Diagnstico de Distrbios de Tenso em Sistemas de

Distribuio de Energia Eltrica Usando Sistemas

Imunolgicos Artificiais
Fernando P. A. Lima
1
, Carlos R. Minussi
1

1
Departamento de Engenharia Eltrica Faculdade de Engenharia de Ilha Solteira
(FEIS), Universidade Estadual Paulista Jlio de Mesquita Filho ( UNESP), Caixa
Postal 31, 15385-000 Ilha Solteira SP Brasil
fernandoparra@aluno.feis.unesp.br, minussi@dee.feis.unesp.br
Abstract. This article describes a computational tool for the diagnostics of
voltage disturbances in distribution systems of electric power, aerial and
radials. This tool uses voltage measurements in three phases, obtained from
the substation to perform the monitoring system. An artificial immune system
drawing on the negative selection algorithm was used. The main application
of the tool is to assist the operation of the system during faults as well as
overseeing the protection system. Tree distribution systems are used to
evaluate the proposed methodology, two test systems of 5 and 33 bars and the
other a real system of 134 bars.
Resumo. Este artigo descreve uma ferramenta computacional para
diagnstico de distrbios de tenso em sistemas de distribuio de energia
eltrica, areos e radiais. Essa ferramenta utiliza as medies de tenso nas
trs fases, obtidas na subestao, para realizar o monitoramento do sistema.
Um sistema imunolgico artificial, tomando como base o algoritmo de seleo
negativa, foi utilizado. A principal aplicao da ferramenta auxiliar a
operao do sistema durante falhas, bem como supervisionar o sistema de
proteo. Trs sistemas de distribuio so utilizados para avaliar a
metodologia proposta, sendo dois sistemas teste de 5 e 33 barras e outro um
sistema real de 134 barras.
1. Introduo
Os sistemas de distribuio de energia eltrica veem sofrendo modernizaes, atravs da
automatizao de seus processos, neste contexto, duas categorias de tecnologias vm se
destacando, a tecnologia digital e a tecnologia da informao. A tecnologia digital se
refere ao uso de componentes semicondutores de alta velocidade, em sistemas de
comunicao, controle, proteo, entre outras funes (Kezunovic e Abur, 2005). A
tecnologia da informao se baseia em um grande conjunto de procedimentos de anlise
e processamento de sinais (oscilografias, e informaes como a configurao do
sistema, etc.).
Considerando um sistema de distribuio de energia moderno, o objetivo
satisfazer requisitos como a melhoria da confiabilidade, segurana do sistema e
eficincia. Tendo como base esta perspectiva, necessrio que se desenvolva sistemas

integrados que tenham a capacidade de combinao de vrias tcnicas como: aquisio
de sinais, anlise e processamento de dados, com o objetivo de proporcionar o auxilio
necessrio para realizar a automao, controle e tomada de deciso no ambiente de
distribuio de energia eltrica. (Northcote-Green e Wilson, 2007; Decanini, 2008;
Barros, 2009).
Estas melhorias nos sistemas de distribuio esto diretamente relacionadas ao
produto energia, que diferente de outros, no pode ser armazenado. A produo assim
como o consumo acontece ao mesmo tempo. Dessa forma, o comercio de energia
eltrica se torna cada vez mais exigente quanto continuidade e qualidade deste
produto, pois a energia um fator fundamental para os consumidores. Com estes fatores
levantados, torna-se essencial o uso de ferramentas de auxilio e apoio operao do
sistema. Neste contexto realizando-se uma busca na literatura especializada encontram-
se trabalhos que tm sido publicados ao longo dos anos, que merecem mrito e destaque
pela contribuio para este assunto. Nos trabalhos de (Stringfield et al., 1957; Srinivasan
e St-Jacques, 1989) so apresentados ferramentas desenvolvidas para uso na operao
com a finalidade de dar apoio ao diagnstico de falhas. Outros trabalhos como em
(Fukui e Kawakami, 1986; Monsef et al., 1997) apresentam ferramentas que so
concebidas com base em Sistemas Especialistas (SES). Esses sistemas so baseados na
experincia dos profissionais da rea de operao e no estado dos alarmes e sinalizaes
ligados proteo do sistema eltrico. Embora essas ferramentas baseadas em SES
produzam bons resultados, elas enfrentam alguns problemas tais como tempo de
execuo, muitas vezes no apropriado para aplicao em tempo real, e dificuldades
tanto na obteno do conhecimento especialista, como na sua implementao. Na
literatura tambm se observa a utilizao de sistemas inteligentes na tarefa de deteco
de falhas em sistemas de distribuio de energia eltrica, onde as tcnicas de
inteligncia artificial (IA), adequam-se bem ao diagnstico de falhas devido ausncia
de uma formulao analtica eficaz, capaz de solucionar o problema. Muitas ferramentas
foram desenvolvidas baseadas em diversas tcnicas de IA. Entre estas destacam-se as
redes neurais artificiais (Vale et al., 2006; Amis e Carpenter, 2010; Carpenter et al.,
1992; Kartalopoulos, 1996; Tonelli-Neto, 2012), a lgica fuzzy (Chen et al., 2000; Chen
e Pham, 2006; Kartalopoulos, 1996; Zadeh, 1965; Decanini et al., 2008), a busca tabu
(Chang e Wen, 1998) e o algoritmo genticos (Wen e Chang, 1997). Existe tambm a
aplicao de mtodos, tais como redes de Petri (Lo et al., 1997), e os Sistemas
Imunolgicos Artificiais (SIA), como em (Carvalho et al., 2009).
O SIA um promissor campo da Inteligncia Artificial inspirado nos Sistemas
Imunolgicos Biolgicos para reproduzir computacionalmente suas principais
caractersticas, propriedades e habilidades (de Castro, 2001; Dasgupta, 1998). O SIA se
mostra uma ferramenta adequada para ser aplicada no diagnstico de falhas em sistemas
eltricos, devido a sua caracterstica de deteco de anomalias no comportamento do
sistema. (de Castro, 2001).
Neste artigo apresenta-se uma ferramenta para diagnstico de distrbios de
tenso em redes areas de distribuio radiais, utilizando os SIA, em especfico o
algoritmo de seleo negativa (ASN). Para comprovar a eficcia da metodologia foram
testados dois sistemas de distribuio, sendo um de 33 e o outro de 134 barras.

Este artigo esta organizado como a seguir. Na seo 2 apresenta-se o algoritmo
de seleo negativa (ANS). A descrio para os distrbios de tenso est na seo 3. Na
seo 4 apresenta-se a metodologia proposta. Os resultados esto apresentados na seo
5 e na seo 6 est a concluso para este trabalho.
2. Algoritmo de Seleo Negativa (ANS)
O ANS proposto por Forrest et al. (1994) para deteco de mudanas em sistemas
baseado na seleo negativa de linfcitos T dentro do timo. Este processo trabalha com
a discriminao de clulas prprias e no-prprias. O algoritmo executado em duas
fases, como a seguir (de Castro, 2001):
1. Censoriamento
a) Defina o conjunto de cadeias prprias (S) que se deseja proteger;
b) Gere cadeias aleatrias e avalie a afinidade (Match) entre cada uma delas e as
cadeias prprias. Caso a afinidade seja superior a um limiar estipulado, rejeite a cadeia.
Caso contrrio, armazene-a em um conjunto de detectores (R).
2. Monitoramento
a) Dado o conjunto de cadeias que se deseja proteger (cadeias protegidas), avalie a
afinidade entre cada uma delas e o conjunto de detectores. Se a afinidade for superior a
um limiar preestabelecido, ento um elemento no-prprio identificado.
Nas figuras 1 e 2 apresentam-se os fluxogramas das fases do ASN.
Cadeias
Prprias (S)
Gere Cadeias
aleatoriamente
Conjunto de
Detectores (R)
Casou ?
(Match)
Rejeita
NO
SIM

Figura 1. Fluxograma da fase de Censoriamento do ASN.
Conjunto de
Detectores (R)
Cadeias
Protegidas (S)
Casou ?
(Match)
No-prprio
detectado
SIM
NO

Figura 2. Fluxograma da fase de Monitoramento do ASN.
O ASN consiste-se basicamente em gerar um conjunto de detectores, a partir de
candidatos escolhidos aleatoriamente e descartar aqueles que reconhecem dados

prprios ao sistema monitorado. Os detectores so anlogos s clulas tipo T maturadas
capazes de reconhecer agentes patognicos e so, assim, utilizados para detectar
praticamente qualquer elemento no-prprio, isto , uma modificao ou erro do sistema
que se quer monitorar. Vale salientar que a fase de censoriamento ocorre de modo off-
line enquanto que a fase de monitoramento ocorre em tempo real. (de Castro e Timmis,
2002).
3. Distrbios de Tenso
Todos os sistemas de distribuio de energia eltrica esto susceptveis a problemas e
falhas em sua operao. Sendo estas falhas provocadas por mau funcionamento de
equipamentos, queimadas, contatos de animais s partes energizadas, fenmenos
naturais, entre outros. Estes eventos podem causar a interrupo do fornecimento de
energia, ou afetar a qualidade da energia, introduzindo harmnicos e degradando os
ndices de qualidade de energia eltrica das concessionrias, e ento elevar os custos
operacionais.
Em relao qualidade de energia, a categoria de distrbios de tenso
corresponde ao conjunto de distrbios mais graves, devido s consequncias prejudiciais
do seu efeito sobre equipamentos ligados rede. Os distrbios de tenso tem a
caracterstica de apresentar variaes de curta durao na magnitude da tenso a partir
de um valor nominal. Dependendo da magnitude da variao, os distrbios so
classificados como interrupes, elevaes e afundamentos, dependendo de sua durao
que pode ser instantnea, momentnea ou temporria. (Decanini et al., 2011).
Os distrbios de tenso podem causar interferncias nos sistemas de
comunicao, superaquecimento de condutores, medies imprecisas e atuao indevida
de rels, comprometendo a qualidade da energia para os consumidores e as empresas de
distribuio de energia (Decanini, 2008).
3.1. Simulaes dos Distrbios
A maior dificuldade em realizar pesquisas nesta rea a falta de um conjunto de dados
slidos dos sistemas de distribuio de energia eltrica sob o efeito das perturbaes,
portanto, necessria a modelagem de sistemas testes, nos quais se podem realizar
simulaes destes eventos (distrbios de tenso, curtos-circuitos, entre outros),
fornecendo dados a serem utilizados na avaliao das metodologias contribuindo para as
pesquisas e a automao das subestaes de energia eltrica.
Neste contexto, utilizando o software EMTP, foram modelados dois sistemas de
distribuio de energia eltrica. A frequncia de amostragem utilizada nas simulaes
foi de 15,36 kHz, a qual corresponde a 256 amostras por ciclo e o tempo de simulao
foi de 200 ms.
Para as simulaes de distrbios de tenso foi utilizado um modelo terico
proposto por Abdel-Galil et al. (2004), o qual apresentado na Tabelas 1, onde tem-se
as equaes e os parmetros utilizados para simulao de cada distrbio.
No software EMTP (EMTP-RV, 2011) utilizou a rotina models apresentada por
(Dub, 1996), para modelar fontes geradoras para cada um dos tipos de distrbios de
tenso apresentados na Tabela 1, sendo estas fontes responsveis por fornecer tenso aos

sistemas eltricos modelados. No total foram feitas 1584 simulaes, sendo realizadas
336 simulaes para o sistema de 5 barras e 624 simulaes para cada um dos sistemas
eltricos de 33 e 134 barras. As simulaes foram realizadas considerando a fase na qual
o distrbio ocorria, os carregamentos do sistema, que variavam de 50% at 120% e os
parmetros, conforme a tabela 1. Na tabela 2 apresenta-se o nmero de simulaes para
cada tipo de distrbio de tenso simulado para os sistemas simulados.

Tabela 1. Equaes e parmetros utilizados para modelagem dos distrbios.
Distrbio Equaes Parmetros
Outage ( ) ( ) ( ) ( ) ( ) ( )
1 2
1 v t A u t t u t t sen t o e =
,
1 2
t t < ,
( )
0 0
1 0
, t
u t
, t
<
=

>

0 9 1 , o s s
1 2
12 T t t T s s
Harmnico ( )
( ) ( )
( ) ( )
1 3
5 7
3
5 7
sen t sen t
v t A
sen t sen t
o e o e
o e o e
+ | |
= |
|
+ +
\ .

1
1 o =
3 5 7
0 05 0 15
, ,
, , o s s

Swell
( ) ( ) ( ) ( ) ( ) ( )
1 2
1 v t A u t t u t t sen t o e = +
,
1 2
t t < ,
( )
0 0
1 0
, t
u t
, t
<
=

>

0 1 0 8 , , o s s
1 2
12 T t t T s s
Sag
( ) ( ) ( ) ( ) ( ) ( )
1 2
1 v t A u t t u t t sen t o e =
,
1 2
t t < ,
( )
0 0
1 0
, t
u t
, t
<
=

>

0,1 0,9 o s s

1 2
T t t 12T s s

Swell com
Harmnico
( )
( )
( )
( )
( )
( )
1
1
3
2
5
1 3
5
sen t
u t t
v t A sen t
u t t
sen t
o e
o o e
o e
| |
| | | | |
= + | + |
|
| |

| \ . \ .
+
\ .
,
1 2
t t < ,
( )
0 0
1 0
, t
u t
, t
<
=

>

1
1 o =

3 5
0 05 0 15
,
, , o s s

0 1 0 8 , , o s s
1 2
12 T t t T s s
Sag com
Harmnico
( )
( )
( )
( )
( )
( )
1
1
3
2
5
1 3
5
sen t
u t t
v t A sen t
u t t
sen t
o e
o o e
o e
| |
| | | | |
= | + |
|
| |

| \ . \ .
+
\ .
,
1 2
t t < ,
( )
0 0
1 0
, t
u t
, t
<
=

>

1
1 o =

3 5
0 05 0 15
,
, , o s s
0 1 0 9 , , o s s
1 2
12 T t t T s s
Transitrio
Oscilatrio
( ) ( )
( )
( ) ( ) ( )
1
1
t t
tr
v t A sen t be sen t t

e e

= +
2 2 b s s
50 100 s s
500 Hz 1500 Hz
tr
f s s


Tabela 2. Quantidade de simulaes realizadas para cada sistema.
Distrbio de Tenso
Sistema
5 Barras 33 Barras 134 Barras
Outage 24 48 48
Harmnico 72 144 144
Swell 48 72 72
Sag 48 72 72
Swell com Harmnico 48 96 96
Sag com Harmnico 48 96 96
Transitrio
Oscilatrio
48 96 96
Total 336 624 624

4. Metodologia Proposta
A metodologia proposta para esta ferramenta de diagnstico dividida em duas fases, a
fase de censoriamento e a fase de monitoramento. Estas fases so descritas a seguir:
4.1. Censoriamento
Nesta fase, geram-se os detectores para o SIA, processo o qual feito em modo off-line.
Inicialmente definem-se quais so os sinais que devem ser protegidos, ou seja, os sinais
prprios. Os sinais prprios tm as caractersticas de operao normal do sistema, ento
tudo que for diferente do estado operacional normal uma anormalidade. Ento a partir
dos dados simulados os detectores so gerados aleatoriamente. Assim os dados
simulados so testados para verificar se casam com algum sinal prprio, se um
casamento encontrado o vetor aleatrio rejeitado, caso contrrio, aceito como
detector no conjunto de detectores para o distrbio em questo. Esse processo repetido
at que um nmero desejado de detectores seja obtido para cada distrbio. Este processo
nada mais faz do que extrair as caractersticas de cada tipo de distrbio e armazenar na
memria para realizar as deteces e classificaes. Utiliza-se o casamento parcial
proposto por (Bradlay, 2002), onde se necessita que somente parte dos detectores sejam
acionados para indicar a presena de uma anomalia.
4.2. Monitoramento dos dados
A fase de monitoramento dividida em trs mdulos, os quais so responsveis por
fazer a aquisio dos dados, a deteco prprio/no-prprio e a classificao dos
distrbios. A figura 3 ilustra o fluxograma da fase de monitoramento dos dados.
Inicio
Leitura dos Sinais
Deteco dos Distrbios
Encontrou sinal
no-prprio ?
No
Classificao do distrbio
Impresso do Diagnstico
Sim
Mdulo: Aquisio dos Dados
Mdulo: Deteco
Mdulo: Classificao

Figura 3. Fluxograma da fase de Monitoramento

No mdulo de aquisio de dados o algoritmo faz a leitura das oscilografias de
tenso medidas na subestao (via sistema de aquisio de dados (SCADA)). Essa
captura ocorre visando realizar o monitoramento do erro, e captura feita em tempo
real.
O mdulo de deteco o responsvel por fazer o reconhecimento dos dados,
classificando-os em prprios e no-prprios. Sendo os sinais prprios o estado normal
de operao do sistema, e os sinais no-prprios a identificao de uma anomalia. A
figura 4 ilustra o processo de deteco.
Detectores
Fase B
Detectores
Fase A
Detectores
Fase C
SIA Fase A
SIA Fase B
SIA Fase C
Fase A
Fase B
Fase C
Sada
Prprio/no-prprio
Mdulo Detector
E
n
t
r
a
d
a

d
e

d
a
d
o
s

Figura 4. Fluxograma da fase de Monitoramento
Como se observa na figura 4, para cada fase do sistema existe um sistema
imunolgico artificial com seus respectivos detectores, sendo assim caso seja
identificado alguma anomalia naquela fase o sistema ira acusar na sada como prprio
ou no-prprio. A tabela 3 a seguir apresenta a codificao para a sada na fase de
deteco.
Tabela 3. Codificao da sada prprio/no-prprio.
Sada
No-prprio
na Fase A
No-prprio
na Fase B
No-prprio
na Fase C
Fase A 1 0 0
Fase B 0 1 0
Fase C 0 0 1
Sendo que 0 representa um sinal prprio, e 1 representa um sinal no-
prprio.
No momento de monitoramento prprio/no-prprio se o sistema detecta alguma
anomalia em alguma fase o mdulo de classificao acionado e executado somente na
fase a qual foi identificada uma anomalia. O mdulo de classificao responsvel por
identificar a que tipo de distrbio a anomalia se enquadra e classifica-la dentre os
distrbios de tenso.
A Execuo do mdulo semelhante deteco prprio/no-prprio, porm
executada somente na fase que foi acionado a deteco. Ento na fase acionada um SIA

juntamente com seu conjunto de detectores para cada tipo de distrbio, faz a anlise do
sinal e retorna uma sada codificada para os 7 tipos de distrbios trabalhados neste
artigo, a sada indica a qual distrbio o sinal analisado representa. A tabela 4 apresenta a
codificao para o diagnstico encontrado pelo sistema.
Tabela 4. Codificao do diagnstico encontrado.
Sag Swell
Sag com
Harmnico
Swell com
Harmnico
Outage Harmnico
Transitrio
Oscilatrio
Sada
1 0 0 0 0 0 0
0 1 0 0 0 0 0
0 0 1 0 0 0 0
0 0 0 1 0 0 0
0 0 0 0 1 0 0
0 0 0 0 0 1 0
0 0 0 0 0 0 1
5. Resultados
A metodologia proposta foi desenvolvida na linguagem MATLAB. Todas as simulaes
foram realizadas utilizando um PC Intel Core 2 Duo 1.9 GHz, 2 GB de Memria RAM,
e sistema operacional Windows 7 Ultimate 32 bits. O algoritmo proposto foi aplicado
aos dados dos sistemas de distribuio de energia eltrica de 5, 33 e 134 barras. Os
dados de linha e de carga dos sistemas de 33 e 134 so encontrados em (Baran e Wu,
1989; LaPSEE, 2011) e os dados do sistema de 5 barras esto apresentados no Apndice
deste artigo.
5.1. Caractersticas dos sistemas eltricos
O sistema de 5 barras um sistema teste que possui 4 barras de carga, 1 subestao e 4
circuitos, tem como tenso base 11,5 kV, e as condies de carga total ativa e reativa
so de 15,3 kW e 8,8 kVAr.
O sistema de 33 barras um sistema teste que possui 32 barras de carga, 1
subestao e 32 circuitos, tem como tenso base 12,66 kV, e as condies de carga total
ativa e reativa so de 3.715 kW e 2.315 kVAr. (Baran e Wu, 1989).
O sistema de 134 barras um sistema de distribuio real, com as seguintes
caractersticas: areo, trifsico, ramificado, composto por 134 barras, 13,8 kV, 7,065
MVA, mutuamente acoplado e com fator de potncia das cargas igual a 0,92. A tabela 4
apresenta os resultados obtidos na deteco e classificao dos distrbios de tenso para
o sistema de 134 barras (LaPSEE, 2011).
5.2. Resultados Obtidos
A Tabela 5 apresenta os resultados obtidos na deteco e classificao dos
distrbios de tenso para os sistemas de 5, 33 e 134 barras.





Tabela 5. Resultados para os sistema testados.
Sistema de 5 Barras Sistema de 33 Barras Sistema de 134 Barras
Diagnstico
Padres
testados
Acerto (%)
Padres
testados
Acerto (%)
Padres
testados
Acerto (%)
Swell 48 100,00 72 100,00 72 100,00
Sag 48 97,22 72 98,61 72 94,44
Outage 24 100,00 48 100,00 48 100,00
Harmnico 72 100,00 144 100,00 144 100,00
Swell com
Harmnico
48 100,00 96 100,00 96 100,00
Sag com
Harmnico
48 97,91 96 97,91 96 97,91
Transitrio
Oscilatrio
48 100,00 96 100,00 96 100,00
Total 336 99,30 624 99,51 624 98,97

6. Concluso
Neste artigo foi apresentado um mtodo de deteco e classificao de distrbios de
tenso em sistemas de distribuio de energia eltrica baseado no SIA. Foram descritas
as principais etapas e caractersticas do ASN e sua aplicao no problema proposto.
Simulaes para validao do algoritmo foram realizadas. Como dados de entrada do
sistema, o algoritmo precisa apenas dos dados oscilogrficos das tenses nas fases
medidas na subestao. Por causa da indisponibilidade de se fazer medies em campo,
foi utilizado o software EMTP, prprio para simulao de transitrios eletromagnticos
em sistemas eltricos. O algoritmo proposto apresentou excelentes resultados obtendo
um timo ndice de acerto, tendo uma mdia de 99,26% de acerto em todos os dados
dos trs sistemas simulados. A fase de gerao de detectores a que demanda maior
tempo computacional, mas como executada de forma off-line no acarretando prejuzo
ao algoritmo. A fase de monitoramento do sistema, a partir da coleta dos dados,
realizada rapidamente (inferior a 100 milsimos de segundo), o que credencia o
algoritmo a ser uma ferramenta utilizada em tempo real, j que as decises precisam ser
tomadas rapidamente.
Sendo assim, conclui-se que os sistemas imunolgicos artificiais, com base no
algoritmo de seleo negativa, tem um desempenho satisfatrio nos testes realizados nos
dois sistemas eltricos propostos, ento a metodologia proposta bastante confivel
para a deteco e classificao de distrbios de tenso. Na sequncia desta pesquisa
sero enfocadas outras estratgias de sistemas imunolgicos visando tornar a aplicao
mais competitiva (eficincia, confiabilidade e com tempo de processamento bastante
reduzido, entre outros requisitos). Neste caso, ser investigada a possibilidade de
aplicao em ambiente de sistemas de distribuio em carter antecipatrio
(Vachtsevanos et al., 2005). Ou seja, identificar e localizar situaes crticas, em um
estgio incipiente, de faltas ou percursores de faltas que potencialmente podem provocar
danos em componentes do sistema e, principalmente, a interrupo do fornecimento de
energia aos consumidores.

Agradecimentos
Agradecemos primeiramente a Deus, as nossas famlias, e por fim um especial
agradecimento a CAPES pelo apoio (concesso de bolsa de Mestrado). Os
autores agradecem FAPESP (Fundao de Amparo Pesquisa do Estado de So
Paulo) pelo apoio financeiro de pesquisa (Proc. N 2011/06394-5).
Referncias
Abdel-Galil, T. K. et al. Power quality disturbance classification using inductive
inference approach. IEEE Transactions on Power Delivery, Piscataway, v. 19, n. 4, p.
18121818, 2004.
Amis, G. P.; Carpenter, G.A. Self-supervised ARTMAP. Neural Networks, Oxford, v.
23, n. 2, p. 265282, 2010.
Baran, M. E. and Wu, F. F. (1989), Network reconfiguration in distribuition systems for
loss reduction and load balancing. IEEE Transactions on Power Delivery, New York,
v. 4, n. 2, p. 1401-1407.
Barros, A. C.. Deteco e classificao de faltas de alta impedncia em sistemas
eltricos de Potncia usando lgica fuzzy. 94 f. Dissertao (Mestrado em
Engenharia Eltrica) Faculdade de Engenharia, Universidade Estadual Paulista, Ilha
Solteira, 2009.
Bradley, D.W.; Tyrrell, A.M. Immunotronics - Novel Finite-State-Machine
Architectures with Built-In Self-Test Using Self-Nonself Differentiation. IEEE
Transactions on Evolutionary Computation.Vol. 6, pp. 227238, Jun 2002.
Carvalho, R. Alves, H. N. e Protsio, C. (2009). Algoritmo Baseado em Sistemas
Imunolgicos para Deteco de Faltas em Sistemas de Transmisso, IV Congresso de
Pesquisa e Inovao da Rede Norte Nordeste de Educao Tecnolgica, Belm- Pa.
Carpenter, G. A. et al. Fuzzy ARTMAP: a neural network architecture for incremental
supervised learning of analog multidimensional maps. IEEE Transactions on Neural
Networks, vol. 3, no. 5, pp. 698713, 1992.
Chang, C. S. e Wen, F. S. (1998). Tabu search based approach to trouble call analysis.
IEE Proc.-Gener. Transm. Distrib., Vol. 145, No. 6, p. 731-738.
Chen, G.; PHAM, T. T. Introduction to fuzzy systems. Boca Raton: Chapman &
Hall/CRC Press, 2006.
Chen, W.-H. et al. On-line fault diagnosis of distribution substations using hybrid cause-
effect network and fuzzy rule-based method. IEEE Transactions on Power Delivery,
Piscataway, v. 15, n. 2, p. 710717, 2000.
Dasgupta, D. (1998). Artficial Immune Systems and Their Applications. Springer-
Verlag New York, Inc., Secaucus, NJ, USA.
de Castro, L. N. Engenharia Imunolgica: Desenvolvimento e Aplicao de
Ferramentas Computacionais Inspiradas em Sistemas Imunolgicos Artificiais. Tese
de Doutorado, Faculdade de Engenharia Eltrica e de Computao, Universidade
Estadual de Campinas, Campinas, Brasil, 2001.

de Castro, L. N. and Timmis, J. (2002). Artificial Immune Systems: A New
Computational Intelligence Approach, Springer. 1st edition.
Decanini, J. G. M. S.; Tonelli-Neto, M.S.; Malange, F. C. V. and Minussi, C.R.
Detection and classification of voltage disturbances using a fuzzy-ARTMAP-
wavelet network, Elec. Power Syst. Research, v. 81, n. 12, pp. 20572065, 2011.
Decanini, J. G. M. S. Deteco e classificao de faltas de curto-circuito em sistemas de
distribuio de energia eltrica usando lgica nebulosa. 110 f. Dissertao (Mestrado
em Engenharia Eltrica) Faculdade de Engenharia, Universidade Estadual Paulista,
Ilha Solteira, 2008.
Dub, L. How to use MODELS-based user-defined network components in ATP. In:
EUROPEAN EMTP USERS GROUP MEETING, 1996, Budapest. Proceedings
Siegen: EEUG, 1996. p. 1012, 1996.
EMTP-RV. Electromagnetic Transient Program, Powersys-Solutions, Le Puy-Sainte-
Rparade, France, 2011.
Forrest, S., A. Perelson, Allen, L. & Cherukuri, R. (1994), Self-Nonself Discrimination
in a computer, Proc. do IEEE Symposium on Research in Security and Privacy, pp.
202-212.
Fukui, C. e Kawakami, J. (1986). An expert system for fault section estimation using
information from protective relays and circuit breakers, IEEE Trans. On PWRD,
vol. 1, no. 4, pp. 8390.
Kartalopoulos, S. V. Understanding neural networks and fuzzy logic: basic concepts and
applications. Piscataway: IEEE Press, 1996.
Kezunovic, M.; Abur, A. Merging the temporal and spatial aspects of data and
information for improved power system monitoring applications. Proceedings of the
IEEE, Piscataway, v. 93, n. 11, p. 19091119, 2005.
LaPSEE, 2011. Practical 134 bus feeder data. Disponvel em:
http://www.dee.feis.unesp.br/lapsee/ Lines, Transactions of the AIEE, part III -
Power Apparatus and Systems, v. 76 (Aug.), p. 518-539.
Lo, K. L.; Ng, H. S.; Trecat, J. (1997). Power system fault diagnosis using Petri nets.
IEE Proc.- Gener. Transm. Distrib., Vol. 144, No. 3, p. 231-236.
MATLAB (2011). Software version 7.8 Mathworks company.
Monsef, H.; Ranjbar, A. M.; Jadid, S. (1997). Fuzzy rule-based expert system fault
diagnosis. IEE Proc.-Gener. Transm. Distrib., Vol. 144, No. 2 (Mar.), p. 186-192.
Northcote-Green, J.; WILSON, R. Control and automation of electrical power
distribution systems. Boca Raton: CRC/Taylor & Francis, 2007.
Stringfield, T. W., Marihart D. J. e Stevens R. F. (1957). Fault Location Methods for
Overhead.
Tonelli-Neto, M. S. Formulao do controle preventivo em sistemas de distribuio de
energia eltrica baseada na lgica fuzzy e redes neurais. 134 f. Dissertao (Mestrado
em Engenharia Eltrica) Faculdade de Engenharia, Universidade Estadual Paulista,
Ilha Solteira, 2012.

Vachtsevanos, G.V.; Lewis, F.; Roemer, M. Hess, A. and Wu, B. Intelligent Fault
Diagnosis And Prognosis For Engineering Systems, John Wiley & Sons, 2005.
Vale, D. T.; Coser, J. e Rolim, J. G. (2006). F-LOC Ferramenta Inteligente para
Diagnstico de Faltas em Sistemas de Distribuio de Energia.
Wen, F. S. e Chang, C. S. (1997). Probabilistic approach for fault-section estimation in
power systems based on a refined genetic algorithm. IEE Proc.-Gener. Transm.
Distrib., Vol. 144, No. 2, p. 160-168.
Zadeh, L. A. Fuzzy sets. Information and Control, Maryland Heights, v. 8, n. 3, p. 338
353, 1965.
Apndice
Os dados de carga e linhas do sistema de 5 Barras esto apresentados nas tabelas 1 e 2 a
seguir:
Tabela 1. Dados de Barra
Barra PD QD S
kW kVar Kva
1 0 0 5000
2 10000 5000 -
3 3000 2000 -
4 1000 650 -
5 800 500 -
Tabela 2. Dados de Linha
Linha Barra Barra Resistncia Reatncia
De Para
1 1 2 0.2 0.25
2 1 3 0.3 0.5
3 1 4 0.1 0.15
4 4 5 0.15 0.28

A Figura a seguir ilustra o sistema de 5 Barras simulado.

Figura 1. Sistema de 5 Barras