Detecção e classificação de faltas a partir da análise de registros oscilográficos via redes neurais artificiais e transformada wavelet

Abstract

RESUMOEste artigo apresenta um método de detecção e classificação de faltas em linhas de transmissão, a partir da análise de registros oscilográficos via redes neurais artificiais e transformada wavelet. Realiza-se a detecção da falta e a determinação de sua duração através de um conjunto de regras heurísticas construídas a partir da análise dos sinais de corrente nos domínios do tempo e wavelet. O método diferencia faltas de outras ocorrências relacionadas à qualidade da energia elétrica, tais como afundamentos de tensão e transitórios de chaveamento. Uma rede neural classifica faltas a partir do reconhecimento dos padrões das tensões e correntes relacionados a cada tipo específico. O método proposto foi avaliado para registros simulados e reais em linhas de transmissão do sistema Chesf, apresentando bons resultados em ambos os casos. ABSTRACTThis paper presents a method for fault detection and classification in transmission lines, based on analysis of oscillographic data using artificial neural networks and wavelet transform. The fault detection and its clearing time are determined based on a set of heuristic rules obtained from the current waveform analysis in time and wavelet domains. The method is able to single out faults from other power quality disturbances such as voltage sags and oscillatory transients, which are common in power systems operation. An ANN classifies the fault by the voltage and current waveforms pattern recognition in time domain. The method was used for fault detection and classification from both simulated and real oscillographic data of Chesf, a Brazilian utility company, with excellent results.