Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/27255
Title in Portuguese: O uso de análise de componentes independentes na extração de características dos sinais transitórios de faltas em linhas de transmissão de energia elétrica
Author: Almeida, Aryfrance Rocha
Advisor(s): Almeida, Otacílio da Mota
Keywords: Engenharia elétrica
Análise de componentes independentes
Localização de faltas
Classificação de faltas
Máquina de vetores
Linha de transmissão
Issue Date: 1-Sep-2017
Citation: ALMEIDA, A. R. O uso de análise de componentes independentes na extração de características dos sinais transitórios de faltas em linhas de transmissão de energia elétrica. 2017. 97 f. Tese (Doutorado em Engenharia Elétrica)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2017.
Abstract in Portuguese: Vários métodos para localização e classificação de faltas em linhas de transmissão energia elétrica, utilizando técnicas convencionais, inteligência computacional e técnicas de processamento digital de sinais têm sido propostas, de forma intensiva, na literatura nas tês últimas décadas. Esses métodos têm melhorado o processo de caracterização das faltas em vários aspectos. No entanto, mesmo os métodos baseados em Transformada Wavelet (TW), Redes Neurais Artificiais (RNA) e outras técnicas advindas da computação inteligente, não têm tratado de forma conveniente e sistemática as faltas em sistemas de transmissão cujos dados são contaminados por ruído. Partindo desta evidência, este trabalho propõe combinações de métodos que utilizam a Análise de Componentes Independentes (ACI), a Teoria das Ondas Viajantes (TOV) e Máquina de Vetores de Suporte (MVS) em abordagens eficientes para a extração de características dos sinais transitórios de falta mesmo diante de sinais consideravelmente contaminados por ruído. A abordagem foi aplicada para localizar e reconhecer as faltas, em uma linha de transmissão de alta tensão de 500 kV que interliga a subestação de Presidente Dutra - Ma à subestação de Boa Esperança -PI. O experimento foi realizado para diferentes tipos de faltas que ocorrem em diferentes localizações. A utilização destes métodos aplicados a um modelo real de linha de transmissão tem comprovado que os métodos propostos, de forma combinada, resultam em desempenho superior na localização e classificação de faltas. Os erros obtidos são inferiores a 1% para a localização com acurácia de 100% para a classificação de faltas com ruído. O desempenho da abordagem proposta tem apresentado melhores resultados quando comparados às principais técnicas convencionais, assim quando comparados às técnicas que utilizam Redes Neurais Artificiais e outras técnicas de inteligência computacional
Abstract: Several methods for localization and classification of faults in electric power transmission lines, using conventional techniques, computational intelligence and digital signal processing techniques have been proposed, intensively, on literature in the last three decades. These methods have improved the process of characterization of faults in various aspects. However, even the methods based on Wavelet Transform (WT), Artificial Neural Networks (ANN) and other techniques derived from smart Computing, do not have convenient and systematic way treaty faults in transmission systems whose data are contaminated by noise. Based on this evidence, this paper proposes a combination of methods using Independent Component Analysis (ICA), the Theory of the Travelling Waves (TTW) and Support Vector Machine (SVM) effective approaches to extracting characteristics of transient signals of fault even before signs considerably contaminated by noise. The approach was applied to locate and recognize faults in a transmission line 500 kV high voltage that connects the substation of President Dutra - MA to the substation of Boa Esperança - PI. The experiment was carried out for different types of faults that have occurred in different locations. The use of these methods applied to a real transmission line model has proven that the proposed methods, in combination, result in superior performance on location and classification of faults. The obtained errors are less than 1% to the location and accuracy of 100% for the classification of faults with noise. The proposed approach has shown performance best when compared to major conventional techniques, as well as when compared to techniques using Artificial Neural Networks and other computational intelligence techniques
URI: http://www.repositorio.ufc.br/handle/riufc/27255
metadata.dc.type: Tese
Appears in Collections:DEEL - Teses defendidas na UFC

Files in This Item:
File Description SizeFormat 
2017_tese_aralmeida.pdf9,9 MBAdobe PDFView/Open


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