Apresenta-se neste artigo um método de detecção automática de faltas baseado na análise da energia janelada dos coeficientes wavelet das tensões e correntes de fase. O método é capaz de detectar faltas evolutivas e de múltiplos distúrbios transitórios, a exemplo de uma falta seguida por um religamento automático, capturados no mesmo registro oscilográfico. O método também consegue distinguir faltas de algumas ocorrências relacionadas à qualidade da energia elétrica, tais como afundamento de tensão e transitórios de chaveamento. O método é eficaz na identificação dos instantes inicial e final da falta, além de conseguir analisar sinais referentes a linhas de transmissão de diferentes classes de tensão e que tenham sido registrados com frequências de amostragem diversas. Em avaliação de desempenho com registros oscilográficos simulados e reais, o método apresentou bons resultados.

This paper presents an automatic fault detection method based on the analysis of the wavelet coefficient energies of the phase voltages and currents. The method detects developing faults and multiple transient disturbances such as a fault followed by an automatic line reclosing in a single oscillographic record. The method also sort fault from some power quality disturbances such as voltage sags and switching transients. The times regarding the fault inception and clearance are also identified. Records from a nonspecific line in a generic network with different sampling rates and rated voltages can be evaluated without distinction. The performance of the method was evaluated for both actual and simulated data and good results were obtained.

Este artigo apresenta um método de detecção e classificação de faltas em linhas de transmissão, a partir da análise de registros oscilográficos via redes neurais artificiais e transformada wavelet. Realiza-se a detecção da falta e a determinação de sua duração através de um conjunto de regras heurísticas construídas a partir da análise dos sinais de corrente nos domínios do tempo e wavelet. O método diferencia faltas de outras ocorrências relacionadas à qualidade da energia elétrica, tais como afundamentos de tensão e transitórios de chaveamento. Uma rede neural classifica faltas a partir do reconhecimento dos padrões das tensões e correntes relacionados a cada tipo específico. O método proposto foi avaliado para registros simulados e reais em linhas de transmissão do sistema Chesf, apresentando bons resultados em ambos os casos.

This paper presents a method for fault detection and classification in transmission lines, based on analysis of oscillographic data using artificial neural networks and wavelet transform. The fault detection and its clearing time are determined based on a set of heuristic rules obtained from the current waveform analysis in time and wavelet domains. The method is able to single out faults from other power quality disturbances such as voltage sags and oscillatory transients, which are common in power systems operation. An ANN classifies the fault by the voltage and current waveforms pattern recognition in time domain. The method was used for fault detection and classification from both simulated and real oscillographic data of Chesf, a Brazilian utility company, with excellent results.