MODELO FUZZY EVOLUTIVO PARA DETECÇÃO E CLASSIFICAÇÃO EM TEMPO REAL DE DISTÚRBIOS NA QUALIDADE DE ENERGIA ELÉTRICA

Resumo

Os distúrbios de qualidade de energia elétrica levam a vários inconvenientes, como um aumento da tensão no sistema e nos equipamentos e consequentes perdas; limitação da capacidade de produção; temperaturas operacionais mais altas, falhas prematuras e redução da expectativa de vida das máquinas; mau funcionamento do equipamento e interrupções não planejadas. A detecção e classificação em tempo real de distúrbios são de grande importância para os sistemas de energia. Este artigo propõe o modelo fuzzy evolutivo Takagi-Sugeno (eTS) para a detecção de distúrbios combinado com um método híbrido de seleção de características utilizando o filtro Hodrick-Prescott e a Transformada Rápida de Fourier aplicados sobre uma janela deslizante de sinais de tensão. Os distúrbios spike, notch, inter-harmônico, interrupção curta e harmônico foram considerados. O desempenho de classificação em termos da raiz quadrada do erro quadrático médio (RMSE) e do índice de erro não dimensional (NDEI) mostrou resultados encorajadores. Além disso, o sistema de monitoramento de distúrbios eTS proposto, baseado em fluxo de dados, mostrou ser capaz de aprender novos padrões de distúrbios automaticamente pela adaptação on-line dos parâmetros e estrutura das regras fuzzy.

Abstract

Power quality disturbances lead to several drawbacks such as an increase in line and equipment voltage and consequent ohmic losses; limitation of the production capacity; higher operating temperatures, premature fails, and reduction of life expectancy of machines; malfunction of equipment; and unplanned outages. Real-time detection and classification of disturbances are of great importance for power systems. This paper proposes an evolving Takagi-Sugeno fuzzy model (eTS) framework for disturbance detection combined with a hybrid Hodrick-Prescott and Fast Fourier Transform feature selection method applied over a sliding window of voltage signals. The spike, notch, inter-harmonic, short interruption and harmonic disturbances were considered. Classification performance in terms of the root mean squared error (RMSE) and non-dimensional error index (NDEI) have shown encouraging results. Moreover, the proposed data stream-based eTS disturbance monitoring system has shown to be able to learn new disturbance patterns automatically by online adapting the parameters and structure of fuzzy rules.