ANÁLISE, DETECÇÃO E LOCALIZAÇÃO DE FALTAS DE ALTA IMPEDÂNCIA EM SISTEMAS DE DISTRIBUIÇÃO UTILZANDO APRENDIZADO DE MÁQUINA
Carregando...
Data
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA
Resumo
The occurrence of high impedance faults (HIF) in primary distribution networks represents a danger to the safety of people, equipment, and animals. However, protection devices close to the distribution network are not able to be sensitized by this type of defect in most cases. This work presents an integrated strategy for the classification, detection and location of HIF, based on the use of classifiers based on supervised learning algorithms, such as K-nearest neighbors, Support Vector Machines and Ensemble. An improved fault model was used to emulate random behaviors, and especially intermittency for high impedance faults. The residual current was monitored, and its characteristics were extracted using the Short-Time Fourier Transform (STFT). A temporal consistency logic was applied to the detection stage. An algorithm for fault location from the measurement of voltages at low voltage it was considered. The functioning of the presented algorithm was carried out through several simulations in two different distribution systems.
A ocorrência de faltas de alta impedância (FAI) em redes de distribuição representa um perigo para a segurança das pessoas, equipamentos e animais. No entanto, dispositivos de proteção junto a rede de distribuição não são capazes de serem sensibilizados por esse tipo de defeito na maioria das vezes. Este trabalho apresenta uma estratégia integrada de classificação, detecção e localização de FAI, fundamentado no uso de classificadores baseados em algoritmos de aprendizado supervisionado, tais como Knearest neighbors, Support Vector Machines e Árvores de Decisão. Um modelo de falta aprimorado foi usado para emular comportamentos de aleatoriedade e especialmente intermitência de faltas de alta impedância. A corrente residual foi monitorada e a extração de suas características foi realizada a partir da Short-Time Fourier Transform (STFT). Uma lógica de consistência temporal foi aplicada ao estágio de detecção. Um algoritmo de localização de FAI a partir da medição das tensões na baixa tensão foi considerado. A partir de uma análise comparativa entre dois sistemas distintos verificou-se o funcionamento dos algoritmos através de diversas simulações em dois sistemas de distribuição distintos.
A ocorrência de faltas de alta impedância (FAI) em redes de distribuição representa um perigo para a segurança das pessoas, equipamentos e animais. No entanto, dispositivos de proteção junto a rede de distribuição não são capazes de serem sensibilizados por esse tipo de defeito na maioria das vezes. Este trabalho apresenta uma estratégia integrada de classificação, detecção e localização de FAI, fundamentado no uso de classificadores baseados em algoritmos de aprendizado supervisionado, tais como Knearest neighbors, Support Vector Machines e Árvores de Decisão. Um modelo de falta aprimorado foi usado para emular comportamentos de aleatoriedade e especialmente intermitência de faltas de alta impedância. A corrente residual foi monitorada e a extração de suas características foi realizada a partir da Short-Time Fourier Transform (STFT). Uma lógica de consistência temporal foi aplicada ao estágio de detecção. Um algoritmo de localização de FAI a partir da medição das tensões na baixa tensão foi considerado. A partir de uma análise comparativa entre dois sistemas distintos verificou-se o funcionamento dos algoritmos através de diversas simulações em dois sistemas de distribuição distintos.