Detecção e classificação de faltas em redes coletoras de parques eólicos via a Transformada de Stockwell e redes neurais artificiais (2025)
- Authors:
- Autor USP: OLIVEIRA, MATHEUS DO VAL - EESC
- Unidade: EESC
- Sigla do Departamento: SEL
- DOI: 10.11606/D.18.2025.tde-11082025-074640
- Subjects: REDES COLETORAS; ENERGIA EÓLICA; REDES NEURAIS; FALHA; TRANSFORMADAS DE SEQUÊNCIAS; GERAÇÃO DE ENERGIA ELÉTRICA
- Keywords: Classificação de faltas; Detecção de faltas; Transformada de Stockwell
- Agências de fomento:
- Language: Português
- Abstract: Este trabalho propõe o desenvolvimento de um sistema de detecção e classificação de faltas em Redes Coletoras de Parques Eólicos (RCPEs), utilizando a Transformada Discreta de Stockwell (TDS) como ferramenta de pré-processamento e Redes Neurais Artificiais (RNAs), baseadas na arquitetura Perceptron de Múltiplas Camadas (PMC), como classificador de padrões. A metodologia adotada envolveu a modelagem da RCPE por meio da divisão em Barras Coletoras (BCs) e suas respectivas Linhas Coletoras (LCs), nas quais foram simuladas diversas condições de falta representativas de cenários reais. Para o módulo de detecção, foi empregado o algoritmo Current Slope-Based (CSB), baseado em limiares, que obteve 100% de acurácia na detecção de faltas. No entanto, devido à sua alta sensibilidade, o método também apresentou falsos positivos causados por faltas severas em BCs adjacentes, exigindo a identificação da região em falta, se interna ou externa à medição. Para essa etapa, a TDS foi utilizada para processar os sinais de tensão e corrente, a partir dos quais foram extraídas instâncias em intervalos de tempo e frequência específicos. Com base nos resultados do módulo de identificação da região em falta, as mesmas instâncias selecionadas foram utilizadas para treinar uma RNA dedicada à classificação do tipo de falta. Os resultados demonstraram que o módulo de identificação da região em falta demonstrou desempenho promissor, com acurácia superior a 99% em condições ideais, e acima de 90%, mesmo com ruído de 40 dB. Por sua vez, o módulo de classificação do tipo de falta, embora tenha alcançado taxas de acerto superiores a 97%, mostrou-se mais sensível aos sinais com ruído, indicando a necessidade de futuras melhorias, especialmente no tratamento de ruídos. Assim, a metodologia proposta e os resultados obtidos fornecem uma base sólida para futuros estudos. Apesar da literatura já trazer algumas abordagens direcionais paraRCPEs, este trabalho se destaca por utilizar apenas até meio ciclo após a detecção da falta, isto é, ainda na fase transitória intensa, e por empregar os dados brutos de amplitude da TSD, sem considerar informações de fase ou componentes de sequência. Mesmo com essas restrições, o método alcançou mais de 98% de acerto, reduzindo significativamente a taxa de falsos positivos, aumentando a seletividade do CSB e permitindo manter sua alta sensibilidade
- Imprenta:
- Publisher place: São Carlos
- Date published: 2025
- Data da defesa: 08.07.2025
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
OLIVEIRA, Matheus do Val. Detecção e classificação de faltas em redes coletoras de parques eólicos via a Transformada de Stockwell e redes neurais artificiais. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/18/18154/tde-11082025-074640/. Acesso em: 28 fev. 2026. -
APA
Oliveira, M. do V. (2025). Detecção e classificação de faltas em redes coletoras de parques eólicos via a Transformada de Stockwell e redes neurais artificiais (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/18/18154/tde-11082025-074640/ -
NLM
Oliveira M do V. Detecção e classificação de faltas em redes coletoras de parques eólicos via a Transformada de Stockwell e redes neurais artificiais [Internet]. 2025 ;[citado 2026 fev. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18154/tde-11082025-074640/ -
Vancouver
Oliveira M do V. Detecção e classificação de faltas em redes coletoras de parques eólicos via a Transformada de Stockwell e redes neurais artificiais [Internet]. 2025 ;[citado 2026 fev. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18154/tde-11082025-074640/ - Redes neurais artificiais aplicadas para determinar a seção faltosa em uma linha de transmissão com compensação série na presença de geração eólica
- Assessing the influence of grid-following inverter-based resource’ phase-locked loops on distance protection reliability
- Modelagem no software ATP de uma linha de transmissão com compensação série usando TCSC
- A aplicação de redes neurais artificiais para determinar a seção faltosa em uma linha de transmissão com compensação série e na presença de geração eólica
- A simplified disturbance detector approach based on self-adjusting thresholds
- An artificial neural network-based improvement method for fault detection in wind farm collector lines
Informações sobre o DOI: 10.11606/D.18.2025.tde-11082025-074640 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
