INTELIGNCIA COMPUTACIONAL APLICADA NA IDENTIFICAO E CLASSIFICAO DE PROBLEMAS DE MEDIO DE ENERGIA ELTRICA

Andr Nunes de Souza1, Lucas Imaizumi Pereira2, Maria Goretti Zago3, Pedro da Costa Junior4, Joo Paulo Papa5, Danilo Sinkiti Gastaldello6.
UNESP-FEB-LSISPOTI, Bauru, Brasil, andrejau@feb.unesp.br UNESP-FEB-LSISPOTI, Bauru, Brasil, ra510611@feb.unesp.br 3 EPUSP, So Paulo, Brasil, mgzago@uol.com.br 4 UNESP-FEB-LSISPOTI, Bauru, Brasil, costajr@feb.unesp.br 5 UNESP-FC-LSISPOTI, Bauru, Brasil, papa@fc.unesp.br 6 UNESP-FEB-LSISPOTI, Bauru, Brasil, dandangastaldello@gmail.com
2 1

Resumo: A evoluo tecnolgica propiciou a maior utilizao de equipamentos eletrnicos, essas cargas nolineares so fontes de distores harmnicas e, tambm, so dispositivos mais sensveis na rede eltrica. Este artigo integra elementos da Inteligncia Computacional com ensaios experimentais, visando identificar os efeitos e as causas das interferncias nas medies de energia. Palavras-chave: Medio de energia, computacional, sistemas de energia. 1. INTRODUO O Estado de So Paulo possui cerca de 4,6 milhes de unidades consumidoras e um consumo aproximado de 31.600 Gigawatts-Hora de energia o que representa aproximadamente 35% do consumo estadual e 9,4% do nacional, beneficiando cerca de 14 milhes de pessoas. Considerando este cenrio, um dos problemas de mesma ordem de grandeza est relacionado quantificao e caracterizao do erro de medio, bem como identificao precisa do nmero de queima de medidores de energia provocados pela presena de harmnicas e suas principais implicaes nos indicadores de qualidade no sistema de energia [2]. Neste contexto, vislumbra-se a necessidade do desenvolvimento de metodologias e ferramentas computacionais para identificar, classificar e caracterizar as verdadeiras causas de erros de medio de energia [3]. Diversas pesquisas comprovam os malefcios dos altos nveis de distores harmnicas nas instalaes eltricas, acarretando prejuzos de ordem econmica e financeira, tanto para a empresa de energia como tambm para os consumidores [4]. Alm disso, conveniente destacar que as harmnicas produzem a operao anormal ou indevida dos medidores de energia eltrica do tipo induo, os quais so amplamente utilizados na medio de energia eltrica. Esses medidores tm sua operao fundamentada no fenmeno da interao eletromagntica, ou seja, o conjugado motor do medidor, associado ao registro de energia, obtido em funo da inteligncia

interao entre uma corrente e um fluxo magntico, este ltimo oriundo da tenso aplicada ao medidor. Quando o medidor submetido a tenses e a correntes distorcidas, essas por sua vez, criam conjugados que fazem com que o disco acelere ou desacelere, ocasionando nestas circunstncias erros de medio [5]. O sistema eltrico nacional depara-se com a normatizao dos ndices de qualidade de energia, o PRODIST (Procedimentos de Distribuio de Energia Eltrica), o qual estabelece os requisitos mnimos necessrios ao planejamento, acesso, uso, qualidade do fornecimento e operao dos sistemas de distribuio. Esta normatizao pretende garantir que os indicadores de qualidade de servio sejam atingidos, proporcionando segurana, eficincia e a confiabilidade dos sistemas eltricos. Para evitar possveis irregularidades, e como conseqncia, penalidades financeiras e a insatisfao do cliente, as empresas tm a necessidade cada vez maior de se enquadrarem dentro dos limites tolerveis de distrbios na rede e por isso tm investindo muito nesta rea [6]. O interesse crescente em redes neurais artificiais (RNA) pode ser visto como um fenmeno notvel dos anos 80 e ocorreu devido s caractersticas das RNA de grande capacidade de processamento e flexibilidade de integrao com outras ferramentas matemticas. As RNA tm atrado um grande nmero de pesquisadores de diversas reas; entre eles destacam-se: matemticos, fsicos, psiclogos, neurofisiologistas, bilogos e engenheiros. Redes Neurais Artificiais so tcnicas computacionais constitudas por sistemas paralelos distribudos, compostos por unidades de processamento simples (neurnios) que tem a capacidade de aprender funes matemticas. Essas unidades so dispostas em uma ou mais camadas e interligadas por um grande nmero de conexes, geralmente unidirecionais. Na maioria dos modelos, essas conexes esto associadas a pesos, os quais armazenam o conhecimento representado no modelo e servem para ponderar a entrada recebida por cada neurnio da rede [7]. A possibilidade de aprender atravs de exemplos e de generalizar a informao aprendida , sem dvida, o atrativo principal da soluo de problemas atravs de RNA. A

Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications Serra Negra, SP - ISSN 2178-3667

398

Inteligncia Computacional Aplicada na Identificao e Classificao de Problemas de Medio de Energia Eltrica Andr N. S., Lucas I. P., Maria G. Z., Pedro C. Jr., Joo P. P., Danilo S. G.

generalizao, que est associada capacidade de a rede aprender atravs de um conjunto reduzido de exemplos e posteriormente dar respostas coerentes para dados no conhecidos uma demonstrao de que a capacidade da RNA vai muito alm do que simplesmente mapear relaes de entrada e sada [8]. As Redes Neurais Artificiais so capazes de extrair informaes de amostras de dados no apresentadas de forma explcita e atuar como mapeadoras universais de funes multivariveis, com custo computacional que cresce apenas linearmente com o nmero de variveis. A capacidade de auto-organizao e processamento temporal so outras caractersticas importantes, que, aliadas quelas citadas anteriormente faz das RNA uma ferramenta computacional extremamente poderosa e atrativa para a soluo de problemas complexos [9]. A metodologia proposta neste trabalho consiste na utilizao de Redes Neurais Artificiais no mapeamento dos erros de medio em ambientes repletos de contedo harmnico. 2. DIRETRIZ METODOLGICA 2.1. Distores Harmnicas As distores harmnicas so tenses ou correntes senoidais com freqncias mltiplas inteiras da freqncia fundamental (60 Hz) na qual opera o sistema de energia eltrica [10]. Caracterizam-se por ser um dos principais problemas associados qualidade de energia j que distorcem as formas de onda da tenso e da corrente. Esse fenmeno oriundo de cargas ou dispositivos com caractersticas no-lineares instalados no sistema de energia. A teoria de Fourier afirma que qualquer forma de onda peridica pode ser obtida a partir da superposio de uma componente senoidal fundamental pura juntamente com outras senides que apresentam freqncias mltiplas inteiras da fundamental, conhecidas como harmnicas. Uma onda no-senoidal pode ser expressa matematicamente pela equao 1 [11]:

2.1.1 Indicadores de distores harmnicas O indicador harmnico mais conhecido o de Distoro Harmnica Total de Tenso (DHTV). Este definido como a porcentagem da amplitude das distores de tenso em relao componente fundamental (equao 2). Para a maioria das aplicaes suficiente considerar as harmnicas das ordens 2 a 25, no entanto normas especificam ordens que superam a 50.
2 U n n=2 DHTV = U1

(2)

Em que: n;

U n o valor da tenso de ordem harmnica

U 1 o valor da tenso fundamental.

Distores Harmnicas Totais de Corrente (DHTI) podem tambm ser calculadas, conforme equao 3.

2 In n =2 DHTI = I1
Em que:

(3)

I n o valor da corrente de ordem harmnica n;

I1 o valor da corrente fundamental.

2.2. Redes Neurais Redes Neurais Artificiais so tcnicas computacionais que apresentam um modelo matemtico inspirado na estrutura neural de organismos inteligentes e que adquirem conhecimento atravs da experincia. Uma RNA caracterizada pela sua topologia que determina o padro de conexo entre os neurnios; pelo seu treinamento que ajusta os pesos e conexes dos neurnios; e pela sua funo de ativao que responsvel pelo processamento do conjunto de informaes recebidas e pela sada do neurnio [12]. As RNAs so capazes de reconhecer e classificar padres, resolver problemas complexos, realizar processos indutivos e dedutivos, entre outros. Atualmente, as RNAs vm sendo aplicadas em diversas reas, obtendo bons resultados, como no mapeamento de distores harmnicas como apresentam as referncias [13, 14, 15, 16, 17]. O modelo matemtico que descreve o comportamento do neurnio artificial expresso pela equao 4[18].

v = V0 + V1sen( t + 1) + V2sen(2 t + 2 ) + + V3sen(3 t + 3 ) + + Vnsen(n t + n )

Em que: (1)

v o valor instantneo em qualquer instante t. V0 o valor mdio. V1 o valor mximo da componente

fundamental. V2 o valor mximo da componente de segundo harmnico. V3 o valor mximo da componente de terceiro harmnico. Vn o valor mximo da componente de nsimo harmnico. n define a referncia angular relativa. = 2f, onde f a freqncia da componente fundamental.

n y = g w i .xi + b i =1
Em que:

(4)

xi a i-sima entrada do neurnio.

Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications Serra Negra, SP - ISSN 2178-3667

399

n o nmero de entradas do neurnio. wi o peso associado com a i-sima. b o limiar associado ao neurnio. g(.) a funo de ativao do neurnio. y a sada do neurnio.

2.2.2. Treinamento das Redes Neurais Uma das principais caractersticas das RNA sua capacidade de aprender a partir de seu ambiente, e em seguida generalizar solues. O conhecimento contido na rede est representado na sua estrutura e nos pesos sinpticos das conexes entre os neurnios. Deste modo, ao se modificar os pesos, pode-se atualizar o conhecimento contido, induzindo a adaptao do sistema. Este processo de modificao dos pesos das conexes denominado treinamento. O treinamento pode ser classificado como supervisionado e no-supervisionado. No treinamento supervisionado necessrio que a rede disponha de pares de conjuntos de entradas e de sadas desejadas, por isso preciso auxlio de um supervisor externo para que a rede seja treinada. No treinamento no supervisionado preciso apenas do conjunto de entradas e assim a rede desenvolve a habilidade de formar representaes internas para codificar caractersticas de entrada e criar sadas automaticamente. Pela capacidade de se auto-organizar este treinamento no precisa de um supervisor. 2.2.3. Funo de ativao As funes de ativao exercem papel fundamental no tratamento dos dados pela RNA, ativando ou no a sada, dependendo da soma ponderada das suas entradas, ou seja, so as funes de ativao que definem quais entradas so significativas para determinado tipo de treinamento. 2.3. Medidores de Energia A medio da energia eltrica empregada, na prtica, para possibilitar empresa fornecedora o faturamento adequado da quantidade de energia eltrica consumida por cada usurio, dentro de uma tarifa estabelecida. Atualmente o medidor o do tipo de induo devido sua simplicidade, robustez, exatido e desempenho ao longo dos anos. Os medidores utilizados em corrente alternada monofsica e polifsica so instrumentos que baseiam o seu funcionamento no princpio da induo eletromagntica e, nesse particular, assemelham-se aos motores eltricos de induo [19]. 2.4. Metodologia Para o desenvolvimento deste trabalho, foram realizados 24 ensaios em medidores de energia, sendo que as formas de ondas de tenso e de corrente e as distores harmnicas aplicadas foram obtidas a partir de cargas reais de uma distribuidora de energia. Os materiais utilizados nos ensaios foram: Gerador trifsico de distoro harmnica de corrente e de tenso. Medidor eletrnico trifsico padro. Medidor eletrnico trifsico sob ensaio com classe de preciso de 0,5 %.

Deste modo, um neurnio artificial opera da seguinte forma: sinais so apresentados entrada; cada sinal multiplicado por um peso que indica sua influncia na sada da unidade; feita a soma ponderada dos sinais, atravs da funo de ativao, produzindo um nvel de ativao; e caso este nvel de atividade exceda certo limite, ento a unidade produz uma sada. A Figura 1 ilustra um neurnio artificial.

Fig. 1. Esquema do neurnio artificial.

2.2.1. Topologias das Redes Neurais A escolha da topologia de rede um fator importante na utilizao das redes neurais. A modelagem da topologia da rede est diretamente ligada configurao das interligaes entre os neurnios. A topologia tambm est intimamente ligada ao algoritmo de treinamento. A estrutura de uma RNA, basicamente, se divide em trs partes, conforme Figura 2: as informaes so recebidas pela camada de entrada, processadas pelas camadas intermedirias e apresentadas pela camada de sada.

Fig.2. Esquema de organizao da rede em camadas.

So

destacadas

duas

topologias:

feedforward

recorrentes.

Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications Serra Negra, SP - ISSN 2178-3667

400

Inteligncia Computacional Aplicada na Identificao e Classificao de Problemas de Medio de Energia Eltrica Andr N. S., Lucas I. P., Maria G. Z., Pedro C. Jr., Joo P. P., Danilo S. G.

As formas de onda, bem como as suas distores harmnicas, aplicadas nos medidores de energia foram obtidas a partir de cargas reais de uma distribuidora de energia. O circuito bsico para a realizao dos ensaios est ilustrado a seguir na Figura 3.

Fig. 3. Circuito base de ensaio.

Do circuito, observa-se que o gerador de distoro harmnica est em paralelo com o medidor padro e com o medidor sob ensaio. Desta forma, o gerador forneceu as formas de ondas distorcidas e as medies realizadas pelo medidor sob ensaio foram comparadas com as realizadas pelo medidor padro. 2.4.1. Banco de Dados Os valores nominais de tenso aplicados aos medidores foram padronizados em 127 V (eficaz) e para a corrente foram determinadas trs classes nominais: 1,5 A, 15 A e 25 A (eficaz). Foram aplicadas diversas distores harmnicas de tenso e de corrente, desta forma, observaram-se diferenas de leituras dos medidores. A Tabela 1 apresenta essas medies para cada valor de tenso, corrente e distoro harmnica aplicados. A Tabela 2 mostra os erros referentes a cada medio visto na Tabela 1.
Tabela 1. Leitura dos valores de tenso, corrente e distores harmnicas (DHTV e DHTI). Tenso DHTV Corrente DHTI Classe Ensaio (V) (%) (A) (%) 1 126,80 4,13 1,42 21,96 2 126,81 4,66 1,44 35,01 3 126,80 4,51 1,50 18,32 4 126,76 4,38 1,46 22,29 1 5 126,83 7,14 1,17 111,15 6 126,81 7,14 1,13 111,15 7 126,84 8,09 1,30 113,93 8 126,84 27,95 1,48 27,95 9 126,96 4,13 15,60 21,96 10 126,93 4,66 15,36 35,01 11 126,92 4,51 15,54 18,32 12 126,92 4,38 15,57 22,29 2 13 126,88 7,14 11,66 111,15 14 126,92 7,14 11,65 111,15 15 126,86 8,09 13,71 113,93 16 126,99 27,95 15,42 27,95 17 126,92 4,13 23,91 21,96 18 126,95 4,66 23,57 35,01 19 126,94 4,51 23,85 18,32 20 126,89 4,38 23,92 22,29 3 21 126,85 7,14 17,84 111,15 22 126,88 7,14 17,81 111,15 23 126,86 8,09 21,00 113,93 24 126,94 27,95 23,34 27,95

Tabela 2. Leitura dos medidores e o erro referente a cada medio. Medidor Medidor Erro Ensaiado Padro Classe Ensaio (%) (Wh) (Wh) 1 44,00 45,07 2,37 2 40,67 41,49 1,98 3 45,33 45,77 0,96 4 44,67 44,89 0,49 1 5 26,00 26,30 1,14 6 22,00 22,44 1,96 7 26,67 27,28 2,24 8 46,67 47,68 2,12 9 478,67 481,23 0,53 10 438,67 440,61 0,44 11 481,33 483,29 0,41 12 475,33 478,64 0,69 2 13 260,67 267,30 2,48 14 224,00 229,73 2,49 15 280,00 281,98 0,70 16 490,00 489,61 - 0,08 17 734,67 738,08 0,46 18 673,33 676,19 0,42 19 738,67 741,81 0,42 20 730,67 734,65 0,54 3 21 406,67 408,91 0,55 22 348,67 351,54 0,82 23 430,00 431,92 0,44 24 749,33 752,99 0,49

As Tabelas 1 e 2 foram divididas por classes de amplitudes de correntes, sendo que cada classe envolve 8 ensaios. A Classe 1 se refere aos ensaios cujas correntes nominais so de 1,5 A, a Classe 2 se refere aos ensaios cujas correntes nominais so de 15 A e a Classe 3 se refere aos ensaios cujas correntes nominais so de 25 A. A partir da Tabela 1, observa-se que os valores experimentais de tenso e de corrente aplicados aos medidores, como esperado, so abaixo dos seus respectivos valores nominais (127V pra tenso e 1,5, 15 e 25 para as correntes e suas respectivas Classes 1, 2, 3). Nos resultados dos ensaios realizados observam-se erros de medio, sendo que na Classe 1 apenas o quarto ensaio apresenta erro de medio dentro da classe de preciso do medidor sob ensaio, nos ensaios restantes os erros esto acima de 0,5%; na Classe 2, trs ensaios apresentaram erro dentro de 0,5% (Ensaios 10,11 e 16) e outros ensaios desta classe obtiveram erro acima da classe de preciso do medidor; e, finalmente, na Classe 3, cinco ensaios apresentaram erro dentro de 0,5% (Ensaios 17, 18, 19, 23 e 24) e o restante apresentaram erro acima de 0,5%. As medies realizadas que apresentam erro dentro da classe de preciso do medidor sob ensaio, indicam que esse medidor ensaiado capaz de aferir a energia consumida com a mesma confiabilidade do medidor padro para as mesmas condies de corrente, tenso e distores harmnicas. Entretanto, para o desenvolvimento da arquitetura neural, sero considerados todos os erros expostos anteriormente para que a RNA mapeie o comportamento correto da medio de energia. Os dados apresentados foram utilizados para o desenvolvimento da RNA, desta forma, foram definidas as entradas e a sada da arquitetura neural. As entradas da RNA so os valores de tenso, distoro harmnica de tenso (DHTV), corrente e distoro harmnica de corrente (DHTI). E a sada da arquitetura o valor real da medio. No treinamento da RNA foram utilizados 20 ensaios aleatrios. Este treinamento foi classificado como

Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications Serra Negra, SP - ISSN 2178-3667

401

supervisionado j que se tm os dados de entrada e as sadas desejadas. As sadas apresentadas no treinamento da arquitetura so os valores de medio que so aferidos pelo medidor padro (valor real). No treinamento da RNA, o processo s finalizado quando um nvel aceitvel de erro atingido, aps essa fase inicia-se a validao da arquitetura neural. A validao feita por simulaes da rede utilizando novos dados, diferentes daqueles do treinamento. Para esta finalidade, no presente trabalho, foram utilizados os 4 ensaios restantes. A RNA, depois de treinada e validada, capaz de mapear o real comportamento da medio na presena de distores harmnicas e, comparando com o valor apresentado pelo medidor sob ensaio, possvel analisar os erros de medio. Essa fase denominada aplicao da arquitetura neural e consiste no objetivo desta pesquisa. Esquematicamente, conforme Figura 4:

Destacam-se trs arquiteturas: RNA com 7 neurnios para 300 pocas (erro mdio de 1,74%), RNA com 10 neurnios para 200 pocas (erro mdio de 1,92 %) e RNA com 12 neurnios para 100 pocas (erro mdio de 1,93%). Entre as arquiteturas destacadas a RNA com 7 neurnios na camada intermediria para 300 pocas de treinamento obteve o menor erro mdio (1,74 %) entre todas as arquiteturas implementadas. Est arquitetura tem seus resultados detalhados na simulao apresentada na Tabela 4.
Tabela 4. Valores reais da medio, valores obtidos a partir da RNA e os respectivos erros. Valores Reais Erro (%) Valores RNA (Wh) 03 (Wh) Ensaio 01 Ensaio 02 Ensaio 03 Ensaio 04 44,89 45,77 741,81 351,54 45,61 45,54 726,75 361,48 1,59 0,51 2,03 2,83

Fig. 4. Esquema da proposta do Projeto.

3. RESULTADOS E DISCUSSES Arquiteturas neurais foram implementadas alterando-se o nmero de neurnios na camada intermediria e o nmero de pocas de treinamento. A seguir apresentado o desempenho dessas arquiteturas. Para definir qual das arquiteturas se destacou neste trabalho foram tomados como referncia os erros entre as sadas desejadas (valores reais de medio) e as obtidas na simulao da RNA (valores de medio obtido da arquitetura). Estes erros para diferentes nmeros de neurnios na camada intermediria e para 100, 200 e 300 pocas esto expostos na Tabela 3.
Tabela 3. Erro mdio de cada arquitetura para 100, 200 e 300 pocas. Erro Mdio Neurnios pocas (%) 100 5,38 7 200 7,65 300 1,74 100 8,93 9 200 7,89 300 7,86 100 2,45 10 200 1,92 300 3,06 100 1,93 12 200 6,68 300 5,74

Os resultados obtidos pela RNA so considerados satisfatrios, pois perante a quantidade de dados e a complexidade do tema, a arquitetura conseguiu mapear com erro reduzido o comportamento da medio com distores harmnicas. Desta forma, comparando o valor apresentado pela arquitetura e a leitura do medidor sob ensaio, possvel analisar os erros de medio devido s distores harmnicas. A RNA com 7 neurnios ilustrada na Figura 5.

Fig. 5: RNA desenvolvida.

Os ensaios realizados nesta pesquisa apresentaram erros de medio devido s distores harmnicas como pode ser observado nas Tabelas 1 e 2. Conforme a referncia [22] e diferentemente a referncia [21], nem todas as leituras de medio estavam dentro da faixa de preciso do medidor

Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications Serra Negra, SP - ISSN 2178-3667

402

Inteligncia Computacional Aplicada na Identificao e Classificao de Problemas de Medio de Energia Eltrica Andr N. S., Lucas I. P., Maria G. Z., Pedro C. Jr., Joo P. P., Danilo S. G.

sob ensaio. Essa diferena de resultados pode ser devido ao espectro de harmnicas considerado e as cargas dos consumidores analisados em cada pesquisa. Analisando os resultados da RNA, observa-se a influncia das distores harmnicas total de tenso e de corrente (DHTV e DHTI - entradas da arquitetura neural) na medio de energia, como verificado nas referncias [20] e [22]. Em [20] e [22] faz-se um estudo considerando o fator de potncia da carga, este um parmetro que pode ser incrementado a esta pesquisa. Em [22] ainda considera-se a influncia do equilbrio do sistema outro parmetro que pode ser adicionado, objetivando uma melhora nos resultados obtidos. Os resultados obtidos nesta pesquisa confirmam a capacidade das redes neurais artificiais em mapear componentes harmnicas e apontam como um complemento para tornar mais eficaz o processo de medio de energia em ambientes repletos de contedo harmnico. Essa comparao entre pesquisas importante, pois permitir verificar as congruncias dos resultados desta pesquisa com estudos na rea e, tambm, analisar adaptaes a este estudo. 3.1. Interface Grfica Nesta pesquisa, foram utilizadas algumas interfaces disponveis em Matlab para: Treinamento/Validao e Aplicao (Figura 6).

Fig.7. Arquivo Gerado com os Erros de Medio.

O objetivo dessas interfaces mostrar a evoluo do treinamento e a simulao de diversas arquiteturas a partir das interfaces de Treinamento/Validao e, aps resultados satisfatrios no mapeamento (Figura 7), iniciou-se a aplicao das melhores arquiteturas com as interfaces de Aplicao. 4. CONCLUSO A evoluo dos resultados e o aprimoramento do programa (desenvolvimento da interface grfica) indicam que a metodologia proposta, o desenvolvimento de sistemas inteligentes dentro da perspectiva de avaliar o efeito do contedo harmnico no processo de medio de energia eltrica, atingiu seus objetivos e mostra que essa tcnica deve continuar a ser explorada. Desenvolveu-se uma interface especfica para o problema usando MatLab e implementou-se algumas arquiteturas neurais. Nesse sentido, bancos de dados puderam ser analisados e novas variveis de entradas podero ser incorporadas (como o fator de potncia) e novas arquiteturas podem ser implementadas, buscando sempre a melhoria da rede para que o comportamento da medio de energia em ambientes repletos de contedo harmnico seja cada vez mais aperfeioado. AGRADECIMENTOS Agradecemos FAPESP pelo incentivo e apoio financeiro para a realizao deste trabalho. REFERNCIAS [1] O. D. Filho, Um Algoritmo para Deteco, Localizao e Classificao de Distrbios na Qualidade da Energia Eltrica Utilizando a Transformada Wavelet, Tese (Doutorado) - Curso de Engenharia Eltrica, Departamento de Engenharia Eltrica, Universidade de So Paulo, So Carlos, 2007. [2] J. Arrilaga, B. C. Smith, N. R. Watson, A. R. Wood, Power System Harmonic Analysis, John Wiley e Sons, New Zealand, 2000. [3] R. N, Bracewell, The Fourier Transform and its Application, New York, McGraw- Hill, 1986. [4] R. C. Dugan, M.F. McGranaghan, H.W. Beaty. Electrical Power Systems Quality, McGraw-Hill, United States, 1996. [5] W. D. Stevenson, Elementos de Anlise de Sistemas de Potncia, Rio de Janeiro - RJ: McGraw Hill do Brasil, 1978. [6] ANEEL Agncia Nacional de Energia Eltrica:

Fig.6. Interface de Treinamento do MatLab.

Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications Serra Negra, SP - ISSN 2178-3667

403

Procedimentos de Distribuio de Energia Eltrica PRODIST. Mdulo 8 Qualidade da Energia, maro/2006. [7] S. Haykin, Neural Networks A Comprehensive Foundation, New York: MacMillan, 1994. [8] C. Bishop, Neural Networks for Pattern Recognition, Oxford University Press, 1995. [9] D. M. McNamara, A. K. Ziarani, T. H. Ortmeyer, A New Technique of Measurement of Nonstationary Harmonics, IEEE Trans. On Power Delivery, Vol. 22, no. 1, pp. 387-395, Jan. 2007. [10] R. C. Dugan, et al, Electrical Power Systems Quality, 2a. Edio, McGraw-Hill Professional, 2002. [11] C. W. Lander. Eletrnica industrial: teoria e aplicaes, 2a. Edio, So Paulo: Makron Books, 1997. [12] N. A. Eller, Arquitetura de Informao para o Gerenciamento de Perdas Comerciais de Energia Eltrica, Tese (Doutorado) - Curso de Engenharia de Produo, Departamento de Engenharia de Produo e Sistemas, Universidade Federal de Santa Catarina, Florianpolis, 2003. [13] W. R. A. Ibrahim, et al, Artificial Intelligence and Advanced Mathematical Tools for Power quality Applications: A Survey, IEEE Transactions on Power Delivery, Vol. 17, n 2, 1996. [14] W. W. L. Keerthipala, L. T. Chong, Artificial Neural Network Model for Analysis of Power System Harmonics, Proceedings IEEE International Conference on Neural Networks, Vol. 2, n 27, p. 905-910, 1995. [15] A. Zouidi, et al, Artificial Neural Networks as Harmonic Detectors, Conference on IEEE Industrial Electronics, pp. 2889-2892, 2006. [16] N. Pecharin, H. Mitsul, Harmonic Detection by Using Neural Network, Proceedings IEEE International Conference on Neural networks, Vol. 2, p. 923-926, 1995. [17] P. K. Dash, D. P. Swain, A. C. Liew, An Adaptive Linear Combiner for on-line Tracking of Power System Harmonics, IEEE Transactions on Power Systems, Vol. 11, n 4, pp. 1730-1735, 1996. [18] S. Haykin, Redes Neurais: Princpios e Prtica, 2a. Edio, Porto Alegre: Bookman, 2001. [19] S. R. Krug, Aplicao do Mtodo de Design Macroergonmico no Projeto de Postos de Trabalho: Estudo de Caso de Posto de Prcalibrao de Medidores de Energia Monofsicos, Porto Alegre, 2000, 197f. Dissertao (Mestrado Profissionalizante em Engenharia de Produo) Universidade Federal do Rio Grande do Sul. [20] M. M. Saied, On the Accuracy of Watt-Hour Meters in Nonsinusoidal Environment, Proceedings IEEE International Conference, Vol. 3, p. 2219-2225, 1995. [21] L. Siqueira, et al, Efeito das Distores

Harmnicas nas Medies de Energia Eltrica, In: SBQEE, Braslia, Anais, pp.34-39, Aneel, 1999. [22] L. N. Velasco, Anlise Experimental de Erros de Medio de Energia Eltrica Ativa em Medidores Eletromagnticos Tipo Induo, Sujeitos a Distores Harmnicas de Correntes e Tenses, em Sistemas Equilibrados e Desequilibrados, Dissertao (Mestrado) Curso de Engenharia Eltrica, Departamento de Engenharia Eltrica, Universidade Estadual Paulista, Ilha Solteira, 2007.

Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications Serra Negra, SP - ISSN 2178-3667

404