Proposta de um sistema híbrido composto por redes neurais artificiais e algorítmos genéticos para o tratamento de alarmes e o diagnóstico de faltas em sistemas elétricos de potência
Abstract
O presente trabalho propõe um sistema híbrido para processamento de alarmes e
diagnóstico de faltas em redes elétricas com a utilização de dois métodos de inteligência
computacional: Generalized Regression Neural Network e Algoritmos Genéticos. A rede
neural tem a função de processar o conjunto de alarmes reportados e apresentar como resposta
o evento(s) característico(s), utilizando-se, para isso, de um conhecimento elaborado com
base nos diagramas funcionais da proteção e entrevista com operadores. Foram
implementados seis módulos neurais para diferentes componentes de um sistema teste, de
acordo com os seus respectivos esquemas de proteção. A saída destes módulos é utilizada
como entrada para o AG que deve fazer uma análise combinatória juntamente com sua base
de dados e apresentar ao operador os principais componentes de proteção envolvidos na
incidência, bem como as prováveis causas do defeito e ações a serem tomadas de forma a
restabelecer o sistema no menor tempo possível e com maior segurança. Para erros aleatórios
médios inseridos de 0%, 7,73%, 15,46% e 23,19% nos alarmes reportados, o sistema se
mostrou capaz de diagnosticar corretamente em respectivamente 100%, 93,60%, 74,26% e
48,07% dos casos. Verificou-se que o algoritmo genético melhorou os resultados obtidos pela
rede neural, apresentando boa capacidade de generalização e condições de apresentação de
múltiplas soluções, sendo o tempo de resposta do sistema híbrido aceitável para o problema
tratado.