Análise de metodologias baseadas em redes neurais artificiais para a classificação de eventos usando Sincrofasores

• Processo: 17/25425-5
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de abril de 2018
• Data de Término da vigência: 31 de maio de 2020
• Área de conhecimento: Engenharias - Engenharia Elétrica - Sistemas Elétricos de Potência
• Acordo de Cooperação: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
• Pesquisador responsável: Daniel Dotta
• Beneficiário: Orlem Lima dos Santos
• Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 16/08645-9 - Pesquisas interdisciplinares em redes inteligentes de energia elétrica, AP.TEM
• Bolsa(s) vinculada(s): 19/08200-5 - Identificação de eventos do sistema de potência usando uma rede neural long short-term memory, BE.EP.MS
• Assunto(s): Transmissão de energia elétrica Redes neurais (computação) Dinâmica de máquinas e sistemas Conservação dos recursos naturais
• Palavra(s)-Chave do Pesquisador: Pmu | Redes Neurais Artificiais | Sincrofasores | sistemas elétricos de potência | Wams | Dinâmica de Sistemas Elétricos de Potência

Resumo

Nos últimos anos, a indústria de energia elétrica vem passando por fortes modificações na sua infraestrutura, com a pressão por soluções menos prejudiciais ao meio ambiente. A incorporação massiva de fontes renováveis, como a eólica e a fotovoltaica, caracterizada pela intermitência e baixa inércia, aumenta a complexidade e a incerteza operacional dos modernos Sistemas de Energia Elétrica (SEE). Adicionalmente, no caso brasileiro, o aumento significativo de sistemas de transmissão HVDC (High Voltage Direct Current), para a transferência de grandes blocos de energia com destino à região Sudeste, aumentam consideravelmente os riscos de contingências críticas. Nesse contexto, métodos eficazes para a melhoria da capacidade de diagnóstico da operação dos SEE, verificando o seu desempenho, são de forte relevância. O correto diagnóstico e análise de ocorrências pode contribuir no sentido de prevenir possíveis problemas como faltas de grande porte e até mesmo blecautes. Para tanto, o uso de novas ferramentas de monitoração, como Wide Area Measurement Systems (WAMS), é de suma importância, pois possibilitam a captura do comportamento dinâmico dos sistemas elétricos de potência e apresentam-se como uma tecnologia promissora para as novas necessidades de monitoração, controle e gerenciamento da segurança de grandes sistemas. As redes WAMS são cada vez mais utilizadas na indústria e são consideradas como fundamentais para a implantação do conceito de Smart Transmission Grids. O desafio atual é o de processar a grande quantidade de dados capturada pelas redes WAMS e processá-los de maneira a extrair informações relevantes, que possam dar subsídio ao operador dos SEE. Nesse sentido, a exploração de métodos baseados em aprendizado de máquina mostra-se um tema relevante de pesquisa. Verifica-se que já existem, na literatura, diversos métodos tanto determinísticos quanto estatísticos que são utilizados na classificação de eventos. Entre os métodos estatísticos, o mais relevante e visto na literatura é a técnica de Redes Neurais Artificiais (RNA) que tem sido empregada com grande eficácia em diversas aplicações do SEE, inclusive na classificação de eventos. No entanto, grande parte da pesquisa realizada até o momento tem se focado na aplicação de redes neurais estáticas que não agregam a capacidade de identificar as características não-estacionarias (ou dinâmicas) presentes em um SEE. Assim, com a finalidade de aprofundar o conhecimento sobre estas tecnologias de classificação de eventos no SEE, este projeto de mestrado pretende investigar e analisar a aplicação de RNA na classificação de eventos usando sincrofasores. Para isto, se propõe implementar um classificador baseado em redes neurais dinâmicas no Simulink/Matlab e aplicá-lo na classificação de eventos já ocorridos no Sistema Interligado Nacional (SIN), obtidos por intermédio do projeto MedFasee. (AU)

Publicações científicas

(4)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

PINHEIRO, BRUNO; LUGNANI, LUCAS; DOTTA, DANIEL; IEEE. A Procedure for the Estimation of Frequency Response using a Data-Driven Method. 2021 IEEE POWER & ENERGY SOCIETY GENERAL MEETING (PESGM), v. N/A, p. 5-pg., 2021-01-01. (18/20104-9, 19/08200-5, 16/08645-9, 19/10033-0, 17/25425-5)

ALCAHUAMAN, HEVER; LOPEZ, JUAN CAMILO; DOTTA, DANIEL; RIDER, MARCOS J.; GHIOCEL, SCOTT. Optimized Reactive Power Capability of Wind Power Plants With Tap-Changing Transformers. IEEE TRANSACTIONS ON SUSTAINABLE ENERGY, v. 12, n. 4, p. 1935-1946, OCT 2021. (16/08645-9, 19/08200-5, 15/21972-6, 19/01906-0, 17/21752-1, 19/10033-0, 18/20104-9, 17/25425-5)

LOPES, GABRIEL V. DE S.; MORAES, GUIDO R.; ISSICABA, DIEGO; DOTTA, DANIEL. WAMS-based two-level robust detection methodology of power system events. SUSTAINABLE ENERGY GRIDS & NETWORKS, v. 31, p. 13-pg., 2022-09-01. (19/08200-5, 19/10033-0, 18/20104-9, 17/25425-5, 16/08645-9)

SANTOS, ORLEM L. D.; DOTTA, DANIEL; WANG, MENG; CHOW, JOE H.; DECKER, ILDEMAR C.. Performance analysis of a DNN classifier for power system events using an interpretability method. INTERNATIONAL JOURNAL OF ELECTRICAL POWER & ENERGY SYSTEMS, v. 136, p. 15-pg., 2022-03-01. (19/08200-5, 18/20104-9, 17/25425-5, 16/08645-9, 19/10033-0)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

SANTOS, Orlem Lima dos. Application of interpretability to improve the performance of an LSTM classifier for power system events. 0000. Dissertação de Mestrado - Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação Campinas, SP.