Este artigo descreve a concepção de um novo aplicativo computacional (Anatopo) composto por diversos módulos, visando a identificação, diagnóstico e vários tipos de tratamento de configurações topológicas representativas de sistemas de potência descritos por grafos. Tais grafos são definidos por listas de nós (e.g. subestações ou barras), ramos longitudinais (e.g. linhas de transmissão, transformadores, elementos série) e transversais (e.g. cargas, injeções, capacitores e reatores em derivação). O utilitário proposto é útil para operações de pré-processamento de estudos convencionais de fluxo de potência, fluxo de potência ótimo, curto-circuito, confiabilidade, estimação de estado, estabilidade, ou para a avaliação de propriedades estruturais inerentes à topologia de redes.

This paper describes a computer program (Anatopo) useful for dealing with actual large scale power systems described by graphs, defined by a list of nodes (e.g. substations) and branches (e.g. transmission lines). The program have several independent modules which can be applied to a power system, producing a set of diagnoses and topological operations previously selected by the analyst. It has several practical applications related with studies involving the evaluation of power flows, short-circuits, grid structural properties and many others.

Este trabalho apresenta a aplicação de um modelo neuro-fuzzy para o processamento de alarmes e localização de defeitos em sistemas de potência. Diferentes técnicas são investigadas para o estabelecimento de relações fuzzy entre padrões de alarme e defeitos no sistema. Uma base de dados contendo as relações fuzzy é empregada para o treinamento de redes neurais artificiais. Os vetores de entrada das redes neurais são constituídos por padrões de alarmes associados a diferentes eventos e cada neurônio de saída é responsável por estimar o grau de pertinência de um componente específico na classe de componentes defeituosos. Testes são realizados utilizando um sistema de 7 barras e também um sistema real.

This work presents the application of a neuro-fuzzy model for alarm processing and fault location in power systems. Different techniques to establish the fuzzy relations among alarm patterns and fault occurrences in power systems are examined. Fuzzy relations are constructed and form a database that is employed to train artificial neural networks. The artificial neural networks have alarm patterns as inputs and each output neuron is responsible for estimating the degree of membership of a specific system component into the class of faulted components. Tests are performed with a 7-bus test system and with part of a real brazilian system.