DETECÇÃO E CLASSIFICAÇÃO DE DISTÚRBIOS EM QUALIDADE DE ENERGIA USANDO MODELOS NARX NEURAIS
Qualidade de Energia. Modelos NARX. Redes Neurais Artificiais.
O estudo da área de Qualidade de Energia Elétrica (QEE) tem crescido muito nos últimos anos. O aumento no uso de conversores de alta potência e de cargas não lineares com potência elevada causam perturbações no sinal elétrico (corrente e tensão), chamadas de distúrbios e que provocam danos da rede elétrica. Este trabalho apresenta um sistema de detecção e um de classificação de distúrbios de qualidade da energia elétrica (QEE) baseados em modelos neurais NARX (Nonlinear Autoregressive with eXogenous inputs). As redes NARX estimam o valor do sinal um passo à frente e, por meio da análise de resíduo destes modelos, o distúrbio é detectado ou classificado. Um total de 5 faixas de ruído (20dB, 30dB, 40dB, 50dB, 60dB e 70dB) foram analisadas. O sistema foi testado em simulações de seis classes de distúrbios, quais sejam, Notch, Sag, Swell, Spike, Harmônico, Transitório oscilatório e uma classe de sinais sem distúrbios para detectar o sinal nominal. O detector apresentou resultados rápidos de até 1/64 de ciclo (4 amostras) na detecção de distúrbios, com acurácia média de 91,8%, enquanto o classificador alcançou, com 1/4 de ciclo (64 amostras), uma acurácia média de 84,2%, mostrando a eficácia do método proposto.