Diagnóstico de distúrbios de tensão em sistemas de distribuição baseado num sistema imunológico artificial com aprendizado continuado

Abstract

Esta pesquisa é dedicada ao desenvolvimento de uma metodologia para a realização do diagnóstico de distúrbios de tensão de sistemas de distribuição de energia elétrica, baseada no uso de sistemas imunológicos artificiais (SIA). Trata-se da proposição de um novo paradigma no ambiente dos SIA que confere o aprendizado de modo contínuo (plasticidade). Esta concepção permite compor um sistema de diagnóstico apto a aprender continuamente, contemplando novos tipos de distúrbios advindos da constante evolução do setor elétrico, sem a necessidade de reiniciar o processo de aprendizado. Neste contexto, empregam-se dois algoritmos imunológicos artificiais, sendo o algoritmo de seleção negativa, responsável pelo processo de reconhecimento de padrões, e o algoritmo de seleção clonal responsável pelo processo de aprendizado. A principal aplicação deste novo método é auxiliar na operação do sistema durante distúrbios, bem como, supervisionar o sistema de proteção, e estar apto a acompanhar a evolução dos sistemas elétricos adquirindo conhecimento continuamente. Para avaliar a eficácia e o desempenho deste novo método foram realizadas simulações de distúrbios de tensão em sistemas de distribuições de energia elétrica com 5, 33, 84 e 134 barras, no software ATP/EMTP. Os resultados obtidos com esta abordagem mostram robustez e eficiência quando comparados à literatura.

This work develops a methodology to realize voltage disturbance diagnosis in electrical distribution systems, based on Artificial Immune Systems (AIS). It is a proposition of a new paradigm in AIS environment, which provides a continuous learning (plasticity). This conception allows composing a diagnosis system able to continuous learn, when new disturbances appear due to the constant evolution of the power systems, without needing to reinitialize the learning. This way, two artificial immune algorithms are used, such as the negative selection algorithm executing the pattern recognition process, and the clonal selection algorithm, executing the learning process. The main application of this new method is to aid the system operation during disturbances, as well as, supervise the system protection and be able to carry on the evolution of the electrical systems acquiring knowledge continuously. To evaluate the efficiency and the performance of this new method, voltage disturbance simulations were executed in electrical distributions systems with 5, 33, 84 and 134-bus in ATP/EMTP software. Results show robustness and efficiency when compared with those in the literature.