Aplicao da Lgica Nebulosa para Deteco e

Classificao de Faltas de Curto-Circuito em Subestao

de Distribuio de Energia Eltrica
Jos Guilherme Magalini S. Decanini
Departamento de Engenharia Eltrica, FEIS, UNESP,
15385-000, Ilha Solteira, SP
E-mail: zeguilherme1@bol.com.br

Carlos Roberto Minussi

Depto de Engenharia Eltrica, FEIS, UNESP,
15385-000, Ilha Solteira, SP
E-mail: minussi@dee.feis.unesp.br

Introduo
Atualmente, grandes investimentos tm
sido aplicados para modernizar os sistemas de
energia eltrica, em especial as subestaes
agregadas aos sistemas de distribuio, no que
concerne automao de suas operaes.
Neste sentido, dois segmentos podem ser
destacados. O primeiro refere-se utilizao
da "tecnologia digital", baseada em
componentes
semicondutores
de
alta
velocidade, em sistema de comunicao,
controle, proteo, entre outras funes
importantes ([1, 3]). O segundo compreende a
"tecnologia da informao", ou seja, um
grande conjunto de procedimentos e tcnicas
de processamento e de anlise de informaes
(sinais e demais dados). Dentro desta
perspectiva,
faz-se
necessrio,
ento,
desenvolver
um
sistema
integrado,
combinando a aquisio, processamento e a
anlise de dados com o propsito de
proporcionar a assistncia necessria para
realizar o controle e a tomada de deciso no
ambiente de subestaes de distribuio de
energia eltrica.
As tradicionais prticas de diagnstico
de defeitos so baseadas fortemente na
dependncia do julgamento dos operadores,
levando em conta a experincia em anlise e
planejamento das aes corretivas ([3]).
Durante a ocorrncia de uma falta, sinais de
alarme,
recebidos
em
subestaes
automatizadas, caracterizam-se pelo status de
abertura/fechamento dos rels e das chaves de
proteo. Considerando-se a ocorrncia de
sinais de alarme, indicando anormalidade, os
operadores devem estimar a situao do
defeito (deteco, classificao e localizao)

com a mxima rapidez. Esta tarefa de difcil

soluo. Se os procedimentos forem tomados
baseados somente nos operadores humanos,
torna-se quase impossvel realizar
a
automao de forma eficiente. Neste sentido,
as metodologias baseadas na inteligncia
artificial (sistemas especialistas, redes neurais
([2]), lgica fuzzy ([6]), etc.) so
procedimentos disponveis com objetivo de
extrair o conhecimento de processos
complexos, como o caso da automao de
subestaes. Estas tcnicas buscam combinar
a experincia dos operadores humanos e a
habilidade de executar rotinas de forma segura
e de alta rapidez de resposta. Trata-se de
mecanismos que, se postos disposio da
operao, podem produzir grandes saltos
qualitativos, por meio de procedimentos de
diagnstico
(deteco,
classificao
e
localizao) das anormalidades e de auxlio ao
planejamento de aes corretivas. Estes
recursos, a princpio, oferecem grandes
possibilidades de realizar a automao de
subestaes de forma plena e eficiente.
Esta pesquisa visa proporcionar, atravs
do desenvolvimento de algoritmos inteligentes
([1, 5]), uma melhor maneira de executar
diagnstico (robusto e rpido) de defeitos sem
necessidade de os operadores terem um
conhecimento sobre as estruturas neuronebulosas a ser usadas.
Neste artigo ser dada nfase ao
desenvolvimento de uma metodologia fuzzy
para a deteco e classificao de defeitos.
Posteriormente, em outra oportunidade,
dever ser ampliado o recurso de inferncia,
atravs da incluso de mdulo neural
baseado na arquitetura ART (Adaptive
Resonance Theory) ([2]), com o objetivo de

incorporar o treinamento continuado. Tratase, portanto, de um mecanismo semelhante

ao desenvolvimento aqui apresentado com
entradas e sadas idnticas, contudo, com a
introduo de um processo de adaptao das
regras de inferncias, visando tornar o
processo de anlise mais eficiente. Ou seja, o
sistema neuro-fuzzy dever ser capaz de
analisar e aprender, permanentemente, a
partir da base de dados, simulaes e dos
oscilogramas disponibilizados pelo sistema
de aquisio de dados.
Evidentemente, para realizar a rotina
de diagnstico e as aes corretivas, as
subestaes devem ser dotadas de tecnologias
em hardware, envolvendo, por exemplo, as
instalaes de IEDs (Intelligent Electronic
Designs)
([3]),
instrumentos
digitais,
transdutores, emprego de satlite, etc. Novas
geraes
de
IEDs
esto
sendo
disponibilizadas pela indstria, incorporando
novas habilidades que podem eliminar parcial
ou integralmente a necessidade das RTUs
(Remote Terminal Units) no controle
supervisrio e nos sistemas de aquisio de
dados (SCADA) ([3]). Por conseguinte, a
proposta de um sistema de software deve ser
concebido para funcionar levando-se em conta
esta permanente evoluo das tecnologias das
subestaes. Neste sentido,
na proposta
sugerida neste artigo, buscar-se- a concepo
de algoritmos que facilmente podem ser
modificados para atender essa nova demanda,
atravs de esquemas inteligentes modulares.
Havendo necessidade de melhorar o
desempenho do sistema, para atender
determinada especificidade, basta substituir
um ou mais mdulos por outros com
concepo mais eficiente.

Deteco
e
Anormalidade

Classificao

de

Considerando-se os pontos monitorados

disponveis, a deteco de falta, proposta neste
artigo, ser baseada no conceito de lgica
nebulosa (fuzzy) ([6]). Este sistema ser
descrito
na
seqncia.
Cada
ponto
(alimentadores, ramais, chaves, etc.) contm
medidas e informaes digitais e analgicas.
Para todos os elementos monitorados, o
sistema fuzzy, para a deteco de falta,
calculado, ou seja, trata-se de um dispositivo

alocado de forma paralela, com troca de

informaes intermdulos para contemplar e
interpretar os reflexos da interconectividade
dos elementos da subestao. Portanto, a
deteco sobre
a normalidade ou
anormalidade

permanentemente
executada. Uma vez identificada uma
anormalidade, em
algum
elemento
monitorado, o passo seguinte consistir na
execuo do mdulo Classificao da Falta.
Nas
subestaes,
os
elementos
relevantes que devem ser monitorados so:
a) alimentador
b) transformador;
c) ramal; e
d) etc.
Nesta seo sero abordados os casos de
defeitos caracterizados por curto-circuito. Para
este tipo de defeito, o procedimento a ser
seguido, neste artigo, ser baseado no uso de
medidas de corrente eltrica ([4]). Deste
modo, considera-se um elemento da rede
eltrica em particular (ramal, transformador,
alimentador, etc.) sob observao, cujo
oscilograma de corrente nas trs fases esteja
disponibilizado na subestao. Tomando-se
um intervalo de tempo correspondente entre 1
e 3 ciclos (no havendo necessidade de tomar
um intervalo preciso), procede-se a
identificao do valor mximo da corrente
eltrica em cada fase (terna {a, b, c}). Na
seqncia, calculam-se as seguintes grandezas
associadas ([4]):
MIa
MIb
MIb
db =
MIc
MIc
dc =
MIa

da =

(1)
(2)
(3)

sendo:
MIa valor mximo absoluto da corrente
eltrica da fase a
= mx{abs(Ia)}
(4)
MIb valor mximo absoluto da corrente
eltrica da fase b
= mx{abs(Ib)}
(5)
MIc valor mximo absoluto da corrente
eltrica da fase c
= mx{abs(Ic)}
(6)
Ia = corrente eltrica da fase a;

= corrente eltrica da fase b;

= corrente eltrica da fase c.
Tendo em vista que se est buscando
um critrio que no leve em conta,
diretamente, as magnitudes das correntes e
sim os valores relativos destas correntes entre
as trs fases, as grandezas da, db e dc so
normalizadas do seguinte modo ([4]):
da
na =
(7)
mx{da , db , dc}

Ib
Ic

nb =

db
mx{da , db , dc}

(8)

nc =

dc
mx{da , db , dc}

(7)

nvel de carregamento do sistema, etc.), cuja

diversidade ser considerada ao estabelecer o
modelo via conceito fuzzy. Esta distribuio
conceitual de carter geral.
Estes ndices so suficientes para a
deteco e classificao de defeitos
assimtricos. Por conseguinte, no h eficcia
nos casos de curtos-circuitos trifsicos, os
quais sero abordados adiante. Para os casos
de faltas fase-a-fase, tais ndices no
distinguem se h ou no ligao terra. Deste
modo, usa-se um outro ndice com este
propsito ([4]):

mx{ Ia + Ib + Ic }

Finalmente, buscam-se representar

estas grandezas, de forma relativa, como
segue ([4]):
d1 = na nb
d2 = nb nc

(10)
(11)

d3 = nc na.

(12)

Deste modo, as equaes (10) (12)

so expresses que tentam definir padres dos
curtos-circuitos, ou seja, para cada tipo destas
faltas, haver uma caracterstica de
distribuio dos ndices relativos normalizados
d1, d2 e d3. O que se pretende definir a
caracterstica (assinatura) associada a cada
tipo de defeito de curto-circuito e, assim, usar
tais ndices, com o auxlio da lgica fuzzy,
para realizar o diagnstico (classificao) de
faltas. Esta caractersticas podem ser extradas
e compreendidas, via simulao, da
subestao.
A partir das equaes (10) (12),
conclui-se que:
d1 + d2 + d3 = 0
(13)
Desta forma, pode-se expressar d3 por:
d3 = (d1 + d2)
(14)
Tendo em vista a dependncia de d3 em
relao aos ndices d1 e d2, o problema da
entrada se resume na manipulao de duas
variveis. Com esta formulao, a resoluo
do problema de classificao de faltas do tipo
curto-circuito torna-se mais simples.
Os valores de tais ndices (d1, d2 e d3)
esto compreendidos entre 1 e +1. A
variao, notadamente, depende do tipo de
curto-circuito e, tambm,
dos demais
parmetros do circuito (impedncia de falta,

(15)

O parmetro similar corrente de

seqncia zero, porm, sem a necesidade de se
determinar a defasagem das correntes Ia, Ib e
Ic. Este parmetro apresenta comportamento
diferente para uma falta que envolve a
conexo terra (valor muito grande) de uma
falta onde no h ligao terra (valor muito
pequeno). Por exemplo, uma vez calculado ,
pode-se usar o seguinte critrio:
se > mx d4 = 1
(para faltas com conexo terra);

(16)

se < mx d4 = 0
(para faltas sem conexo terra);

(17)

sendo:

mx = valor estabelecido a partir de

simulaes
e
medidas
considerando-se faltas de curtocircuito.
Ressalta-se, ainda, que a abordagem, via
extrao das grandezas d1, d2, d3 e d4 torna-se
importante neste tipo de aplicao
por
promover uma certa eliminao do rudo
existente nas oscilografias, tendo em vista que
durante a falta as formas de onda de correntes
no so, necessariamente, senides perfeitas.
Tambm, tendo em vista que as grandezas na,
nb e nc so normalizadas, o processo de
identificao
independe do perfil de
carregamento do sistema, localizao da falta,
etc. Este sistema de inferncia, portanto
robusto, o que o torna bastante til para a
implantao da automao.
Um outro parmetro importante, neste
contexto, deve ser usado para distinguir os
defeitos de curtos-circuitos trifsicos em
relao s demais faltas, visto que os defeitos
trifsicos so caracterizados por simetria nas
trs fases. Assim, busca-se um outro ndice,

definido como sendo d5, dedicado deteco

de anomalias na forma de onda. Para tanto,
prope-se o seguinte critrio.
Durante o processo de amostragem,
pode-se inferir, de modo aproximado, a
amplitude da corrente (Xmx) da forma de
onda (vide Figura 1), do seguinte modo:

sendo:

Xmx =

xk

(18)

sen { tan 1 ( )}

sendo:

x k sen ( wt )
x k + 1 x k cos ( wt )

, e
a

defasamento angular;

tk+1 tk
velocidade
eltrico/s)

da

onda

(radiano

2 f;

tempo discreto;

nmero de amostragem por ciclo.

Calcular os valores de Xmxi, usando-se

a equao (18), para i = 1, 2, . . ., L, sendo L
um nmero arbitrado considerando-se as
amostragens de interesse (e.g., 5 vezes em 1
ciclo). Assim:

i =1

2 L

= ndices calculados, usandose a equao (21), para as

fases
a,
b
e
c,
respectivamente;
= ndice de anormalidade da
forma de onda em relao ao
equipamento monitorado.

Para uma forma de onda perfeitamente

senoidal, o valor da amplitude calculada
usando-se a equao (18) exata,
evidententemente se a medida for correta.
Contudo, quando houver qualquer anomalia
(mudana brusca ou distoro), o reflexo
incidir na amplitude, atravs de uma
discrepncia em relao ao valor real. O valor
real, considerado neste artigo, corresponde ao
valor apurado na equaes (4), (5) e (6), para
cada fase, respectivamente.

O conceito de normalidade /
anormalidade, neste artigo, envolve as
grandezas de corrente. Deste modo,
adaptando-se as equaes (19)(21), tm-se os
resultados traduzido no seguinte critrio:
Se I > Imx, d5 = 1
indica a existncia de anormalidade
corrente;
Se I < Imx, d5 = 0
indica que no h constao
anormalidade relevante de corrente.

(19)

= Xreferencial Xmd

(20)

a + b + c
3

(21)

(22)
de
(23)
de

sendo:

X mx i

Xmd =

Deteco de Anormalidade

t
w

= valor eficaz de referncia;

Xreferencial

Figura 1. Forma de onda senoidal discretizada,

considerando-se uma taxa de
amostragem m.

= mdia aritmtica dos L

valores (eficazes da forma de
onda);

Xmd

= calculado usando a equao (21) e

tomando-se Xreferencial como sendo a
corrente nominal eficaz calculada
usando-se as equaes (4) (6),
para as fases a, b e c,
respectivamente;

Imx = parmetro a ser especificado em

funo da experincia, levando-se
em conta o problema ora abordado.
Observa-se que o ndice d5, ainda que
possa ser usado como indicador de variaes
proeminentes, e.g., nos casos de faltas de
curto-circuito, a sua recomendao , em
especial, s faltas trifsicas (caracterizadas por
d1, d2 e d3 0).

Classificao de Anormalidade de
Corrente (Defeito de Curto-Circuito)
Uma vez detectada anormalidade de corrente,
deve-se promover a classificao dos defeitos.
Considerando-se os resultados mostrados na
Tabela 1 e o comportamento de d4 (relaes
(16) e (17)), pode-se discriminar os defeitos
que envolvem a conexo ou no-conexo
terra. A influncia da impedncia Zf no
comportamento da falta ser estimada baseada
nos conceitos da lgica fuzzy. Para tanto,
considera-se a caracterizao dos conjuntos
fuzzy (forma triangular) como ilustrados na
Figura 2.

NG

NP ZE

PP

PG

Figura 2. Idealizao dos conjuntos nebulosos.

ndice Fuzzy

Falta

d1

d2

d3

d4

PG
PP
NG
NP
PP
PP
NG
NP
PG
PP
NP
NP
ZE
ZE
NG
NP
PG
PP
NP
NP
ZE
ZE
ZE

PP
PP
PG
PP
NG
NP
PG
PP
NP
NP
NG
NG
ZE
ZE
PG
PP
NP
NP
NG
NG
ZE
ZE
ZE

NG
NP
PP
PP
PG
PP
NP
NP
NG
NP
PG
PP
ZE
ZE
NP
NP
NG
NP
PG
PP
ZE
ZE
ZE

1
1
1
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0

d5

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0

Impedncia
de Falta (Zf)
Baixa

Alta

x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x

Tipo

a-g
a-g
b-g
b-g
c-g
c-g
a-b-g
a-b-g
c-a-g
c-a-g
b-c-g
b-c-g
a-b-c-g
a-b-c-g
a-b
a-b
c-a
c-a
b-c
b-c
a-b-c
a-b-c
normalidade

Tabela 1: Ilustrao do comportamento dos ndices d1,

d2, d3, d4. e d5.

A definio do conjunto fuzzy,

associado a cada varivel (d1, d2 e d3)
corresponde ao conceito de mxima
pertinncia, ou seja, o conjunto que
proporciona o mximo valor da funo . Por
exemplo, se o ndice di (i = 1, 2 ou 3) estiver
situado conforme mostrado na Figura 3,
ento, o conjunto fuzzy associado a di ser o
conjunto S. Assim, para os demais ndices
segue-se o mesmo procedimento.

Os conjuntos fuzzy NG, NP, ZE, PP e

PG so caracterizados como sendo Negativo
Grande, Negativo Pequeno, Zero, Positivo
Pequeno e Positivo Grande, respectivamente.
A varivel definida como sendo funo
de pertinncia.
Na Tabela 1 apresenta-se a distribuio
dos ndices d1, . . . , d5, considerando-se as
possveis faltas e levando-se em conta os
resultados de simulaes realizadas.

R
P

di
Figura 3. Conjuntos nebulosos destacados.

sendo:
g = indica conexo terra;
Zf = impedncia de falta definida
categoria de valores (baixa e alta).

por

A interpretao da Tabela 2 segue o

seguinte padro. Tomando-se como exemplo a
linha destacada com fundo cinza:

 se d1 NP e d2 PP e d3 NP e d4 = 1 e d5
= 1, ento, a falta um curto-circuito entre
as fases a, b e a terra (g) com impedncia
de falta alta.

Os ndices comportamentais (d1, d2, d3,

d4 e d5) buscam caracterizar os vrios tipos de
defeitos. Os ndices d1, d2 e d3 no
discriminam se h ou no conexo terra.
Com o uso do ndice d4, as conexes para a
terra so facilmente identificadas. Por sua vez
d5 indica que efetivamente h anormalidade.
Como os demais ndices so suficientes para
caracterizar todos os tipos de curtos-circuitos,
da o significado do uso do ndice d5. Deste
modo, a partir da Tabela 2, pode-se inferir
todos tipos de defeitos de curto-circuito. Alm
disto, foram usados dois nveis de impedncia
(baixa e alta) que, a princpio, proporcionam
uma boa caracterizao dos casos prticos.
Porm, havendo a necessidade de uma melhor
discriminao, basta ampliar o nmero de
conjuntos fuzzy. Deve-se ressaltar, tambm,
que cada conjunto fuzzy, com formato
triangular, definido por 3 parmetros, ou
seja, os 3 vrtices, os quais devem ser
predefinidos. Estes 3 vrtices definem o
desempenho da inferncia fuzzy. Portanto, ao
sistema fuzzy pode ser incorporado um
procedimento adaptativo para a obteno de
um posicionamento de tais vrtices, visando
maximizar o desempenho deste sistema. H
vrias formas de implementar tal dispositivo.
Uma delas consiste no ajuste baseado na
experincia dos operadores de subestao,
outra, pode ser desenvolvida empregando, por
exemplo,
as
redes
neurais
([2]),
principalmente as arquiteturas ART (Adaptive
Resonance Theory) ([2]), que ser abordado
em futura pesquisa. Ou, ainda, usando uma
combinao destes procedimentos. Trata-se de
um mecanismo para melhor sinalizao de
faltas de alta impedncia que, certamente, tem
se mostrado um desafio operao de
subestaes.

Aplicao
Apresentam-se, a seguir, os resultados
procedentes da aplicao do procedimento
proposto, considerando-se um alimentador
radial, como mostrado na Figura 4. Os dados
deste sistema encontram-se relacionados na
Tabela 2:

sendo: Rlinha, Xlinha, P e Q so resistncia e

reatncia de cada trecho do
alimentador, potncias ativa e reativa
nodais, respectivamente.

Figura 4: Diagrama unifilar do alimentador radial.

Barra i Barra j

Rlinha () Xlinha ()

P (kW)

Q (kVAr)

1,170

1,128

2646

882

0,353

0,340

522

174

0,353

0,340

4896

1632

0,613

0,591

936

312

0,288

0,278

0,540

0,521

1806

602

0,442

0,426

0,442

0,426

1503

501

0,434

0,418

189

63

10

0,434

0,418

10

11

1,302

1,255

657

219

11

12

0,608

0,586

336

112

12

13

0,249

0,240

125

42

13

14

0,504

0,486

225

85

Tabela 2: Dados do alimentador radial.

Estado do
sistema
Operao
normal

ndice
d1
-0,0002

d2

d3

0,0004 -0,0002

d4
0

d5
0

Tabela 3: Resultado para o caso de estado normal de

operao.

Na Tabela 3 apresentam-se os
resultados referentes ao estado normal de
operao. Neste caso, os ndices d1, . . ., d5 so
todos iguais a zero ou prximos de zero. Na
Tabela 4, so relacionados tais ndices
considerando-se as diferentes faltas de curtocircuito e diferentes valores da resistncia de
falta (RF): 0,1; 2; 10; 50 e 100 . Deve-se
observar que tais resultados encontram-se em
pleno acordo com os resultados apurados via
simulao. Ressalta-se, ainda, que estes
resultados correspondem aplicao de curtocircuito em vrios pontos (barramentos) ao
longo do alimentador.

Tipo
de
Falta

a-g

b-g

c-g

a-b-g

a-c-g

b-c-g

a-b

a-c

b-c

a-b-c-g

Tabela 4:

RF ()

0,1
2
10
50
100
0,1
2
10
50
100
0,1
2
10
50
100
0,1
2
10
50
100
0,1
2
10
50
100
0,1
2
10
50
100
0,1
2
10
50
100
0,1
2
10
50
100
0,1
2
10
50
100
0,1
2
10
50
100

ndice
d1

d2

d3

d4

d5

0,8950
0,6234
0,3391
0,1921
0,0800
-0,987
-0,853
-0,560
-0,347
-0,153
0,0962
0,2357
0,2236
0,1552
0,0736
-0,885
-0,611
-0,334
-0,192
-0,079
0,9887
0,8567
0,5622
0,3474
0,1538
-0,093
-0,233
-0,222
-0,155
-0,073
-0,872
-0,557
-0,275
-0,331
-0,120
0,9858
0,8492
0,5765
0,4643
0,2096
-0,115
-0,297
-0,303
-0,133
-0,088
0,0624
0,0201
0,0040
0,0003
0,0004

0,0940
0,2349
0,2244
0,1556
0,0741
0,8901
0,6178
0,3373
0,1924
0,0803
-0,988
-0,855
-0,561
-0,347
-0,153
0,9885
0,8561
0,5621
0,3476
0,1540
-0,091
-0,229
-0,221
-0,155
-0,073
-0,894
-0,621
-0,337
-0,192
-0,080
0,9885
0,8481
0,5747
0,4643
0,2095
-0,111
-0,288
-0,296
-0,133
-0,088
-0,869
-0,547
-0,268
-0,331
-0,120
0,0069
0,0053
0,0021
0,0001
0

-0,989
-0,858
-0,563
-0,347
-0,154
0,0978
0,2360
0,2232
0,1549
0,0733
0,8922
0,6195
0,3374
0,1920
0,0800
-0,103
-0,244
-0,227
-0,155
-0,074
-0,897
-0,627
-0,341
-0,192
-0,080
0,9881
0,8545
0,5607
0,3472
0,1535
-0,112
-0,290
-0,298
-0,133
-0,088
-0,874
-0,560
-0,280
-0,331
-0,121
0,9849
0,8441
0,5711
0,4642
0,2089
-0,069
-0,025
-0,006
-0,000
-0,0005

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Anlise de faltas de curto-circuito

empregando-se a metodologia proposta.

Concluso
Foi apresentado, neste artigo, um
procedimento para deteco e classificao de
faltas de curto-circuito em subestaes de
distribuio de energia eltrica. Este
procedimento foi desenvolvido usando-se os
conceitos da lgica fuzzy. Este sistema
encontra-se baseado nas informaes de
corrente eltrica nas trs fases. As entradas so

os dados de correntes eltricas trifsicas prprocessadas e a sada indicando o diagnstico

da falta. Este pr-processamento consiste na
gerao de grandezas convenientemente
normalizadas e expressas de forma relativa
entre as trs fases. Neste modo de abordagem
buscou-se estabelecer um critrio de inferncia
com uma baixa sensibilidade ao perfil de
carga, localizao da falta, distoro da forma
de onda, etc. Este procedimento consiste na
extrao da caracterstica dos defeitos de
curto-circuito.
Os
resultados
obtidos
encontram-se em consonncia com os
resultados de simulao. Tendo em vista que
esta proposta constitui-se num mdulo
agregado ao sistema de monitorao da
subestao, os seus objetivos foram
plenamente satisfeitos.

Bibliografia
[1] Alag, S.; Agogino, A. M. and Morjaria, M.
A methodology for intelligent sensor
measurement, validation, fusion, and fault
detection for equipment monitoring and
diagnosis, Artificial Intelligence for
Engineering
Design,
Analysis
and
Manufacturing, No. 15, 2001, pp. 307-320.
[2] Carpenter, G. A. and Grossberg, S. A selforganizing neural network for supervised
learning, recognition and prediction, IEEE
Communications Magazine, Vol. 30, No. 9,
pp. 38-49, 1992.
[3] Kezunovic, M. and Abur, A. Merging the
temporal and spatial aspects of data and
information for improved power system
monitoring applications, Proceedings of
the IEEE, Vol. 93, No. 11, November 2005,
pp. 1909-1119.
[4] Mahanty, R.N. and Dutta Gupta, P.B. A
fuzzy logic based fault classification
approach using current samples only,
Electric Power Systems Research, April2007, Vol. 77, Issues 6-7, pp. 501 507.
[5] Minussi, C. R. Desenvolvimento de um
sistema especialista para a automao e
apoio tomada de deciso em ambiente de
subestaes de sistemas de distribuio de
energia eltrica, Relatrio TcnicoCientfico, projeto ANEEL-Grupo RedeFEPISA, Proc. 0388-020/2004, Maro2007.
[6] McNeil, F. M. and Thro, E. "Fuzzy logic a
practical approach", Academic Press, 1994.