Localização de defeitos em sistemas de potência utilizando um modelo Neuro-Fuzzy

Abstract

Em sistemas de potência, um grande número de mensagens e alarmes são transmitidos ao centro de controle após a ocorrência de distúrbios. Estes distúrbios estão em geral associados à presença de defeitos de diferentes tipos e localizações no sistema. Como decorrência, parte do sistema é isolada de modo a eliminar o defeito. Os equipamentos de proteção são responsáveis por detectar a ocorrência de um defeito e isolar somente a parte defeituosa do sistema. É também muito importante restaurar as condições normais de operação do sistema o mais rapidamente possível. Dessa maneira, é fundamental que a localização do defeito seja determinada de forma bastante rápida. Na ocorrência de um defeito, os operadores devem tirar conclusões e tomar decisões a partir de um grande conjunto de informações, o que pode levar um tempo demasiadamente grande. Outros problemas tais como falhas no sistema de proteção, problemas de comunicação, aquisição de dados corrompidos, etc. podem tomar a obtenção de diagnósticos uma tarefa bastante complicada. Nesta Dissertação investiga-se a aplicação de um modelo Neuro-Fuzzy para o processamento de alarmes e diagnósticos. de defeitos em sistemas de potência, através da construção de redes neurais capazes de realizar o mapeamento fuzzy de alarmes recebidos após um defeito para saídas (respostas) que refletem o grau de incerteza da inferência realizada, fornecendo subsídios realistas para o diagnóstico. São investigadas diversas técnicas para o estabelecimento das relações fuzzy entre padrões de alarme e defeitos no sistema. O modelo a ser desenvolvido deverá ser capaz de permitir a introdução do conhecimento qualitativo sobre o problema tratado (lógica fuzzy) e ao mesmo tempo apresentar características de robustez, tolerância a falhas e generalização (redes neurais).

En sistemas de potencia, la transmisión de numerosos mensajes y alarmas al centro de control tras un disturbio es habitual, generalmente indicando la presencia de defectos variados en el sistema. Esto lleva al aislamiento de partes del sistema para corregir el defecto. La detección y aislamiento precisos son cruciales, al igual que la rápida restauración de la operación normal. Identificar rápidamente la ubicación del defecto es esencial, dado que los operadores deben analizar y decidir basándose en amplias informaciones, lo que puede prolongarse excesivamente. Además, fallos en la protección, problemas de comunicación y datos corruptos complican el diagnóstico. Esta disertación explora el uso de un modelo neuro-difuso para procesar alarmas y diagnosticar defectos en sistemas de potencia, mediante redes neuronales que mapean de manera difusa las alarmas a respuestas que reflejan la incertidumbre de las inferencias, proporcionando una base realista para diagnósticos. Se investigan técnicas para establecer relaciones difusas entre patrones de alarma y defectos. El modelo desarrollado combinará conocimiento cualitativo sobre el problema (lógica difusa) con robustez, tolerancia a fallos y capacidad de generalización (redes neuronales).