Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/12529
Title in Portuguese: Localização de faltas em linhas de transmissão usando redes neurais artificiais e ondas viajantes
Author: Souza, Saulo Cunha Araújo de
Almeida, Aryfrance Rocha
Braga, Arthur Plínio de Souza
Almeida, Otacílio da Mota
Abreu, Francisco Carlos Moreira
Aguiar Junior, Jose Sergio de
Keywords: Localização de faltas
Ondas viajantes
Redes neurais artificiais
Issue Date: 20-Sep-2014
Publisher: Congresso Brasileiro de Automática
Citation: SOUZA, S. C. A. et al. Localização de faltas em linhas de transmissão usando redes neurais artificiais e ondas viajantes. In: CONGRESSO BRASILEIRO DE AUTOMÁTICA, 20., 2014, Belo Horizonte. Anais...Belo Horizonte, 2014. p. 2716-2723.
Abstract in Portuguese: Dentre as técnicas de localização de faltas em linhas de transmissão, considerável atenção tem sido dada à utilização da Teoria das Ondas Viajantes (TOVs). Com o objetivo de reduzir a imprecisão na localização da falta, este trabalho faz uso de Redes Neurais Artificiais (RNAs) e da teoria das Ondas Viajantes para estimar a localização de faltas em uma linha de transmissão real de 500kV simulada no software Alternative Transient Program (ATP). A toolbox de redes neurais do software MATLAB® é utilizada para treinamento e teste da RNA. Na análise comparativa dos métodos, para condições de faltas diferentes das utilizadas no treinamento da RNA, o erro máximo na estimativa da distância da falta no método proposto foi de 0,32km e de 1,26km para o método TOVs.
Abstract: Among the techniques for locating faults in transmission lines, considerable attention has been given to the use of the Theory of Travelling Waves (TWs). Aiming to reduce the imprecision in fault location, this work makes use of Artificial Neural Networks (ANN) and the TWs to estimate the fault location on a real line of 500kV transmission simulated in software Alternative Transient Program (ATP). The toolbox of neural re-des MATLAB ® software is used for training and testing the neural network. In the comparative analysis of methods for different fault conditions of the ANN used in training, the maximum error in the estimated fault distance in the proposed method was 0.32 km and 1.26 km for the TW method.
URI: http://www.repositorio.ufc.br/handle/riufc/12529
metadata.dc.type: Artigo de Periódico
Appears in Collections:DEEL - Trabalhos apresentados em eventos

Files in This Item:
File Description SizeFormat 
2014_eve_apsbraga localizacao.pdf1,49 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.