Identificação de eventos do sistema de potência usando uma rede neural long short-term memory

Resumo

Atualmente, a identificação em tempo real de eventos é crucial para o funcionamento Sistemas de Energia Elétrica (SEE). Neste contexto, as redes WAMS (Wide Area Measurement System) são capazes de realizar medições simultâneas de tensão e corrente, conhecido como sincrofasores. Esses recursos permitem o monitoramento em tempo real da resposta dinâmica dos grandes sistemas de energia. As redes WAMS capturam e armazenam uma grande quantidade de dados que devem ser analisadas para extrair informações relevantes sobre o desempenho do SEE. Assim, há é uma necessidade de explorar algoritmos de mineração de dados, como a Rede Neural Artificiais (RNA), uma vez que eles pode permitir a extração rápida e eficiente de informações significativas sobre o SEE. A pesquisa realizada até agora tem se concentrado na aplicação de RNA estáticas, não recorrentes, que não agregam a capacidade de identificar as características não estacionárias (ou dinâmicas) presente em um SEE. Considerando isso, a principal preocupação deste projeto de pesquisa BEPE é desenvolver um método de identificação de eventos baseado em dados, focando em um RNA dinâmica chamada Long Short-Term Memory (LSTM), que pode identificar com precisão diferentes tipos de eventos. Além disso, propomos treinar um LSTM nos auto-valores dominantes e valores singulares em vez de treinamento em séries temporais diretamente. O método será avaliado em eventos reais do Sistema Interligado Nacional (SIN). (AU)