IEEE LATIN AMERICA TRANSACTIONS, VOL. 14, NO.
12, DECEMBER 2016
Fault Location in Distribution Systems: A Method
Considering the Parameter Estimation Using a RNA
Online
P. E. Farias, A. P. D. Morais, G. Cardoso Junior and J. P. Rossini
Abstract— This paper proposes a new methodology for single-
phase short-circuit location in power distribution systems. The
feeder behavior during single-phase faults is modeled in terms of
the fault distance, the network parameters and the currents and
voltages measured only at the substation. Thus, the proposed
method does not require the installation of any additional
measurement equipment in the network. The capacitances of the
network were also considered in the model used, making it closer
to the real system. The main innovation of the proposed method
is the use of a neural network, which does not require prior
training, to estimate the unknown parameters of nonlinear
equations that model the feeder behavior during faults. The
performance of the proposed method was evaluated in the test
system IEEE 34 bars through the variation of fault resistance
and load feeder. Furthermore, it was also evaluated the influence
of the estimated short-circuit current in the determination of the
fault location. The good results obtained, combined with
simplicity and low cost of implementation, make the proposed
method promising for application in a real feeder.
Keywords— Location, Fault, Distribution systems, Neural
Network, Online, Estimation, Parameters.
I. INTRODUÇÃO
O S SISTEMAS de distribuição de energia elétrica
possuem uma característica predominantemente aérea,
passando por regiões urbanas, industriais e rurais, totalizando
uma elevada área de cobertura. Devido a essa grande
exposição, as redes de distribuição estão sujeitas a diversas
falhas, como as causadas por condições climáticas críticas e
por acidentes envolvendo as estruturas da rede.
Quando um curto-circuito ocorre em um sistema de
distribuição, as equipes de manutenção devem percorrer
longos trechos do alimentador para identificar o local do
defeito e assim iniciar os reparos necessários. O trecho
percorrido pelas equipes pode ser reduzido com informações
oriundas de reclamações de consumidores e com base na
atuação de dispositivos de proteção como, por exemplo,
chaves fusíveis ou religadores. Entretanto, dependendo do
local da falha e da abrangência do defeito, a atuação do
equipamento de proteção pode desenergizar uma grande área.
Além disso, a localização de curtos-circuitos tendem a ser
mais difícil em alimentadores rurais do que em urbanos,
P. E. Farias, Universidade Federal de Santa Maria, Santa Maria, RS,
Brasil patrick.farias@farroupilha.ifrs.edu.br.
A. P. D. Morais, Universidade Federal de Santa Maria, Santa Maria, RS,
Brasil, adriano@ctism.ufsm.br.
G. Cardoso Junior, Universidade Federal de Santa Maria, Santa Maria,
RS, Brasil, ghendy@ufsm.br.
J. P. Rossini, Universidade Federal de Santa Maria, Santa Maria, RS,
Brasil, jean.rossini99@hotmail.com.
Corresponding author: Patrick Escalante Farias
4741
devido à dificuldade de comunicação dos consumidores com
as concessionárias e ao difícil acesso. Outro fator que dificulta
a localização das faltas em sistemas de distribuição, urbanos
ou rurais, é a presença de ramais laterais, pois nesse tipo de
sistema a rede percorre diversas direções e não apenas uma
como nas linhas de transmissão.
Logo, devido a todos esses fatores, o tempo de
restabelecimento da energia elétrica pode se tornar muito
elevado, prejudicando os consumidores e os indicadores de
qualidade. Assim, um sistema capaz de estimar o local da
ocorrência da falta, antes de enviar as equipes de manutenção,
reduz consideravelmente o tempo de restabelecimento, além
de reduzir os gastos da concessionária com deslocamento e
mão de obra das equipes. Esse tipo de sistema ganha ainda
mais importância em redes de distribuição rurais, onde os
alimentadores são de grande extensão e percorrem longos
trechos desabitados.
Diversos métodos tem sido publicados na literatura visando
estimar a localização de faltas. Esses métodos podem ser
divididos em três grupos: algoritmos com base na impedância
aparente, ondas viajantes e redes neurais. O primeiro grupo [1-
11] utiliza as componentes fundamentais da tensão e corrente
durante a falta para estimar a impedância aparente entre a
subestação e o ponto de falta. Essa impedância é então
comparada com a impedância da rede para estimar a distância
de incidência da falta. Esses métodos são de fácil
implementação e não necessitam da instalação de nenhum tipo
de equipamento de medição no alimentador, pois utilizam
apenas as medições já realizadas na subestação.
Nos métodos que utilizam ondas viajantes [12-14], a
identificação do local sob falta ocorre através da análise das
informações contidas nos sinais transitórios gerados a partir do
ponto de falta. Essas informações podem ser o tempo de
chegada das ondas transitórias aos locais onde estão os
equipamentos de monitoramento ou a frequência dos sinais
transitórios originados na falta. Esses métodos apresentam
resultados precisos para sistemas de pequenas dimensões e
com limitados números de ramais laterais. No entanto, em
sistemas de distribuição com um elevado número de ramais
laterais, esses métodos frequentemente requerem uma alta
frequência de amostragem para identificar o exato local de
falta [15].
Métodos com base em sistemas de inteligência artificial,
como as redes neurais artificiais (RNAs), são utilizadas em
sistemas elétricos de potência para o reconhecimento de
padrão. Isso se deve ao fato delas serem não lineares, o que
permite elas captarem interações complexas entre as variáveis
analisadas. A principal vantagem das técnicas que utilizam as
RNAs [16-18] é sua capacidade de generalização, ou seja,
após realizado o treinamento, a RNA é capaz de atuar
corretamente para um elevado número de casos. Entretanto,
para localização de curtos-circuitos em redes de distribuição,
4742 IEEE LATIN AMERICA TRANSACTIONS, VOL. 14, NO. 12, DECEMBER 2016

esse treinamento pode ser oneroso, pois exige que diversas DF

situações sejam simuladas. Além disso, caso a topologia da
rede seja alterada, a RNA deve ser treinada novamente. i1 iL1 R1 L1 vF1
Além dos três grupos citados anteriormente, algumas v1
técnicas propostas na literatura sugerem a utilização de iCF1 iF1
medições esparsas de corrente e/ou tensão no alimentador [11, iC1
Zcarga

Falta
15, 19-25]. Essas técnicas apresentam bons resultados,
C1\2 C1\2
entretanto aumentam o custo de implementação o que a torna
inviável para a realidade das concessionárias.
Sendo assim, devido às limitações das técnicas propostas Figura 2. Modelo para sistema de distribuição monofásico.
até o momento, esse trabalho visa apresentar um novo Onde:
algoritmo para localização de faltas monofásicas em sistemas v1 é a tensão instantânea medida no ponto de instalação do
de distribuição. O algoritmo não necessita de nenhum relé;
treinamento prévio e da instalação de equipamentos adicionais i1 é a corrente instantânea medida no ponto de instalação do
de medição. Além disso, utiliza uma frequência de relé (A);
amostragem compatível com os relés atuais. O comportamento iL1 é corrente instantânea no ramo série (A);
do alimentador, durante uma falta monofásica, é modelado em iC1 é a corrente instantânea no ramo capacitivo do lado da
função da distância e da resistência de falta. Esses dois fonte (A);
parâmetros são estimados através de uma rede neural de iCF1 é a corrente instantânea no ramo capacitivo do lado da
treinamento online, ou seja, que não necessita de nenhum falta (A);
treinamento prévio. R1 é a resistência série por unidade de comprimento (Ω/m);
O método foi validado no sistema teste IEEE 34 barras. Os L1 é a indutância série por unidade de comprimento (H/m);
resultados comprovam a precisão e robustez do método para C1 é a capacitância paralela por unidade de comprimento
diferentes pontos de falta, resistência de curto-circuito e (F/m);
carregamento do alimentador. vF1 é a tensão instantânea no ponto de falta (V);
O restante desse trabalho é organizado da seguinte maneira: iF1 é a corrente instantânea no ponto de falta (A);
na Seção II é apresentado uma descrição detalhada do método Durante uma falta, a tensão instantânea medida no local
proposto para localização de faltas. A seção III apresenta o onde o relé está instalada é dada por (1):
sistema teste utilizado para validar o método proposto, bem
como os resultados e discussões das simulações realizadas. A v 1 (t) = D F .[R1 .i L1 (t)+ L1 .i' L1 (t)] + v F1 (t) (1)
Seção IV apresenta as conclusões obtidas ao fim desse Onde:
trabalho. i ' L1 (t ) é a derivada primeira da corrente i L1 .
II. ESTIMAÇÃO DA DISTÂNCIA DA FALTA
Na equação (1), i L1 é a corrente no ramo série do modelo
O objetivo desta seção é apresentar um modelo matemático da Fig. 2, entretanto essa corrente não é a efetivamente medida
para a rede de distribuição que represente o comportamento pelo relé. Para utilizar (1) com os dados efetivamente
dessa rede durante faltas monofásicas. Para isso, a Fig. 1 medidos, utiliza-se (2) para calcular a corrente no ramo
apresenta o diagrama unifilar de um sistema de distribuição capacitivo. Após isso, utiliza-se (3) e (4) para calcular i L1 em
durante uma curto-circuito. Nessa, ZSE é a impedância
equivalente do sistema, “L” é o comprimento total do função de i1 .
alimentador, “DF” é a distância do local onde o relé está 1
instalado e o ponto de falta, “Zcarga” é a carga equivalente do i C1 (t) = .D F .C.v' 1 (t) (2)
2
sistema após o ponto de falta.
i L1 (t) = i1 (t) - iC1 (t) (3)
L
DF 1
i L1 (t) = i1 (t) - .D F .C.v' 1 (t) (4)
2
Substituindo (4) em (1), resulta-se em:
ZSE
Relé v 1 (t) = D F .[R1 .i1 (t)+ L1 .i1'(t)]
Zcarga (5)
va 1
- .D F 2 [R1 .C.v1'(t)+ L1 .C.v1''(t)] + v F1 (t)
2
Figura 1. Diagrama unifilar do modelo do sistema de distribuição durante a Onde:
falta.
v1’ é a derivada primeira de v1;
Segundo [26], o modelo exato de uma linha aérea de v1’’ é a derivada segunda de v1.
distribuição, para um sistema monofásico, é o apresentado na A equação (5) modela o comportamento do sistema
Fig. 2. Esse modelo é utilizado para representar o trecho que monofásico da Fig. 2 durante a ocorrência de uma falta. Esse
conecta o local onde o relé está instalado com o ponto de falta. mesmo raciocínio pode ser utilizado para o sistema trifásico
apresentado na Fig. 3. Entretanto, para esse sistema, os sinais
de tensão e corrente de (5) são substituídos por vetores
contendo as informações das três fases. Além disso, os
ESCALANTE FARIAS et al.: FAULT LOCATION IN DISTRIBUTION 4743

parâmetros da rede são substituídos por matrizes contendo os  H 1a (n)

valores próprios e mútuos das respectivas grandezas. Sendo  H (n) = R .i + L .i (17)
assim, para o sistema da Fig. 3, pode-se escrever (6).  1b  abc abc abc abc

Zabc  H 1c (n)
ia ila icfa vFa
va
ica iFa  H 2a (n)
ib ilb icfb vFb  H (n) = - 1 [R .C .v ' + L .C .v '' ]

Zcarga
vb
 2b  abc abc abc abc abc abc (18)
icb iFb 2
ic ilc vFc  H 2c (n)
vc
icc Swa Swb Swc
icfc As equações (14), (15) e (16) possuem como parâmetros
RFa RFb iFc RFc
desconhecidos a distância de ocorrência da falta e a tensão no
½ Cabc ½ Cabc ponto do defeito. Os outros parâmetros são diretamente
SwF
medidos ou calculados com os dados da rede e com as tensões
RFg iFg
e correntes medidas na subestação.
A partir desse instante, toda formulação apresentada
Figura 3. Modelo trifásico para o sistema de distribuição. considera uma falta monofásica envolvendo a fase “A”.
v abc (t) = D F .[R abc .i abc (t)+ Labc .i abc'(t)] Entretanto, os mesmos procedimentos podem ser efetuados
(6) para faltas envolvendo as fases “B” ou “C”. Sendo assim, a
1
- .D F 2 [R abc .C abc .v abc'(t)+ Labc .C abc .v abc''(t)] + v Fabc (t) tensão no ponto de falta é dada por (19).
2
v Fa (n) = R Fa .i Fa + R Fg .i Fg (19)
Onde:
Onde:
v abc = [ v a vc ]
T
vb (7) RFa é a resistência de falta da fase “A”, referente ao caminho
elétrico entre a fase “A” e a terra;
i abc = [i a ic ]
T
ib (8)
iFa é a corrente instantânea de falta na fase “A”;
v Fabc = [ v Fa v Fb v Fc ]
T
(9) RFg é a resistência de falta para terra;
iFg é a corrente instantânea de falta para terra.
 R aa R ab R ac  Para o caso de uma falta monofásica, a consideração abaixo
R abc =  Rba Rbb Rbc  (10) pode ser feita. Onde iF é a corrente instantânea que flui do
ponto de falta para a terra.
 Rca Rcb Rcc 
i Fa = i Fg = i F (20)
 L aa Lab L ac 
Considerando a resistência total de falta (RF) conforme
L abc =  Lba Lbb Lbc  (11) (21):
 Lca Lcb Lcc  R F = R Fa + R F g (21)
C aa C ab C ac  A equação (19) pode ser reescrita conforme (22).
C abc = C ba C bb C bc  (12) v Fa (n) = R F .i F (n) (22)
C ca C cb C cc  Substituindo (22) em (14), a tensão medida na fase “A”
pelo relé, durante uma falta monofásica é dada por (23).
 DF 0 0 
D F =  0 DF 0  (13) v a (n)= D F .H 1a (n)+ D F 2 .H 2a (n)+ R F .i F (n) (23)
 0 0 D F  A equação (23) pode ser reescrita conforme (24).
A equação (6) modela o comportamento de um sistema v a (n)= [ H 1a (n) H 2a (n) i F (n)] . [D F D F 2 R F ] T (24)
trifásico durante um curto-circuito. Essa equação pode ser A equação (24) possui três termos desconhecidos e é escrita
reescrita conforme (14), (15) e (16) de forma independente para um determinado instante de tempo. Para determinar os
para cada fase. A variável t foi substituída pela variável n, pois valores desses termos são necessárias, no mínimo, três
a partir desse momento, todo equacionamento apresentado equações, ou seja, três amostras consecutivas dos sinais de
será direcionado a aplicações com sinais digitais. tensão e corrente medidos no relé da subestação. Sendo assim,
v a (n)= D F .H 1a (n)+ D F 2 .H 2a (n)+v Fa (n) (14) considerando uma janela de dados que possua um número
igual ou maior que três amostras, (25) pode ser escrita. Nessa,
v b (n)= D F .H 1b (n)+ D F 2 .H 2b (n)+v Fb (n) (15) o índice k inicia com um valor igual a 1 e é incrementado, a
2 cada instante de tempo, até que a distância estimada para falta
v c (n) = D F .H 1c (n)+ D F .H 2c (n)+v Fc (n) (16) (DF) respeite a condição de convergência que será descrita a
Onde: seguir.
Sendo assim, a equação (25) modela o comportamento de
um alimentador, durante um curto-circuito monofásico, em
função da distância de incidência e da resistência de falta.
4744 IEEE LATIN AMERICA TRANSACTIONS, VOL. 14, NO. 12, DECEMBER 2016

Esses dois parâmetros são desconhecidos e serão estimados a.

As duas amostras da tensão da fase em falta, medida na
através de uma RNA que será descrita na seção II-B. subestação, devem ser a primeira do semiciclo positivo
(Fig. 4-a);
 v a (n)   H 1a (n) H 2a (n) i F (n) 
v (n+ k)  H (n+ k) H (n+ k) i (n+ k)  D F  b. A defasagem entre a corrente e a tensão, medida na
 a  =  1a 2a F
 .  D F 2  (25) subestação, deve ser a mesma para essas duas amostras
          (Fig. 4-b).
     R F  O algoritmo realiza essa busca em dez ciclos antes e dez
 v a (m)   H 1a (m) H 2a (m) i F (m) 
ciclos após o início da falta. A partir da primeira amostra pré-
A equação (25) é válida para o circuito da Fig. 3, o qual falta, que atender os critérios “a” e “b”, será formada uma
modela uma seção, entre a subestação e o ponto de falta, para janela de referência até o instante de falta. Essa janela será
uma determinada configuração de condutores (Rabc, Labc, Cabc). utilizada para calcular a corrente de falta conforme (27).
No caso de sistemas com mais de uma configuração de X1: 2619 X2: 3148 X3: 3646
condutores, a metodologia proposta também pode ser

Tensão (kV)
Y1: 0,078 Y2: 9,594 Y3: 1,023 Falta
utilizada. Para isso, cada configuração de condutor irá ser 11
2
modelada conforme a Fig. 3 e serão conectadas em cascata. 1 3
Uma determinada seção será analisada caso a distância 0
estimada para a falta seja maior que o comprimento total da -11
seção anterior. Sendo assim, para aplicar a metodologia 2600 2800 3000 3200 3400 3600
proposta na próxima seção, as tensões e correntes no nó inicial Amostra
são necessárias. Os sinais de tensão e corrente podem ser (a)
propagados para o próximo nó utilizando (6). X4: 2619 X5: 3148 X6: 3646

Corrente (A)
A. ESTIMAÇÃO DA CORRENTE DE FALTA (IF) Y4: 35,44 Y5: 77,06 Y6: -80,48
150
Um dos parâmetros de entrada de (25) é a corrente elétrica 5
que flui do ponto de falta para a terra (iF). Esse parâmetro não 0 4 6
é diretamente medido e, por isso, deve ser estimado. Uma Janela de Referência
-150
aproximação razoável para iF pode ser feita através de (26),
onde a corrente de falta é calculada através da diferença entre 2600 2800 3000 3200 3400 3600
as correntes pós e pré-falta de mesmo índice. Amostra
(b)
i F (n) = i a pós (n) - i a pré (m) (26) Figura 4. (a) Tensão na fase em falta medida na subestação. (b) Corrente na
fase em falta medida na subestação.
Onde:
iF é a corrente instantânea no ponto de falta; i F (n) = i a (n) - i a (m)
ia pós é a corrente instantânea na fase “A” após o início do i F (n+1) = i a (n+1) - i a (m+1)
curto-circuito; (27)

iapré é a corrente instantânea na fase “A” antes da ocorrência
do curto-circuito (corrente de carga); i F (n+ k) = i a (n+ k) - i a (m+ k)
n é o índice referente a amostra após o início da falta; Onde:
m é o índice referente a amostra anterior a falta. ia é a corrente instantânea na fase “A” medida no relé;
Diversos algoritmos utilizam essa mesma metodologia n é o índice referente a primeira amostra após a falta que
como aproximação para a corrente de carga, entretanto esses atendeu aos critérios “a” e “b” (ponto 6 da Fig. 4-b);
utilizam um ciclo de posição fixa, antes da falta, como sendo m é o índice referente a primeira amostra anterior a falta que
referente a corrente de carga. Por exemplo, consideram atendeu aos critérios “a” e “b” (ponto 4 da Fig. 4-b);
sempre o último ciclo, antes da falta, como a janela de dados k é o tamanho da janela de referência.
que será considerada como a corrente de carga. Essa Para exemplificar o resultado da estimação da corrente de
metodologia não é a mais adequada quando é utilizada uma falta, a Fig. 5 apresenta a corrente no ponto de falta simulada
baixa taxa de amostragem como no algoritmo proposto (64 (linha continua) e a estimada (linha tracejada) para um defeito
amostras por ciclo). Essa amostragem faz com que surjam monofásico com resistência linear de 10 Ω.
erros computacionais como, por exemplo, amostras de mesmo X1: 3646
índice, de ciclos diferentes, possuem valores muito distintos. 100 Y1: -45,04
Corrente (A)

Essa característica acrescenta erros na estimação da corrente 50

de falta, caso sejam utilizadas sempre as amostras do mesmo
ciclo anterior a falta. 0
Sendo assim, ao contrário dos outros métodos apresentados -50
na literatura, o algoritmo proposto nesse trabalho para
1
estimação da corrente de falta utiliza uma metodologia -100
diferenciada para sincronização entre as amostras pós e pré-
falta. Essa metodologia consiste na busca de duas amostras, 3000 3200 3400 3600 3800 4000
uma antes e outra após o início da falta, que atendam os Amostra
Figura 5. Corrente de falta simulada e estimada para um curto-circuito
seguintes critérios: monofásico com resistência de 10 Ω.
ESCALANTE FARIAS et al.: FAULT LOCATION IN DISTRIBUTION 4745

B. ESTIMAÇÃO DOS PARÂMETROS DESCONHECIDOS ATRAVÉS DE | D F (n) - D F (n - 1) |< 0,05 (28)

REDES NEURAIS
| D F (n) - D F (n - 2) |< 0,05 (29)
A consideração da capacitância do alimentador no modelo
de linha utilizado (Fig. 3) faz com que o parâmetro referente a | D F (n) - D F (n - 3) |< 0,05 (30)
distância da falta (DF) apareça elevado ao quadrado em (25).
Devido a isso, a utilização de técnicas lineares não é adequada H1a DF
para estimação dos parâmetros desconhecidos dessas equações
[27]. Alguns trabalhos propostos na literatura ignoram a
componente capacitiva da linha, de modo a simplificar o
modelo do sistema para equações lineares. Essa consideração H2a DF2 ∑ va
não é a mais adequada, pois essa componente pode ter uma
influência significativa em alimentadores longos.
Função Linear
Sendo assim, nesse trabalho foi utilizado uma RNA para
iF RF
estimar os parâmetros desconhecidos das equações que
modelam o comportamento do alimentador durante a falta. Figura 6. Modelo de neurônio para curtos-circuitos monofásicos.
Essa foi escolhida devido a sua robustez e capacidade de III. SIMULAÇÕES
mapeamentos não-lineares entre as entradas e as saídas.
As RNAs são sistemas de computação adaptativos, A fim de validar o algoritmo proposto, foi modelado no
inspirados nas características de processamento de informação software ATPDraw o sistema teste IEEE 34 barras, cujo
encontradas nos neurônios reais e nas características de suas diagrama unifilar é apresentado na Fig. 7. Esse é um sistema
interconexões [28]. As RNAs são formadas por um conjunto real que está localizado no estado norte americano do Arizona
de neurônios artificiais que interagem entre si, semelhante ao e incorpora todas as possíveis configurações práticas e
funcionamento dos neurônios biológicos. A partir da características de carga de um sistema real de distribuição. De
informação contida em pares de entradas e saídas, contidos em modo a simplificar a implementação do método, foram
um banco de dados, as redes neurais devem ajustar seus pesos retirados do sistema teste os reguladores de tensão e o
de forma a encontrar a mínima diferença entre as saídas transformador presente entre os nós “832” e “888”. As cargas
desejadas e as saídas obtidas pela RNA. Para isso, existem foram modeladas como impedância constante.
848
diversos algoritmos de treinamento, sendo que a sua definição
822 846
depende do propósito da RNA. Dessa maneira, devido a
820 844
capacidade de realimentação e a boa capacidade de 864
818 842
convergência, nesse trabalho foi utilizado o algoritmo de
802 808 814 850 824 826 858 834
treinamento Backpropagation Levenberg-Marquardt. Nesse SE
806 812 816 860 836 840
algoritmo, os pesos são fixos na propagação, enquanto na 832
888 890 862
retropropagação, todos os pesos são ajustados com base no 800 810
erro encontrado [29]. 852
838
Sendo assim, como o objetivo da RNA proposta é estimar
828 830 854 856
os parâmetros desconhecidos de (25), essa equação foi
utilizada para estruturar a RNA. Assim, a RNA possui um Figura 7. Sistema IEEE 34 barras utilizado para validação.
neurônio e uma camada. As entradas da rede serão os
No primeiro momento, um caso de curto-circuito será
parâmetros conhecidos de (25), ou seja, H1a, H2a e iF. Os pesos
utilizado para detalhar todas as etapas do método proposto. No
serão os parâmetros desconhecidos, isto é, DF, DF2 e RF.
segundo momento, a performance do algoritmo será analisada
Enquanto a saída da rede será a tensão Va medida no relé da
diante das três situações abaixo. Em todos os casos, o
subestação. Além disso, cada neurônio possui uma função de
desempenho foi avaliado através do erro percentual na
ativação linear.
estimação da distância da falta. Para isso, a equação (31) foi
O treinamento da RNA proposta ocorre de forma online, ou
utilizada.
seja, sempre que uma nova amostra de tensão e corrente é
adquirida na subestação, uma nova equação é acrescentada a • Influência da resistência de falta;
matriz (25). A RNA, por sua vez, recalcula os seus pesos de • Influência do carregamento do alimentador;
forma a tornar as equações de (25) verdadeiras. Esse • Influência da estimação da corrente de falta.
procedimento, ao contrário de outros propostos na literatura, D Fs - D Fr
evita que sejam necessários treinamentos prévios para o ajuste erro DF (%) = .100 (31)
L
dos pesos da RNA.
Sendo assim, a Fig. 6 apresenta a estrutura da RNA Onde:
proposta para um curto-circuito monofásico na fase “A”. DFs é a distância estimada para a ocorrência da falta;
O valor final apresentado pelo algoritmo, como distância DFr é a distância real de ocorrência da falta;
para o local de curto-circuito, será aquele que ocorrer no L é a soma de todos os trechos do alimentador (91,29km);
instante em que o valor estimado esteja convergindo para um A. CASO DETALHADO
certo valor. Para isso, a distância calculada (DF) deve Para validar a metodologia proposta e apresentar os
satisfazer os critérios de convergência apresentado em (28), resultados de forma detalhada, foi simulado um curto-circuito
(29) e (30). com resistência de falta de 10 Ω no nó 864 do sistema teste da
4746 IEEE LATIN AMERICA TRANSACTIONS, VOL. 14, NO. 12, DECEMBER 2016

Fig. 7. Esse nó está distante 54,7 km da subestação. O curto-
circuito ocorreu no instante 0,5 s.
A Fig. 8 apresenta a corrente na fase “A” medida na
subestação (vermelho), além da corrente no ponto de falta
obtida através de simulação no software ATPDraw (azul) e a
estimada através da metodologia descrita na seção II-A
(preto). O sincronismo entre a corrente pré e pós-falta,
conforme os critérios “a” e “b” da seção II-A, foi obtido no
instante 0,364s e 0,6144s. Sendo assim, a partir desses
instantes, a equação (27) foi utilizada para estimar a corrente
no ponto de falta.
A diferença de amplitude, entre as correntes simuladas e
medição a um terminal, sem necessidade de treinamentos
prévios e frequência de amostragem compatível aos relés
atuais.
Conforme pode ser visto na Fig. 10, no instante que a
estimação de DF convergiu, foi estimado uma resistência de
falta (RF) de 8,7Ω. Apesar desse parâmetro não ser o objetivo
principal do algoritmo proposto nesse trabalho, ele pode ser de
grande utilidade, por exemplo, em estudos de curto-circuito
para ajustes da proteção.
12
X: 0.625
10 Y: 8.711

RF (ohm)
estimadas, deve-se a diferença entre a corrente de carga
durante a falta e a pré-falta. Essa variação na corrente de carga 8
se deve ao aumento da queda de tensão no alimentador após a
falta. Sendo assim, a corrente pré-falta, utilizada em (27), não
6
será exatamente igual a corrente de carga durante a falta.
300
Ia IF sim. IF est. 4
200 0.615 0.62 0.625 0.63
Corrente (A)

Falta Tempo (s)

100 Figura 10. Estimação da resistência de falta.
0 B. INFLUÊNCIA DA RESISTÊNCIA DE FALTA
-100 X: 0.364 A análise da influência da resistência de falta foi realizada
X: 0.6144
Y: -35.75 Y: -47.17
através de simulações de curtos-circuitos em quinze nós do
-200 sistema teste da Fig. 7. As faltas foram simuladas na fase “A”,
0.35 0.4 0.45 0.5 0.55 0.6 0.65 com resistências de 10 Ω, 25 Ω e 50 Ω.
Tempo (s) A Fig. 11 apresenta os erros obtidos na estimação da
Figura 8. Corrente na fase “A” medida na subestação, corrente de falta
simulada e estimada. distância da falta para as três resistências utilizadas. Através
da análise da Fig. 11, pode-se observar que não houve uma
Após estimada as três primeiras amostras da corrente de
variação considerável entre os erros encontrados nas
falta, o algoritmo estrutura as equações conforme a matriz
simulações com a resistência de falta de 10 Ω e 25 Ω.
apresentada em (25). Os dados dessa matriz serão utilizados
Entretanto, quando foi utilizado uma resistência de falta de 50
como entradas e saídas da RNA conforme a Fig. 6. Os
Ω, o erro na estimação aumentou em alguns casos. A maior
parâmetros desconhecidos de (25) serão estimados através do
diferença, entre os erros encontrados, ocorreu para uma falta a
ajuste dos pesos dessa RNA. Para cada nova amostra
35 km da subestação. Nesse caso, a diferença entre o erro
adquirida de tensão e corrente, uma nova amostra da corrente
encontrado para uma falta com 10 Ω e 50 Ω foi de 2,9%.
de falta é estimada e, consequentemente, uma nova equação é 4
acrescenta na matriz (25). Após isso, a RNA recalcula seus
pesos de forma a tornar todas as equações de (25) verdadeiras.
Sendo assim, a Fig. 9 apresenta o resultado da estimação da 2
Erro (%)

distância da falta (DF).

60 0
10 ohms
X: 0.6243 X: 0.625
25 ohms
Distância (km)

Y: 53.85 Y: 53.86 -2
55
50 ohms
X: 0.6245 X: 0.6248 10 20 30 40 50 60
50 Y: 53.86 Y: 53.86
Distância (km)
Figura 11. Influência da resistência de falta.
Apesar do erro na estimativa da distância da falta ter
45 variado com o aumento da resistência da falta, em 80% dos
0.615 0.62 0.625 0.63
casos testados a diferença entre os erros obtidos, para a mesma
Tempo (s) distância de falta, permaneceu abaixo de 1,2%. Isso demonstra
Figura 9. Estimação da distância de falta.
que, para a faixa de valores de resistências utilizadas, a
A estimação da distância da falta (DF) convergiu, conforme
resistência de falta não interfere significativamente nos erros
os critérios (28), (29) e (30) a partir do instante 0,625s, ou
de estimação.
seja, 0,125s após a detecção do curto-circuito. Considerando
(34), o erro obtido na estimação da distância da falta foi de - C. INFLUÊNCIA DO CARREGAMENTO DO ALIMENTADOR
0,92%. Esse erro é satisfatório, quando comparado a outros A análise da influência do carregamento do alimentador na
métodos com base na mesma metodologia [30-33], ou seja, localização de faltas, foi realizada através de simulações de
ESCALANTE FARIAS et al.: FAULT LOCATION IN DISTRIBUTION
curtos-circuitos na fase “A”, com resistência de falta de 10 Ω.
Foram simuladas faltas nos mesmos quinze nós utilizados nos
testes anteriores. Além disso, foram consideradas duas
situações de carregamento do alimentador, sendo
carregamento leve e pesado. O valor da carga, utilizado para o
carregamento pesado foi o apresentado na Fig. 7. Para carga
leve, foi considerada a metade de cada uma das cargas desse
mesmo sistema.
O erro na estimação da distância dessas faltas pode ser
visualizado na Fig. 12. Através dessa figura, pode-se perceber
que o erro na estimação aumenta quando o carregamento do
alimentador é maior. Esse aumento pode ser explicado pela
presença dos ramais laterais no alimentador. A presença
desses ramais, entre a subestação e o ponto de falta, faz com
que a corrente medida pelo relé não seja apenas a que flui
entre a subestação e o ponto de falta, mas sim uma
composição dessa corrente e da corrente dos ramais. Essa
característica irá influenciar nas quedas de tensão ao longo do
alimentador. Esse efeito é mais evidente conforme o local de
incidência do curto-circuito se afasta da subestação, pois o
número de ramais entre a subestação e o ponto de falta irá
aumentar.
Apesar do aumento do erro, a máxima diferença obtida na
estimação da falta, para um mesmo local de curto-circuito, foi
de 0,7% para uma falta a 35 km da subestação.
4 Simulada
Carga Leve
Carga Pesada
2
Erro (%)
0 Distância (km)
-2
10 20 30 40 50 60
Distância (km)
Figura 12. Influência do carregamento do alimentador.
D. INFLUÊNCIA DA ESTIMAÇÃO DA CORRENTE DE FALTA
Uma das vantagens do método proposto é não necessitar da
instalação de equipamentos adicionais de medição ao longo do
alimentador, pois todas as informações necessárias para os
cálculos são adquiridas através da tensão e corrente já medidas
na subestação, além dos parâmetros da rede. Uma dessas
informações é a corrente no ponto de falta que é estimada
através do processo descrito na seção II-A.
Sendo assim, a fim de avaliar a metodologia proposta para
estimação da corrente de falta e seu impacto na determinação
da distância do curto-circuito, o algoritmo de localização foi
executado utilizando a corrente de falta estimada conforme a
seção II-A e também a obtida através das simulações no
software ATPDraw.
O caso utilizado para essa análise foi o que apresentou os
maiores erros entre os casos testados, ou seja, resistência de
falta de 50 Ω e carregamento pesado. Os resultados obtidos
com o uso da corrente de falta simulada e estimada podem ser
visualizados na Fig. 13.
Como pode ser observado na Fig. 13, os erros na estimação
da distância da falta foram menores quando a corrente
simulada de curto-circuito é utilizada nos cálculos. Nesse
4747
caso, o maior erro encontrado foi de -1,7% para uma falta a
58,9 km da subestação. Esses baixos erros demonstram que a
metodologia proposta nesse trabalho, através de (25), é
adequada para modelar o comportamento de um alimentador
durante a ocorrência de uma falta monofásica.
Quando a corrente de falta é estimada conforme a seção II-
A, são acrescentados erros na estimação da distância da falta.
A magnitude desse erro depende da diferença entre as
correntes de carga antes e durante a falta. Para esse caso, o
maior erro encontrado foi de 3,4% para uma falta a 35 km da
subestação.
Apesar do aumento do erro, a máxima diferença entre os
erros encontrados foi de 2,4% para uma falta a 35 km da
subestação. Além disso, em 80% dos casos testados a
diferença entre os erros, para um mesmo local de curto-
circuito, permaneceu abaixo de 1%. Sendo assim, devido a
essa reduzida diferença e da simplicidade do método, pode-se
considerar a metodologia de estimação da corrente de falta
satisfatória para utilização na estimação da distância da falta.
4
2
Erro (%)
0
-2
Estimada
10 20 30 40 50 60
Figura 13. Influência da estimação da corrente de falta.
IV. CONCLUSÕES
O presente trabalho propôs um novo método para
localização de faltas monofásicas em redes de distribuição. O
método faz uso de um equacionamento no domínio do tempo
para modelar o comportamento do alimentador durante a falta.
A principal originalidade do método está na utilização de uma
RNA, de treinamento online, para estimação dos parâmetros
desconhecidos das equações que modelam o comportamento
do alimentador durante as faltas. Outro diferencial do método
é a utilização dos dados de tensão e corrente medidos a um
terminal. Esses dados são adquiridos através de uma
frequência de amostragem adequada a realidade dos relés
atuais.
O desempenho da metodologia proposta foi avaliada diante
de diferentes situações. A variação da resistência de falta e do
nível do carregamento do alimentador influenciaram nos erros,
entretanto pode-se considerar que essas variáveis não
interferem de forma significativa no resultado do método, pois
a maior diferença obtida para faltas no mesmo local foi de
2,9%.
A análise da influência da estimação da corrente de falta
demonstrou que o processo de estimação dessa variável
acrescenta erros na determinação da distância da falta. Apesar
disso, considerando a simplicidade, baixo custo e erros
relativamente baixos, pode-se considerar que a metodologia
para estimação da corrente de falta é satisfatória.
De modo geral, o maior erro obtido pelo algoritmo proposto
foi de 3,4% para um curto-circuito com resistência de falta de
4748 IEEE LATIN AMERICA TRANSACTIONS, VOL. 14, NO. 12, DECEMBER 2016

50 Ω e carregamento pesado. Além disso, em 91% dos casos [20] A. Campoccia, M. L. Di Silvestre, I. Incontrera, E. Riva Sanseverino, G.
Spoto, “An efficient diagnostic technique for distribution systems based
testados o erro permaneceu abaixo de 2%. Esse erro é on under fault voltages and currents”, Electric Power Systems Research,
considerado satisfatório quando comparado aos encontrados vol. 80 pp. 1205-1214, 2010.
na literatura [30-38]. Aliado a isso, a simplicidade e baixo [21] S. M. Brahma, “Fault Location in Power Distribution System with
custo de implementação tornam a aplicação do método Penetration of Distributed Generation”, IEEE Transactions on Power
Delivery, vol. 26, no. 3, pp. 1545-1553, Feb. 2011.
promissora. [22] Y. Liao, “A novel method for locating faults on distribution systems”,
REFERÊNCIAS Electric Power Systems Research, vol. 117, pp. 21-26, Dec. 2014.
[23] K. Jia, Z. Ren, T. Bi, Q. Yang, “Ground fault location using the low-
voltage-side recorded data in distribution systems, IEEE Transactions on
[1] J. M. Florez, J. Melendez, G. C. Caicedo, “Comparison of impedance
Industry Applications”, vol. 51, no. 6, pp. 4994-5001, Ap. 2015.
based fault location methods for power distribution systems”, Elect.
[24] C. G. Espinal, J. M. Flórez, P. S. Londono, “Advanced fault location
Power Sys. Research, vol. 78, pp 657–666, Jul. 2007.
strategy for modern power distribution systems based on phase and
[2] J. M. Florez, V. B. Núñez, G. C. Caicedo, “Fault Location in Power
sequence components and the minimum fault reactance concept”,
Distribution Systems Using a Learning Algorithm for Multivariable
Electric Power System Research, Nov. 2016.
Data Analysis”, IEEE Trans. Power Del., vol. 22, no. 3, pp. 1715-1721,
[25] A. A. P. Bíscaro, R. A. F. Pereira, J. R. S. Mantovani, “Integrated fault
Jul. 2007.
location and power-quality analysis in electric power distribution
[3] R. H. Salim, M. Resener, A. D. Filomena, K. R. C. Oliveira, A. S.
systems”, IEEE Trans. on Power Deliv., vol. 31, pp. 428-436, Aug.
Bretas, “Extended Fault-Location Formulation for Power Distribution
2016.
Systems”, IEEE Trans. Power Del., vol. 24, no. 2, pp. 508-516, Apr.
[26] W. Kersting, “Distribution System Modeling and Analysis”, Electric
2009.
power distribution-mathematical models, ed. CRC Press, 2002.
[4] G. M. España, J. M. Flórez, H. V. Torres, “Elimination of Multiple
[27] L. U. Iurinic, A. R. Herrera Orozco, R. G. Ferraz, A. S. Bretas,
Estimation for Fault Location in Radial Power Systems by Using
“Distribution Systems High Impedance Fault Location: a Parameter
Fundamental Single-End Measurements”, IEEE Trans. Power Del., vol.
Estimation Approach”, IEEE Transactions on Power Delivery, vol. 31,
24, no. 3, pp. 1382-1389, Apr. 2009.
no. 4, pp. 1806 – 1814, Aug. 2015.
[5] K. Ramar, E. E. Ngu, “A New Impedance-Based Fault Location Method
[28] S. Haykin, “Neural Networks: a comprehensive foundation”. New York:
for Radial Distribution Systems”, Power Energy Soc. Gen. Meeting., pp.
MacMillan College Publishing Co., 1999.
1-9, Jul. 2010.
[29] D. E. Rumerlhart, G. E. Hinton, R. J. Williams, “ Learning
[6] H. Nouri, M. M. Alamuti, “Comprehensive Distribution Network Fault
representations by back-propagating errors”, Nature, vol. 323, pp. 533–
Location Using the Distributed Parameter Model”, IEEE Trans. Power
536, 1986.
Del., vol. 26, no. 4, pp. 2154-2162, Oct. 2011.
[30] Y. LIao, “A novel method for locating faults on distribution systems”,
[7] R. Krishnathevar, E. E. Ngu, “Generalized Impedance-Based Fault
Electric Power Systems Research, vol. 117, pp. 21-26, Dec. 2014.
Location for Distribution Systems”, IEEE Trans. Power Del., vol. 27,
[31] A. D. Filomena, M. Resener, R. H. Salim, A. S. Bretas, “Fault location
no. 1, pp. 449-451, Jan. 2012.
for underground distribution feeders: An extended impedance-based
[8] M. M. Alamuti, H. Nouri, R. M. Ciric, V. Terzija, “Intermittent Fault
formulation with capacitive current compensation”, Electrical Power and
Location in Distribution Feeders”, IEEE Trans. Power Del., vol. 27, no.
Energy Systems, vol. 31, no. 9, pp. 489-496, Oct. 2009.
1, pp. 96-103, Jan. 2012.
[32] R. H, Salim, M. Resener, A. D. Filomena, K. R. C. de Oliveira, A. S.
[9] M. M. Alamuti, H. Nouri, “Single end feeder arcing fault location using
Bretas, “Extended fault-location formulation for power distribution
mutual inductance”, Euro. Trans. Electr. Power, vol. 22, no. 8, pp. 1136-
systems”. IEEE Trans. Power Delivery, vol. 24, pp. 508-516, Mar. 2009.
1145, Nov. 2012.
[33] R. H. Salim, K. C. O. Salim, A. S. Bretas, “Further improvements on
[10] K. Jia, D. Thomas, M. Sumner, “A New Single-Ended Fault-Location
impedance-based fault location for power distribution systems”, IET
Scheme for Utilization in an Integrated Power System”, IEEE Trans.
Gener. Trans. Distrib., vol. 5, no. 4, pp. 467-478, Mar. 2011.
Power Del., vol. 28, no. 1, pp. 38-46, Jan. 2013.
[34] C. G. Espinal, J. M. Flórez, S. P. Londono, “Advanced fault location
[11] Y. Gong, A. Guzmán, “Integrated Fault Location System for Power
strategy for modern power distributions systems based on phase and
Distribution Feeders”, IEEE Trans. Ind. Appl., vol. 49, no. 3, pp. 1071-
sequence components and the minimum fault reactance concept”,
1078, May/Jun. 2013.
Electric Power Systems Research, Nov. 2016.
[12] A. Borghetti, S. Corsi, C. A. Nucci, M. Paolone, L. Peretto, R. Tinarelli,
[35] Y. Aslan, S. Ture, “Location of faults in power distribution lateral using
“On the use of continuous-wavelet transform for fault location in
superimposed components and programmable logic controllers”
distribution power systems”, Int. J. Elect. Power Energy Syst., vol. 28,
Electrical Power and Energy Systems, vol. 33, pp. 1003-1011, Feb.
no. 9, pp. 608-617, Mar. 2006.
2011.
[13] A. Borghetti, M. Bosetti, M. Di Silvestro, C. A. Nucci, M. Paolone,
[36] A. Borghetti, M. Bosetti, C. A. Nucci, M. Paolone, “Continuous-wavelet
“Continuous-Wavelet Transform for Fault Location in Distribution
transform for fault location in distribution power networks: definition of
Power Networks: Definition of Mother Wavelets Inferred From Fault
mother wavelets inferred from fault originated transients”, IEEE Trans.
Originated Transients”, IEEE Trans. Power Syst., vol. 23, pp. 380-388,
Power Syst., vol. 23, no. 2, pp. 380-388, May. 2008.
May 2008.
[37] M. Pourahmadi-Nakhli, A. A. Safavi, “Path characteristic frequency-
[14] J. Sadeh, E. Bakhshizadeh, R. Kazemzadeh, “A new fault location
based fault locating in radial distribution systems using wavelets and
algorithm for radial distribution systems using modal analysis”, Int. J.
neural networks”, IEEE Trans Power Deliv., vol. 26, no. 2, Jun. 2010.
Elect. Power Energy Syst., vol. 45, pp. 271–278, Feb. 2013.
[38] J. Sadeh, E. Backshizadeh, R. Kazemzadeh, “A new fault location
[15] S. Jamali, A. Bahmanyar, “A new fault location method for distribution
algorithm for radial distribution systems using modal analysis”,
networks using sparse measurements”, Electrical Power and Energy
Electrical Power and Energy Systems, vol. 45, no. 1, pp. 271-278, Feb.
Systems, vol. 81, pp. 459-468, Oct. 2016.
2013.
[16] M. A. Al-Shaher, M. M. Sabry, A. S. Saleh, “Fault location in multi-ring
distribution network using artificial neural network”, Elect. Power Syst.
Patrick Escalante Farias, possui graduação e mestrado em
Research, vol. 64, pp. 87-92, May 2002.
Engenharia Elétrica pela Universidade Federal de Santa Maria
[17] Y. Aslan, “An alternative approach to fault location on power
em 2010 e 2012, respectivamente. Atualmente é professor do
distribution feeders with embedded remote-end power generation using
Instituto Federal de Educação, Ciência e Tecnologia do Rio
artificial neural networks”, Elect. Eng., vol. 94, no. 3, pp. 125-134, Sep.
Grande do Sul e doutorando em Engenharia Elétrica na
2012.
Universidade Federal de Santa Maria.
[18] H. Zayandehroodi, A. Mohamed, M. Farhoodnea, M. Mohammadjafari,
“An Optimal Radial Basis Function Neural Network for Fault Location
Adriano Peres de Morais, possui graduação, mestrado e
in a Distribution Network with High Penetration of DG Units”,
doutorado em Engenharia Elétrica pela Universidade Federal
Measurement, vol. 46, no. 9, pp. 3319-3327, May. 2013.
de Santa Maria em 2006, 2008 e 2012, respectivamente.
[19] N. V. Gohakar, M. K. Khedkar, “Faults locations in automated
Atualmente é professor da Universidade Federal de Santa
distribution system”, Electric Power Systems Research, vol. 75, pp. 51-
Maria.
55, 2005.
ESCALANTE FARIAS et al.: FAULT LOCATION IN DISTRIBUTION 4749

Ghendy Cardoso Junior, possui graduação em Engenharia

Elétrica pela Universidade Federal de Santa Maria (1995),
mestrado em Engenharia Elétrica pela Universidade Federal
do Pará (1997) e doutorado em Engenharia Elétrica pela
Universidade Federal de Santa Catarina (2003). Atualmente é
professor da Universidade Federal de Santa Maria.

Jean Pereira Rossini, possui curto técnico em Eletrotécnica

pelo Colégio Técnico Industrial de Santa Maria. Atualmente é
acadêmico do curso de Engenharia Elétrica na Universidade
Federal de Santa Maria.