Otimização não linear e redes neurais artificiais ferramentas na classificação e localização de faltas em linhas de transmissão
Carregando...
Data
2021-02-13
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Centro Federal de Educação Tecnológica de Minas Gerais
Resumo
Este trabalho apresenta aplicações de Redes Neurais Artificiais (RNAs) e Técnicas de Otimização Não Linear (ONL) para classificar, localizar faltas em linhas de transmissão e determinar o valor das resistências de defeito, utilizando dados de faltas simuladas em um programa de transitórios eletromagnéticos e de faltas reais ocorridas no sistema elétrico brasileiro. As RNAs implementadas possuem topologia Multilayer Perceptron, método de aprendizagem supervisionado Backpropagation, algoritmo de treinamento Levenberg Marquardt e função de ativação tangente-sigmoide, variando-se para cada tarefa o número de redes e neurônios. A etapa de classificação é realizada por uma RNA, a localização de faltas e a determinação da resistência de falta são executadas por 4 RNAs e também pela aplicação de técnicas de Otimização Não Linear mono-objetivo para a minimização de funções objetivo descritivas do problema. As funções objetivo foram definidas em termos dos parâmetros da linha e do tipo de falta obtido na etapa de classificação e submetidas aos métodos de QuasiNewton, Elipsoidal e Algoritmo Genético Real Polarizado. A localização também é realizada por um método analítico, utilizado como referência para a comparação dos resultados. Na classificação, as respostas mostraram-se corretas em todos os testes realizados. Na localização, a aplicação do teste ANOVA para os dados simulados revelou, com 5% de significância, evidências estatísticas de que o tipo de método utilizado afetou o erro percentual em relação ao comprimento da linha de transmissão. Neste sentido, o teste de Tukey sinalizou erros menores com a utilização das RNAs e maiores com a utilização do método analítico implementado, ficando as técnicas de Otimização Não Linear com erros intermediários. Para casos reais de localização do curto-circuito, diferente da situação verificada em ambientes simulados, o teste de Tukey evidenciou maiores erros percentuais com a utilização das RNAs, sinalizando também a inexistência de evidências estatísticas para rejeitar a igualdade entre a localização de faltas efetuada pelo método analítico e os métodos de Otimização Não Linear.
Descrição
Palavras-chave
Métodos numéricos de otimização, Programação não linear, Redes neurais, Eletricidade