Este trabalho apresenta uma técnica alternativa para a correção de ondas distorcidas provenientes da saturação dos transformadores de corrente (TCs) através de ferramentas inteligentes baseadas em Redes Neurais Artificiais (RNAs) recorrentes. Os TCs estão presentes em Sistemas Elétricos de Potência com a finalidade de proteção e medição, sendo altamente susceptíveis à saturação. O programa EMTP-ATP (Electromagnetic Transients Program) foi escolhido como ferramenta computacional para a simulação de um sistema elétrico utilizado na geração de dados de treinamento e testes para as RNAs. Muitas arquiteturas de redes neurais artificiais foram treinadas e testadas. Resultados promissores relativos ao novo método são apresentados.

This paper presents an alternative approach to the correction of distorted waveforms caused by the current transformer (CT) saturation. This method uses the Artificial Neural Networks (ANNs) recurrent algorithms. Current transformers are present in the electric power systems for protection and measurements and they are highly susceptible to the saturation phenomenon. The EMTP-ATP software has been chosen as the computational tool to simulate the electrical system in order to generate data to train and test the ANNs. Many ANN architectures were trained and tested. Encouraging results related to the application of the new method are presented.

Este trabalho apresenta uma técnica alternativa para a proteção de transformadores de potência utilizando a lógica diferencial associada ao uso de Redes Neurais Artificiais (RNAs). Este artifício é utilizado na distinção entre faltas internas e correntes de inrush, que surgem durante a energização do transformador. O programa EMTP-ATP (Electromagnetic Transients Program) foi escolhido como ferramenta computacional para a simulação do transformador de potência com o objetivo de gerar dados de treinamento e testes para as RNAs. Um programa em linguagem FORTRAN foi implementado a fim de avaliar o algoritmo completo da proteção diferencial e resultados promissores relativos ao novo método foram obtidos.

This paper presents an alternative approach using the differential logic associated to Artificial Neural Networks for protection of power transformers. Neural networks are used for distinguishing internal faults from inrush currents produced during the transformer energization. The EMTP-ATP software has been chosen as the computational tool to simulate the power transformer in order to generate data to train and test the ANNs. A complete differential protection software was implemented in FORTRAN and encouraging results related to the application of the new method are presented.