UM CLASSIFICADOR NEURO-FUZZY DE FALTAS DE CURTO-CIRCUITO

Patrick Santos de Oliveira

Departamento de Engenharia Eltrica EESC - USP Av. Trabalhador So-Carlense, 400 CEP: 13566-590 So Carlos SP Email: patricko@sel.eesc.usp.br

Resumo: Este trabalho prope a realizao da classificao de faltas de curto-circuito causadoras dos desequilbrios de tenso e corrente em um sistema eltrico de potncia. Tal abordagem baseada em simulaes computacionais do sistema em anlise sob condies normais e anormais de operao, dispondo do software ATP (Alternative Transients Program) e posteriormente utilizando-se de uma rede Neuro-Fuzzy como classificadora desses distrbios. No que segue, fazse a identificao da Fase envolvida incluindo a presena do Terra. Os resultados encontrados demonstram a viabilidade de tal aplicao e sero reportados neste documento. Palavras-chave Neuro-Fuzzy, Classificao de Faltas, Sistemas Hbridos. I - INTRODUO A evoluo da eletrnica de potncia e o conseqente surgimento de cargas sensveis aos distrbios de tenso e corrente nos sistemas eltricos de potncia (SEP), culminaram numa crescente preocupao com a qualidade da energia eltrica (QEE)[1]. Como fato, tem-se que o SEP afetado por inmeros problemas relacionados QEE. Um desses problemas referenciado por desequilbrio de tenso e corrente. Tal fenmeno ocorre quando cargas monofsicas so distribudas inadequadamente nos circuitos, fazendo circular por estes diferentes correntes. Esse problema se torna ainda maior quando consumidores com fornecimento trifsico mantm uma m distribuio de seu circuito interno, o que resulta em correntes desequilibradas no circuito da concessionria. Contudo, vale comentar que em condies normais de operao e instalao, as correntes trifsicas esto equilibradas e os desequilbrios podem ocorrer devido a algumas situaes indesejadas no SEP, como as faltas e aberturas de algumas das fases. No contexto apresentado, este trabalho buscar a sua classificao quanto ao tipo da falta ocorrido e as fases envolvidas atravs de uma rede Neuro-Fuzzy. II - DEFINIO DO PROBLEMA Conforme observado na literatura, os desequilbrios de tenso podem ser definidos atravs do desvio mximo dos valores mdios das tenses ou correntes trifsicas divididos pela mdia desses valores. Outra maneira de identificar os desequilbrios atravs das componentes simtricas [2]. Por estas, em condies normais de operao, as correntes trifsicas se anulam e o sistema tido como equilibrado.

Porm, quando isso no acontece, a componente de seqncia negativa da tenso (V2) apresenta um valor maior do que 2% quando comparada a componente de seqncia positiva (V1). Vale ressaltar que essa metodologia adotada pelo ONS (Operador Nacional do Sistema) para caracterizar este desequilbrio. Algumas das situaes de faltas que causam um desequilbrio bem mais acentuado que as descritas na introduo so apresentadas na Tabela 1. Neste contexto, faz-se necessrio, alm de apontar os desequilbrios nas formas de ondas de interesse, meios para classificar e mitigar as possveis causas sobre o SEP em anlise.
Tabela 1 Classificao das faltas causadoras de desequilbrios. Natureza da Falta Condutores Envolvidos* Fase A Fase B Fase C Terra Monofsica Monofsica Monofsica Bifsica* Bifsica* Bifsica* Trifsica* * Para as faltas bifsicas e trifsicas, pode haver ou no o envolvimento da terra, indicado pela ltima coluna hachurada.

Vale comentar que o problema delineado pode ser resolvido atravs da aplicao de RNA, porm, como de conhecimento, precisa-se para tal de uma grande quantidade de pares de dados de entrada/sada, para que assim seja possvel a realizao do treinamento supervisionado da RNA [5]. Outras tcnicas, como por exemplo, sistemas neuro-fuzzy e computao evolutiva tambm podem ser usados para a resoluo desta tarefa [6-7]. J com a utilizao dos sistemas Fuzzy, essa tarefa se torna mais simples, pois so utilizados dados qualitativos, aproveitando-se das variveis lingsticas, sem a necessidade de dados numricos para o seu treinamento. Desta maneira a disposio do sistema Fuzzy feita pelo especialista Fuzzy baseado em seu conhecimento, tanto no que se refere ao processo quanto ao prprio sistema em anlise [6]. importante ressaltar que no h a necessidade de dados quantitativos para treinamento e teste do sistema, como no caso da RNA. Isto reflete em uma grande vantagem sobre o mesmo, pois a aquisio de amostras desses eventos sobre o SEP real pode decorrer de situaes difceis de serem caracterizadas.

III BANCO DE FALTAS Nesta pesquisa, foi utilizado um banco de dados gerado no software ATP com 6900 casos de faltas simuladas, 690 casos para cada tipo de falta. O banco de dados possua 4 amostras de tenso das fases A, B e C e 4 amostras de corrente tambm das fases A, B e C, totalizando 24 amostras das tenses e correntes de falta. As amostras das tenses foram descartadas, reduzindo pela metade (12 amostras) a quantidade de entradas do classificador a ser projetado. Como posteriormente ser detalhado, o sistema NeuroFuzzy foi gerado a partir do toolbox do Matlab (ANFIS) que possui certa limitao de memria quanto ao nmero de entradas e conseqentemente ao nmero de regras. Para minimizar os custos computacionais foi calculado o valor RMS (valor quadrtico mdio) da corrente de cada fase a partir da equao (1.1).

input1 (3)

(sugeno)

f(u)

input2 (3) 27 rules output (27)

input3 (3)

System A: 3 inputs, 1 outputs, 27 rules

Figura 2 Topologia Rede Neuro-Fuzzy

xRMS =

1 N

x
i =1

2 i

Na Figura 3 podem ser visualizadas as funes de pertinncia triangulares da entrada 1 (fase A) da rede. O treinamento foi realizado em apenas 10 pocas, admitindo-se as redes com menor erro no conjunto de checking.

(1.1)
in1mf1 1 in1mf2 in1mf3

Assim, as 12 entradas foram reduzidas para apenas 3, ou seja, o valor RMS da fase A, B e C. importante colocar que dessas 4 amostras, 2 so anteriores ao instante da falta, e as outras 2 so posteriores. Os casos simulados foram divididos em 2 conjuntos, um para treinamento e o outro para validao (checking) onde o primeiro contendo 4830 casos simulados (70%) e o segundo com 2070 (30%) casos. IV SISTEMA NEURO-FUZZY A topologia da Rede Neuro-Fuzzy desenvolvida contm 3 entradas, cada uma com 3 funes de pertinncia do tipo trimf e uma sada linear (Sugeno). Como o ANFIS do Matlab limita a rede em apenas uma sada, foram desenvolvidas redes com a mesma topologia para cada sada, onde uma rede especializada em cada fase envolvida na falta, obtendo-se 4 redes Neuro-Fuzzy, uma para a fase A, B, C e Terra. A normalizao da sada da rede foi feita considerando todos os valores maiores que 0,5 como 1 e todos os valores menores que 0,5 como sendo 0. A topologia de uma das redes pode ser vista na Figura 1 e na Figura 2.

0.8

Degree of membership

0.6

0.4

0.2

10 input1

15

20

25

Figura 3 Funes de Pertinncia da Entrada 1 da Rede A

V RESULTADOS Na tabela 2 so apresentados os resultados da Rede Neuro-Fuzzy, tanto das 4 redes em conjunto, quanto uma anlise individual das redes.
Tabela 2 Generalizao das Redes Neuro-Fuzzy

N. CASOS N. ERROS % ACERTO TOTAL

FASE A 2070 64 96,91%

FASE B FASE C 2070 2070 68 50 96,71% 97,58% 62,08%

TERRA 2070 667 67,78%

As redes das fases A, B e C obtiveram um taxa de acerto superior a 96%, no entanto, a rede responsvel por apontar o envolvimento do condutor Terra na falta foi apenas de 67%. Quando analisadas em conjunto, uma vez que o distrbio classificado da maneira correta somente com as 4 redes convergindo, a taxa de acerto ainda menor, pouco acima de 62%. VI O SOFTWARE ATP O software ATP (Alternative Transients Program) permite a simulao de transitrios eletromagnticos em redes polifsicas, com configuraes arbitrrias, atravs de um mtodo que utiliza a matriz de admitncia de barras [8].

Figura 1 Topologia Rede Neuro-Fuzzy

A formulao matemtica baseada no mtodo das caractersticas (mtodo de Bergeron) para elementos com parmetros distribudos e na regra de integrao trapezoidal para elementos com parmetros concentrados. Vale comentar que como um programa digital no permite obter uma soluo contnua no tempo, pelo ATP, calcula-se valores em intervalos de tempo discretos. Comenta-se ainda que o programa permite a representao de no-linearidades, elementos com parmetros concentrados, elementos com parmetros distribudos, chaves, transformadores, reatores, etc. De uma forma geral, da utilizao do ATP, so considerados parmetros em componentes de fase e em seqncia (zero e positiva), dependendo do modelo. VIII - CONCLUSO Pelos apontamentos colocados, verifica-se a viabilidade de se detectar com preciso apenas as situaes de desequilbrios sobre um sistema eltrico no que se diz respeito as fases envolvidas. Com um desempenho muito inferior do que o exigido pelas filosofias de proteo, a utilizao de sistemas Neuro-Fuzzy, com as tcnicas adotadas neste trabalho no se mostram viveis para esta aplicao. Outro aspecto que se deve ressaltar que pode se tornar difcil a obteno de pares de dados de entrada/sada de eventos de falta reais, onde, as simulaes dos SEPs por softwares como o ATP pode ser utilizada para obt-los.

REFERNCIAS BIBLIOGRFICAS [1] Dugan, R. C., McGranaghan, M. F. e Beaty, H. W. (1996). Electrical Power Systems Quality, New York, McGraw-Hill. [2] Fortescue C.L. Method of Symmetrical Coordinates Applied to the Solution of Polyphase Networks Trans. AIEE, part II, vol.37, 1918, pp. 1027-1140. [3] Stevenson, Willian D. Jr. (1978). Elementos de Anlise de Sistemas de Potncia. Rio de Janeiro, McGRAW Hill do Brasil, LTDA. [4] Kindermann, Geraldo (1992). Curto Circuito, Porto Alegre, Sagra DC Luzzatto. [5] Haykin, Simon S. (1999). Neural networks: a comprehensive foundation, Upper Saddle River, N.J.: Prentice Hall. [6] Liaoa, Y., Leeb, J. B. A fuzzy-expert system for classifying power quality disturbances Electrical Power and Energy Systems n26, 2004, 199205. [7] Oliveira, Dilzair Alvimar de (2006). Faltas de alta impedncia: deteco e localizao de rompimento de condutores em circuito primrio de redes areas de distribuio baseado em desequilbrio de tenso. 176 f. Dissertao (Mestrado em Engenharia Eltrica) Universidade Federal de Minas Gerais, Belo Horizonte, 2006. [8] EEUG (1987). Alternative Transients Program Rule Book. LEC.