1 / 31

Ghendy C. Junior (doutorando) Jacqueline G. Rolim (orientadora) Hans H. Zürn (co-orientador)

Universidade Federal de Santa Catarina Programa de Pós-Graduação em Eng. Elétrica Grupo de Sistemas de Potência. Estimação da Seção em Falta em Sistemas Elétricos de Potência via Redes Neurais e Sistemas Especialistas Realizada em Nível de Centro de Controle. Ghendy C. Junior (doutorando)

solada
Télécharger la présentation

Ghendy C. Junior (doutorando) Jacqueline G. Rolim (orientadora) Hans H. Zürn (co-orientador)

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Universidade Federal de Santa Catarina Programa de Pós-Graduação em Eng. Elétrica Grupo de Sistemas de Potência Estimação da Seção em Falta em Sistemas Elétricos de Potência via Redes Neurais e Sistemas Especialistas Realizada em Nível de Centro de Controle Ghendy C. Junior (doutorando) Jacqueline G. Rolim (orientadora) Hans H. Zürn (co-orientador)

  2. Labspot Objetivo Desenvolvimento de uma ferramenta computacional de apoio à operação em tempo real de sistemas de energia elétrica, visando estimar o componente em falta com base nos alarmes de disparo de relés e disjuntores.

  3. Labspot SITUAÇÃO: Antes da falta Descrição do problema

  4. Labspot SITUAÇÃO: Pós falta Descrição do problema (continuação) Alarmes: B1m L2Rs L4Rs : : CB4 CB5 CB7 CB9 CB12 CB27

  5. Labspot Descrição do problema(continuação) • PrioridadeRestaurar o sistema • Antes de Restaurar: • identificar o(s) componente(es) que estão em falta; • hipóteses: B1, B2, L2, L4; B1 e B2; B1 e L2; B1 e L4; B2 e L2; B2 e L4, L2 e L4; B1 e B2 e L2; B1 e B2 e L4; B1 e B2 e L2 e L4; nenhum. • efetuar manobras para isolar o componente com defeito; • restaurar as partes do sistema atingidas pela falta, mas não estão em falta; • deslocar as equipes de manutenção para que o defeito possa ser corrigido; • finalmente, restaurar a(as) parte(es) onde ocorreu o defeito.

  6. Labspot Benefícios • A redução de sobrecarga do operador, por excesso de alarmes, informações e restrições; • Prevenção de erros humanos; • Mais segurança e agilidade nas decisões operativas; • Agilizar o processo de restauração do sistema elétrico.

  7. Labspot Problemas envolvidos • Falha do relé ou disjuntor e faltas múltiplas; • Aquisição de dados corrompidos; • Falha no sistema de transmissão de dados; • Perda de informações; • Subestações que não possuam registro de seqüência de eventos; • Dificuldade em simular eventos raros.

  8. Labspot Definição do problema A estimação do componente elétrico em falta é definida como um problema de tomada de decisão, onde várias hipóteses (seções em falta), previamente formuladas, competem entre si, cabendo ao operador ou à ferramenta computacional de apoio, selecionar a mais plausível. (PARK et al., 1999)

  9. Labspot Métodos de solução A automatização da análise da operação de disjuntores e relés tem sido motivo de pesquisa desde 1969. (DYLIACCO & KRAYNAK, 1969) A utilização de técnicas de inteligência artificial (IA) a este tipo de problema teve início no final dos anos 70. (SAKAGUCHI & MATSUMOTO, 1983)

  10. Labspot Sistemas especialistas Sistemas especialistas (SE´s) são programas de computador que utilizam métodos de conhecimento ou inferência, para resolver problemas que são suficientemente complexos e exigem significativa capacitação humana na sua solução.

  11. Labspot Limitações • Incapacidade de generalização; • Dificuldade na manutenção das regras; • Sistemas especialistas não devem conter informações completas, esgotamento de todas as possibilidades; • Nem mesmo um engenheiro experiente detém conhecimento sobre todos os tipos de faltas possíveis.

  12. Labspot Redes Neurais Pode-se dizer que redes neurais artificiais consistem em um modo de abordar a solução de problemas de inteligência artificial, onde procura-se construir um computador que tenha circuitos modelando os circuitos cerebrais.

  13. Labspot Problemas a serem considerados • Uma única rede para todo o sistema considera uma topologia fixa, e necessita ser re-treinada após cada mudança topológica, tornando-se inviável. • Obtenção de modelos mais aceitáveis força uma redução na dimensão da rede;

  14. Labspot Problemas a serem considerados • Necessidade de um algoritmo de treinamento que apresente boas características de convergência. • Dados históricos contendo informações sobre faltas seriam o ideal para se treinar a rede.

  15. Labspot Metodologia proposta • Ativar os modelos neurais de acordo com os alarmes recebidos; • Conectar os módulos neurais com o auxílio de um sistema especialista; • Tratar das informações de falta externa resultantes dos modelos neurais.

  16. ALARMES (0 ou 1) (relés e disjuntores para cada equipamento elétrico). SF = nº total de equipamentos ATIVAÇÃO DOS MODELOS NEURAIS (linhas, barras e transformadores) sf=sf+1 n sf = SF s DETERMINAÇÃO DA ÁREA DESLIGADA (Topologia da rede desligada) ANÁLISE DAS INFORMAÇÕES DE FALTA EXTERNA RESULTADOS

  17. Labspot Redes GRNN A rede GRNN (SPECHT, 1991) é uma variação da rede de base radial que apresenta grande capacidade de generalização utilizada principalmente para aproximar funções.

  18. Labspot Redes GRNN

  19. Labspot Característica • Previsão, modelagem, mapeamento, interpolação ou controle; • O processo de aprendizado ocorre em um único passo; • Apresenta um resultado satisfatório mesmo com poucos exemplos.

  20. Labspot Característica • O resultado é limitado pelo valor numérico mínimo e máximo das observações. • Não converge a um mínimo local da função utilizada como critério de erro.

  21. Labspot Característica A principal desvantagem - requer substancial esforço computacional para avaliar novos pontos, quando o conjunto de exemplos utilizados durante o treinamento for muito grande.

  22. Labspot Proteção do autotransformador (525/230 kV)

  23. Labspot Modelo Neural do autotransformador

  24. Labspot Determinação da área desligada • Identificar a configuração da rede em estado de operação normal (condições pré-falta); • Determinar a configuração pós-falta do subsistema intacto a partir dos estados de disjuntores; • Determinar o subsistema desligado comparando as configurações obtidas em 1 e 2.Os elementos desligados são aqueles presentes em 1 e ausentes em 2.

  25. Labspot Análise das informações de F_EXT Teoria da tomada de decisão multi-objetivo. D = O1 O2 ... Or D(a) = min[O1(a), O2(a),..., Or(a)] D(a*) = max (D(a))

  26. Labspot Análise das informações de F_EXT

  27. Labspot Conclusões • capacidade de generalização e supressão de ruído; • velocidade de processamento; • facilidade de implementação; • metodologia independente da configuração da rede elétrica;

  28. Labspot Conclusões (continuação) • tratar de maneira simples e eficaz as informações de falta externa oriunda dos modelos neurais; • imprecisões presentes no alcance dos relés; • as faltas múltiplas são tratadas de maneira natural.

  29. Labspot Sugestões para futuros trabalhos • Identificar a atuação da proteção por sobrecarga; • Inclusão de questões temporais; • Classificar as fases em falta; • Modelagem dos demais componentes elétricos; • Explicações sobre o comportamento dos dispositivos de proteção.

More Related