dc.creator | Andrade, Kaynan Maresch de | |
dc.date.accessioned | 2022-02-24T18:24:27Z | |
dc.date.available | 2022-02-24T18:24:27Z | |
dc.date.issued | 2021-02-26 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/23738 | |
dc.description.abstract | The Under Frequency Load Shedding (UFLS) is an important systemic protection method used to prevent the electrical system from collapsing when the available generation is less than the load demanded. Traditionally, UFLS methods measure frequency and voltage via underfrequency and undervoltage relays. In the violation of operating limits, previously established loads are shed until the frequency returns to normal operating values. However, the low rotating inertia of the electrical system requires a fast load shedding in order to meet stability requirements. In some electrical systems it has been identified in the case of opening a transmission line upstream of a substation, the UFLS scheme can operate improperly, due to the influence of the inertia of the induction motors present in the distribution feeders. This work proposes the use of negative sequence voltage, frequency and its rate of change as variables applied in machine learning methods to, thus, allow faster UFLS (high reliability) without unwanted operation (high security). Logistic regression, quadratic discriminant analysis, linear discriminant analysis and linear discriminant analysis as dimensionality reducer are used, all being evaluated through simulations performed in the modified 9-bus test system. The results show that the logistic regression and linear discriminant analysis methods were able to block the improper performance of the UFLS protection with a high precision, while the quadratic discriminant analysis and the linear discriminant analysis as dimensionality reducer did not show satisfactory performance. | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | ERAC | por |
dc.subject | Motores de indução | por |
dc.subject | Atuação indevida | por |
dc.subject | Aprendizado de máquina | por |
dc.subject | Classificação de padrões | por |
dc.subject | Under frequency load shedding | eng |
dc.subject | Induction motors | eng |
dc.subject | Undue operation | eng |
dc.subject | Machine learning | eng |
dc.subject | Patterns classification | eng |
dc.title | Proposta de um método para bloqueio do esquema regional de alívio de carga frente a inércia rotativa de desligamento dos motores de indução | por |
dc.title.alternative | Proposal for a method for blocking under frequency load shedding schemes in front of the rotating inercy of turning off induction motors | eng |
dc.type | Dissertação | por |
dc.description.resumo | O Esquema Regional de Alívio de Carga (ERAC) é um importante método de proteção sistêmica usado para se evitar o colapso do sistema elétrico quando a geração disponível é menor do que a demandada pela carga. Tradicionalmente o ERAC monitora a frequência e a tensão por relés de subfrequência e subtensão. Na ocorrência da violação dos limites operacionais, são cortadas cargas previamente estabelecidas até que a frequência retorne aos valores normais de operação. Porém, a baixa inércia rotativa do sistema elétrico exige um corte de carga rápido de modo a atender aos requisitos de estabilidade. Em alguns sistemas elétricos, é possível constatar que, no caso da abertura de uma linha de transmissão a montante de uma subestação, o esquema ERAC pode operar indevidamente, por influência da inércia dos motores de indução presentes nos alimentadores de distribuição. Este trabalho propõe o uso da tensão de sequência negativa, frequência e sua taxa de variação como variáveis aplicadas em métodos de aprendizado de máquina para, assim, permitir um ERAC mais rápido (alta confiabilidade) sem a operação indesejada (alta segurança). São empregados os métodos de regressão logística, análise do discriminante quadrático, análise do discriminante linear e análise do discriminante linear como redutor de dimensionalidade, sendo todos avaliados através simulações realizadas no sistema teste 9 barras modificado. Os resultados mostram que os métodos da regressão logística e análise do discriminante linear foram capazes de bloquear a atuação indevida da proteção ERAC com uma alta precisão, enquanto a análise do discriminante quadrático e a análise do discriminante linear como redutor de dimencionalidade não apresentaram desempenho satisfatório. | por |
dc.contributor.advisor1 | Cardoso Junior, Ghendy | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/6284386218725402 | por |
dc.contributor.advisor-co1 | Marchesan, Gustavo | |
dc.contributor.referee1 | Morais , Adriano Peres de | |
dc.contributor.referee2 | Santos , Eduardo Machado dos | |
dc.creator.Lattes | http://lattes.cnpq.br/9082160314920702 | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Engenharia Elétrica | por |
dc.publisher.initials | UFSM | por |
dc.publisher.program | Programa de Pós-Graduação em Engenharia Elétrica | por |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | por |
dc.publisher.unidade | Centro de Tecnologia | por |