UNIVERSIDADE FEDERAL DO ESPRITO SANTO CENTRO TECNOLGICO DEPARTAMENTO DE ENGENHARIA ELTRICA PROJETO DE GRADUAO

SISTEMA INTELIGENTE DE ANLISE DE FALHAS

ANDERSON FERREIRA DO ESPIRITO SANTO

VITRIA ES JANEIRO/2009 ANDERSON FERREIRA DO ESPIRITO SANTO

SISTEMA INTELIGENTE DE ANLISE DE FALHAS

Parte manuscrita do Projeto de Graduao do aluno Anderson Ferreira do Espirito Santo, apresentado ao Departamento de Engenharia Eltrica do Centro Tecnolgico da Universidade Federal do Esprito Santo, para obteno do grau de Engenheiro Eletricista.

VITRIA ES JANEIRO/2009 ANDERSON FERREIRA DO ESPIRITO SANTO

SISTEMA INTELIGENTE DE ANLISE DE FALHAS

COMISSO EXAMINADORA:

___________________________________ Prof. Dr. Ccero Romo Cavati

___________________________________ Prof. Dr. Getlio Vargas Loureiro

___________________________________ Eng. Gustavo Alto

Vitria - ES, 06 de Janeiro, 2009

DEDICATRIA

Ao Senhor Jesus que em todos os momentos esteve comigo, minha esposa Kamily e meu filho Pedro Henrique e aos Meus pais, pelos anos me acompanhando e principalmente me dando foras para alcanar meus objetivos acadmicos.

iv

AGRADECIMENTOS

Agradeo aos professores do Departamento de Informtica e de Eltrica, pela contribuio durante os anos de minha formao acadmica. Em especial ao meu orientador, Prof. Ccero Romo Cavati, pela oportunidade de desenvolver meus conhecimentos em um trabalho sob sua orientao.

LISTA DE FIGURAS Figura 2.1 - Diagrama Unifilar de um Sistema Eltrico ..............................................15 Figura 2.2 - Rel tipo Disco de Induo ......................................................................16 Figura 2.3 Conexo estrela .......................................................................................18 Figura 2.4 Conexo delta ..........................................................................................18 Figura 2.5 Proteo a terra ........................................................................................19 Figura 2.6 - Proteo Gerador e Transformador..........................................................19 Figura 2.7 - Proteo diferencial de Transformador....................................................20 Figura 2.8 - Proteo diferencial com Retaguarda. .....................................................21 Figura 2.9 Proteo diferencial ...........................................................................23

Figura 2.10 - Proteo com Restrio..........................................................................23 Figura 2.11 - Proteo com Acopladores lineares .......................................................23 Figura 2.12 - Proteo de distncia de uma Linha de transmisso. .............................25 Figura 3.1- Funo Trapezoidal ...................................................................................29 Figura 3.2- Funo Triangular .....................................................................................30 Figura 3.3 - Funo Triangular ....................................................................................30 Figura 3.4 - Unio Nebulosa. .......................................................................................32 Figura 3.5 - Interseo Nebulosa. ................................................................................32 Figura 3.6 - Exemplo de uma varivel lingstica .......................................................34 Figura 3.7 - Exemplo de um Sistema de Inferncia. ...................................................35 Figura 5.1 - Representao das Opinies de especialistas sobre a contribuio de um curto circuito entre fases do gerador, causar um mau funcionamento no Sistema Eltrico. ........................................................................................................................41 Figura 6.1 - Tela de Abertura ......................................................................................46 Figura 6.2 - Menu Entradas de dados e suas Opes ..................................................47 Figura 6.3 - Menu Gerar Matrizes e suas Opes .......................................................47 Figura 6.4 - Menu Anlise Quantitativa e suas Opes ..............................................48 Figura 6.5 - Menu Anlise fuzzy e suas Opes .........................................................48 Figura 6.6 - Menu Modelos de Anlise e suas Opes ...............................................49 vi

Figura 6.7 - Menu Ajuda e suas Opes ......................................................................49 Figura 6.8 - Coleta de dados de falhas no Gerador .....................................................50 Figura 6.9 - Entrada de dados de falhas para o Transformador. ..................................52 Figura 6.10 - Formulrio de Aquisio de Dados de falhas para o Barramento. ........53 Figura 6.11 - Interface de Coleta de Dados de falhas para a LT. ................................54 Figura 6.12 - Matrizes de Dados para o Gerador.........................................................55 Figura 6.13 - Matrizes de Dados para o Transformador..............................................56 Figura 6.14 - Matrizes de Dados para o Barramento. ..................................................56 Figura 6.15 - Matrizes de Dados para a Linha de Transmisso ..................................57 Figura 6.16 - Anlise quantitativa dos dados do Gerador. ..........................................58 Figura 6.17 - Anlise quantitativa dos dados do Transformador. ...............................58 Figura 6.18 - Anlise quantitativa dos dados do Barramento......................................59 Figura 6.19 - Anlise quantitativa dos dados da Linha de Transmisso. ....................59 Figura 6.20 - Matriz de coleta de dados para uma LT .................................................60 Figura 6.21 - Analise Quantitativa de dados ...............................................................61 Figura 6.22 - Analise Fuzzy dos dados ........................................................................62 Figura 6.23 - Representao das qualificaes e seus nmeros fuzzy. .......................63

vii

LISTA DE TABELAS

Tabela 5-1 - Representao das qualificaes atravs de nmeros nebulosos.. ..........44

viii

SIMBOLOGIA

G GA Grau de aceitao. GAOC - Grau de aceitao das opinies coletadas GACE - Grau de aceitao do conjunto encontrado

N ND- Nmero Difuso NN Nmero Nebuloso NOC - Nmero de opinies coletadas NTD Nmero Triangular Difuso P PDF - Portable Documento Format S SIDAF Sistema Inteligente de Anlise de Falhas SEP Sistema Eltrico de Potncia SE Sistema Eltrico T TCD Teoria dos Conjuntos Difusos TCS Transformadores de Corrente U UFES Universidade Federal do Esprito Santo

ix

SUMRIO

DEDICATRIA........................................................................................................ IV AGRADECIMENTOS ............................................................................................... V LISTA DE FIGURAS ............................................................................................... VI LISTA DE TABELAS ........................................................................................... VIII SIMBOLOGIA .......................................................................................................... IX SUMRIO ................................................................................................................... X RESUMO ..................................................................................................................XII 1 INTRODUO ..............................................................................................13 1.1 OBJETIVO........................................................................................................13 1.2 MOTIVAO. .................................................................................................14 1.3 ESTRUTURAO DO TRABALHO. ............................................................14 2 PROTEO E OPERAO DE SISTEMAS ELTRICOS ...................15 2.1 PROTEES DE SISTEMAS ELTRICOS ..................................................15
2.1.1 PROTEO DE GERADORES......................................................................... 17 2.1.2 PROTEO DE TRANSFORMADORES ........................................................ 19 2.1.3 PROTEO DE BARRAMENTOS. ................................................................. 21 2.1.4 PROTEO DAS LINHAS DE TRANSMISSO............................................ 24

TEORIA DOS CONJUNTOS DIFUSOS .....................................................26 3.1 CONSIDERAES GERAIS SOBRE A TCD ...............................................26 3.2 BREVE HISTRICO DA LGICA NEBULOSA. .........................................26 3.3 CONJUNTOS NEBULOSOS ...........................................................................28
3.3.1 DEFINIES DE NMEROS NEBULOSOS .................................................. 30 3.3.2 OPERAES COM CONJUNTOS NEBULOSOS. ................................... 32

3.4 VARIVEIS LINGUSTICAS. .......................................................................33 3.5 SISTEMA DE INFERNCIA NEBULOSO. ...................................................34

3.5.1 FUZIFICADOR................................................................................................... 35 3.5.2 REGRAS NEBULOSAS..................................................................................... 36 3.5.3 FUNES DE IMPLICAO........................................................................... 37

FERRAMENTA COMPUTACIONAL - DELPHI .....................................38 4.1 INTRODUO. ...............................................................................................38 4.2 VANTAGENS. .................................................................................................40 4.3 PORQUE DA ESCOLHA. ...............................................................................40

METODOLOGIA ..........................................................................................41 5.1 MTODO DE COLETA DE DADOS. ............................................................41 5.2 ANLISE QUANTITATIVA DOS DADOS. .................................................42 5.3 MTODO DE VALIDAO DOS RESULTADOS. .....................................42

O SISTEMA PROPOSTO E SIMULAO ...............................................46 6.1 INTERFACE DE APRESENTAO E MENU DE OPES.......................46 6.2 ENTRADA DE DADOS. .................................................................................49 6.3 MATRIZES DE DADOS. ................................................................................55 6.4 ANLISE QUANTITATIVA. .........................................................................58 6.5 ANLISE FUZZY............................................................................................60 6.6 REPRESENTAO DAS CONTRIBUIES E SEUS NMEROS DIFUSOS. ...............................................................................................................63

CONCLUSES E TRABALHOS FUTUROS ............................................64 7.1 CONCLUSES ................................................................................................64 7.2 TRABALHOS FUTUROS ...............................................................................64 7.3 REFERNCIAS BIBLIOGRFICAS .............................................................65

xi

RESUMO

Este trabalho apresenta um estudo resumido dos principais mtodos de proteo utilizados em sistemas eltricos de potncia. Como uma das preocupaes est na anlise de Falhas em suas partes, apresenta-se uma ferramenta computacional desenvolvida em ambiente Delphi para estudo de falhas. O intuito desta ferramenta a anlise de falhas em sistemas eltricos e seus equipamentos constituintes, utilizando para isto uma modelagem matemtica apoiada na teoria dos conjuntos difusos. Atravs de dados coletados de opinies de especialistas sobre cada possvel falha e seus efeitos no funcionamento do Sistema Eltrico, esta ferramenta faz uma anlise desses dados e gera como resultado um nmero difuso que caracteriza o conjunto de opinies dos especialistas referente a todas as falhas que podem ocorrer. Uma simulao hipottica, utilizando 4 partes de um sistema de potncia bsico apresentada como teste da ferramenta desenvolvida.

xii

13

1 INTRODUO

Este captulo apresenta uma descrio geral do trabalho, destacando seus objetivos e sua motivao.

1.1 OBJETIVO.

Este trabalho tem como objetivo desenvolver e implementar um sistema de apoio deciso, baseado na Teoria de Conjuntos Difusos ou Nebulosos, aqui denominado de SIDAF Sistema Inteligente de Anlise de Falhas, para a deteco e o anlise de falhas em Sistemas de Energia Eltrica. Assim, ser apresentado o desenvolvimento de uma pesquisa sobre causas de falhas em equipamentos e sobre as condies de seus estados, quando na presena de ocorrncia destas falhas. Devido s dificuldades de obteno de dados reais de falhas sobre as suas causas e das relaes com as partes do sistema de energia eltrica, h necessidade de obteno destes de forma indireta, usando, por exemplo, tcnicas de aquisio de conhecimento. Para tanto, sero utilizados dados extrados de um conjunto de opinies de diversos nveis de conhecimento os quais constituiro na base de dados para fins de anlise e anlise com relao s possibilidades de ocorrncia de falhas. Os requisitos exigidos para o sistema so os seguintes: Confiabilidade Os erros de deteco e anlise de falhas devem ser os menores possveis. Aprendizado O sistema deve ser capaz de analisar e diagnosticar as contribuies de ocorrncia de Falhas a partir da coleta de opinies. Especializao O sistema deve permitir adquirir, representar, processar e armazenar o conhecimento e a experincia dos operadores.

14

1.2 MOTIVAO. O que motivou o desenvolvimento deste trabalho foi a oportunidade de relacionar um Sistema Eltrico com as causas de falhas em seus equipamentos, considerados principais, atravs de um novo mtodo de anlise, ou seja, usando um Sistema Baseado em Conhecimento, gerando assim um estudo completo sobre representao das possibilidades de falhas num Sistema Eltrico.

1.3 ESTRUTURAO DO TRABALHO.

Este trabalho est estruturado da seguinte forma: No segundo captulo so descritos os principais conceitos de operao e proteo de Sistemas de Energia Eltrica, descrevendo os mtodos de proteo mais utilizados nos principais componentes do Sistema Eltrico. O terceiro captulo descreve sobre a Teoria dos Conjuntos Difusos (TCD), seu histrico, definies e operaes. No quarto captulo apresentada a ferramenta computacional utilizada no desenvolvimento do SIDAF Sistema Inteligente de Anlise de Falhas, destacando o seu histrico, caractersticas e vantagens de sua utilizao. O quinto captulo descreve sobre o Modelo de anlise utilizado, isto , todo o processo de Coleta, tratamento e anlise das opinies bem como suas particularidades. No sexto captulo mostrado todas as interfaces do SIDAF Sistema Inteligente de Anlise de Falhas, destacando suas caractersticas de utilizao bem como todo o processo de coleta, anlise dos dados e anlise das opinies coletadas. O Stimo captulo descreve respeito da concluso do trabalho e projetos futuros, abordando os resultados alcanados e contribuio do SIDAF Sistema Inteligente de Anlise de Falhas para futuros projetos.

15

2 PROTEO E OPERAO DE SISTEMAS ELTRICOS

Este captulo descreve, de forma resumida, os principais conceitos de operao e controle de sistemas eltricos. As anlises das principais tcnicas usadas em proteo de sistemas eltricos sero baseadas nestes conceitos.

2.1 PROTEES DE SISTEMAS ELTRICOS

A continuidade do fornecimento de energia eltrica est fortemente ligada ao funcionamento dos equipamentos de proteo que compem o sistema eltrico [4]. No decorrer das ltimas dcadas diferentes dispositivos de proteo tm sido fabricados, especialmente rels mais rpidos e seguros (rels digitais). Paralelamente, diversos estudos tm sido desenvolvidos, no sentido de produzir sofisticados esquemas de proteo para componentes especficos, ou partes do sistema eltrico. As protees mais usadas em sistemas eltricos de energia so de geradores, transformadores, barramentos e linhas de transmisso. Os principais equipamentos de proteo encontrados nesses sistemas de proteo so as chaves, os disjuntores e os rels. A figura 2.1 apresenta o diagrama unifilar de um sistema eltrico, ressaltando alguns equipamentos de proteo.

Figura 2.1 - Diagrama Unifilar de um Sistema Eltrico

16

Os rels so os dispositivos que supervisionam tenses, correntes, freqncia, potncias, bem como grandezas inerentes ao prprio componente, como temperatura e presso. A figura 2.2 apresenta o esquema de um rel tipo disco de induo, cuja filosofia largamente usada na construo dos rels de proteo [3].

Figura 2.2 - Rel tipo Disco de Induo

Os disjuntores so dispositivos de abertura e fechamento, semelhantes a uma chave, comandados por um rel. Quando o sistema submetido a algum tipo de perturbao, as grandezas supervisionadas pelo rel se alteram. Assim possvel, por exemplo, distinguir a diferena entre a corrente normal de operao e a provocada por um curto circuito, que venha comprometer o funcionamento normal ou danificar, definitivamente, algum componente do sistema eltrico. Detectada a anormalidade, o rel envia um sinal eltrico que comanda a abertura de um ou mais disjuntores. O objetivo principal isolar um equipamento, componente, ou parte do sistema eltrico afetado pela falha. Dessa forma, evita-se que a falha comprometa a operao geral do sistema ou se propague e danifique outros componentes ainda no defeituosos [2,3].

17

2.1.1 PROTEO DE GERADORES

Os geradores so, certamente, os componentes mais caros de um sistema de energia eltrica e, como qualquer outro, esto sujeitos a falhas. A funo dos rels proteger o gerador contra falhas que tenham origem interna ou externa ao mesmo [3]. As ocorrncias de falhas mais comuns num gerador so:

Falhas no isolamento Provocando curto entre espiras, fase-fase, fase-neutro ou trifsico. Essas falhas podem ocorrer, devido a sobreaquecimentos,

sobretenses, ventilao insuficiente, movimentos do condutor provocado por curto, perda de sincronismo, etc.

Falhas provocadas por condies anormais de funcionamento (externas), como sobrevelocidade, perda da excitao de campo, desequilbrio de carga no estator, vibraes e sobrecarga.

A proteo contra falhas de origem interna compreende, basicamente, os seguintes dispositivos: Proteo diferencial, contra curtos-circuitos entre elementos de enrolamentos de fases diferentes; Proteo contra defeitos massa no estator; Proteo contra defeitos massa no rotor; Proteo contra curtos-circuitos entre espiras de mesma fase; Proteo contra abertura acidental ou no dos circuitos de excitao.

Quanto proteo contra falhas de origem externa, alm de dispositivos no constitudos de rels, como pra-raios, termostatos, sensores, etc, podemos citar os seguintes rels: Rel temporizado, para atuar nas sobrecargas do sistema; Rel instantneo, para atuar contra as correntes de curtos-circuitos;

18

Rel de mximo de tenso, para atuar nas sobretenses devido s manobras normais do sistema; Rel sensvel a seqncia negativa, para atuar na proteo de funcionamento com carga desequilibrada;
Rel de potncia inversa, para impedir o funcionamento do gerador como

motor. Alm dos dispositivos mencionados, importante tambm proteger o gerador contra incndio [2] provocado pelos arcos voltaicos das falhas; proteger os enrolamentos contra os efeitos provocados pela falta de excitao; proteger o conjunto gerador-turbina e, finalmente, proteger os servios auxiliares, como, por exemplo a fonte de corrente contnua. As figuras 2.3 a 2.6 indicam conexes tpicas para rels diferenciais percentuais de gerador. Nas figuras 2.3, 2.4 e 2.6 o rel diferencial protege contra falha fase-fase e de fase terra. Na figura 2.5, onde o neutro do gerador formado dentro da mquina, s a proteo de falha terra garantida pelo rel diferencial. Na figura 2.6 so protegidos simultaneamente o gerador e o transformador [3].

Figura 2.3 Conexo estrela

Figura 2.4 Conexo delta

19

Figura 2.6 Proteo a terra

Figura 2.5 - Proteo Gerador e Transformador

A proteo dos geradores deve ser bastante rpida quanto a falhas internas, minimizando os danos produzidos pela corrente (I t ), e deve limitar o valor da corrente de falha terra [2]. Finalmente, quando um equipamento de proteo opera e desativa um gerador importante determinar as causas que o provocaram, verificando se realmente ocorreram danos que justifiquem desligamento ou se o operador pode proceder de maneira segura o religamento [3].
2.1.2 PROTEO DE TRANSFORMADORES

Os transformadores so afetados geralmente por curtos-circuitos nos enrolamentos, sobreaquecimento e circuito aberto. A falha de maior incidncia a fase-terra, embora possam ocorrer falhas, fase-fase, espira-espira ou do enrolamento de alta para o de baixa tenso. Essas falhas podem ser de ocorrncia rpida ou lenta. Visto que, os situaes de circuito aberto so raros e quando acontecem, no so destrutivos possvel classificar a proteo de um transformador em dois grupos: proteo contra sobrecarga, que evita o envelhecimento prematuro do isolante dos enrolamentos; e contra curtos-circuitos entre espiras e fases. Deve-se tambm levar em considerao se o transformador de grande (> 1000 kVA) ou de pequeno porte [2].

20

Assim, dependendo da situao, podem ser usados os seguintes rels para proteger um transformador: Rel diferencial; Rel de Buchholz; Rel de sobrecorrente instantneo; Rel de sobrecorrente temporizado; Rel de imagem trmica. A figura 2.7 apresenta a proteo diferencial percentual de transformador. Esta opo capaz de eliminar curtos-circuitos internos, inclusive curtos entre espiras, bem como os efeitos decorrentes de arcos nas buchas.

Figura 2.7 - Proteo diferencial de Transformador

Nesse esquema de proteo, comparam-se as correntes de entrada e sada do elemento protegido, e o rel opera quando a diferena entre essas correntes ultrapassa um valor de ajuste percentual [2]. Na figura 2.8 indicada a proteo diferencial do transformador principal, entendida como retaguarda ao gerador e transformador auxiliar. Dessa forma, a zona de proteo do rel diferencial do transformador pode ser aumentada para incluir os enrolamentos do gerador em esquemas de gerador operados por unidade, e tambm para incluir os transformadores de servio auxiliares, onde forem conectados aos terminais do gerador [3]. O rel diferencial do transformador dever ser considerado

21

menos sensvel que o rel diferencial do gerador, proporcionando assim, apenas uma forma de retaguarda para os rels diferenciais do gerador.

Figura 2.8 - Proteo diferencial com Retaguarda.

Embora a construo dos novos transformadores tenha alcanado um nvel de qualidade bastante elevado [2], preciso considerar que: os transformadores esto sujeitos a sobretenses de origem atmosfrica; ao aquecimento anormal nos enrolamentos, devido a sobrecarga temporria ou permanente; e que esses fatores podem conduzir a incidncia de falhas monofsicas ou at mesmo trifsicas. 2.1.3 PROTEO DE BARRAMENTOS.

A proteo dos barramentos acompanha as mesmas normas de proteo usadas para os demais componentes do sistema, atuando tanto na proteo primria quanto na de retaguarda, dependendo apenas da importncia do barramento no sistema eltrico. As falhas nos barramentos podem conduzir o sistema instabilidade, muito mais

22

facilmente que as falhas nas linhas de transmisso. Admitindo-se que a falha no barramento seja eliminada com a abertura do circuito correspondente, ocorre um conseqente aumento da impedncia de transferncia. Assim, os geradores, submetidos a um choque devido a abertura dos circuitos avariados, seriam levados a uma situao de extrema instabilidade, podendo comprometer todo o funcionamento do sistema eltrico [3]. A proteo primria do barramento realizada por associao de rels diferenciais. O esquema prev proteo apenas para o barramento, ou o barramento pode ser includo na zona de proteo diferencial de um transformador, ou ainda na zona de proteo de alta velocidade (instantnea) de uma linha de transmisso. A proteo de retaguarda local (temporizada), no uma proteo de alta velocidade, porm eliminar as falhas da segunda zona de tempo do rel de distncia. Mesmo que a proteo de retaguarda local no seja prevista, atravs de coordenao apropriada, possvel incluir uma proteo de retaguarda remota no esquema de releamento distncia. Os principais dispositivos usados na proteo de barras so os rels diferenciais e os rels de sobrecorrente, visto que todos os tipos de falhas nas barras esto baseados na lei de Kirchhoff, onde a soma vetorial das correntes em um barramento deve somar zero, a menos que haja uma falha [2]. Em algumas situaes, inclui-se rels de retaguarda, proteo por disperso pela carcaa e proteo por comparao diferencial. As figuras 2.9 a 2.11 indicam os trs esquemas diferenciais de proteo de barramento. Na figura 2.9 mostrado um esquema de proteo diferencial parcial com rel de sobrecorrente, extremamente econmica. Entretanto este esquema, apresenta a desvantagem de exigir rel de sobrecorrente de impedncia muito baixa e relaes de transformao dos TCs (transformadores de corrente) muito altas, com grande seo transversal de ferro e consequente reduo de sensibilidade falhas internas. Na figura 2.10, usa-se um rel diferencial com percentual de restrio varivel multi-restrito, com trs estruturas de restrio e uma de operao, com duas bobinas em cada estrutura de restrio [3].
-

23

Figura 2.9 Proteo diferencial

Figura 2.10 - Proteo com Restrio

Na figura 2.11 mostrado um esquema de proteo de barramentos usando-se acopladores lineares, para proteo de fase e de terra [2]. Os acopladores lineares (TCs, toroidalmente enrolados, com ncleo de ar) foram que a tenso seja proporcional corrente de falha. Essa tenso ento aplicada a um rel sensvel a tenso que aciona a operao da proteo.

Figura 2.11 - Proteo com Acopladores lineares

24

2.1.4 PROTEO DAS LINHAS DE TRANSMISSO

As principais falhas que ocorrem nas linhas de transmisso so decorrentes de curtos-circuitos, embora deva-se tambm atentar para a situao de sobrecarga [3]. A seguir encontram-se algumas das tcnicas usadas na proteo de linhas de transmisso.

Proteo com rels de distncia, usada para redes de mdia, alta e extra alta tenso. o padro mais adotado atualmente. Proteo contra falha terra, usada em linhas areas, onde o mais freqente tipo de falha o curto monofsico. Proteo contra sobrecarga, que aciona um alarme se a corrente mxima permitida na linha for atingida.

A figura 2.12 apresenta um esquema padro de proteo de distncia de uma linha de transmisso com trs terminais, sem canal piloto de onda portadora, onde a proteo feita entre os pontos de instalao dos rels. O rel usado para esse tipo de proteo pode ser o rel de reatncia, impedncia ou admitncia. Esses rels possuem trs unidades (uma instantnea e duas temporizadas), proporcionando trs zonas de proteo ( Z1, Z2 e Z3). A zona 1 ligada de modo a disparar instantaneamente. A zona 2 instalada para disparar aps um pequeno retardo de tempo, suficiente para ultrapassar o tempo de operao da zona 1, mais o tempo de operao dos disjuntores de proteo da zona 1 e das linhas adjacentes. A zona 3 ajustada com retardo suficiente para que no opere antes dos elementos de distncia da zona 2, dos seus temporizadores e tempo de operao dos disjuntores. Em cada situao deixada uma margem de segurana no ajuste do temporizador.

25

Z3

Figura 2.12 - Proteo de distncia de uma Linha de transmisso.

Os smbolos R1 a R3 so usados para indicar um terminal de releamento completo. Os smbolos F1 a F3 representam ocorrncias hipotticas de falhas, dentro da zona de proteo correspondente. Assim, um esquema bem estruturado de proteo deve, em funo da posio dos respectivos rels, proteger a linha de transmisso qualquer que seja a localizao da falha [3]. Outras tcnicas tambm poderiam ser usadas para proteger as linhas de transmisso, tais como: proteo temporizada com rels de sobrecorrente de tempo definido; proteo temporizada com rels de sobrecorrente de tempo inverso; e proteo diferencial transversal. Finalmente, importante salientar que as linhas areas esto sujeitas a falhas que se extinguem espontaneamente (defeitos auto-extintores) e responsveis por grande parte das falhas em linhas de transmisso. Nestas ocorrncias o religamento monopolar feito automaticamente depois de alguns dcimos de segundo [2], independentemente da ao do operador.

26

3 TEORIA DOS CONJUNTOS DIFUSOS

Este captulo descreve alguns conceitos sobre a Teoria dos Conjuntos Difusos (TCD) tal como Nmeros Difusos, os quais sero utilizados no desenvolvimento do SIDAF Sistema Inteligente de Anlise de Falhas. 3.1 CONSIDERAES GERAIS SOBRE A TCD

A TCD surgiu a partir dos estudos desenvolvidos por Zadeh [5,6], onde inicialmente esta teoria foi abordada apenas por formalizao em lgica e em particular pela conhecida Lgica Nebulosa (Fuzzy Logic). Esta formalizao possibilita aproximar a lgica executada pelas mquinas com a do raciocnio humano. A lgica humana permite que um elemento pertena parcialmente a um ou mais conjuntos, enquanto a lgica Booleana, at ento utilizada de forma generalizada, simplesmente classifica um elemento como pertencente ou no a um conjunto. Esta capacidade humana de classificao ocorre pela especificao de um grau de associao do elemento a um determinado conjunto e ocorre de maneira natural, baseada no conhecimento prvio do indivduo. Em 1965, Lofti Zadeh desenvolveu a Teoria de Conjuntos Difusos (do ingls: theory fuzzy sets) [5] que permite associar para cada elemento um grau de pertinncia a um determinado conjunto atravs de uma funo de pertinncia. Baseado nesta teoria, Zadeh tambm desenvolveu a teoria das possibilidades [6] que viabiliza a representao de incertezas. Baseados nesses trabalhos foram e esto sendo desenvolvidos mtodos de apoio deciso e em particular de anlise de sistemas de energia eltrica que visam incluso de incertezas existentes em sistemas de energia eltrica.

3.2 BREVE HISTRICO DA LGICA NEBULOSA. Na dcada de 60, Lofti A. Zadeh, professor de engenharia eltrica e cincia da computao da Universidade da Califrnia em Berkeley, desenvolveu uma variao da

27

tradicional teoria dos conjuntos e lgica booleana, publicando, em 1965, um artigo com os conceitos dos conjuntos nebulosos [5]. Ainda na dcada de 60, pesquisadores se esforaram para estender os fundamentos da lgica nebulosa, introduzindo conceitos novos e desenvolvendo outras abordagens da teoria, como as relaes nebulosas, as variveis lingsticas, a lgebra com nmeros nebulosos, etc. Em 1972 formou-se no Japo o primeiro grupo de pesquisa em sistemas nebulosos, que se reunia mensalmente para discusses sobre o assunto, e foi responsvel pelo primeiro simpsio em sistemas nebulosos no Japo. Em 1975, o professor Ebrahim Mamdani e seu estudante de doutorado Sedrak Assilian, do Queen Mary College, de Londres, obtiveram sucesso utilizando lgica nebulosa para controlar o funcionamento de uma mquina a vapor, sendo que o controle desta mquina foi feito sem aplicao de frmulas, segmentando o problema com a utilizao de regras de produo, o que chamou a ateno dos pesquisadores de todo o mundo e impulsionou uma srie de aplicaes da lgica nebulosa em problemas de engenharia [5]. Em 1985 ocorreu o desenvolvimento do primeiro chip nebuloso por Masaki Togai e Hiroyuke Watanabe, no laboratrio Bell (EUA), que apresentaram seu trabalho na Conferncia de Miami Beach. Aps este evento, muitas empresas japonesas mostraram interesse em inserir o chip nebuloso em seus sistemas, mas a idia de comercializar o chip foi rejeitada pela Bell. Em 1987 foi inaugurado com sucesso o primeiro trem controlado com lgica nebulosa no sistema de metr de Sundai, no Japo. Em 1988 controladores nebulosos dedicados comearam a ser comercializados pela Omron Tateshi Eletrnicos, empresa que teve um papel fundamental na lgica nebulosa no Japo, com 107 das 389 patentes do pas at setembro de 1990. E foi em 1990 que a teoria alcanou popularidade com o lanamento no mercado da primeira mquina de lavar roupas nebulosas, da Matsushita Electric Industrial Co. Hoje possvel encontrar, principalmente no Japo, todo tipo de eletrodomstico cujo sistema baseado em controle nebuloso [5]. Como se pode observar nos diversos trabalhos desenvolvidos, as aplicaes de lgica nebulosa so abrangentes. O breve histrico apresentado anteriormente

ressaltou, dentre os fatores que contribuem para isso, como destacar a capacidade da

28

lgica nebulosa de desenvolver raciocnios prximos ao do ser humano, e da facilidade de absorver o conhecimento humano com a utilizao das variveis lingsticas. 3.3 CONJUNTOS NEBULOSOS Conjuntos nebulosos caracterizam-se por no possurem fronteiras bem definidas e isto o que os difere dos conjuntos clssicos, os quais apresentam limitaes para solucionar problemas onde as transies de uma classe para outra acontecem de forma suave, ou seja, no ocorre na forma tradicional como na lgica binria. Suas definies, propriedades e operaes so obtidas da generalizao da teoria de conjuntos clssicos, a qual passa a ser vista como um caso particular da teoria de conjuntos nebulosos [5]. Por outro lado, na teoria clssica de conjuntos, um dado elemento do universo de discurso (domnio) pertence ou no pertence ao referido conjunto, na teoria dos conjuntos nebulosos cada elemento possui um grau de pertinncia associado a um determinado conjunto, podendo um determinado elemento possuir valor de pertinncia entre 0 (totalmente excludo) e 1 (totalmente membro), sendo que o valor de pertinncia expressa o grau de compatibilidade de cada elemento com as propriedades ou caractersticas do referido conjunto. Um conjunto nebuloso A definido no universo de discurso U caracterizado por uma Funo de pertinncia A, a qual mapeia os elementos de U para o intervalo [0,1], A: U [0, 1]. Desta forma, a funo de pertinncia associa a cada elemento x pertencente a U, um nmero real A(x) no intervalo [0,1], que representa o grau de pertinncia de x em A [5]. A teoria de conjuntos clssicos um caso particular da teoria de conjuntos nebulosos, pois para os conjuntos clssicos a funo de pertinncia um mapeamento do conjunto universo no conjunto [0,1], discriminando dentre todos os elementos de U, aqueles que segundo algum critrio pertence ou no ao conjunto A, dividindo o conjunto universo em duas partes com fronteiras bem definidas [5]. Pode-se caracterizar um conjunto nebuloso A no universo U, como um conjunto de pares ordenados de um elemento genrico x e seu grau de pertinncia podendo ser representado na forma A = {x, A(x)|x U}. A(x),

29

Um conjunto nebuloso discreto pode ser representado pela enumerao de seus elementos junto com seus graus de pertinncia, como apresentado na equao (3.1), onde o somatrio refere-se operao unio e a notao elemento xi que pertence ao conjunto A com grau A(xi)/xi refere-se ao

A(xi). Quando os conjuntos

nebulosos so contnuos, sua representao a prpria funo de pertinncia.

A = A(xi)/xi (3.1)

A princpio qualquer funo da forma A: [0, 1] descreve uma funo de pertinncia associada a um conjunto nebuloso A, a qual depende no somente do conceito a ser representado, como tambm do contexto no qual usado, sendo escolhida pelo usurio com base em sua experincia ou atravs de um processo de otimizao a partir de dados experimentais e/ou obtidos por simulao [5]. As funes de pertinncia podem ser tanto funes lineares por partes quanto no lineares, e representadas atravs de vrios tipos de funes grficas: triangular, trapezoidal, exponencial e outras. As funes lineares por partes so as mais populares, devido a sua simplicidade e dentre elas, podendo-se destacar as funes trapezoidais e triangulares, apresentadas nas figuras 3.1 e 3.2 respectivamente [5].

Figura 3.1- Funo Trapezoidal

30

Figura 3.2- Funo Triangular

Neste Trabalho sero utilizadas funes Lineares Triangulares para a anlise dos dados, representadas por um nmero difuso (ND) ou nmero nebuloso (NN). A seguir apresentada, como exemplo, a representao do nmero difuso 2/1.

Figura 3.3 - Funo Triangular

3.3.1 DEFINIES DE NMEROS NEBULOSOS

O suporte S(A) de um conjunto nebuloso A o conjunto clssico de todos os elementos x U cuja funo de pertinncia tem valor diferente de zero, conforme a equao (3.2).

31

S(A) = x U | A(x) > 0

(3.2)

A definio de suporte para um conjunto nebuloso importante, pois se fossem considerados como pertencentes a um determinado conjunto nebuloso os elementos com A = 0 ter-se-ia uma quantidade muito grande de elementos nesse conjunto,

dependendo do caso, at mesmo infinita [6]. Em um conjunto nebuloso o elemento x U, com grau de pertinncia A(x) = 0, 5 chamado de ponto de crossover, e quando o suporte de um determinado conjunto um nico elemento com A = 1 este conjunto chamado de singleton. O conjunto de elementos que pertencem a um conjunto nebuloso A pelo menos com um grau chamado -nvel ou conjunto -cut.

A = x U | A(x) >

(3.3)

A cardinalidade de um conjunto clssico o nmero total de elementos no mesmo, entretanto, em conjuntos nebulosos, os elementos podem pertencer parcialmente a um conjunto [5], e uma generalizao natural da noo clssica de cardinalidade consiste em pesar cada elemento pelo seu grau de pertinncia. Sendo assim a cardinalidade de um conjunto nebuloso definida por:

Card ( A) = A( Xi )
Xi

(3.4)

Onde A um conjunto nebuloso e o xi representa os elementos do conjunto universo com graus de pertinncia A. A altura de um conjunto nebuloso o maior valor de pertinncia da sua funo de pertinncia, conforme equao (3.5).

htg ( A) = max A( Xi )
Xi

(3.5)

Os conjuntos nebulosos com altura igual a 1 so chamados normais e aqueles cuja altura inferior a 1 so chamados subnormais.

32

3.3.2 OPERAES COM CONJUNTOS NEBULOSOS.

Sejam A e B conjuntos nebulosos em U, com graus de pertinncia A e B, respectivamente. As operaes de unio, interseo e complemento so definidas atravs de suas funes de pertinncia. Unio: a funo de pertinncia AB da unio A B, apresentada na

figura 3.4, definida para todo u U na forma: AB(u) = Max { A(u), B(u)}
A B

(3.6)

0
Figura 3.4 - Unio Nebulosa.

Interseo: a funo de pertinncia definida para todo u U na forma:

AB, apresentada na figura 3.5,

AB(u) = min{ A(u), B(u)}

1 A B

(3.7)

0
Figura 3.5 - Interseo Nebulosa.

33

Complemento: a funo de pertinncia A do complemento do conjunto A definida para todo u U na forma: A(u) = {1 A(u)} (3.8)

Produto Cartesiano: Se A1,...,An so conjuntos contidos em U1, .... ,Un, respectivamente, o produto cartesiano de A1, ... ,An um conjunto nebuloso no espao U1, .... ,Un com funo de pertinncia [6]: A1An(u1, u2, un) = min{ A1(u1), , An(un)} (3.9)

3.4 VARIVEIS LINGUSTICAS. Uma varivel lingstica expressa por um termo lingstico, o qual fornece conceito a varivel, expressando-a qualitativamente, e por uma funo de pertinncia, que a representa quantitativamente. A varivel lingstica caracterizada por {n,T,X,m(t)}, onde n o nome da varivel (por exemplo, temperatura, presso, febre, etc.), T o conjunto de termos lingsticos de n (elevado, baixo, pouco, extenso, etc), X o domnio (Universo) de valores de n sobre o qual o significado do termo lingstico determinado e m(t) uma funo semntica que assinala para cada termo lingstico t T o seu significado, que um conjunto nebuloso em X (ou seja, m: T(X) onde (X) o espao dos conjuntos nebulosos) [5]. A varivel lingstica expressa em termos de uma varivel bsica, que denota a sua medida. Esta medida pode ser quantitativa, na situao em que possvel o uso de instrumentos de medida, ou pode ser expressa de forma qualitativa. Os termos lingsticos so usados para expressar conceitos e conhecimentos na comunicao humana, e em muitas reas estes so a forma mais importante (quando no a nica) de quantificar os dados/informaes. Cada termo lingstico tem a ele associado um conjunto nebuloso que o caracteriza [6].

34

As variveis lingsticas so expressas dentro de um certo domnio de valores. Em geral, o especialista quem define esse domnio e realiza sua participao [1]. Nesse contexto, o papel do especialista torna-se fundamental na modelagem nebulosa. Na figura 3.6 tem-se um exemplo de varivel lingstica, em que se representa o fluxo de potncia ativa em uma linha de transmisso.

Figura 3.6 - Exemplo de uma varivel lingstica .

O nome da varivel fluxo, os termos lingsticos (t T) que atribuem um significado a fluxo so: baixo, mdio e alto, e o domnio (X) da varivel o intervalo [0, 120]. Cada termo lingstico tem a ele associado um conjunto nebuloso m(t) que o caracteriza. Neste exemplo, a varivel medida atravs de instrumentos e representada atravs de variveis lingsticas [6].

3.5 SISTEMA DE INFERNCIA NEBULOSO. Um sistema de inferncia nebuloso capaz de simultaneamente trabalhar com dados numricos e conhecimento lingstico. A figura 3.7 mostra um sistema nebuloso amplamente utilizado que mapeia entradas crisp em sadas crisp [5].

35

Figura 3.7 - Exemplo de um Sistema de Inferncia.

O sistema nebuloso apresentado na figura 3.6 composto por 4 elementos: regras, Fuzificador, mquina de inferncia e Defuzificador, cujos objetivos resumidamente so:

Fuzificador: mapeia os nmeros crisp em conjuntos nebulosos, que so necessrios para a ativao das regras que esto em termos de variveis lingsticas. Regras nebulosas: relaciona as variveis lingsticas de entrada com as de sada. Mquina de inferncia: mapeia os conjuntos nebulosos de entrada em conjuntos nebulosos de sada, e define o modelo para combinao das regras atravs de um mtodo de inferncia para definir um s conjunto nebuloso de sada. Defuzificador: mapeia o conjunto nebuloso de sada em um nmero crisp.

A principal vantagem desse tipo de sistema que embora os valores da entrada e da sada sejam crisp, o conjunto de regras permite uma abordagem qualitativa do problema representada por variveis lingsticas [5].

3.5.1 FUZIFICADOR

A etapa de fuzificao consiste basicamente na associao de graus de pertinncia para as variveis de acordo com as funes de pertinncia de cada conjunto nebuloso.

36

3.5.2 REGRAS NEBULOSAS

Uma regra nebulosa um tipo de declarao de implicao nebulosa ou declarao condicional nebulosa, que descreve uma relao entre as variveis lingsticas de entrada, que representam o estado do sistema, e as variveis de sada. Cada regra nebulosa, da mesma forma que uma afirmao clssica, composta por uma parte antecedente (a parte Se) e uma parte conseqente (a parte Ento) [6], resultando em uma estrutura do tipo: Se {antecedente} Ento {conseqente} Tanto o antecedente quanto o conseqente so proposies nebulosas e desta forma o antecedente define uma regio nebulosa no espao das variveis de entrada do sistema, enquanto o conseqente descreve uma regio no espao das variveis de sada do sistema. O conjunto de regras deve ser capaz de descrever um sistema em suas vrias possibilidades, sendo essas possibilidades retratadas atravs de variveis lingsticas. A utilizao do conceito lingstico para a representao do conhecimento, facilita a expresso do conhecimento humano emprico e heurstico, uma vez que utilizada a prpria linguagem de comunicao [5]. Uma vez construdo o conjunto de regras nebulosas, faz-se necessria uma mquina de inferncia para extrair dele a resposta final. Existem vrios mtodos de inferncia possveis (Mandani, Larsen, etc,...) e a escolha por um deles depende do sistema que est sendo analisado. O mtodo de inferncia formado pelas funes de implicao e por um sistema de agregao de regras. As funes de implicao definem o grau de pertinncia da sada de uma regra considerando os graus de pertinncia da entrada, e o sistema de agregao de regras tem a funo de obter uma sada ou um conjunto nebuloso de sada resultante de duas ou mais regras [5].

37

3.5.3 FUNES DE IMPLICAO

Considerando duas entradas x e y para as quais so associados graus de pertinncia para dois conjuntos nebulosos A e B, respectivamente, a funo de pertinncia R(x, y) que define a implicao, pode ser obtida atravs das funes de pertinncia individuais A(x) e B(y) por vrios mtodos, destacando-se: Clssico usado por Zadeh [5] R(x, y) = max{min[ A(x), B(y)], 1 A(x)} (3.10)

Mnima correlao ou implicao de Mamdani [5] R(x, y) = min[ A(x), B(y)] (3.11)

Implicao de Lukasiewicz [5] R(x, y) = min{1, [1 A(x) + B(y)]} (3.12)

Implicao de Brouwerian [5]

R(x, y) =

1, para A(x) B(y) B(y), outros (3.13)

Implicao R-SEQ (seqncia lgica padro) [5]:

R(x, y) =

1 para A(x) B(y) 0, outros (3.14)

Implicao somas limitadas [5]: R(x, y) = min{1, [ A(x) + B(y)]} (3.15)

Implicao correlao produto [5]: R(x, y) = A(x). B(y) (3.16)

38

4 FERRAMENTA COMPUTACIONAL - DELPHI

Este captulo descreve sobre a ferramenta computacional utilizada na execuo do SIDAF Sistema Inteligente de Anlise de Falhas.

4.1 INTRODUO.

O desenvolvimento de aplicaes em plataforma era algo extremamente complicado e acessvel apenas a programadores dispostos a investir muito tempo e fosfatos na leitura de pilhas de livros, interminveis testes e anlise de programas exemplos que mais confundem do que explicam. Mas, porque era to difcil fazer programas para Windows? Para comear, o Windows usa o conceito de GUI (Graphic User Interface Interface Grfica com o Usurio), que embora fosse muito familiar para usurios do Unix e do Mac OS, era novidade para usurios do DOS. O uso de um sistema GUI implicava em aprender vrios conceitos que eram estranhos ao usurio de um sistema baseado em texto como o DOS. Para complicar um pouco mais, o Windows um sistema multi-tarefa, e as aplicaes so orientadas a eventos, o que implica em aprender um novo estilo de programao. Finalmente, o programador tinha que ter alguma familiaridade com as centenas de funes oferecidas pela API do Windows. Por tudo isso, programao em Windows era um assunto que costumava provocar arrepios nos programadores [8]. Felizmente as linguagens visuais chegaram para mudar esta situao. Foi s com estas que o Windows conseguiu cumprir sua promessa de ser um sistema amigvel e fcil de usar tambm para os programadores, que sempre tiveram que pagar a conta da facilidade de uso para o usurio. Entre as linguagens visuais que surgiram, nenhuma veio to completa e bem acabada quanto o Delphi. Desde o incio o Delphi possua um compilador capaz de gerar cdigo diretamente executvel pelo Windows, proporcionando uma velocidade de execuo de 5 a 20 vezes maior que as linguagens interpretadas como o Visual Basic e Visual FoxPro que geravam executveis Pcode que precisam de arquivos auxiliares de run-time. Alm disso, o Delphi tambm possua uma engine para acesso

39

a diversos bancos de dados e um gerador de relatrios. O tempo de desenvolvimento de qualquer sistema foi reduzido a uma frao do tempo que seria necessrio usando outras linguagens e o resultado sempre muito melhor. por isso que o Delphi fez e faz tanto sucesso no mundo inteiro, sempre ganhando prmios como melhor ferramenta de desenvolvimento para Windows [8]. O objetivo principal de qualquer ferramenta de desenvolvimento ou linguagem de programao a criao de aplicaes. Determinadas linguagens ou ferramentas devido aos recursos que possuem so mais indicadas para a criao de aplicaes comerciais, outras se destinam mais a aplicaes cientficas ou ainda para a criao de sistemas operacionais. O Delphi uma ferramenta RAD (Rapid Application Development Desenvolvimento Rpido de Aplicaes) criada pela Borland. uma ferramenta de propsito geral, permitindo o desenvolvimento de aplicaes tanto cientficas como comerciais com a mesma facilidade e alto desempenho [8]. Integra-se facilmente com a API (Application Program Interface) do Windows, permitindo a criao de programas que explorem ao mximo os seus recursos, assim como os programas escritos em linguagem C/C++. O Delphi possui um compilador extremamente rpido que gera executveis nativos (em cdigo de mquina, no interpretado), obtendo assim melhor performance e total proteo do cdigo fonte [8]. O Delphi extensvel, sua IDE (Integrated Development Environment Ambiente de Desenvolvimento Integrado) pode ser ampliada e personalizada com a adio de componentes e ferramentas criadas utilizando-se o Object Pascal, a linguagem de programao do Delphi. Neste ambiente constroem-se as janelas das aplicaes de maneira visual, ou seja, arrastando e soltando componentes que iro compor a interface com o usurio. O Object Pascal uma poderosa linguagem Orientada a Objeto, que alm de possuir as caractersticas tradicionais das mesmas como classes e objetos, tambm possui interfaces (semelhantes s encontradas em COM e Java), tratamento de exceo, programao multithreaded e algumas caractersticas no encontradas nem mesmo em C++, como RTTI (Runtime Type Information). Assim como o C++, o

40

Object Pascal uma linguagem hbrida, pois alm da orientao a objeto possui tambm uma parte da antiga linguagem estruturada (Pascal) [8].

4.2 VANTAGENS.

Possui o compilador mais rpido e otimizado de todas as ferramentas; Gera executveis, sem a necessidade da utilizao de bibliotecas RunTime para a distribuio de aplicaes. A conseqncia disto uma performance muito superior s outras ferramentas;

Possibilita a criao de componentes nativos, ou seja, permite que faamos extenses ao prprio Delphi;

uma ferramenta two-way, isto , cada componente visual implementado atravs de um conjunto de linhas de cdigo Object Pascal e esses dois elementos: componente visual e linhas de cdigo esto intimamente relacionados, de tal forma que uma alterao em qualquer um deles se reflete no outro;

A linguagem possui mecanismos especiais para manipulao de exceo (exception handling), o que permite a criao de aplicaes mais robustas;

Excelente conectividade com bancos de dados, atravs do Borland Database Engine (BDE);

totalmente orientada a objetos.

4.3 PORQUE DA ESCOLHA.

O principal motivo da escolha foi a facilidade de interatividade com o usurio, tanto na manipulao dos dados como na gerao dos resultados finais. O usurio no precisa ter conhecimento computacional, pois a plataforma oferece toda a condio necessria para que todo o processo seja realizado de forma clara e objetiva, sem perda de tempo e com grande preciso.

41

5 METODOLOGIA

Este captulo descreve sobre a metodologia empregada no desenvolvimento do SIDAF Sistema Inteligente de Anlise de Falhas, usando a Teoria dos Conjuntos Difusos, utilizada na fase de anlise dos dados.

5.1 MTODO DE COLETA DE DADOS.

Quando existe dificuldade na obteno de dados de falhas em partes de um sistema, h necessidade de inferir estes dados por outro mtodo. A aquisio de dados foi obtida atravs de entrevistas com profissionais. Procurou-se fazer uma relao de perguntas sobre os as contribuies de falhas e causas no funcionamento de um Sistema eltrico. Para cada questo, foram definidos 6 nveis de contribuio, a saber: Muito Pequeno, Pequeno, Razovel, Mdio, Grande e Muito Grande. Essas questes sero avaliadas atravs da coleta de opinies de especialistas e neste trabalho classificados em trs nveis de conhecimento: Engenheiro, Tcnico e Outros. Aps coleta, sero geradas tabelas relacionando Especializao (Confiana) e Contribuio (Amplitude). A figura 5.1 mostra uma tabela contendo os seis nveis de contribuio relacionados com os trs nveis de conhecimento.

Figura 5.1 - Representao das Opinies de especialistas sobre a contribuio de um curto circuito entre fases do gerador, causar um mau funcionamento no Sistema Eltrico.

42

A tabela mostrada na figura 5.1, representa a matriz de opinies dos especialistas. Por exemplo para o nvel tcnico, a contribuio de curto circuito entre as fases do gerador para que ocorra uma falha no SE considerada razovel. 5.2 ANLISE QUANTITATIVA DOS DADOS.

Depois de gerada a matriz contendo as opinies dos especialistas pelo SIDAF Sistema Inteligente de Anlise de Falhas, O sistema far anlise quantitativa dos dados coletados, onde sero escolhidos dentre os mais votados, trs nmeros nebulosos, caracterizando uma Grande, Mdia e Pequena contribuio. Assim para os dados representados na fig. 5.1, a seguinte anlise pode ser feita:

1- Para uma pequena contribuio o nmero nebuloso representativo 2/1; 2- Para uma mdia contribuio o nmero nebuloso representativo 4/2; 3- Para uma Grande Contribuio o nmero nebuloso representativo 8/3;

5.3 MTODO DE VALIDAO DOS RESULTADOS.

Esta seo apresenta toda a seqncia de clculos, utilizados no SIDAF Sistema Inteligente de Anlise de Falhas para a anlise e validao dos dados coletados atravs das opinies dos especialistas sobre as questes apresentadas. Normalizar um conjunto nebuloso A, representado por A(n), dividir todos os valores de pertinncia pelo valor mximo de (m sup), do Conjunto A obtido [1]. Supondo o conjunto Nebuloso A, resultado das opinies de especialistas, representado pela equao (5.1).

A = x1 / 0 + x 2 / 2 + x3 / 4 + x 4 / 6 + x5 / 8 + x6 / 10

(5.1)

Onde,

x3>x4>x2>x1>x5>x6, ento dividimos Xi/X3:

43

A( n) =

x1 x2 x3 x4 x5 x6 /0+ /2+ /4+ /6+ /8+ / 10 x3 x3 x3 x3 x3 x3

(5.2)

(n) Onde A o conjunto nebuloso normalizado caracterstico das opinies dos

especialistas. O prximo passo escolher um nmero nebuloso de referncia e comparar com o nmero nebuloso em estudo, A( n ) .

B = z1 / 0 + z 2 / 2 + z 3 / 4 + z 4 / 6 + z 5 / 8 + z 6 / 10

(5.3)

Aps escolhido o nmero nebuloso de referncia, ser calculada a semelhana, entre o conjunto A( n ) e o conjunto de referncia B. A semelhana de um conjunto A(X) com um conjunto B(X) obtida atravs da equao (5.4).

S A, B =

A( X ) B( X ) A( X ) B( X )

( = (
i i

( X i ) B ( X i )) ( X i ) B ( X i ))
(5.4)

Onde:
= menor = maior

Depois de calculada a semelhana entre os nmeros nebulosos A(X) e B(X),

(n ) so escolhidos outros nmeros nebulosos para comparao com o nmero A que

representa as opinies dos especialistas. Depois se compara as semelhanas calculadas e escolhe-se a de maior valor. O prximo passo verificar se o conjunto nebuloso A (X), que o resultado das opinies dos especialistas aceitvel dentro de um grau de aceitao arbitrado Y. Para

44

a nossa simulao hipottica escolheremos um grau de aceitao 0,6. Caso se obtenha um grau de aceitao menor dever reiniciar a coleta de opinies. A aceitao definida pela equao (5.5), a saber:
A( X ) =
A( X ) F ( X ) A( X )

(5.5)

0 <= A ( X ) <= 1

Onde:

F(X)= Filtro de um mero nebuloso, sendo tambm um nmero nebuloso. A escolha deste filtro feita atravs da tabela 5.1.

QUALIFICAO
NO, PEQUENO, NADA, FALSO, IGNORNCIA MAIS OU MENOS, MDIO, DVIDA SIM, GRANDE, TUDO, VERDADEIRO, EVIDNCIA

NMERO NEBULOSO CARACTERSTICO (0/1);(0/2);(0/3);(0/4);(2/1)

(2/4);(4/2);(4/3);(6/2);(6/3) (6/1);(8/1);(8/2);(10/1);(10/2)

Tabela 5-1 - Representao das qualificaes atravs de nmeros nebulosos..

Neste trabalho foi utilizado o filtro menos rgido (4/3) para a anlise de aceitao dos dados, pois esto sendo consideradas 3 classes de especialistas com grande diferena no grau de conhecimento. Se fossem considerados nveis de conhecimentos equivalentes poder-se-ia utilizar um filtro mais rgido, 6/1 por exemplo, onde se teria maior confiana dos dados coletados.

45

A no aceitao definida pela equao 5.6, a saber [1]:

i A( X ) =

A( X ) F ( X ) A( X )

(5.6) de aceitao definido por :

O grau
0 <= i A ( X ) <= 1

ga A ( X ) = a A ( X ) i A ( X ) 1 <= ga A ( X ) <= 1

(5.7)

Depois de calculado o grau de aceitao, este valor comparado com o grau de aceitao arbitrado Y. Se ga A( X ) for maior ou igual a Y a coleta de dados obtidos pelas opinies dos especialistas aceitvel. Por outro lado se ga A( X ) for menor que a Y os dados coletados no servem para a anlise, se fazendo necessrio coletar novamente os dados ou utilizar um filtro menos rgido [1]. Resta agora verificar se o nmero nebuloso de maior semelhana com o conjunto A(X), que representa as opinies dos especialistas pode ser aceito para fins de anlise dos dados. Para tanto, compara-se com o grau de aceitao. Assim ao final sero obtidos para a situao de contribuio de defeito de equipamentos na falha de um SE, os nmeros nebulosos representativos das taxas de falhas [1]. Quando o grau de aceitao for menor que o filtro escolhido, o mnimo nebuloso pode ser utilizado como substituto de conjunto de dados coletados provenientes das opinies dos especialistas. Para tanto, compara-se com o grau de aceitao [1]. Quando o grau de aceitao for menor que o filtro escolhido, o nmero nebuloso pode ser usado como substituto do conjunto de dados coletados provenientes das opinies dos especialistas [1].

46

6 O SISTEMA PROPOSTO E SIMULAO

Este captulo apresenta o sistema proposto para anlise e anlise de falhas em sistemas de energia eltrica, denominado SIDAF Sistema Inteligente de Anlise de Falhas, descrevendo sobre a Interface utilizada e apresentando uma simulao hipottica de um sistema eltrico constitudo de elementos bsicos.

6.1 INTERFACE DE APRESENTAO E MENU DE OPES.

A figura 6.1 ilustra a tela de Inicializao do SIDAF Sistema Inteligente de Anlise de Falhas.

Figura 6.1 - Tela de Abertura

Como se pode observar, a figura 6.1 tambm mostra o menu de opes do software, atravs dele temos acesso a todas as funes do programa. A seguir, ser apresentado o menu principal com todas as suas opes. A figura 6.2 apresenta a interface principal com destaque para o menu de entrada de dados.

47

Figura 6.2 - Menu Entradas de dados e suas Opes

Observe que a figura 6.2 mostra o menu com as opes de Entrada de Dados para os quatros principais componentes de Sistema Eltrico de Energia considerados neste trabalho. Atravs desta opo, tem-se a coleta de opinies sobre as contribuies de causas e falhas para cada um destes componentes listados nos sub-menus.

A figura 6.3 destaca a opo de gerao de matrizes.

Figura 6.3 - Menu Gerar Matrizes e suas Opes

Nota-se que na figura 6.3 se tem acesso direto a cada componente do Sistema Eltrico e atravs desta opo so geradas matrizes contendo a coleta de opinies sobre as contribuies de causas e falhas e seus efeitos no Sistema eltrico de Energia para cada componente listado nos sub-menus

48

De forma anloga, a figura 6.4 destaca a opo de anlise quantitativa dos dados.

Figura 6.4 - Menu Anlise Quantitativa e suas Opes

Como se pode ver na figura 6.4, todas funes e resultados do SIDAF Sistema Inteligente de Anlise de Falhas so acessadas no menu principal. Atravs da opo Anlise Quantitativa, o Sistema executa uma varredura nos dados coletados, faz-se ento uma contagem das opinies classificando-as em trs nveis de contribuio, a saber: Grande, Mdio e pequeno. Atravs da opo Anlise Fuzzy mostrada no figura 6.5, temos acesso as funes mais importantes do SIDAF Sistema Inteligente de Anlise de Falhas.

Figura 6.5 - Menu Anlise fuzzy e suas Opes

A figura 6.5 destaca a opo Anlise Fuzzy, atravs desta anlise o SIDAF Sistema Inteligente de Anlise de Falhas executa uma srie de anlises dos dados coletados, gerando como resultado final um nmero nebuloso caracterstico que representa o conjunto de opinies coletada. A figura 6.6 mostra a opo de Modelo de anlise.

49

Figura 6.6 - Menu Modelos de Anlise e suas Opes

Atravs da opo de modelo de anlise, mostrada na figura 6.6, se tem acesso a uma tabela representativa dos nmeros nebulosos, suas qualificaes e confiana nos dados. Do mesmo modo a figura 6.7, apresenta a opo de Ajuda e suas opes.

Figura 6.7 - Menu Ajuda e suas Opes

A figura 6.7 destaca a opo de Ajuda e suas funes, atravs desta opo se tem acesso aos componentes de Ajuda onde so apresentadas as caractersticas e particularidades do SIDAF Sistema Inteligente de Anlise de Falhas.

6.2 ENTRADA DE DADOS.

A figura 6.8 destaca a opo de Coleta de dados, atravs dela o SIDAF Sistema Inteligente de Anlise de Falhas executa a coleta de dados de especialistas sobre as diversas situaes de ocorrncia funcionamento do Sistema Eltrico de Energia. causas e falhas e seus efeitos no

50

Figura 6.8 - Coleta de dados de falhas no Gerador

A figura 6.8 destaca a opo coleta de dados, que dividida em trs tipos de nveis de conhecimento: Engenheiro, Tcnico e Outros. Cada nvel est relacionado com a confiabilidade das informaes. A seguir o SIDAF Sistema Inteligente de Anlise de Falhas relaciona uma srie de questes a respeito de falhas que ocorrem no Gerador e seu nvel de

51

contribuio para o mau funcionamento do Sistema Eltrico e tambm relaciona falhas internas e suas conseqncias no seu funcionamento. A relao abaixo lista as falhas analisadas pelo SIDAF Sistema Inteligente de Anlise de Falhas.

Curto Circuito entre fases do Gerador; Sobre Aquecimento do Estator do Gerador; Sobre-tenso no Gerador; Sobrecarga no Gerador; Curto Circuito no Estator do Gerador; Perda de Campo no Gerador; Curto Circuito entre fases; Sobrecarga; Falha no Sistema de refrigerao; Perda de Carga; Perda de Velocidade; Alta Temperatura do Mancal; Curto Circuito no enrolamento de Campo; Perda de excitao;

A avaliao das questes feita atravs de 6 nveis de escolha, so eles: Muito Pequeno, Pequeno, Razovel, Mdio, Grande e Muito Grande, como podemos ver na figura 6.8. Todas as opinies so salvas em um Banco de dados. Estas informaes sero utilizadas em todas as etapas posteriores. Atravs delas o SIDAF Sistema Inteligente de Anlise de Falhas faz a anlise quantitativa e qualitativa das opinies coletadas. A figura 6.9 destaca a interface de entrada de dados para o transformador.

52

Figura 6.9 - Entrada de dados de falhas para o Transformador.

A figura 6.9 ilustra como o SIDAF Sistema Inteligente de Anlise de Falhas relaciona as principais falhas que podem ocorrer em um transformador. falhas analisadas pelos SIDAF Sistema Inteligente de Anlise de Falhas: Curto Circuito no Transformador. Sobre corrente no Transformador. Sobrecarga no Transformador. Problema no Isolante do Transformador. Problema no nvel do leo do Transformador. Arco nas buchas do Transformador. Sobre Aquecimento. Deteriorizao do Isolante. Vazamento de leo no Transformador Relao de

53

A figura 6.10 de igual forma ilustra o formulrio de Aquisio de Dados para as falhas ocorrentes no Barramento.

Figura 6.10 - Formulrio de Aquisio de Dados de falhas para o Barramento.

Atravs da interface mostrada na figura 6.10 o SIDAF Sistema Inteligente de Anlise de Falhas relaciona as principais falhas ocorrentes no barramento e seu efeito na funcionalidade do Sistema Eltrico. As principais falhas analisadas so:

Sobre Carga no Barramento. Sobre Corrente no Barramento. Queda de Objeto. Surto Atmosfrico. Curto Circuito.

54

Semelhantemente, a figura 6.11 mostra a coleta de Dados de Falhas ocorrentes nas Linhas de Transmisso.

Figura 6.11 - Interface de Coleta de Dados de falhas para a LT.

As falhas nas Linhas de Transmisso analisadas pelo SIDAF Sistema Inteligente de Anlise de Falhas so:

Sobre Carga na Linha de Transmisso; Queda de Objeto; Surto Atmosfrico; Curto Circuito entre Fases; Curto Circuito Monofsico;

55

6.3 MATRIZES DE DADOS.

Aps coletadas as opinies sobre causas e falhas, o SIDAF Sistema Inteligente de Anlise de Falhas classifica os dados coletados em forma de matrizes, como mostrado na figura 6.12, relacionando quantitativo de opinies por grau de conhecimento.

Figura 6.12 - Matrizes de Dados para o Gerador.

Pode-se verificar que para a situao de curto circuito entre fases no gerador, foram coletados dois votos do nvel engenheiro, cinco votos do nvel tcnico e 3 votos de outros profissionais. De forma anloga, a figura 6.13, ilustra as matrizes relacionais contendo os dados de opinies de especialistas sobre a ocorrncia de falhas no Transformador.

56

Figura 6.13 - Matrizes de Dados para o Transformador.

De forma anloga, as figuras 6.14 e 6.15 representam os dados das opinies coletadas pelo SIDAF Sistema Inteligente de Anlise de Falhas, com relao aos efeitos causados no Sistema Eltrico pelas falhas ocorridas no Barramento e Linha de Transmisso.

Figura 6.14 - Matrizes de Dados para o Barramento.

57

Pode se notar na figura 6.15, para o caso de uma descarga atmosfrica causar uma falha na LT, que foram coletas as opinies de sete engenheiros, quatro tcnicos e 2 outros profissionais.

Figura 6.15 - Matrizes de Dados para a Linha de Transmisso

58

6.4 ANLISE QUANTITATIVA.

Aps coleta e ordenao dos dados, o SIDAF Sistema Inteligente de Anlise de Falhas realiza uma anlise quantitativa ds opinies dos especialistas, como mostrado na figura 6.16.

Figura 6.16 - Anlise quantitativa dos dados do Gerador.

O SIDAF Sistema Inteligente de Anlise de Falhas compara os dados obtidos com uma tabela relacional fuzzy, escolhendo trs nmeros nebulosos representativos para o grau de contribuio de cada falha. A figura 6.17 ilustra a anlise quantitativa para o Transformador.

Figura 6.17 - Anlise quantitativa dos dados do Transformador.

59

De forma anloga o SIDAF - Sistema Inteligente de Anlise de Falhas, executa a anlise para o Barramento e a Linha de Transmisso, como mostrado nas figuras 6.18 e 6.19.

Figura 6.18 - Anlise quantitativa dos dados do Barramento.

Figura 6.19 - Anlise quantitativa dos dados da Linha de Transmisso.

60

6.5 ANLISE FUZZY Na anlise fuzzy tem-se a qualificao das opinies coletadas. Atravs de uma modelagem de dados baseado na TCD, obtm-se o nmero difuso caracterstico da falha analisada. A seguir apresentado passo a passo a obteno de um nmero difuso relativo a contribuio de uma Sobrecorrente entre fases na LT e seus conseqentes efeitos no mau funcionamento do SEP. O sistema eltrico utilizado bsico, constitudo de quatro elementos principais, que so eles: gerador, transformador, barramento e linha de transmisso. A figura 6.20 abaixo mostra a matriz de dados aps a coleta das opinies dos especialistas sobre a contribuio de uma sobre corrente na LT causar um mau funcionamento no Sistema Eltrico. Atravs da matriz de dados mostrada na figura 6.20, pode se notar que foram coletadas treze opinies, distribudas da seguinte forma: sete opinies do nvel engenheiro, 4 opinies do nvel tcnico e 2 opinies de outros profissionais.

Figura 6.20 - Matriz de coleta de dados para uma LT

Atravs da obteno da Matriz de opinies dos especialistas, representada na figura 6.20, o SIDAF - Sistema Inteligente de Anlise de Falhas far as anlises dos dados para a obteno do nmero difuso caracterstico.

61

Atravs da matriz de opinies, podem-se determinar quantos votos foram dados por cada grupo de especialistas. Na figura 6.20, verifica-se que 5 votos foram dados por engenheiros, 3 votos pelos tcnicos e 3 votos por outros especialistas. A figura 6.21 abaixo representa os nmeros difusos obtidos pelo SIDAF Sistema Inteligente de Anlise de Falhas atravs de uma anlise quantitativa, a qual descreve atravs do nmero de votos obtidos, os nmeros difusos correspondentes.

Figura 6.21 - Analise Quantitativa de dados

Para opo anlise qualitativa o SIDAF- Sistema Inteligente de Anlise de Falhas classifica os nmeros difusos 2/3, 4/1 e 8/3, em destaque na figura 6.21, como representativos de uma pequena, mdia e grande contribuio de uma sobrecorrente na LT causar um mau funcionamento do SE. Porm ainda no se tem um nmero difuso que possa substituir o conjunto de opinies coletadas. Para a obteno do nmero difuso caracterstico, como mostra a figura 6.22 abaixo, o SIDAF - Sistema Inteligente de Anlise de Falhas utiliza a teoria dos conjuntos difusos para anlise e anlise das opinies coletadas, conforme metodologia apresentada no captulo 5.

62

Figura 6.22 - Analise Fuzzy dos dados

Observa-se na figura 6.22 uma opo de escolha do grau de aceitao. O SIDAF - Sistema Inteligente de Anlise de Falhas utiliza como padro um grau de aceitao de 0,5, isto 50%, O grau de aceitao representa o quanto as opinies coletadas so aceitos dentro de um parmetro estabelecido. Pode-se observar na figura 6.22 as variveis GAOC, GACE e NOC que representam respectivamente o grau de aceitao das opinies coletadas, grau de aceitao do conjunto encontrado mais semelhante ao conjunto de opies e nmero de opinies coletadas.Compara-se os parmetros GAOC e GACE com o GA arbitrado, se os parmetros GAOC, GACE forem menor que o GA grau de aceitao escolhido, devemos coletar mais dados at que se obtenha uma base de dados cuja a analise da aceitao esteja dentro do grau de aceitao escolhido. Caso contrrio, se os parmetros GAOC, GACE for iguais ou superiores ao Grau de aceitao, o nmero difuso encontrado pode ser utilizado como substituto do conjunto de opinies. Na simulao hipottica apresentada o nmero difuso mais semelhante e que pode substituir o conjunto de opinies foi 4/1 que significa que a permisso de uma sobrecorrente pode ocasionar uma falha mdia (qualificao), com confiana grande de ocorrncia da falha. Pode-se observar na figura 6.22 um boto RESET no canto superior esquerdo, o qual destina-se a zerar o banco de dados de opinies coletadas, caso no se consiga a obteno da aceitao do conjunto atravs da continuidade da coleta de opinies.

63

6.6 REPRESENTAO DAS CONTRIBUIES E SEUS NMEROS DIFUSOS.

A figura 6.23 mostra a representao das contribuies e seus nmeros difusos caractersticos.

Figura 6.23 - Representao das qualificaes e seus nmeros fuzzy.

Atravs do modelo de anlise, mostrado na figura 6.20, o SIDAF - Sistema Inteligente de Anlise de Falhas faz a anlise quantitativa dos dados das opinies coletadas.

64

7 CONCLUSES E TRABALHOS FUTUROS

Este captulo apresenta as concluses sobre o sistema proposto bem como propostas de desenvolvimento de trabalhos futuros e a bibliografia utilizada no SIDAF Sistema Inteligente de Anlise de Falhas para um SEP Sistema Eltrico de Potncia. 7.1 CONCLUSES O SIDAF Apresenta como principal vantagem a facilidade de interatividade com o usurio, tanto na coleta dos dados, como na visualizao dos resultados obtidos. Devido crescente demanda de energia eltrica consumida, aumenta a possibilidade de ocorrncia de falhas. Portanto, torna-se indispensvel um estudo da quantidade e efeitos de falhas no sistema. O SIDAF atravs de uma metodologia Fuzzy formaliza matematicamente as falhas que ocorrem no SE, quando no se conhece por registros esta ocorrncia de falhas. Em Sistemas que se conhecem para alguns elementos as taxas de ocorrncia de falhas, ter-se- um sistema hibrido onde alguns nmeros nebulosos representaro opinies dos especialistas para aqueles elementos que no possuem as suas respectivas taxas de falhas e outros nmeros nebulosos representando as taxas de falhas de seus elementos. 7.2 TRABALHOS FUTUROS

Este trabalho poder ser utilizado para a implementao de um Software para manuteno preventiva do SEP e de seus equipamentos. Pois atravs do conhecimento das falhas, ocorrentes no sistema, pode ser implementado um controle para manuteno preventiva, o que possibilitaria a estabilidade do SEP bem como um melhor funcionamento e maior tempo de vida dos equipamentos constituintes do SEP.

65

7.3 REFERNCIAS BIBLIOGRFICAS

[1]

Wladyslaw Mielczarski, Fuzzy Logic, Techniques in Power Systems,

Physica-Verlay Editor, 1998; [2] Amadeu C. Caminha, Introduo a Proteo dos Sistemas Eltricos,

Editora Edgard Blucher Ltda; [3] F. P. Mello, Proteo de sistemas eltricos de potncia, srie PTI, CEB S/A & UFSM,1979. [4] D. E. Hedman, Coordenao de isolamento, srie PTI, CEB S/A & UFSM , 1979. [5] Zadeh, L. A., Fuzzy sets, Information and Control, 8, 338-353, 1965. [6] Zadeh, L. A., Fuzzy sets as a basis for a Theory of possibility, Fuzzy Sets and System, 1,3-28, 1978. [7] Mendel, J. M., Fuzzy logic systems for engineering: a tutorial, Proceedings of the IEEE,83(3), 345-377, 1995. [8] Adilson de Souza Dias, Delphi: Banco de Dados com SQL, Editora Cincia Moderna; [9] Paul Kimmel, Desenvolvendo Aplicaes em Delphi 6, Editora Cincia Moderna; [10] UNIVERSIDADE FEDERAL DO ESPRITO SANTO. Biblioteca Central. Normalizao e apresentao de trabalhos cientficos e acadmicos:guia para alunos, professores e pesquisadores da UFES. 2. ed. Vitria, 1997. [11] UNIVERSIDADE FEDERAL DO ESPRITO SANTO. Biblioteca Central. Guia para normalizao de referncias bibliogrficas: NBR 6023. 2. ed. Vitria, 1997. [12] Cavati, C. R., Notas de Aula do professor. DEL/CT/UFES/2000.