UTILIZAO DE UM SISTEMA NEURO-FUZZY PARA MODELAGEM DE CARGAS NO-LINEARES EM SISTEMAS ELTRICOS DE POTNCIA

Marcos Andr Barros Galhardo* Carlos Tavares da Costa Jnior**

galhardo@ufpa.br cartav@ufpa.br

Joo Tavares Pinho*

jtpinho@ufpa.br

Walter Barra Jnior**

walbarra@ufpa.br

*Grupo de Estudos e Desenvolvimento de Alternativas Energticas GEDAE DEEC CT UFPA, Caixa Postal 8605, CEP 66.075-900 - Belm PA **Laboratrio de Controle e Sistemas LACOS DEEC CT UFPA, Belm PA

Resumo Em virtude do uso crescente de cargas no-lineares em todos os setores, o problema da injeo de harmnicos no sistema eltrico de potncia tem se tornado mais crtico. O conhecimento da resposta dessas cargas importante para que se busquem solues que visem o uso mais eficiente da energia e a melhoria da qualidade desta. Este trabalho apresenta a modelagem de cargas no-lineares comuns em instalaes comerciais e residenciais do sistema eltrico. A modelagem realizada por meio de um sistema neuro-fuzzy ANFIS, o qual utiliza uma rede neural para ajuste dos parmetros da sada de cada regra fuzzy e das funes de pertinncia escolhidas para a entrada do sistema. Palavras Chaves: Cargas no-lineares, harmnicos, sistema neuro-fuzzy, ANFIS. modelagem,

lineares na rede eltrica, haver a circulao de correntes com contedo harmnico, provocando a distoro da onda senoidal de tenso em diversos pontos. Harmnicos de tenso e/ou corrente podem ocasionar: aquecimento adicional em mquinas eltricas, transformadores, condutores e conectores; interferncia em sistemas de comunicao; falhas em bancos de capacitores; reduo da vida til de equipamentos; impreciso e instabilidade na operao de sistemas de controle, proteo e medio; etc. Dentre as cargas encontradas que produzem correntes com contedo harmnico, destacam-se os equipamentos com componentes saturveis, as lmpadas de descarga de gs, fornos a arco e equipamentos de eletrnica de potncia em geral. A indstria no tem alternativa quanto ao uso de cargas ou equipamentos no-lineares, devido aos avanos tecnolgicos e necessidade de economizar energia (Affonso et alii, 1997). Uma grande ironia consiste em que a maior parte das cargas no-lineares so cargas eletrnicas, muitas delas altamente sensveis qualidade do suprimento eltrico, mas que, por outro lado, injetam poluio harmnica na rede eltrica. Para simular e predizer o impacto das correntes harmnicas injetadas nas redes de transmisso e distribuio do sistema eltrico de potncia, necessrio desenvolver modelos para representar essas cargas no-lineares. Neste trabalho apresentase a modelagem de cargas no-lineares utilizando o sistema neuro-fuzzy ANFIS. Os modelos desenvolvidos foram baseados em medies em cargas operando com uma tenso de alimentao senoidal na freqncia de 60 Hz.

Abstract: Due to the increasing use of nonlinear loads in all sectors, the problem of harmonic injection in the electric power system has become more critical. The knowledge of the output of these loads is important to seek for solutions that aim at the more efficient use of energy and the improvement of power quality. This work presents the modeling of common nonlinear loads in commercial and residential facilities of the electric system. The modeling is accomplished by means of an ANFIS neuro-fuzzy system, which uses a neural network to adjust the output parameters of each fuzzy rule and the input membership functions of the system. Keywords: Nonlinear Loads, neurofuzzy system, ANFIS. modeling, harmonics,

INTRODUO

As concessionrias de energia eltrica fornecem, em geral, uma tenso cuja forma de onda muito prxima a uma senide. Porm, com a conexo de cargas com caractersticas no-

MODELAGEM UTILIZANDO O SISTEMA NEURO-FUZZY ANFIS

Os sistemas Neuro-Fuzzy esto entre os sistemas hbridos mais pesquisados na atualidade (Souza, 1999), por associarem vantagens de duas tcnicas de modelagem muito populares como as Redes Neurais Artificiais (RNA) e a Lgica Fuzzy. Esses sistemas combinam a capacidade de aprendizado das

VI Simpsio Brasileiro de Automao Inteligente. Bauru, setembro de 2003

RNA com o poder de interpretao lingstico dos Sistemas de Inferncia Fuzzy (SIF). O interesse por esse sistema deve-se principalmente confluncia dos seguintes fatores: aplicabilidade dos algoritmos de aprendizado desenvolvidos para redes neurais; possibilidade de promover a integrao de conhecimentos (implcito e explcito); e possibilidade de extrao de conhecimento, sob o formato de regras fuzzy, a partir de um conjunto de dados.

onde, a varivel c define o centro da funo de pertinncia, a define a largura e b o decaimento da funo de pertinncia. Seu perfil bem parecido com o perfil da funo gaussiana. Entretanto, o esforo computacional para o seu clculo menor por no envolver exponenciais (Souza, 1999). Utiliza-se nesse sistema o particionamento fuzzy adaptativo do espao, permitindo ajustes nos parmetros das funes de pertinncia da entrada e nos parmetros p, q e r da sada das regras. O aprendizado do sistema feito em duas etapas que se repetem at que o critrio de parada seja alcanado: ETAPA 1 fixam-se os parmetros dos antecedentes (a, b e c) e os parmetros dos conseqentes (p, q e r) so ajustados pelo mtodo de estimao por mnimos quadrados (Wang, 1997). ETAPA 2 fixam-se os parmetros dos conseqentes e os parmetros dos antecedentes so ajustados pelo algoritmo do Gradiente Descendente (Wang, 1997). Nesse sistema, substituem-se os pesos da rede pelos parmetros das funes de pertinncia, como exemplo, na funo de pertinncia da entrada o parmetro c atualizado por:

O sistema Neuro-Fuzzy ANFIS (Adaptive Network-based Fuzzy Inference System) foi proposto por Jang (1993) e sua popularidade j o levou a ser inserido no MATLAB (Math Works, 1998). A figura 1 apresenta a arquitetura ANFIS utilizada neste trabalho para modelagem das cargas nolineares. Como mostrado nessa figura, pode-se representar um SIF como uma rede neural multicamada direta. A primeira camada representa as funes de pertinncia da entrada, a segunda representa as regras, a terceira representa as funes de pertinncia da sada e a quarta representa o somatrio das sadas da terceira camada.

c(t + 1) = c(t ) -

ek c

(2)

onde, ek o erro na sada; uma constante (taxa de aprendizado). O processo de aprendizado termina quando atingida a tolerncia do erro mdio quadrtico ou o nmero mximo de pocas definido pelo usurio.

MODELAGEM DAS CARGAS NOLINEARES

Figura 1 Sistema de inferncia neuro-fuzzy adaptativo. O modelo de inferncia fuzzy implementado foi o de TakagiSugeno de primeira ordem, onde a sada de cada regra uma combinao linear das variveis de entrada:
Regra: SE x1 A E x2 B ENTO y = p.x1 + q.x2 + r

A sada do sistema obtida pela mdia ponderada (procedimento de defuzzificao) das sadas de cada regra, usando-se o grau de disparo (firing strength) destas regras como pesos da ponderao. Primeiramente, deve-se escolher quantas e quais sero as funes de pertinncia para a entrada do sistema. Depois, usam-se os dados de treinamento de entrada-sada para treinar o sistema. importante ressaltar que este sistema ser bem modelado se o conjunto de treinamento for suficientemente representativo, ou seja, que possua uma distribuio razovel de valores para que se torne possvel interpolar todos os valores necessrios para a operao do sistema (Henriques, 1999). A funo de pertinncia escolhida para as entradas foi a do tipo sino. O perfil dessa funo definido pela equao(1): 1 (1) ( x) = 2b xc 1+ a

Um sistema contendo elementos no-lineares no pode ser descrito por uma funo de transferncia. Em vez disso, os valores instantneos de entrada x(t) e sada y(t) so relacionados por uma curva ou funo y(t) = f{x(t)} ou y(t) = f{x(t),dx(t)/dt}, comumente chamada caracterstica de transferncia (Pinho, 1984). Esse relacionamento entre entrada e sada pode ser descrito teoricamente por meio de vrias formas como, por exemplo, os modelos matemticos nolineares, as sries de potncia e de Fourier, ou as de Volterra (Bedrosian and Rice, 1971). Neste trabalho considera-se como entrada para o sistema a ser modelado a tenso e a sua derivada, a corrente obtida como a sada do sistema, ou seja, a resposta excitao de entrada (figura 2).

Figura 2 Modelo implementado. Os sistemas ou cargas que demandam potncia reativa, definida por (Lu et alii, 2000): (3) Q = Vk ,rms .I k ,rms .sen( vk ik ) = Q1 + Q2 + Q3 + ... + Q
k =1

onde, Vk,rms: valor rms do k-simo harmnico da tenso. Ik,rms: valor rms do k-simo harmnico da corrente. vk: ngulo de fase do k-simo harmnico da tenso. ik: ngulo de fase do k-simo harmnico da corrente.

VI Simpsio Brasileiro de Automao Inteligente. Bauru, setembro de 2003

tm que ser modelados considerando-se como entrada a tenso e a taxa de variao da tenso. J os que possuem potncia reativa (Q) nula podem ser descritos por uma curva corrente instantnea em funo da tenso instantnea. Nesses sistemas o fator de potncia no necessariamente igual unidade, isso depender da caracterstica da carga no-linear alimentada (Galhardo, 2002). Para a modelagem, foram realizadas medies de tenso e corrente em cargas no-lineares. Os dados coletados dessas medies foram separados em duas categorias: dados de treinamento, que foram utilizados para o treinamento do sistema, e dados de teste, que foram utilizados para verificar o desempenho do modelo desenvolvido.

O Conjunto de dados para o treinamento formado por 1 perodo da tenso, da derivada da tenso e da corrente. Foram coletados 84 pontos para o conjunto entrada-sada do treinamento e tambm 84 pontos (outro intervalo de tempo em outra medio realizada na carga) para a verificao (validao) do modelo.
Dados para Treinam ento

1 0.5 Corrente (A ) 0 -0.5 -1 -1.5 1 0 -1 Derivada da Tens o (V/s ) -2 -1 -1.5 -0.5 0 0.5 1

3.1

Equipamentos constitudos de fonte chaveada

Atualmente, quase que universalmente, microcomputadores, impressoras, copiadoras, lmpadas fluorescentes com reator eletrnico, aparelhos de TV, vdeo cassete, aparelhos de fax e outros equipamentos eletrnicos monofsicos possuem fontes chaveadas. As principais vantagens so: peso e tamanho reduzidos, eficincia de operao, baixo custo, e ausncia do transformador na entrada AC. Devido ao estgio de entrada ser constitudo por um retificador monofsico com filtro capacitivo, esse tipo de circuito produz na rede correntes de forma pulsada, centrada aproximadamente no pico da onda senoidal. 3.1.1 Lmpada Fluorescente Compacta (PL)

Tens o (V )

Figura 4 Dados fornecidos para o treinamento. Para a modelagem da lmpada PL, e para as demais cargas modeladas neste trabalho, escolheram-se trs funes de pertinncia para cada entrada do sistema. A figura 5 ilustra as funes de pertinncias iniciais para a tenso; o mesmo grfico usado para as funes de pertinncias iniciais da derivada da tenso.
Fun es de P ertinncias Iniciais v1 v2 v3 1

Com o desenvolvimento tecnolgico, surgiram no mercado de sistemas de iluminao lmpadas com maior eficincia na relao lumens por Watt. Uma das lmpadas classificada como eficiente a lmpada fluorescente compacta, que substitui a tradicional incandescente em ambientes residenciais e comerciais, com a vantagem de possuir uma vida til cerca de dez vezes maior que as incandescentes e tambm representar uma economia de energia de cerca de 80% (Yamachita, 2002). Porm, como visto neste trabalho, essas lmpadas possuem um fator de potncia baixo e um alto contedo harmnico de corrente quando a tenso de alimentao destas uma onda senoidal. A figura 3 apresenta as formas de onda de tenso (127 V rms) e corrente medidas em uma lmpada PL de 25 W. Na figura 4 apresentam-se os dados medidos fornecidos para o treinamento. Esses dados foram normalizados, pois se verificou que com esse procedimento o algoritmo convergia mais rpido.
Tens o (az ul) e Corrente (verm elho) m edidas 200 100 Tens o (A )

0.8 Grau de P ertinnc ia

0.6

0.4

0.2

0 -1 -0.8 -0.6 -0.4 -0.2 0 Tens o 0.2 0.4 0.6 0.8 1

Figura 5 Funes de pertinncias iniciais da tenso. A estrutura do sistema j foi apresentada na figura 1, onde se tem 9 regras constitudas de normas-t produto. Aps 10.000 pocas de treinamento as funes de pertinncia das entradas foram ajustadas conforme mostram as figuras 6 e 7.
Fun es de P ertinnc ias Finais v1 v2 v3 1

0 -100 Grau de P ertinnc ia -200 0.8

0.005

0.01

0.015

0.02

0.025 0.03 Tem po (s )

0.035

0.04

0.045

0.05

0.6

2 1 0 -1 -2

0.4

Corrente (A )

0.2

0 0 0.005 0.01 0.015 0.02 0.025 0.03 Tem po (s ) 0.035 0.04 0.045 0.05 -1 -0.8 -0.6 -0.4 -0.2 0 Tens o 0.2 0.4 0.6 0.8 1

Figura 3 Tenso e corrente medidas.

Figura 6 Funes de pertinncias da tenso aps o treinamento.

VI Simpsio Brasileiro de Automao Inteligente. Bauru, setembro de 2003

(a)
0.4 dv1 1 dv2 dv3

A mplitude (A )

0.3 0.2 0.1 0

0.8 Grau de P ertinnc ia

0.6

10

15

20

25

(b)
0.4 200

Nmero do Harmnico (k)

0.2

Fase (graus)
-0.8 -0.6 -0.4 -0.2 0 0.2 Derivada da Tens o 0.4 0.6 0.8 1

100 0 -100 -200

0 -1

10

15

20

25

Nmero do Harmnico (k)

Figura 7 Funes de pertinncias da derivada da tenso aps o treinamento. Na figura 8 apresenta-se a superposio da forma de onda de corrente medida (azul) com a modelada (vermelho). Os valores rms das formas de onda de corrente calculados foram: 0,3964 A (medio) e 0,3948 A (modelo).
Corrente m edida (azul) e m odelada (verm elho) 1.5

Figura 10 Espectro harmnico: (a) amplitude e (b) fase da corrente modelada. Para a validao do modelo, fez-se uma outra medio na carga. Extraram-se os dados dessa medio em um intervalo de tempo aleatrio e inseriram-se os valores da tenso e da derivada da tenso no modelo desenvolvido. A figura 11 mostra o comportamento da corrente, sendo a corrente medida em azul e a resposta do modelo em vermelho.
1.5

0.5
1

Corrente (A)

0
0.5

Corrente (A)

-0.5

-1

-0.5

-1.5
-1

-2

0.002

0.004

0.006

0.008 0.01 Tem po (s )

0.012

0.014

0.016

0.018

-1.5

Figura 8 Corrente medida e modelada. As figuras 9 e 10 apresentam os espectros harmnicos de amplitude e fase, obtidos por meio do clculo dos coeficientes complexos da srie de Fourier das formas de onda da corrente medida e modelada, respectivamente. Observa-se a semelhana entre os espectros, ocorrendo somente diferena nas fases de harmnicos insignificantes.
(a)
0.4

-2

0.002

0.004

0.006

0.008 0.01 Tem po (s )

0.012

0.014

0.016

0.018

Figura 11 Validao do modelo em um outro intervalo da medio. Para fins de comparao esboou-se novamente as funes de pertinncia da entrada juntamente com o grfico corrente versus tenso (figura 12). Observa-se que a abertura das funes de pertinncia v1 e v3 da tenso ocorre onde a corrente tem valores significativos e abertura da funo de pertinncia v2 ocorre onde a corrente nula. Uma anlise semelhante pode ser feita para a figura 13.
Grau de P ertinncia 1 0. 8 0. 6 0. 4 0. 2 0 -1 -0 .8 -0 .6 -0. 4 -0 .2 0 Te ns o 0. 2 0. 4 0 .6 0 .8 1 v1 v2 v3

A mplitude (A )

0.3 0.2 0.1 0

10

15

20

25

(b)
200

Nmero do Harmnico (k)

Fase (graus)

100 0 -100

-200

10

15

20

25
Corrente

0. 5 0 -0. 5 -1 -1 -0 .8 -0 .6 -0. 4 -0 .2 0 Te ns o 0. 2 0. 4 0 .6 0 .8 1

Nmero do Harmnico (k)

Figura 9 Espectro harmnico: (a) amplitude e (b) fase da corrente medida.

Figura 12 Funes de pertinncia da tenso ajustadas aps o treinamento (grfico superior) e corrente versus tenso (grfico inferior).

VI Simpsio Brasileiro de Automao Inteligente. Bauru, setembro de 2003

Grau de P ertinnc ia

1 0.8 0.6 0.4 0.2

dv1

dv2

dv3

3 2

-1

-0.8

-0.6

-0.4

-0.2 0 0.2 Derivada da Tens o

0.4

0.6

0.8

Corrente (A)

0 -1

1 0.5 Corrente 0

-2 -3

-0.5 -1 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 Derivada da Tens o 0.4 0.6 0.8 1
-4 0 0.002 0.004 0.006 0.008 0.01 Tem po (s ) 0.012 0.014 0.016 0.018

Figura 13 Funes de pertinncia ajustadas da derivada da tenso (grfico superior) e corrente versus derivada da tenso (grfico inferior). 3.1.2 Aparelho de TV 20

Figura 15 Validao do modelo; corrente medida (azul) e modelada (vermelho).

3.2
As cargas que possuem fonte chaveada apresentam, em geral, uma curva caracterstica da corrente em funo da tenso e derivada da tenso semelhante figura 4. A partir dessa observao, para efeito de teste, inseriram-se os dados medidos para uma televiso, no modelo desenvolvido para a lmpada PL. O resultado mostrado na figura 14, notando-se uma certa aproximao entre os grficos. Os valores rms calculados das formas de onda de corrente medida e modelada foram 0,9383 A e 0,8992 A, respectivamente.
Carga: Televiso - Corrente m edida (az ul) e m odelada (verm elho) 4

Demais equipamentos

As figuras 16 e 17 apresentam a validao do modelo desenvolvido para duas lmpadas fluorescentes com reator magntico e para um aparelho de ar-condicionado, respectivamente. Na modelagem dessas cargas, seguiu-se tambm os mesmos passos da modelagem realizada para a lmpada PL
1.5

0.5 Corrente (A)

3 2

-0.5

1 Corrente (A) -1 0 -1 -1.5

0.002

0.004

0.006

0.008 0.01 Tem po (s )

0.012

0.014

0.016

0.018

-2 -3

Figura 16 Teste do modelo desenvolvido para 2 Lmpadas fluorescentes com reator magntico.
0 0.002 0.004 0.006 0.008 0.01 Tem po (s ) 0.012 0.014 0.016 0.018

-4

Figura 14 Forma de onda da corrente medida (azul) e resposta do modelo para a medio realizada na televiso (vermelho). Vale ressaltar que pode ser realizada uma modelagem mais precisa para o aparelho de TV; o procedimento efetivado foi somente para verificar a semelhana das formas de onda de corrente da lmpada PL e da TV. 3.1.3 Microcomputador

O aparelho de ar-condicionado modelado alimentado por uma tenso senoidal bifsica de 220 Vrms.
15

10

Corrente (A )

-5

-10

Para a modelagem do microcomputador foram empregados os mesmos passos da modelagem da lmpada PL. A figura 15 apresenta a corrente medida superposta resposta do modelo desenvolvido para a carga em um intervalo de medio diferente do fornecido para o treinamento.

-15

-20

0.002

0.004

0.006

0.008 0.01 Tem po (s )

0.012

0.014

0.016

0.018

Figura 17 Validao do modelo desenvolvido para o aparelho de ar-condicionado.

CONSIDERAES FINAIS

Para uma anlise final das cargas no-lineares tratadas neste trabalho, so fornecidos na tabela 1 alguns parmetros
VI Simpsio Brasileiro de Automao Inteligente. Bauru, setembro de 2003

calculados por meio da amostragem das formas de onda de tenso (senoidal) e corrente nas cargas no-lineares, e dos valores de amplitude e fase da tenso e da corrente obtidos em cada freqncia. Esses parmetros so definidos a seguir: A potncia ativa (P) calculada pelo valor mdio da potncia instantnea, a potncia aparente (S) calculada pelo produto do valor rms de tenso e de corrente, o fator de potncia (FP) calculado pela diviso de P por S e a potncia reativa calculada pela equao(3). A Potncia de distoro definida como segue:

carga. Os modelos mostram-se consistentes com os dados medidos e alguns modelos mostraram-se bastante precisos, como, por exemplo, para as lmpadas fluorescentes com reator magntico e o aparelho de ar-condicionado. A resposta dos modelos desenvolvidos pode ser melhorada ainda mais por meio do aumento do nmero de pocas de treinamento, pois todos os modelos foram treinados para 10.000 pocas e escolhendo-se somente 3 funes de pertinncia para cada entrada. Os modelos projetados servem de auxlio para o estudo da injeo de harmnicos na rede eltrica. Precisa-se ainda fazer o estudo da integrao dessas cargas em situaes tpicas e verificar a influncia mtua entre as mesmas.

D = S 2 P2 Q

2 1/ 2

(4)

A potncia aparente cruzada (Sx) e a taxa de distoro da corrente (TDI) so definidas pelas equaes (5) e (6), respectivamente (Galhardo, 2002).
2 2 S x = S 2 Pk + Q k k =0

REFERNCIAS BIBLIOGRFICAS
Affonso, O. F., R. Marconato, A. M. Andrade e M. Yogui (1997). Estudo da Utilizao de Filtros Ativos e Amplificadores PWM para Correo de Distores de Corrente em Linhas de Distribuio. Seminrio Brasileiro sobre Qualidade da Energia Eltrica (SBQEE), So Loureno, pp.1-5. Souza, F. J. (1999). Modelos Neuro-Fuzzy Hierrquicos. Tese de Doutoramento, Departamento de Engenharia Eltrica da PUC, Rio de Janeiro. Jang, J. S. R. (1993). ANFIS: Adaptive-Network-Based Fuzzy Inference System. IEEE Transactions on Systems, Man, and Cybernetics. Vol.23, n.3, pp.665-685. The Math Works, Inc. (1998). Fuzzy Logic Toolbox For Use with MATLAB - Users Guide. The Math Works, Inc. Henriques, L. O. A. P. (1999). Compensao das Oscilaes de Torque de um Acionamento de Relutncia Chaveado Utilizando Tcnicas de Controle. Dissertao de Mestrado, Programa de Ps-Graduao de Engenharia Eltrica da UFRJ, Rio de Janeiro. Wang, L.-X. (1997). A Course in Fuzzy Systems and Control. Prentice-Hall International Edition. Pinho, J. T. (1984). Efeito das No-linearidades de Transistores de Efeito de Campo em Amplificadores de Microondas. Dissertao de Mestrado, Departamento de Engenharia Eltrica da PUC, Rio de Janeiro. Bedrosian, E. and S. O. Rice (1971). The Output Properties of Volterra Systems (Nonlinear Systems with Memory) Driven by Harmonic and Gaussian Inputs. Proceedings of IEEE, Vol.59, No. 12, pp. 1688-1707. Lu, S-L., C. E. Lin and C-L Huang (2000). Suggested Power Definition and Measurement Due to Harmonic Load. Electric Power System Research, 53, pp. 73-81. Galhardo, M. A. B. (2002). Estudo da Influncia Mtua de Harmnicos e Cargas No-Lineares em Sistemas de Energia Eltrica. Dissertao de Mestrado, UFPA/CT/PPGEE, Belm-PA. Yamachita, R. A. (2002). Influncia da Utilizao de Lmpadas Fluorescentes Compactas no Sistema Eltrico e no Meio Ambiente. PCH Notcias & SHP News, No. 13, pp. 13-14.

1/ 2

(5)

I
TD I =
k =0 k 1

2 k , rms

I 1,rms

.100%

(6)

onde, Pk: potncia ativa na freqncia mltipla inteira (k) da freqncia fundamental. Qk: potncia reativa na freqncia mltipla inteira (k) da freqncia fundamental. Tabela 1 Parmetros calculados para as cargas nolineares. Carga No-Linear Lmpada PL Televiso Microcomputador 2 Lmpadas Fluorescentes com Reator Magntico Ar-Condicionado Carga No-Linear Lmpada PL Televiso Microcomputador 2 Lmpadas Fluorescentes com Reator Magntico Ar-Condicionado P (W) 25,48 61,61 96,27 Q (VAr) -6,91 -4,85 -4,19 S (VA) 50,68 108,59 145,25

83,36 -28,24 93,75 2001,70 514,13 2095,20 D Sx FP TDI (VA) (VA) (%) 43,26 42,82 0,50 164,91 89,29 89,06 0,57 145,46 108,68 106,69 0,66 110,42 32,28 31,46 0,89 344,27 338,95 0,96 35,70 16,25

CONCLUSES

Este trabalho verificou a aplicabilidade das tcnicas de inteligncia computacional na modelagem de cargas nolineares. Implementou-se o modo hbrido (2 etapas) para o ajuste dos parmetros da entrada e sada do sistema. Na segunda etapa (algoritmo do gradiente descendente) os parmetros so atualizados em um procedimento de otimizao nico, incorporando informaes lingsticas como parmetros iniciais, servindo como uma boa aproximao do sistema fuzzy. Porm, tem-se a desvantagem de que a ordem do sistema, ou seja, o nmero de neurnios deve ser especificado a priori por quem modela o sistema. Nos modelos desenvolvidos, a corrente expressa em funo da tenso e da derivada da tenso, todos os modelos foram desenvolvidos para a tenso e a freqncia de operao da

VI Simpsio Brasileiro de Automao Inteligente. Bauru, setembro de 2003