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
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
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://teses.usp.br/teses/disponiveis/18/18154/tde-11082025-074640/. Acesso em: 15 abr. 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://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 abr. 15 ] Available from: https://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 abr. 15 ] Available from: https://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
- 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
- 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 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 a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
