Classificação de Distúrbios de Qualidade de Energia Elétrica Empregando Redes Neurais Artificiais

Transcrição

1 Classificação e Distúrbios e Qualiae e Energia Elétrica Empregano Rees Neurais Artificiais M. A. Araújo, R. A. Flauzino, O. E. Batista, L. A. Moraes, C. H. R. Martins Departamento e Engenharia Elétrica e Computação Universiae e São Paulo (USP) São Carlos, Brasil. marcel.araujo@usp.br, raflauzino@sc.usp.br, oureste.batista@usp.br, lucas.moraes@usp.br; martins.cesar@usp.br 1Abstract The increase of the requirement on the part of regulators agency an consumer has intensifie the search for better power quality inices. For such, more an more stuies of methos capable of ientifying generating sources of power quality isturbances are require. In this way, it was seek to eliminate, or at least reuce these isturbances, as efficiently as possible, an so provie greater power quality, reliability an continuity to consumers. In this context, this paper exposes a metho of classification of power quality isturbances through the use of artificial neural networks. This metho is able to rank the top five types of isturbances, which are: voltage sags, voltage swell, impulsive transients, momentary interruption, an harmonic istortion. Inex Terms artificial neural network, multilayer perceptron, power quality, power system. I. INTRODUÇÃO Atualmente a qualiae a energia elétrica é um requisito e grane importância para as concessionárias e energia, pois está iretamente relacionaa a competitiviae e praticamente toos os setores inustriais e e serviços. Sobretuo nas últimas uas écaas aconteceram várias muanças no setor elétrico, tais como a alteração a natureza as cargas, iversificação os tipos e cargas, e o surgimento e novas tecnologias e geração e inserção e energia na ree elétrica. Tais alterações afetaram e forma negativa a Qualiae a Energia Elétrica (QEE) promoveno o aumento os estuos relacionaos a essa área e a busca por qualiae passou a ser preocupação não apenas e órgão regulaores, mas também e consumiores e agentes iversificaos o setor elétrico nacional [1-4]. A Agência Nacional e Energia Elétrica (ANEEL), teno em vista a importância a QEE, inicialmente publicou resoluções exigino as concessionárias e energia elétrica o cumprimento inicaores e qualiae no fornecimento. Dentre essas resoluções primeiramente estabelecias pela ANEEL, poe-se estacar as e números 024/2000 [5] e 505/2001 [6]. A primeira trata a continuiae o fornecimento a energia elétrica, e a seguna a conformiae e tensão em regime permanente. Além isso, posteriormente a ANEEL elaborou um pacote e iretrizes englobano os principais tópicos correlatos a QEE enominao Proceimentos e Distribuição e Energia Elétrica no Sistema Elétrico Nacional - PRODIST, contano com a colaboração e outros representantes o setor elétrico brasileiro. O Móulo 8 o PRODIST [7] visa estabelecer os proceimentos relativos à QEE, aborano a qualiae o prouto e a qualiae o serviço prestao, a com a intenção e centralizar toos os aspectos e regulação a serem seguios pelas empresas concessionárias e permissionárias e serviços e istribuição e energia elétrica [8]. Posto isto, cabe ressaltar que o conceito e QEE está iretamente vinculao a um conjunto e várias alterações que um sistema elétrico poe sofrer, mas poe-se efini-lo como seno qualquer problema que ocorra na tensão, corrente ou frequência, e que resulta na falha ou má operação e equipamentos e consumiores [2-4]. Aemais, via e regra a QEE está associaa à qualiae a tensão, uma vez que o forneceor e energia consegue apenas controlar a qualiae a mesma, mas não tem controle sobre a corrente que caa carga poe requerer, assim, o parão aceito com respeito à qualiae a energia é manter o fornecimento e tensão entro e certos limites [1-4]. Existem iversos tipos e istúrbios relacionaos à qualiae a energia, que poem ser classificaos em categorias que variam quanto ao efeito, uração e intensiae. Estes istúrbios poem ser originaos tanto nos sistemas e/ou equipamentos as empresas concessionárias como os consumiores. O fato é que esses istúrbios quaisquer que sejam, precisam ser reconhecios para que a qualiae a energia possa ser melhoraa [2,3]. II. DEFINIÇÃO DO PROBLEMA Há iversos istúrbios que estão relacionaos à QEE, logo são necessários métoos e estratégias para reconhecê- Este trabalho contou com apoio a Universiae e São Paulo e com auxilio financeiro a CAPES, CNPq e FAPESP (processo 2011/ ). VI Simpósio Brasileiro e Sistemas Elétricos ISSN

2 los e assim fomentar ações e meias para solucionar mitigálos e forma eficiente melhorano a qualiae a energia para atener as necessiaes os consumiores. Neste contexto, para o esenvolvimento a proposta apresentaa neste artigo foram selecionaos cinco esses istúrbios para serem classificaos, seno que caa um possui uma característica especifica que será istinguia por uma Ree Neural Artificial (RNA). A RNA será capaz e reconhecer as características os istúrbios e fará a classificação estes em: afunamento e tensão, elevação e tensão, transitórios impulsivos, interrupção momentânea, e istorção harmônica. O afunamento e tensão, ilustrao na Fig. 1, poe ser efinio por qualquer ecréscimo na magnitue a tensão que resulte em níveis entre 0,1 e 0,9 p.u. Geralmente está associao à ocorrência e curtos-circuitos nos sistemas elétricos [1-4]. Figura 3: Gráfico ilustrativo e um transitório impulsivo. Uma interrupção e tensão, ilustraa na Fig. 4, poe ser caracterizaa por níveis e tensão abaixo e 0,1 p.u., e geralmente ocorre quano há uma falta permanente no sistema [2-4, 9]. Figura 1: Gráfico ilustrativo e um afunamento e tensão. Já a elevação e tensão, ilustraa na Fig. 2, poe ser efinia por qualquer acréscimo na magnitue a tensão que resulte em níveis entre 1,1 e 1,8 p.u. Na maioria as vezes também está associao à ocorrência e curtos-circuitos nos sistemas elétricos [1-4]. Figura 4: Gráfico ilustrativo e uma interrupção e tensão. Por fim, uma istorção harmônica, ilustraa na Fig. 5, acontece quano um sinal e tensão é composto por outros espectros e frequência além a funamental, seno habitualmente provocao por cargas não-lineares [3-4, 10]. Figura 2: Gráfico ilustrativo e uma elevação e tensão. Por outro lao, um transitório impulsivo, ilustrao na Fig. 3, é efinio como uma súbita alteração não esejável no sistema, refletio nas formas e ona a tensão ou corrente, seno uniirecional na sua polariae, e comumente causao por escargas atmosféricas [2-4, 9]. Figura 5: Gráfico ilustrativo e um sinal com istorção harmônica. VI Simpósio Brasileiro e Sistemas Elétricos ISSN

3 III. METODOLOGIA Da literatura sabe-se que há vários recursos e meios e se realizar a classificação e istúrbios com estes relacionaos à QEE, os quais se estacam as RNAs e Transformaa Wavelet [11-14]. Contuo, na pesquisa este artigo serão usaas RNAs baseaas em rees Perceptron Multicamaas (PMC) com algoritmo e treinamento backpropagation, as quais têm uma as arquiteturas mais versáteis quanto à aplicabiliae, seno empregaas em aproximação universal e funções, reconhecimento e parões, ientificação e controle e processos, previsão e series temporais e otimização e sistemas [15-17]. Não obstante, a partir os conceitos apresentaos em [15-17] foram utilizaas rees especialistas, conforme emonstrao pela Fig. 6, para caa classe e istúrbio. Dessa forma caa uma as rees especialistas se responsabilizou por reconhecer as características peculiares referentes a caa istúrbio. Esta configuração fornece melhores resultaos que outras estratégias mais generalistas, além e reuzir o esforço computacional utilizao nas fases e treinamento e ajuste as topologias. Além isso, pela Fig. 6, infere-se que um sinal elétrico e tensão conteno um os 5 istúrbios estuaos passará pelas cinco rees e a que apresentar saía igual a 1 inicará qual o tipo e istúrbio e qualiae presente no sinal. Seno assim, foram geraos 200 sinais e tensão, iviios igualmente para caa um os 5 tipos e istúrbios, ou seja, 40 sinais e tensão para caa istúrbio e qualiae, e para realizar o treinamento utilizaram-se 160 estas amostras (32 amostras para caa istúrbio e QEE) e para os testes as 40 amostras restantes (8 para caa istúrbio). Não obstante, em virtue e as saías as rees PMC fornecerem valores reais, foi preciso utilizar um pósprocessamento no conjunto e teste, e o métoo usao para tanto foi o o arreonamento simétrico, no qual se a saía for menor que 0.5 arreona-se para 0, caso contrário arreona-se para 1. Seno assim, os PMCs e caa ree são constituíos por 288 entraas, uma camaa esconia, uma saía, e fazem uso a função e ativação logística. Ressalta-se que a partir os vários testes realizaos foram selecionaas as melhores rees para esta aplicação e as mesmas acabaram por possuir camaas esconias com iferentes números e neurônios, seno que a quantiae e neurônios testaa para as rees foi: 20, 25, 30, 35 e 40, utilizou-se uma taxa e aprenizagem = 0.1, uma taxa e precisão = 10-6, e o momentum no valor e 0.9. Dessa forma, as rees implementaas poem ser enumeraas seguno o tipo e istúrbio que eve classificar e seguno o número e neurônios a camaa esconia a seguinte forma: PMC - 1 = ree para classificar Afunamento conteno 35 neurônios na camaa esconia; PMC - 2 = ree para classificar Elevação conteno 35 neurônios na camaa esconia; PMC - 3 = ree para classificar Transitórios Impulsivos conteno 25 neurônios na camaa esconia; PMC - 4 = ree para classificar Interrupção conteno 35 neurônios na camaa esconia; PMC - 5 = ree para classificar Distorção Harmônica conteno 25 neurônios na camaa esconia. Figura 6: Configuração a ree especialista responsável pela classificação os 5 istúrbios e QEE. Aemais, para implementação as rees PMCs esta pesquisa foi estabelecio o número e entraas e caa uma essas rees igual a 288 entraas, que corresponem a um sinal e tensão simulao e amostrao em 32 amostras/ciclo e 9 ciclos. Os sinais e tensão com os respectivos istúrbios foram geraos por meio o software ATPDraw e as rees foram implementaas pelo software MATLAB. IV. RESULTADOS Após a coificação e configuração as rees especialistas para classificação os istúrbios já escritos cabe agora o treinamento e os testes e valiação para a mesma, ressaltano que evio aos inúmeros proceimentos realizaos serão expostos apenas os resultaos finais e tais passos. Dessa maneira, após o processo e treinamento empregano as 160 amostras selecionaas, como mencionao anteriormente, tem-se como resultao o mesmo a apresentação as saías esejaas () para caa uma as PMCs e os istúrbios e QEE respectivamente, seguno a Tabela 1. Aemais, cabe também apresentar as características e parâmetros obtios para caa ree no processo e treinamento, seno que a Tabela 2 emonstra quais os números e épocas e tempo e treinamento para caa uma as rees especialistas implementaas. Já as Figs. 7, 8, 9, 10 e 11 apresentam os gráficos relativos aos Erros Quaráticos Méios (EQM) versus o número e épocas corresponentes. VI Simpósio Brasileiro e Sistemas Elétricos ISSN

4 Tabela 1: Saías esejaas para caa PMC e tipo e istúrbio e QEE. (PMC1) (PMC2) (PMC3) (PMC4) (PMC5) Afunamento Elevação Transitório Impulsivo Interrupção Distorção Harmônica Tabela 2: Parâmetros os treinamentos as rees PMC. PMC Épocas Tempo [min] PMC ,6983 PMC ,8238 PMC ,0569 PMC ,2996 PMC ,9866 Total 676 4,8652 Figura 9: Gráfico e EQM x Épocas para o PMC-3. Figura 10: Gráfico e EQM x Épocas para o PMC-4. Figura 7: Gráfico e EQM x Épocas para o PMC-1. Figura 11: Gráfico e EQM x Épocas para o PMC-5. Figura 8: Gráfico e EQM x Épocas para o PMC-2. Já a Tabela 3 emonstra as saías () fornecias pelas rees, já treinaas, após os processos e teste realizaos com as 40 amostras selecionaas, os quais tiveram um VI Simpósio Brasileiro e Sistemas Elétricos ISSN

5 aproveitamento e 100% ao acertarem toas as classificações quano comparaas as saías esejaas o processo e treinamento. Tabela 3: Saías as rees para os processos e treinamento para caa PMC e tipo e istúrbio e QEE. (PMC1) (PMC2) (PMC3) (PMC4) (PMC5) Afunamento Elevação Transitório Impulsivo Interrupção Distorção Harmônica Ressalta-se que o processo e treinamento e e testes os PMCs implementaos com as topologias selecionaas emonstraram bons resultaos uma vez que convergiram com um número relativamente pequeno e épocas e em um períoo curto e tempo, não exceeno 203 épocas e 1,3 minutos respectivamente. Além isso, os gráficos as Figs. 7 a 11 ratificam o esempenho as rees PMC, seno que a Fig. 10 corrobora o maior número e épocas e tempo para o PMC-4, uma vez que se nota que o EQM varia bastante entre a 20ª e 60ª épocas e apenas estabiliza-se após a 80ª época, enquanto que para os outros PMCs os EQMs variaram menos e estabilizaram-se logo após a 20ª época. Também se verifica pela análise as Tabelas 1 e 3 que o treinamento foi realizao e forma muito eficiente e que a ree está apta a etectar os istúrbios e qualiae e energia para os quais ela foi esenvolvia, uma vez que obteve 100% e acerto no esenvolvimento os processos e teste. V. CONCLUSÕES No contexto atual em que caa vez mais são exigios enquaramentos as concessionárias e energia elétrica entro as normas os órgãos regulaores o setor elétrico nacional, se fazem necessários estuos como este a fim e eterminar e classificar os istúrbios que afetam a QEE, sobretuo em virtue os avanços tecnológicos que vem contribuino com a inserção caa vez maior e cargas nãolineares nos sistemas elétricos. Nesta conjuntura, esta pesquisa veio a contribuir por meio a aplicação e RNAs especialistas baseaas em PMCs para classificação e 5 istúrbios bastante relevantes quano se estuam fenômenos problemáticos para a QEE, emonstrano a eficiência esta técnica e classificação e parões para engenharia elétrica. Além isso, os treinamentos e sobretuos os testes ratificaram a eficácia as rees especialistas PMCs, uma vez que a porcentagem e acerto entre os valores esejaos e saía e os estimaos pela ree foi alta, e também se mostraram rápias, já que convergiram com no máximo 203 épocas em menos e 1,3 minutos. No entanto, o acerto e 100% esta acima o normal, e poe ser fruto e aos pouco representativos os istúrbios reais ou exacerbaamente semelhantes aos aos o conjunto e treinamento. Dessa forma, para pesquisas subsequentes eve-se testar a ree com aos iferentes e até mesmo provenientes e istúrbios em sistemas elétricos istintos. Igualmente, a baixa representativiae os aos com relação aos istúrbios e QEE, poe ser o causaor o reuzio número e épocas e treinamento a ree neural, cujo tempo e treinamento é função a complexiae e a qualiae a base e aos e entraa. Por fim, ressaltam-se que a partir os ótimos resultaos apresentaos neste artigo conclui-se que poeriam ser propostos como pesquisas posteriores a classificação e istúrbios relacionaos a variações e tensões e longa uração, transitórios oscilatórios, esequilíbrios e tensão, e inter-harmônicos, aplicano-se as rees especialistas PMCs. REFERÊNCIAS [1] J. Arrilaga; N. R. Watson; S. Chen. Power System Quality Assessment. 1st Eition. Wiley, [2] A. Kusco; T. Thompson. Power Quality in Electrical Systems. McGraw Hill, [3] R. C. Dugan; M. F. McGranagham; S. Santoso; H. W. Beaty. Electrical Power Systems Quality, 3r Eition. McGraw-Hill, [4] M. H. J. Bollen. Unerstaning power quality problems. Voltage Sags an Interruptions, 1st Eition. New ork: Wiley-IEEE Press, [5] ANEEL - Resolução ANEEL nº 024/ Continuiae a istribuição e energia elétrica. Disponível em: Acessao em: 27/03/2016. [6] ANEEL - Resolução ANEEL nº 505/2001 Conformiae os níveis e tensão. Disponível em: Acessao em: 27/03/2016. [7] ANEEL - Proceimentos e Distribuição e Energia Elétrica no Sistema Elétrico Nacional - PRODIST. Disponível em: 3%A3o_7.pf. Acessao em: 27/03/2016. [8] W. F. Usia; M. Oleskovicz; L. C. P. Rorigues; D. V. Coury. Análise qualitativa no monitoramento automático os eventos e tensão e curta uração. Controle & Automação (Impresso), v. 20, p , [9] P. M. Anerson. Analysis of faulte power systems, IEEE Press, [10] J. Arrillaga an N. R. Watson. Power Systems Harmonics. Wiley, [11] H. Eristi;. Demir. Automatic classification of power quality events an isturbances using wavelet transform an support vector machines. IET Generation, Transmission & Distribution, vol. 6, n. 10. pp , [12] M. V. Roriguez; R. J. R. Troncoso; R. A. O. Rios; A. G. Perez. Detection an Classification of Single an Combine Power Quality Disturbances Using Neural Networks. IEEE Transactions on Inustrial Electronics, vol. 61, n. 5, [13] R. Kumar; B. Singh; D. T. Shahani; A. Chanra; K. Al-Haa. Recognition of Power-Quality Disturbances Using S-Transform- Base ANN Classifier an Rule-Base Decision Tree. IEEE Transactions on Inustry Applications, vol. 51, n. 2, [14] F. A. S. Borges; R. A. S. Fernanes; I. N. Silva; C. B. S. Silva. Feature Extraction an Power Quality Disturbances Classification Using Smart Meters. IEEE Transactions on Inustrial Informatics, v. PP, p. 1-1, [15] S. O. Haykin. Neural networks. A comprehensive founation, 2 e. NJ: Englewoo Cliffs, Prentice Hall, [16] S. O. Haykin. Neural Networks an Learning Machines. 3r Eition, Eition Pearson, [17] I. N. Silva, D. H. Spatti, R. A. Flauzino, Rees Neurais Artificiais para engenharias e ciências aplicaas, Artliber Eitora, VI Simpósio Brasileiro e Sistemas Elétricos ISSN