3380

Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.

ISBN: 978-85-8001-069-5
DETECO E CLASSIFICAO DE DISTRBIOS DE TENSO EM SISTEMAS DE DISTRIBUIO
DE ENERGIA ELTRICA UTILIZANDO SISTEMAS IMUNOLGICOS ARTIFICIAIS
FERNANDO P. A. LIMA, ANA C. BARROS, CARLOS R. MINUSSI

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
E-mails: engfernandoparra@gmail.com, anaclaudiamuru@gmail.com,
minussi@dee.feis.unesp.br

Abstract This article describes a computational tool for the detection and classification 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. Two
distribution systems are used to evaluate the proposed methodology and a system test and another 33 bars a real system of 134
bars.
Keywords Detection of voltage disturbances, Artificial Immune Systems, Negative Selection Algorithm, distribution systems
of electric power.
Resumo Neste artigo apresenta-se uma ferramenta computacional para deteco e classificao 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. Dois sistemas de distribuio so utilizados para avaliar o desempenho da metodologia
proposta, sendo um sistema teste de 33 barras e outro um sistema real de 134 barras.
Palavras-chave Deteco de distrbios de tenso, Sistemas Imunolgicos Artificiais, Algoritmo de Seleo Negativa,
Sistemas de distribuio de energia eltrica.
1 Introduo
Grandes investimentos tm sido aplicados
visando modernizar a automao dos sistemas de
distribuio de energia eltrica. Neste contexto, duas
modalidades de tecnologias vm se destacando, a
tecnologia digital e a tecnologia da informao. A
primeira se refere ao uso de componentes
semicondutores de alta velocidade, em sistemas de
comunicao, controle proteo, entre outras funes
(Kezunovic e Abur, 2005). A segunda compreende
um grande conjunto de procedimentos de
processamento e anlise de sinais (oscilografias, bem
como outras informaes como configurao do
sistema, etc.).
Um sistema de distribuio de energia moderno ter
de satisfazer mltiplos objetivos, incluindo a
melhoria da confiabilidade, eficincia e segurana do
sistema. Tendo como base esta perspectiva,
necessrio que se desenvolva sistemas integrados que
tenham a capacidade de combinao de vrias
tcnicas como: aquisio de sinais, processamento e
anlise de dados, com o objetivo de proporcionar a
assistncia necessria para realizar a automao,
controle e tomada de deciso no ambiente de
distribuio de energia eltrica. (Decanini, 2008;
Northcote-Green e Wilson, 2007).
A necessidade dessas melhorias est relacionada
diretamente ao produto energia, que diferente de
outros, no pode ser armazenado. A produo, assim
como o consumo acontece ao mesmo tempo. Dessa
forma, o mercado de energia eltrica se torna cada
vez mais exigente quanto continuidade e qualidade
deste produto, pois a energia um fator fundamental
para os consumidores. Por causa estes fatores, torna-
se essencial o uso de ferramentas de apoio operao
do sistema. Neste contexto, destacam-se algumas
tcnicas disponibilizadas na literatura especializadas.
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 diagnstico de falhas em
sistemas de distribuio de energia eltrica, onde as
3381
Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.
ISBN: 978-85-8001-069-5
tcnicas de inteligncia artificial (IA), adequam-se
bem ao diagnstico de falhas por causa da 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) os algoritmos genticos (Wen e Chang, 1997)
e a busca tabu (Chang e Wen, 1998). A aplicao de
outros mtodos, tais como redes de Petri (Lo et al.,
1997), e Sistemas Imunolgicos Artificiais (SIA)
tambm so encontrados na literatura (Carvalho et
al., 2009; Machado e Alves, 2010) .
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
deteco e classificao 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 de
energia eltrica, sendo um de 33 e o outro de 134
barras.
2 Algoritmo de Seleo Negativa (ASN)
O algoritmo de seleo negativa, 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
apresentado a seguir (de Castro, 2011):
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 do Censoriamento do ASN.
Conjunto de
Detectores (R)
Cadeias
Protegidas (S)
Casou ?
(Match)
No-prprio
detectado
SIM
NO

Figura 2. Fluxograma do Monitoramento do ASN.
A ideia base do ASN consiste-se 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.
3 Distrbios de Tenso
Os sistemas de distribuio de energia eltrica
so susceptveis a falhas decorrentes do mau
funcionamento de equipamentos, contatos de animais
s partes energizadas, queimadas, fenmenos
naturais, entre outros. Estes distrbios podem causar
a interrupo do fornecimento de energia ou afetar
diretamente na qualidade da energia, introduzindo
harmnicos na rede, degradando os ndices de
qualidade de fornecimento de energia eltrica das
concessionrias e elevando seus custos operacionais.
Na questo da qualidade de energia, os distrbios de
tenso correspondem a um dos conjuntos de
distrbios mais graves, em consequncia do seu
efeito prejudicial sobre equipamentos ligados rede.
Os distrbios de tenso so caracterizados por
apresentarem variaes de curta durao no valor da
tenso a partir do valor nominal. Dependendo da
magnitude da variao, podem ser classificados como
3382
Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.
ISBN: 978-85-8001-069-5
elevaes/afundamentos, interrupes, e dependendo
de sua durao que pode ser instantnea,
momentnea ou temporria (Decanini et al., 2011).
Estes distrbios podem causar interferncias nos
sistemas de comunicao, medies imprecisas,
superaquecimento de condutores e atuao indevida
de rels, comprometendo assim os consumidores e as
empresas de distribuio de energia.
Para exemplificar, as figura 3, 4 e 5 apresentam o
comportamento do sinal de tenso para alguns
distrbios. Estas formas de onda foram obtidas por
simulaes realizadas no software EMTP (EMTP-
RV, 2011).

Figura 3. Oscilografia de tenso para afundamento na fase A.

Figura 4. Oscilografia de tenso para elevao na fase A.

Figura 5. Oscilografia de tenso para harmnico na fase A.
3.1 Simulaes dos Distrbios
As concessionrias e os centros de pesquisas, na
maioria das vezes, no possuem um conjunto de
dados slidos do sistema de distribuio de energia
eltrica, sob o efeito das perturbaes. Assim pela
falta de registros, necessria a modelagem de
sistemas testes, nos quais possam ser simulados estes
eventos (distrbios de tenso, curtos-circuitos, entre
outros), fornecendo dados a serem utilizados na
avaliao das metodologias contribuindo para a
automao das subestaes de energia eltrica.
Neste contexto, utilizando o software EMTP, foram
modelados os 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. O tempo de simulao foi de
200 ms.
Para as simulaes de distrbios de tenso foi
utilizado o modelo terico proposto por Abdel-Galil
et al. (2004) apresentado nas Tabelas 1 e 2, onde
tem-se as equaes utilizadas e os parmetros.

Tabela 1. Equaes utilizadas para modelagem dos distrbios.
Distrbio Equaes
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
<
=

>

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
<
=

>

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
<
=

>

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
+ | |
= |
|
+ +
\ .

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
<
=

>

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
<
=

>

Transitrio
oscilatrio
( ) ( )
( )
( ) ( ) ( )
1
1
t t
tr
v t A sen t be sen t t

e e

= +


No total foram feitas 1248 simulaes, sendo 624
simulaes para cada sistema eltrico. As simulaes
foram realizadas considerando a fase na qual o
distrbio ocorria, os carregamentos do sistema de
50% at 120% e os parmetros, conforme a tabela 2.
Apresentam-se na tabela 3 o nmero de simulaes
para cada tipo de distrbio de tenso simulado para
os sistemas testados.








3383
Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.
ISBN: 978-85-8001-069-5
Tabela 2. Parmetros utilizados para modelagem dos distrbios.
Distrbio Equaes
Swell
0 1 0 8 , , o s s

1 2
12 T t t T s s

Sag
0,1 0,9 o s s

1 2
T t t 12T s s

Outage
0 9 1 , o s s
1 2
12 T t t T s s

Harmnico
1
1 o =

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

Swell com
Harmnico
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 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
2 2 b s s
50 100 s s

500 Hz 1500 Hz
tr
f s s


Tabela 3. Quantidade de simulaes de distrbios de tenso
realizadas no software ATP para cada sistema.
Distrbio de Tenso Nmero de Simulaes
Swell 72
Sag 72
Outage 48
Harmnico 144
Swell com Harmnico 96
Sag com Harmnico 96
Transitrio Oscilatrio 96
Total 624
4 Metodologia Proposta
O algoritmo proposto foi escrito no ambiente
MATLAB (MATLAB, 2011). No algoritmo proposto
os elementos prprios so gerados a partir do
janelamento das oscilografias de tenses amostradas
nos alimentadores sem distrbios, isto em seu
funcionamento normal.
4.1 Gerao dos Detectores
Nesta fase, vetores de comprimento C candidatos a
detectores so gerados aleatoriamente a partir dos
dados simulados. Ento, so testados para verificar se
casam com algum vetor do conjunto P , que so
amostras dos tipos de distrbios. Assim geram-se os
pontos dos detectores onde cada ponto do vetor
candidato a detector gerado no intervalo de tenso
dos dados simulados, respeitando a tenso mxima de
pico para cada tipo de estado do sistema, em todo
carregamento do sistema. Se um casamento
encontrado o vetor aleatrio rejeitado. Caso
contrrio, aceito como detector no conjunto de
detectores D. Esse processo repetido at que um
nmero desejado de detectores seja obtido, para
todos os tipos de distrbios. 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.
As figuras 6 e 7 a seguir ilustram os pontos
detectores gerados para a tenso normal do sistema e
para um transitrio oscilatrio.


Figura 6. Representao dos pontos detectores.


Figura 7. Representao dos pontos detectores.
4.2 Monitoramento dos dados
Nesta fase, verifica-se continuamente, atravs do
janelamento dos dados, se os detectores D casam
com R, onde R uma cadeia de Comprimento C que
representa um elemento qualquer encontrado no
sistema em um determinado instante. Se qualquer
detector, em algum determinado tempo, casar com
um vetor R, ento uma mudana em R ocorreu. No
algoritmo proposto, o vetor R representa a janela da
tenso capturada em tempo real na subestao. Nesta
etapa, so capturadas as janelas de tenso para cada
fase e comparadas com o seu respectivo grupo de
detectores. Quando os detectores so acionados em
uma determinada janela de dados, caracteriza-se que
3384
Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.
ISBN: 978-85-8001-069-5
um distrbio ocorreu e este classificado com base
nos detectores que foram acionados nas fases.
4.3 Aquisio e processamento dos dados
Os dados do sistema que so capturados pelo
algoritmo proposto correspondem s amostras das
oscilografias de tenso medidas na subestao (via
sistema de aquisio de dados (SCADA) (Wylie and
Pleydell, 2008)). Essa captura ocorre em dois
momentos: na gerao dos elementos prprios, que
ocorre de modo off-line, onde o sistema no poder
estar submetido a distrbios, e na fase de
monitoramento (monitoramento do erro), onde a
captura feita em tempo real.
Utilizou-se uma taxa de amostragem de 15,36 kHz e
a janela de tempo de um ciclo, que corresponde a um
vetor de 256 posies. Os dados foram simulados no
EMTP e so utilizados duas vezes, uma vez na
gerao dos detectores e outra vez para teste do
sistema.
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 sistemas de distribuio de energia
eltrica de 33 barras e 134 barras, cujos dados de
linha e de carga so encontrados em (Baran e Wu,
1989; Decanini et al., 2011).
5.1 Sistema de 33 Barras
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.
Apresentam-se na tabela 4 os resultados obtidos na
deteco e classificao dos distrbios de tenso para
o sistema de 33 barras.

Tabela 4. Resultados para o sistema de 33 Barras.
Diagnstico Padres testados Acerto (%)
Swell 72 100,00
Sag 72 96,50
Outage 48 100,00
Harmnico 144 100,00
Swell com
Harmnico
96 100,00
Sag com
Harmnico
96 97,00
Transitrio
Oscilatrio
96 100,00
Total 624 99,00

5.2 Sistema de 134 Barras
Este 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. Apresentam-se na tabela 5 os
resultados obtidos na deteco e classificao dos
distrbios de tenso para o sistema de 134 barras
(LaPSEE, 2011).

Tabela 5. Resultados para o sistema de 134 Barras.
Diagnstico Padres testados Acerto (%)
Swell 72 100,00
Sag 72 93,50
Outage 48 100,00
Harmnico 144 100,00
Swell com
Harmnico
96 100,00
Sag com
Harmnico
96 92,00
Transitrio
Oscilatrio
96 100,00
Total 624 97,92

As figuras 8 e 9 ilustram os sistemas de 33 e 134
barras simulados.


Figura 8. Sistema de 33 Barras.
3385
Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.
ISBN: 978-85-8001-069-5
Figura 9. Sistema de 134 Barras.
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.
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, superior a 98,46% em mdia em todos os
dados simulados dos dois sistemas testes
apresentados. A fase de Censoriamento a que
demanda maior tempo computacional, mas como
executada de forma off-line no acarreta 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 clonal, 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 e CNPq 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 Bibliogrficas
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.
3386
Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.
ISBN: 978-85-8001-069-5
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.
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.
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.
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.
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 (Eletromagnetic 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). 7.8 Version, 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.
Machado, R. C. e Alves, H. N. Algoritmo baseado
em sistemas imunolgicos para deteco e
classificao de faltas em alimentadores de
distribuio de energia eltrica. CBA
Congresso Brasileiro de Automtica, Bonito
MS, 2010.
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.
3387
Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.
ISBN: 978-85-8001-069-5
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.
Wylie, M. and Pleydell, M. Network Management
Data Acquisition and Analysis, Road Transport
Information and Control RTIC 2008, United
Kingdom, 20-22 May 2008, pp. 1-3.
Zadeh, L. A. Fuzzy sets. Information and Control,
Maryland Heights, v. 8, n. 3, p. 338353, 1965.