scheme, fuzzy inference system and artificial neural networks. Results show the efficiency, reliability, and robustness of the proposed methodology, allowing its real-time application.

This article presents a method to detect and classify voltage disturbances in electric power distribution systems using a modified Euclidean ARTMAP neural network with continuous training. This decision-making tool accelerates the procedures to restore the normal operation conditions providing security, reliability, and profits to utilities. Furthermore, it allows the diagnosis system to adapt to changes from the constant evolution of the electric system. The voltage signals features or signatures are extracted using discrete wavelet transform, multiresolution analysis, and the energy concept. Results show that the proposed methodology is robust and efficient, providing a fast diagnosis process. The data set used to validate the proposal is obtained by simulations in a real distribution system using ATP software.

Resumo -Neste artigo apresenta-se uma metodologia alternativa para detecção e classificação de faltas de curto-circuito em sistemas de distribuição de energia elétrica. Esta ferramenta de auxílio à tomada de decisão acelera os procedimentos para restabelecimento das condições normais de operação propiciando maior segurança, confiabilidade e lucratividade às concessionárias. O processo de detecção de anormalidade é realizado através de análises estatística e direta dos sinais de corrente no domínio wavelet. As evidências obtidas sobre o status da rede, considerando as faixas de frequências em avaliação, são agregadas usando a teoria da evidência, a qual fornece, aos operadores, informações quantitativas relativas ao estado operativo do sistema e ao diagnóstico executado. Na etapa de classificação, emprega-se a rede neural artificial ARTMAP Fuzzy para o reconhecimento dos padrões. O método proposto foi avaliado por meio de simulações de um alimentador de distribuição real, composto por 134 barras, no software ATP (Alternative Transients Program), apresentando bons resultados.Palavras-Chaves -Transformada wavelet, teoria da evidência, rede neural artificial ARTMAP Fuzzy, diagnóstico de distúrbio, sistemas de distribuição de energia elétrica. IntroduçãoOs sistemas de distribuição de energia elétrica estão susceptíveis a faltas decorrentes do mau funcionamento de equipamentos, contatos de animais às partes energizadas, queimadas e fenômenos naturais. Estes distúrbios degradam os índices de qualidade de fornecimento de energia elétrica das concessionárias e elevam seus custos operacionais.Normalmente, os alimentadores de distribuição não possuem um nível ótimo de monitoramento, controle e automação de suas operações. Os operadores avaliam o estado operativo do sistema a partir do mapeamento das reclamações realizadas via telefone pelos consumidores e por meio de inspeção visual das oscilografias de corrente e tensão. Nos últimos anos, com a crescente competitividade de mercado têm-se estimulado grandes investimentos no desenvolvimento de ferramentas, para a operação e o planejamento, capazes de propiciarem maior confiabilidade e rápido retorno de seus investimentos.Na literatura especializada destacam-se metodologias que utilizam técnicas de inteligência artificial para realizar processos de automação de subestações [1-3]: 1) Redes neurais artificiais; 2) Lógica Fuzzy; 3) Algoritmos genéticos; 4) Sistemas especialistas, entre outras técnicas. Isto se deve ao fato da complexidade do problema, da ausência de formulações analíticas eficazes e da capacidade destas ferramentas integrarem a experiência dos especialistas à habilidade de se executar diagnósticos com aptidão e rapidez.Neste artigo apresenta-se uma metodologia alternativa para realizar a detecção e classificação de curto-circuito em alimentadores de distribuição com eficiência, alto desempenho computacional e flexibilidade, características imprescindíveis para auxiliar à tomada de decisão. O processo de detecção de faltas é desenvolvido baseando-se na transform...

No abstract

No abstract

This study presents a new preventive control model based on sensitivity analysis that aims to improve the transient stability by changing the configuration of the transmission system. By considering a list of severe contingencies for electrical power systems through security analysis, once exists instability cases in the sense of transient stability, the sensitivity analysis in this article provides the “best localization” and the respective quantification of transmission lines to correct the system's security to a desired security margin. With this preventive control strategy, one can obtain a secure configuration of the power system. Several studies present transmission reinforcement, for example, transmission line inclusion, as an efficient approach. In this study, the system will improve the stability for every short circuit fault considered, increasing the transmission capacity. This detail can be illustrated using a simple transient stability method, namely, the equal‐area criterion. Considering adaptations and some simplifications, the results obtained in this work can be used for FACTS devices. The stability analysis is conducted using the security margin concept determined by the direct Lyapunov energy method; it is a support tool that aids planners and operators of electric power systems. In addition, a procedure called security margin displacement effort is presented in order to infer the numerical validity of the sensitivity model. The method is tested with a power system composed of 45 buses, 73 transmission lines, and 10 synchronous machines.