Análise de metodologias baseadas em redes neurais artificiais para a classificação de eventos usando Sincrofasores

Resumo

Nos últimos anos, a indústria de energia elétrica vem passando por fortes modificações na sua infraestrutura, com a pressão por soluções menos prejudiciais ao meio ambiente. A incorporação massiva de fontes renováveis, como a eólica e a fotovoltaica, caracterizada pela intermitência e baixa inércia, aumenta a complexidade e a incerteza operacional dos modernos Sistemas de Energia Elétrica (SEE). Adicionalmente, no caso brasileiro, o aumento significativo de sistemas de transmissão HVDC (High Voltage Direct Current), para a transferência de grandes blocos de energia com destino à região Sudeste, aumentam consideravelmente os riscos de contingências críticas. Nesse contexto, métodos eficazes para a melhoria da capacidade de diagnóstico da operação dos SEE, verificando o seu desempenho, são de forte relevância. O correto diagnóstico e análise de ocorrências pode contribuir no sentido de prevenir possíveis problemas como faltas de grande porte e até mesmo blecautes. Para tanto, o uso de novas ferramentas de monitoração, como Wide Area Measurement Systems (WAMS), é de suma importância, pois possibilitam a captura do comportamento dinâmico dos sistemas elétricos de potência e apresentam-se como uma tecnologia promissora para as novas necessidades de monitoração, controle e gerenciamento da segurança de grandes sistemas. As redes WAMS são cada vez mais utilizadas na indústria e são consideradas como fundamentais para a implantação do conceito de Smart Transmission Grids. O desafio atual é o de processar a grande quantidade de dados capturada pelas redes WAMS e processá-los de maneira a extrair informações relevantes, que possam dar subsídio ao operador dos SEE. Nesse sentido, a exploração de métodos baseados em aprendizado de máquina mostra-se um tema relevante de pesquisa. Verifica-se que já existem, na literatura, diversos métodos tanto determinísticos quanto estatísticos que são utilizados na classificação de eventos. Entre os métodos estatísticos, o mais relevante e visto na literatura é a técnica de Redes Neurais Artificiais (RNA) que tem sido empregada com grande eficácia em diversas aplicações do SEE, inclusive na classificação de eventos. No entanto, grande parte da pesquisa realizada até o momento tem se focado na aplicação de redes neurais estáticas que não agregam a capacidade de identificar as características não-estacionarias (ou dinâmicas) presentes em um SEE. Assim, com a finalidade de aprofundar o conhecimento sobre estas tecnologias de classificação de eventos no SEE, este projeto de mestrado pretende investigar e analisar a aplicação de RNA na classificação de eventos usando sincrofasores. Para isto, se propõe implementar um classificador baseado em redes neurais dinâmicas no Simulink/Matlab e aplicá-lo na classificação de eventos já ocorridos no Sistema Interligado Nacional (SIN), obtidos por intermédio do projeto MedFasee. (AU)