Paper Proposal - Application of Artificial Neural Networks to Detect and Classify Power Quality Disturbances

INTRODUÇÃO:
Nos últimos anos, power quality (PQ) tornou-se uma crescente preocupação tanto de concessionárias de energia quanto dos consumidores da rede elétrica. Como extrair os sinais de distúrbio de um grande número de sinais e como reconhecê-los automaticamente são extremamente importantes para um melhor entendimento e melhoramento da qualidade de energia.

OBJETIVO:
O objetivo deste artigo é realizar o estudo, modelagem e simulação dos diferentes aspectos e distúrbios que envolvam Qualidade de Energia, fazendo com que esse sinal seja analisado e processado pela Rede Neural Artificial para realizar a classificação e identificação destas ocorrências.

MATERIAIS:
Para que o resultados finais sejam satisfatórios, alguns materiais e ferramentas serão utilizados. Uma extensa pesquisa será realizada em duas databases: IEEE e Elsevier para encontrar artigos e livros que servirão de base para o artigo. O software MATLAB será utilizada para realizar análise do sinal gerado na simulação do SIMULINK, além da ferramenta WAVELET ANALYZER. A ferramenta NNTOOL do Matlab será utilizada para realizar a modelagem da rede neural artificial.

METODOLOGIA:
Primeiramente, será realizada um extensa busca em alguns bancos de dados (livros, artigos, documentos) para uma melhor compreensão do tema e dos aspectos de Qualidade de Energia. Após isso, será feita a modelagem detalhada no SIMULINK das diferentes do condições e composições de cargas que levam a ocorrer algum distúrbio transitório. Após abranger os estudados casos nas simulações, será feita a importação destes dados para o MATLAB com o objetivo de realizar a análise dos sinais gerados para que sejam convertidos em inputs no sistema de Rede Neural Artificial. Este sistema deverá realizar a identificação e classificação de:

Diferentes condições e composições de cargas:
Desconexão de cargas;
Faltas;
Energização de capacitores;
Inserção de Conversores na rede elétrica;
PV Shadding;
Retificadores;
Partida de motores;
Energização de transformadores;
Lightning.

Referências

[1] A. S. Cerqueira, C. A. Duque, M. V. Ribeiro and R. M. Trindade, "Digital System for Detection and Classification of Power Quality Disturbances," in IEEE Latin America Transactions, vol. 4, no. 5, pp. 345-352, Sept. 2006.

[2] Wavelet Toolbox 4 User’s Guide , 1997–2009 by The MathWorks, Inc.

[3] M. O. Prates, C. A. Duque, P. G. Barbosa, A. S. Cerqueira, A. Testa and P. F. Ribeiro, "Power system impedance measurement based on wavelet voltage imposed," 2014 16th International Conference on Harmonics and Quality of Power (ICHQP), Bucharest, 2014, pp. 798-802.

[4] Ribeiro, Paulo; Duque, C.A.; Silveira, P.M.; Cerqueira, Augusto. (2013). Power Systems Signal Processing For Smart Grids. 10.1002/9781118639283.

[5] Abraham, Ajith & Nath, Baikunth. (2000). Artificial neural networks for intelligent real time power quality monitoring systems. 

[6] K. K. Pedapenki, S. P. Gupta and M. K. Pathak, "Application of neural networks in power quality," 2015 International Conference on Soft Computing Techniques and Implementations (ICSCTI), Faridabad, 2015, pp. 116-119.

[7] Huang N., Liu X., Xu D., Qi J. (2010) Power Quality Disturbances Events Recognition Based on S-Transform and Probabilistic Neural Network. In: Li K., Li X., Ma S., Irwin G.W. (eds) Life System Modeling and Intelligent Computing. ICSEE 2010, LSMS 2010. Communications in Computer and Information Science, vol 97. Springer, Berlin, Heidelberg.

[8] T.E. Raptis, G.A. Vokas, P.A. Langouranis, S.D. Kaminaris. "Total Power Quality Index for Electrical Networks Using Neural Networks". Energy Procedia, Volume 74, 2015, Pages 1499-1507, ISSN 1876-6102.