Formulação do controle preventivo em sistemas de distribuição de energia elétrica baseada na lógica fuzzy e redes neurais

Abstract

Esta pesquisa tem por objetivo o desenvolvimento de um sistema inteligente que realize o controle preventivo em sistemas de distribuição de energia elétrica. Trata-se de um procedimento para diagnosticar distúrbios possam provocar danos em componentes do sistema e, principalmente, a interrupção do fornecimento de energia aos consumidores. Este sistema inteligente será desenvolvido baseando-se no emprego da transformada wavelet, lógica fuzzy e redes neurais artificiais, em especial uma arquitetura da família ART (Adaptive Resonance Theory), a rede neural Fuzzy ARTMAP. Por ser uma arquitetura estável e plástica, esta permite a inclusão do módulo do treinamento continuado, o qual possibilita a extração do conhecimento sem a necessidade de reiniciar o processo de treinamento com a inclusão de novos padrões, diferentemente do que ocorre com a maioria das redes neurais. Este recurso possibilita usar um conjunto reduzido de padrões na fase de treinamento e, na medida em que forem realizadas as análises (aplicação), a extração do conhecimento é continuada, ou seja, trata-se de um sistema que busca o aperfeiçoamento com o passar o tempo. O sistema irá contemplar as principais anormalidades caracterizadas por distúrbios de tensão, curtos- circuitos e faltas de alta impedância. Por conseguinte, o objetivo refere-se ao desenvolvimento de um modelo embrionário capaz de incorporar permanentemente inovações com o propósito de torná-lo um sistema de inferência mais eficiente

This project aims to develop an intelligent system that performs the preventive control in electric power distribution systems. It is a procedure to disturbances diagnosis that can potentially cause damage to system’s components and, particularly, the interruption of electric power supply to consumers. This intelligent system is based on wavelet transform, fuzzy logic and artificial neural networks, in special the ART (Adaptive resonance Theory) family architecture, i.e., the Fuzzy ARTMAP. Due to the stability and plasticity characteristics, this architecture enables the introduction of the continuous training module, which allows the knowledge extraction without the need to restart the training process when a new training pattern is included, unlike what happens in most neural networks. Thus, it is possible to use a reduced set of patterns on the training phase and, as the analyses are performed, the extraction of the knowledge is continuous, i.e., a system that seeks to improve over time. The system will introduce the main disorders characterized by voltage disturbances, short-circuit faults and high impedance faults. Therefore, it deals with a methodology that can permanently incorporate new information to become an efficient inference system