Redes Neurais Artificiais na Localização de Faltas em Linhas de Transmissão: Casos Simulados e Reais de Curto-Circuito

Abstract

Este artigo apresenta uma aplicação de Redes Neurais Artificiais (RNAs) para classificar, localizar faltas em linhas de transmissão e determinar o valor das resistências de defeito, utilizando se dados de faltas simuladas em um programa de transitórios eletromagnéticos e de faltas reais ocorridas no sistema elétrico brasileiro. A detecção da falta é feita a partir da transformada Wavelet. Para a classificação, localização de faltas e determinação da resistência de falta, utilizam se RNAs com topologia Multilayer Perceptron (MLP), método de aprendizagem supervisionado backpropagation, algoritmo de treinamento Levenberg Marquardt e função de ativação tangente sigmoide. Os resultados obtidos para a classificação mostraram se eficazes em todos os testes realizados. Com 5% de significância, a localização e a determinação da resistência para faltas simuladas pelas RNAs, em comparação com os resultados do método analítico de Johns, forneceram evidências estatísticas favoráveis ao método de inteligência computacional proposto. Em casos reais, o desempenho do método analítico alcançou melhores resultados, sinalizando a necessidade de novos estudos para a utilização prática do método proposto.