Professional Documents
Culture Documents
Resumo ⎯ Este trabalho consiste no desenvolvimento de uma Dentre os sistemas inteligentes utilizados, as redes
técnica para o pré-processamento de sinais baseada nos cálculos neurais artificiais [5] e sistemas de inferência fuzzy [4] são os
da dimensão do fractal, entropia e energia que venha a mais empregados. Sistemas inteligentes são utilizados por
possibilitar uma classificação dos distúrbios ocorridos em um possuírem como principais características a possibilidade de
determinado sistema elétrico de potência (SEP). Com relação
aos distúrbios, para este relato, serão considerados os
extração da dinâmica do sistema e a generalização da
afundamentos, elevações, interrupções e oscilações transitórias. resposta fornecida pelo sistema, isto por meio das etapas de
Com este intuito, uma base de dados representativa foi obtida treinamento e validação. Os sistemas inteligentes são
por meio de simulações computacionais de um SEP utilizando o normalmente aplicados ao reconhecimento de padrões,
software ATP. Por estas simulações, todos os eventos aproximação funcional e otimização de processos [6].
anteriormente citados puderam ser caracterizados. Pelo Em [7], realiza-se um estudo comparativo entre a
janelamento e pré-processamento dispondo das técnicas
Transformada de Fourier com diversos tipos de janelas e a
mencionadas, os dados foram direcionados às redes neurais
artificiais (RNA) empregadas para a tarefa de classificar as Transformada Wavelet com filtro de Daubechies.
ocorrências. Os resultados mostram que quando aliadas as Posteriormente os sinais processados pelas transformadas
técnicas para pré-processamento de dados às RNAs, pode-se foram submetidos a uma RNA do tipo MLP (Multilayer
esperar um bom desempenho de toda a metodologia proposta. Perceptron) para que esta viesse a classificar os distúrbios.
Já em [3], uma rede neural wavelet é proposta para a
Palavras-chaves ⎯ Qualidade da energia elétrica, Classificador classificação dos distúrbios. Entretanto, realiza-se uma etapa
de eventos, Redes neurais artificiais, Técnicas de pré- de pré-processamento baseada no cálculo da entropia. Os
processamento.
resultados apresentados revelam a capacidade potencial do
método proposto para a classificação dos distúrbios mesmo
I. INTRODUÇÃO
quando da influência de ruídos.
Seguindo o contexto supracitado, neste trabalho é
A Qualidade da Energia Elétrica (QEE) nos últimos anos
proposto um método para classificar alguns dos principais
tornou-se alvo de muitas pesquisas realizadas, tanto por
distúrbios associados à má qualidade da energia elétrica
universidades quanto pelas concessionárias de energia
(afundamentos, elevações, oscilações e interrupções). Cabe
elétrica. Em detrimento a uma desejada QEE, tem-se certos
adiantar que esta metodologia foi desenvolvida realizando-se
distúrbios que afetam tanto a freqüência da rede quanto as
certo janelamento dos sinais que caracterizam os eventos
formas de onda da tensão e/ou corrente. Os principais simulados, sendo que para cada janela, calculou-se a
distúrbios que denotam uma má qualidade da energia são: dimensão do fractal [8], entropia de Shannon [9] e energia
afundamentos, elevações, sobretensões, subtensões, [10]. Após esta etapa de pré-processamento dos dados, redes
interrupções, oscilações, ruídos e distorções harmônicas [1]. neurais artificiais foram parametrizadas, sendo fornecido
Dentre as pesquisas voltadas à detecção e classificação como entradas as variáveis calculadas. Desta aplicação, tem-
de distúrbios relacionados à QEE muitas são baseadas em se então a classificação automatizada dos eventos
aplicações de certas ferramentas matemáticas, como as supracitados.
Transformadas Wavelet (TW) [2]-[3].
Cabe colocar que hoje se encontra na literatura correlata II. ASPECTOS DA SIMULAÇÃO COMPUTACIONAL
uma diversidade de métodos que se utilizam da TW junto a
sistemas inteligentes, devido a esta combinação proporcionar A simulação computacional foi desenvolvida com o
uma classificação automatizada das ocorrências evidenciadas auxílio do software ATP (Alternative Transients Program)
[4]. [11], o qual é devidamente empregado para a modelagem de
_________________________________________________ SEPs. Desta forma, por meio de dados fornecidos por uma
concessionária de energia elétrica regional, o modelo pôde
R. A. S. Fernandes, R. A. L. Rabelo, B. C. da Silva, M. Oleskovicz, A. ser concebido. O software ATP possibilita configurar todos os
A. F. M. Carneiro e I. N. da Silva estão com o Departamento de Engenharia parâmetros necessários para a confecção do modelo, bem
Elétrica da USP (Campus de São Carlos), CEP 13566-590, São Carlos-SP, como as variáveis necessárias para se extrair os dados. Para
{ricardoasf, ricardor, bcs, olesk, adriano, insilva}@sel.eesc.usp.br.
Este trabalho foi parcialmente financiado pela CAPES, Secretaria da todas as situações simuladas, a taxa amostral considerada foi
Fazenda do Piauí e FAPESP. de 7680Hz.
O sistema elétrico modelado via aplicação do software constituída pelos cálculos da dimensão do fractal, entropia e
ATP pode ser visualizado por meio da Fig. 1. energia de cada janela de dados. Desta forma, empregou-se
um janelamento sendo constituído por 32 pontos amostrados,
1
o que corresponde a de ciclo do sinal em análise. O
4
deslocamento pertinente desta janela de dados foi
caracterizado a um passo de 8 amostras. Um exemplo deste
janelamento pode ser visualizado por meio da Fig. 2.
0.5
Sinal
Am pl itud e
0
32pontos -0.5
-1
-4.8
8pontos 8pontos
-4.9
Am pl itud e
-5
Aprox. Det. -5.1
-5.2
4pontos 4pontos -5.3
Amplitude
0
-1.5
0 200 400 600 800 1000 1200 1400 1600 1800 2000
β −1 Amostras
-4.8
-5
Amplitude
-5.2
-5.4
j ∑ log 2 ( xk ) − ⎜ ∑ log 2 ( xk ) 2 ⎟
1.5
2
⎝ k ⎠
1
k
0.5
Amplitude
-0.5
Por este cálculo foram obtidos os dados que correspondem Dimensãodo Fractal
a uma das entradas das RNAs. Apenas para ilustrar e verificar -1.5
-2
-3.5
para afundamentos, elevações, interrupções e oscilações -4
-5
5, 6 e 7. -5.5
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Amostras
1
identificação, foi criada uma RNA para a identificação de
0.5
cada distúrbio. Vale comentar que todas as RNAs possuem a
mesma configuração, sendo 15 neurônios na primeira camada
Amplitude
-4.9
representando assim, se houve ou não um distúrbio na janela
-5 de sinal em análise. As funções de ativação têm como
Amplitude
-5.1
-5.2
finalidade limitar a saída dos neurônios. A arquitetura das
-5.3 RNAs comentadas encontra-se ilustrada pela Fig. 8.
-5.4
-5.5
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Amostras Entropia Dimensão
de do
Figura 7. Oscilação transitória com a sua respectiva dimensão do fractal. Shannon Energia Fractal
Entradas X1 X2 X3
.
.
.
Escondida
N
S = ∑ pi ⋅ log( pi )
i =1
(4)
.
.
.
representa a energia normalizada da janela. Escondida
EQM
2.5
3.5
B. Etapa de Validação
3
EQM
Após parametrizadas as RNAs, estas foram submetidas às Os resultados obtidos na etapa de validação foram
etapas de treinamento e validação, conforme definido na analisados e, por conseqüência, os percentuais de acertos de
seção anterior. Assim, por meio das Fig. 9, 10 e 11, podem-se cada distúrbio para cada algoritmo de treinamento empregado
verificar os gráficos de erro quadrático médio pelo número de são apresentados por meio das Tabelas I, II e III.
épocas para cada diferente algoritmo de treinamento
avaliado. TABELA I. RESULTADOS OBTIDOS PELAS REDES NEURAIS PELO
ALGORITMO DE TREINAMENTO LEVENBERG-MARQUARDT
DISTÚRBIOS ACERTOS (%)
1
Afundamento
Afundamento 98,6
0.9
Elevação Elevação 99,5
Interrupção
Oscilação Interrupção 100
0.8 Oscilação 98,5
Valor Médio 99,2
0.7
0.6
TABELA II. RESULTADOS OBTIDOS PELAS REDES NEURAIS PELO
EQM
0.4
DISTÚRBIOS ACERTOS (%)
Afundamento 98,3
0.3 Elevação 98,1
0.2
Interrupção 100
Oscilação 96,8
0.1 Valor Médio 98,3