Detecção e Classificação de Faltas de Alta Impedância usando Estatística de Ordem Superior e Rede Neural MLP

Abstract

Neste trabalho é desenvolvido um método de detecção e classificação de faltas de alta impedância (FAIs) em redes de distribuição de energia usando Estatística de Ordem Superior (EOS) em conjunto com uma rede neural artificial (RNA) do tipo Multilayer Perceptron (MLP). Sinais de dois tipos de faltas para dois casos foram obtidos a partir da simulação e modelagem no software ATPDraw. A EOS foi utilizada para extrair as características dos sinais e o Discriminante Linear de Fisher (DLF) para selecionar as melhores características gerando um conjunto reduzido de dados que possa indicar a separabilidade entre os tipos de falta. Ao final foi formado um espaço de seleção de características para cada caso, onde a distinção do tipo de falta é nítida, sendo estes dados tratados fornecidos a RNA, onde se obteve resultados satisfatórios na classificação do tipo de falta, comprovando a eficiência do método proposto.