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.

Este trabalho apresenta o desenvolvimento de um algoritmo completo para a proteção de linhas de transmissão, incluindo detecção, classificação e localização de faltas. A localização de faltas consiste na identificação da zona de proteção em que a falta ocorreu e é baseada na modelagem do sistema por meio de equações diferenciais, formuladas através dos parâmetros resistência e indutância da linha de transmissão a ser protegida. Nesta abordagem, não é necessário que as entradas do algoritmo sejam puramente senoidais, admitindo-se a presença do componente CC presente na falta como parte da solução do problema. Foi utilizado o software ATP - ''Alternative Transiente Program'' para a modelagem do sistema elétrico estudado e a obtenção do conjunto de dados para análise e testes. Com relação ao uso direto das equações diferenciais na localização da falta, foi aplicada uma filtragem adicional às respostas do algoritmo, proporcionando-se um diagnóstico mais rápido das estimativas por meio de um filtro de mediana de 5ª ordem. Para todos os tipos de faltas testados, a detecção, classificação e a estimativa da localização da falta, com o uso do referido filtro, mostraram-se satisfatórias para a finalidade de proteção, convergindo em menos de um ciclo e meio de pós-falta, após a filtragem das estimativas, imprimindo uma velocidade de resposta para os relés digitais.

This paper presents a complete scheme for protection of transmission lines, including fault detection, fault classification as well as fault location. The fault location module utilizes the modeling of transmission lines through their differential equations. The differential equation for the line is solved having its resistence and inductance as parameters. In this approach there is no need for the algorithm inputs to be pure sinusoidal waves, allowing the presence of harmonics and DC component in the line as part of the solution to the problem. The software ATP was utilized for the modeling of the eletric system under study as well as for data collecting for analysis and test. The direct use of the differential equation do not give an acceptable estimation as far as digital relays are concerned because they have convergence times over two cycles. In this sense, a 5th order median filter was utilized, providing faster diagnosis for the fault location estimation. For the fault types tested, the estimation for the fault location utilizing line parameters has shown itself highly satisfactory for protection purposes. This work has shown that the algorithm outputs converge in less than one and a half cycles after the fault occurrence, presenting a much faster response for digital relays.

Este estudo traz como objetivo a implementação de um sistema de proteção aplicando-se a teoria de Redes Neurais Artificiais (RNAs) como um classificador de padrões. As redes neurais adquirem o conhecimento para a detecção, classificação e localização da falta frente às diferentes situações apresentadas sobre o sistema e foram implementadas através da aplicação do software NeuralWorks. As arquiteturas de RNAs empregam os valores amostrados das tensões e correntes trifásicas de pré e de pós-falta tanto para o processo de treinamento como para o de testes. O software ATP (ATERNATIVE Transients Program, 1987) é utilizado para gerar os dados referentes à linha de transmissão (440 kV) em condições de falta para ambos os processos (treinamento e teste). Os resultados obtidos mostram que o desempenho global das arquiteturas de RNAs implementadas são altamente satisfatórios para a detecção, classificação e localização de situações faltosas em um sistema de transmissão. De todos os casos considerados na fase de teste, as saídas apresentadas pelas arquiteturas mostram uma convergência rápida para os níveis requeridos após a ocorrência da falta.

This study has as objective the application of Artificial Neural Networks (ANNs) theory as pattern classifiers. The implemented neural networks acquire knowledge for the detection, classification and localization of the fault facing different network conditions. The neural networks were implemented using NeuralWorks software. In this approach the three-phase voltage and current pre and post-fault values were utilized as inputs, for training and test purposes. The Alternative Transients Program (ATP) software was used to generate data for the transmission line (440 kV) in a faulted condition, both for the purposes of training and tests. The results obtained showed that the global performance of the ANN architectures is highly satisfactory for fault detection, classification and localization purposes. Considering all the studied cases, the ANN outputs converged to the correct levels very rapidly after fault occurrence.