1

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 IV
RESULTADOS DA REDE ESCOLHIDA
Comprimento
Cabo (m)
Local
Desejado
(m)
Local
RNA (m)
Diferena
(m)
Erro (%)
600 427 426,5569 0,4431 0,1037
1.350 825 824,8480 0,1519 0,0184
1.700 587 587,1073 -0,1072 0,0182
1.950 313 312,9307 0,0693 0,0221
2.112 400 399,4206 0,5793 0,1448
2.222 744 744,0334 -0,0334 0,0044
2.330 2.085 2.085,5330 -0,5329 0,0255
2.607 1.053 1.052,9850 0,01536 0,0014
2.856 2.100 2.099,2170 0,7831 0,0372
3.475 2.641 2.638,6770 2,3230 0,0879
3.683 743 743,2142 -0,2142 0,0288
3.825 2.876 2.879,9390 -3,9388 0,1369
600 98 100,5668 -2,5668 2,6192
700 105 100,6528 4,3472 4,1402
900 541 540,8222 0,1777 0,0328
1.100 655 654,8389 0,1611 0,0245
4.300 343 340,4949 2,5051 0,7303
300 80 100,0186 -20,0186 25,0232
800 175 104,1581 70,8418 40,4810
800 150 101,4443 48,5557 32,3704
800 350 349,4970 0,5030 0,1437
800 450 449,6682 0,3317 0,0737
800 650 649,7692 0,2308 0,0355
800 750 749,6830 0,3170 0,0422
1.800 250 261,3885 -11,3885 4,5553
1.800 550 550,1315 -0,1315 0,0239
1.800 900 899,9627 0,0373 0,0041
1.800 1.250 1.250,0680 -0,0676 0,0054
1.800 1.550 1.549,5890 0,4114 0,0265
1.800 210 227,0287 -17,0287 8,1089

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.