Desenvolvimento de um sistema para análise da estabilidade transitória de sistemas de energia elétrica via redes neurais

Abstract

Esta pesquisa apresenta uma metodologia para a análise da estabilidade transitória de primeira oscilação de sistemas de energia elétrica usando uma rede neural baseada na arquitetura ART (Adaptive Resonance Theory), designada rede neural ARTMAP Euclidiana. A margem de segurança (método da energia) é empregada como critério de análise de estabilidade transitória, considerando-se, na forma preliminar, o modelo clássico e defeitos tipo curto-circuito trifásico com saída de linha de transmissão. A metodologia proposta está concebida, ainda, com a possibilidade de se considerar modelos mais elaborados (e.g., o modelo de Park), se comparados ao modelo clássico. Esta alternativa pode se tornar exeqüível, por meio do uso de um segundo módulo neural e de um índice, para fins de treinamento, gerado considerando-se uma combinação, por exemplo, da margem de segurança (análise quantitativa / qualitativa com média precisão) e de informações fornecidas por processo de simulação (análise qualitativa com alta precisão). As arquiteturas ART apresentam as características de estabilidade e plasticidade, as quais são imprescindíveis para a realização do treinamento e execução da análise de forma rápida. A versão ARTMAP Euclidiana proporciona soluções mais precisas e mais rápidas, se comparada à configuração ARTMAP nebulosa. O funcionamento da rede é constituído por três fases principais: treinamento (ou aprendizado), análise e treinamento continuado. A realização da fase de treinamento requer uma grande quantidade de processamento, enquanto que a fase de análise é efetivada, praticamente, sem esforço computacional. Esta é, portanto, a principal justificativa para o uso de redes neurais para a resolução de problemas complexos que exigem soluções rápidas, como é o caso de aplicações em tempo real...

This work presents a methodology for transient stability analysis of first swing of electrical energy systems, using a neural network based on ART (Adaptive Resonance Theory), named Euclidean ARTMAP neural network. The security margin (energy method) is used as a criterion for transient stability analysis, considering, in the preliminary form, the classical model and faults like three-phase short-circuit with outage of a transmission line. The proposed methodology is conceived, even that, with the possibility to consider more elaborated models (e.g., the Park model), when compared to the classical model. This alternative can become executable, through the use of a second neural module and an index for training, generated considering a combination, for example, the security margin (quantitative / qualitative analysis with precision average) and information provided by simulation process (qualitative analysis with precision high). The ART neural network presents stability and plasticity characteristics, which are very important for realization of the training and analysis, executed in a very fast way. The Euclidean ARTMAP version gives more accurate solutions and more fast, when compared to the Fuzzy ARTMAP. The performance of neural network is constituted of three principal phases: training (or learning), analysis and continuous training. The training phase needs a great quantity of processing time for the realization, whereas the analysis phase is effectuated almost without computational effort. Therefore, this is the principal justification to use neural network for solving complex problems that need fast solutions, as the case of real time applications ...