Resumo-- A alta confiabilidade e as preocupaes ambientais
atingidas pela rede subterrnea vm tornando-a cada vez mais discutida em mbito mundial e acredita-se que seja a forma de distribuio de energia mais adequada para o futuro. Contudo, o alto investimento de instalao, a deteco e o tempo de reparo de um problema muito exaustivo e exige recursos humanos capacitados. Neste contexto, a proposta deste trabalho consiste em integrar o software PSCAD/EMTDC e ferramentas inteligentes para auxiliar na localizao de faltas em cabos de redes subterrneas de distribuio de energia, diminuindo o tempo de restaurao na ocorrncia de um problema.
Palavras-chave Localizao de faltas, redes neurais artificiais, sistemas subterrneos. I. INTRODUO ISTEMAS subterrneos de distribuio de energia eltrica tm sido amplamente empregados devido confiabilidade, preocupao ambiental, menor incidncia de acidentes e tambm menor poluio visual. Mas todos os sistemas so passiveis defeitos, assim, uma correta identificao da falta em um trecho do circuito necessria para reduzir o tempo de interrupo usado na manuteno e correo do problema. A forma convencional de detectar a falta exige uma pesquisa exaustiva em grande escala, consumindo muito tempo e recursos humanos. Assim, o tempo de restaurao pode variar dependendo da confiabilidade da informao da interrupo no fornecimento de energia. Desta forma, desenvolver uma tcnica eficiente para localizar a falta pode melhorar a confiabilidade do sistema [1]. A localizao da falta em um segmento de um sistema de cabos subterrneos exige aspectos mais amplos de reflexo e anlise. Ao contrrio das linhas areas, os cabos subterrneos
Este trabalho est sendo financiado pela FAPESP e pelo CNPq. D. S. Gastaldello e A. N. Souza pertencemao Departamento de Engenharia Eltrica da FEB-UNESP/Bauru (e-mails:, danilosinkiti@hotmail.com e andrejau@feb.unesp.br). H. L. M. do Amaral e M. G. Zago pertencem FATEC/Bauru (email: agaelema@globo.come mgzago@uol.com.br) C. C. O. Ramos pertence ao Departamento de Engenharia Eltrica da Universidade de So Paulo - USP, So Paulo, SP, Brasil (e-mail: caioramos@gmail.com)
tm como caractersticas: indutncias menores e capacitncias maiores. A anlise torna-se complicada quando vrios tipos de cabos subterrneos so usados e vrias topologias de circuito so aplicadas, como radial, em anel, ou reticulada. Para analisar tais sistemas e configuraes, impedncias e admitncias mtuas entre estes condutores devem ser consideradas no circuito analisado. Isto complica o aspecto analtico de identificao da falta no segmento [2]. Alm das caractersticas do sistema, outro fator que dificulta o estudo de sistemas subterrneos, o acesso da equipe tcnica aos cabos, uma vez que estes esto sob a terra, muitas vezes submersos em esgotos, e em tubulaes antigas. Alm disto, outra preocupao estes cabos estarem juntos, ou prximos de outros circuitos, como cabos de telecomunicaes e tubos de gs, o que causou recentemente alguns acidentes. A Fig. 1 apresenta de maneira ilustrativa situaes de instalao e manuteno em sistemas subterrneos, onde constata-se as dificuldades encontradas pelos tcnicos em trabalhar com os sistemas subterrneos.
Fig. 1. Instalao e manuteno emsistemas subterrneos.
Diante destas dificuldades de acesso s redes e tambm sua complexidade de anlise, este trabalho prope um estudo mediante simulaes com o software PSCAD/EMTDC D. S. Gastaldello, A. N. Souza, H. L. M. do Amaral, M. G. Zago e C. C. O. Ramos Estudos para Localizao de Faltas em Redes Subterrneas Integrando o Software PSCAD/EMTDC e Ferramentas Inteligentes S 2 (software de interface grfica que permite simular respostas transitrias de circuitos subterrneos) e a criao de redes neurais artificiais (RNA) para auxiliar na correta localizao de defeitos em sistemas subterrneos de distribuio de energia. Devido habilidade em aprender ou modificar seu comportamento em um contexto de aplicao, ou seja, a capacidade de aprender atravs de exemplos (dados de ensaio) e generalizar informaes aprendidas, as RNAs so ferramentas de ampla utilizao em mapeamento de dados e classificao de padres [3], e por isso, foram escolhidas para o desenvolvimento deste trabalho. II. METODOLOGIA Inicialmente foi realizado o levantamento dos principais trabalhos relacionados aos sistemas de distribuio subterrneos, visando identificar as principais tcnicas existentes para a localizao e identificao do tipo de falta, alm de fazer um levantamento histrico junto empresas de energia de quais os problemas mais correntes e em que tipo de circuito eles ocorrem. Com estas informaes, utilizou-se o software PSCAD/EMTDC para simular um modelo de circuito monofsico com falta da linha para a terra, uma vez que, segundo as concessionrias questionadas, este o tipo de circuito e o tipo de problema que so mais representativos. O modelo do circuito equivalente mostrado na Fig. 2 e apresenta duas sees, sendo a seo p do terminal de envio (fonte) ao ponto da falta e a seo q do ponto da falta at o terminal de recebimento (carga). A Fig. 3 apresenta o cabo estudado. O interior e exterior do condutor consiste em ncleo e isolamento, respectivamente. Os parmetros de configurao do cabo utilizados no estudo so apresentados na Tabela I. Nesta configurao, a impedncia do cabo extrada da simulao igual (0.761928087 x 10 -4 + j0.811309595 x 10 -3 ) e a admitncia igual (j0.146925120 x 10 -6 ) S.
Fig. 2. Modelo de umcircuito equivalente de umcabo subterrneo de seo simples.
Fig. 3. Cabo coaxial ncleo-blindagem.
TABELA I PARMETROS DE CONFIGURAO DO CABO.
A estimativa da distncia da falta baseada nas medies de tenso e corrente no terminal de envio e de recebimento, geradas pelo software PSCAD/EMTDC. Diversas simulaes foram realizadas com o software PSCAD, gerando dados que serviram de treinamento da rede neural artificial criada. Adotou-se a resistncia de falta com valor de R f = 0,1 , nas simulaes. Este parmetro, R f , a princpio no pode ser medido, e portanto, no deve ser considerado parmetro de entrada da rede, apesar da sua influncia nas tcnicas de localizao de faltas em sistemas subterrneos [4]. Assim sendo, as entradas escolhidas para a rede neural foram: comprimento do cabo; tenso no terminal de recebimento; corrente no terminal de envio; e corrente no terminal de recebimento. E a sada da rede : o local da falta. A Fig. 4 representa um diagrama da metodologia empregada neste trabalho.
Fig. 4. Diagrama da metodologia aplicada. A. Simulaes O circuito utilizado para as simulaes pode ser observado na Fig. 2. O software PSCAD/EMTC permite que se modifique as variveis: comprimento do cabo, local da falta, Parmetros do cabo Valores Resistividade do ncleo 1.68 x 10 -8 . m Permeabilidade para o ncleo e isolamento 1.0 Permissividade para o isolamento 4.1 3 resistncia de falta, tenso de entrada, etc. Assim, criou-se atravs de simulaes um banco de dados inicial para se poder criar uma rede neural. Foram simulados diversos comprimentos de cabos (de 500m at 4km de comprimento) e diversas posies de local de falta. A Tabela II mostra uma parte do banco de dados criado pelas simulaes. Estes dados sero utilizados para treinar e validar a rede criada.
TABELA II ALGUNS DADOS DE SIMULAO. Comprimento do cabo (m) Tenso de Recebimento (kV) Corrente de Envio (A) Corrente de Recebimento (A) Local da Falta (m) 500 12,726248 127,294051 0,035018 100 500 11,285784 112,885777 0,031128 200 750 8,235749 82,377631 0,022635 300 750 6,418809 64,203520 0,017683 400 1.000 3,816486 38,208462 0,010527 700 1.000 3,346506 33,552481 0,009284 800 2.000 4,417634 44,186408 0,011883 600 2.500 1,306233 12,999610 0,003577 2.100 2.500 1,243808 12,416432 0,003422 2.200 4.000 0,760742 7,657876 0,002092 3.600 4.000 0,737007 7,403552 0,002053 3.700
B. Redes Neurais Artificiais Para a topologia de RNA, foi escolhida a feedforward multicamadas, que se caracteriza por possuir uma ou mais camadas intermedirias onde o sinal da rede propagado em apenas um sentido, isto , nenhuma sada retorna a uma camada anterior. Este tipo de topologia geralmente aplicado no reconhecimento de padres e como aproximador universal de funes, uma vez que se podem aproximar funes no- lineares. Aps a construo do banco de dados, foi iniciado o desenvolvimento de uma rede neural artificial, que com base nos valores de entrada: comprimento do cabo, tenso de recebimento, corrente de envio e corrente de recebimento; geram na sada da rede o local da falta. O algoritmo Backpropagation ou Regra Delta Generalizada um algoritmo supervisionado de aprendizagem de uma determinada tarefa, durante a fase de treinamento de RNAs com multicamadas [5]. Existem diversos tipos de treinamento baseados no algoritmo Backpropagation, neste trabalho foram testados esses diferentes tipos de treinamento, para se determinar o que tinha melhor performance para estudar o problema de localizao de faltas. Alm dos diversos tipos de treinamento, as redes podem ser configuradas de formas diferentes, variando-se o nmero de camadas intermedirias e o nmero de neurnios. Aps algumas simulaes com uma camada intermediria e com duas camadas intermedirias, ficou evidenciado que as redes tiveram desempenho melhor para este problema quando configuradas com duas camadas. Portanto, foram realizados diversos testes com 200 pocas de treinamento e redes com duas camadas intermedirias com: 10 neurnios em cada camada; 10 neurnios na primeira e 20 neurnios na segunda camada; 20 neurnios na primeira e 10 neurnios na segunda camada; 5 neurnios na primeira e 15 neurnios na segunda camada; 15 neurnios na primeira e 5 neurnios na segunda camada. Foram testados os seguintes tipos de treinamento para cada uma das configuraes de neurnios descrita anterior [6]: Levenberg Marquargt (lm); Regulao Bayseana (br); BFGS Quasi-Newton (bfg); Resiliente (rp); Gradiente Conjugado Escalado (scg); Gradiente Conjugado com Powell-Beale (cgb); Gradiente Conjugado com Fletcher-Reeves (cgf); Gradiente Conjugado com Polak-Ribire (cgp); e Secante de um Passo (oss). Posteriormente foram escolhidas as melhores configuraes de cada tipo de treinamento, avaliando o erro mdio sobre a base de dados de teste. Por fim, escolheu-se a melhor rede e realizou-se novas mudanas de configurao, buscando melhorar ainda mais o seu desempenho, mostrando todos os resultados atingidos e discutindo os valores alcanados. III. RESULTADOS E DISCUSSES A melhor configurao de cada tipo de treinamento, juntamente com seu respectivo erro mostrada na Tabela III.
TABELA III MELHOR CONFIGURAO PARA CADA TIPO DE TREINAMENTO Tipo de Treinamento Configurao ( Neurnios 1e 2Camadas ) Erro (%) lm 15 - 5 4,6881 br 15 - 5 4,1514 bfg 10 - 10 15,5905 rp 10 - 20 7,5961 scg 20 - 10 9,0470 cgb 10 - 20 7,4163 cgf 5 - 15 4,1053 cgp 5 - 15 8,2571 oss 10 - 20 8,0472
Observa-se da Tabela III que com exceo do treinamento "bfg", todos os outros treinamento tiveram mdia de erros abaixo de 10%, podendo ser considerado um bom resultado. Uma possvel explicao para um maior erro do treinamento "bfg" que o mtodo se utiliza de derivadas (gradiente e Hessiana) para achar pontos de mximo e mnimo da funo, podendo ter ocasionado distribuio de pesos menos satisfatrios. A configurao da rede escolhida para anlise dos resultados, bem como seu tipo de treinamento, destacado a seguir: 4 Rede Perceptron Multi-camadas (feedforward); Treinamento: Gradiente Conjugado com Fletcher- Reeves (cgf); Duas camadas intermedirias com 5 neurnios na 1camada e 15 neurnios na 2 camada; 346 dados de treinamento e validao (90% treinamento e 10% validao); Funo de ativao tangente sigmoidal; 30 dados de testes; e 5000 pocas. O treinamento gradiente conjugado com Fletcher-Reeves (cgf) inicia a busca na direo do negativo do gradiente, depois realiza um estudo para saber o tamanho do passo ideal para seguir nesta direo, a prxima direo determinada tal que seja conjugada da direo prvia. Existe um ajuste na direo prvia, o qual para este treinamento "cgf" dado pela razo do quadrado da norma do gradiente atual em relao ao quadrado da norma do gradiente anterior. A Fig. 5 mostra a rede desenvolvida e a Fig. 6 mostra o grfico de testes da rede simulada no MATLAB.
Fig. 5. Arquitetura neural desenvolvida.
Fig. 6. Grfico do resultado atingido pela rede.
A Tabela IV mostra o resultado da rede escolhida com um banco de testes de 30 amostras aleatrias. Este banco de dados foi previamente simulado no PSCAD para comparar com a rede desenvolvida. Um detalhe deste banco de dados a avaliao de amostras repetidas de cabos de 800m e 1800m de comprimento com diferentes locais de falta, pois foi visto em simulaes anteriores que para estes comprimentos de cabo as redes estavam com erros significativos de localizao de falta. Desta Tabela IV so selecionados quatro resultados para serem discutidos, estes resultados so apresentados novamente na Tabela V, sendo que dois dados no faziam parte da regio de dados de treinamento (500m 4000m), que so os cabos de 300m de comprimento e o de 4300m de comprimento, e outros dois so os que obtiveram os maiores erros, com cabos de 800m de comprimento.
TABELA V DADOS ESCOLHIDOS PARA DISCUSSO Comprimento Cabo(m) Local Desejado (m) Local RNA (m) Diferena (m) Erro (%) 4.300 343 340,4949 2,5051 0,7304 300 80 100,0186 -20,0186 25,0232 800 175 104,1581 70,8418 40,4811 800 150 101,4443 48,5557 32,3705
O resultado com o cabo de 300m (25,02% de erro) era esperado, uma vez que esta amostra escolhida est fora da regio dos comprimentos de cabos escolhido para treinamento e validao. Porm, o cabo de 4300m tambm est fora da 5 regio de treinamento e obteve um resultado muito melhor, com erro de apenas 0,73%, isso pode ser, por exemplo, porque existem muito mais dados de treinamento do cabo de 4000m em relao aos cabos de 500m, valores mais prximos de 4300m e 300m respectivamente. Os resultados obtidos com os cabos 1800m so satisfatrios para esta rede, j os resultados com cabos de 800m de comprimento apresentam bons resultados para altas distncias de falta e resultados ruins para baixas distncias de falta. Estes erros so de 32,37% para distncia de falta de 150m e de 40,48% para distncia de falta de 175m. IV. CONCLUSES A melhora de confiabilidade do sistema de distribuio subterrneo depende da correta identificao da falta em um trecho do circuito, pois desta forma haver reduo no tempo de interrupo necessrio manuteno e correo do fator causador da falta. A forma convencional de detectar a falta exige uma pesquisa exaustiva realizada em grande escala, consumindo muito tempo e recursos humanos. Assim, o tempo de restaurao pode variar dependendo da confiabilidade da informao da interrupo no fornecimento de energia. Desta forma, a utilizao de ferramentas computacionais para auxiliar na localizao de faltas muito importante e est sendo estuda em mbito mundial. Inicialmente, optou-se por estudar e analisar um circuito monofsico com falta fase-terra, para mais adiante aumentar a complexidade dos circuitos e obter resultados mais prximos de condies reais de operao. O mtodo escolhido apresentou resultados satisfatrios, a rede neural desenvolvida possui erro mdio de 3,9%. Todavia, existem 2 resultados que no foram satisfatrios com erros elevados, mas isso se justifica em funo de poucos dados de treinamento nesta faixa de localizao. Esta pesquisa encontra-se em franco desenvolvimento e espera-se alcanar resultados mais satisfatrios com o aumento do banco de dados de treinamento, incluindo tambm a varivel impedncia de falta, alm de simular circuitos mais complexos, sistemas trifsicos e considerando tambm as diversas topologias de redes existentes, como, radial, reticulada e em anel. V. AGRADECIMENTOS Agradecimentos especiais FAPESP e ao CNPq pelo apoio e incentivo para a realizao desta pesquisa. VI. REFERNCIAS [1] M. Silva, "Localizao de Faltas emLinhas de Transmisso Utilizando a Teoria de Ondas Viajantes e Transformada Wavelet". Dissertao (Mestrado emEngenharia Eltrica). Escola de Engenharia de So Carlos da Universidade de So Carlos, 2003. [2] E. Bascom; D. Von Dollen, "Computerized underground cable fault location expertise". In: Transmission and Distribution Conference, 1994, Proceedings of the 1994 IEEE Power Engineering Society. Anais. p.376-382. doi: 10.1109/TDC.1994.328403, 1994. [3] S. Haykin, Redes neurais: princpios e prtica. 2a. Edio, Porto Alegre: Bookman, 2001. [4] X. Yang; M. Choi; S. Lee; C. Ten; S. Lim, "Fault Location for Underground Power Cable Using Distributed Parameter Approach". Power Systems, IEEE Transactions on, v. 23, p. 1809-1816. doi: 10.1109/TPWRS.2008.2002289, 2008. [5] M. T. Hagan; M. B. Menhaj, "Training Feedforward Networks with the Marquardt Algorithm", IEEE Transactions on Neural Networks, v. 5, 1994, pp. 989-993. [6] E. Matsomoto, MATLAB 6.5: Fundamentos de Programao. So Paulo: Editora Erica, 2002. VII. BIOGRAFIAS Danilo Sinkiti Gastaldello aluno de mestrado da Universidade Estadual Paulista (UNESP) emEngenharia Eltrica. Graduado emEngenharia Eltrica pela Universidade Estadual Paulista (UNESP). Faz parte do Grupo de Pesquisa do Laboratrio de Sistemas de Potncia e Tcnicas Inteligentes (LSISPOTI), onde faz pesquisas emdiversos temas. Andr Nunes de Souza graduado pela Universidade Mackenzie em engenharia eltrica e possui ttulos de Mestre e Doutor pela Escola Politcnica da Universidade de So Paulo (EPUSP). Trabalhou 12 anos no Laboratrio de Alta Tenso do Instituto de Eletrotcnica e Energia da USP. Atualmente Professor Livre-docente da Universidade Estadual Paulista (UNESP), da Faculdade de Engenharia de Bauru, onde trabalha emtempo integral e possui experincia na rea de Sistema Eltrico de Potncia. Coordena o Laboratrio de Sistemas de Potncia e Tcnicas Inteligentes (LSISPOTI), onde faz pesquisas emdiversos temas como sistemas inteligentes, transformadores, leos isolantes, descargas atmosfricas e qualidade de energia. Haroldo Luiz Moretti do Amaral aluno da Faculdade de Tecnologia de Bauru -FATEC, tcnico eletrnico formado no CTI. Faz parte do Grupo de Pesquisa do Laboratrio de Sistemas de Potncia e Tcnicas Inteligentes (LSISPOTI), onde faz pesquisas emdiversos temas. Maria Goretti Zago graduada emEngenharia Eltrica pela Escola de Engenharia de So Carlos EESC - USP e mestre pela Universidade de Campinas - UNICAMP. Atuou em uma Indstria do setor eltrico e como professora junto ao Departamento de Engenharia de Produo da Faculdade de Engenharia de Bauru UNESP. Atualmente hoje professora na Faculdade de Tecnologia de Bauru - FATEC Bauru- nos cursos de Tecnologia emSistemas Biomdicos, Tecnologia em Bancos de Dados e Tecnologia em Redes de Computadores Vinculada ao Programa de Doutorado emEngenharia Eltrica da Escola Politcnica da Universidade de So Paulo EPUSP onde desenvolve seu trabalho de pesquisa na rea de Eficincia Energtica. Caio Csar Oba Ramos graduado em Engenharia Eltrica pela Universidade Estadual Paulista J lio de Mesquita Filho - FEB/UNESP/Bauru (2006). Durante a graduao, desenvolveu projeto de Iniciao Cientfica, com auxlio de bolsa FAPESP (2004-2006). Em2007, trabalhou emempresa privada como engenheiro de Desenvolvimento de Produto. Recentemente, terminou o Mestrado em Engenharia Eltrica no curso de Ps-Graduao pela FEB/UNESP/Bauru (2010) comauxlio de bolsa FAPESP, e ingressou no curso de Doutorado do Programa de Ps-Graduo emEngenharia Eltrica da Escola Politcnica da Universidade de So Paulo.