Trabalho de Conclusão de Curso

Documento

Autoria

Rocha, Luiz Victor Linhares

Unidade da USP

Data de Apresentação

Orientador

Asada, Eduardo Nobuhiro

Banca

Pereira Junior, Benvindo Rodrigues
Momesso, Antônio Eduardo Ceolin

Título em Português

Utilização de redes neurais para determinação de tensão nodal em barras não observáveis

Palavras-chave em Português

Rede neural artificial
Aprendizado de máquina
Estimação
Gauss-Seidel
Rede de potência
Unidade de medida fasorial
Fluxo de potência
Árvore de possibilidade

Resumo em Português

Com a introdução de novos equipamentos em redes de energia, novos meios de monitoramento também são desenvolvidos. PMUs são medidores capazes de obter informação em tempo real das tensões nodais de uma rede de potência com precisão, mas também possuem alto custo de instalação e manutenção. Utilizando-se de redes neurais artificiais, pode-se estimar o valor de magnitude e ângulo de fase de barras não observáveis. Comparase, então, a alocação de medidores para tornar uma rede totalmente observável com a alocação para tornar a mesma rede não observável de nível 1. Utilizando-se das redes padrões IEEE de 14 e 30 barras, alocações foram feitas por meio de árvore de possibilidade, diminuindo em até 50% o número de PMUs instalados no sistema. Para o treinamento da rede neural, casos de exemplo foram gerados aplicando-se fatores aleatórios de consumo de potência e obtendo-se os valores de tensões nodais pela resolução do fluxo de potência por Gauss-Seidel. Conclui-se que uma rede com 2 camadas escondidas de 25 neurônios é suficiente para o problema com 14 barras e uma rede de 2 camadas escondidas de 35 neurônios é suficiente para o problema com 30 barras. Ambas obtiveram erros nos valores estimados menores que 10?4 com base em valores medidos com erros de 10?5 mostrando serem capazes de substituir PMUs.

Título em Inglês

Use of neural network for determining voltage on non-observable bars

Palavras-chave em Inglês

Artificial neural network
Machine learning
Estimation
Power Grid
Phasor measurement units
Power flow
Possibility tree

Resumo em Inglês

With the introduction of new equipment in power grids, new monitoring devices are also developed. PMUs are meters that can accurately obtain real-time information on nodal voltages of a power grid, but it also has a high cost of installation and maintenance. Using artificial neural networks, the value of magnitude and phase angle of unobservable buses can be estimated. The allocation of meters to make a network fully observable is compared with the allocation to make the same network of level 1 unobservable. Using the IEEE standard networks of 14 and 30 bus the installations were made through a tree of possibilities, reducing the number of PMUs installed in the system by up to 50 %. Random operational load points were generated and the resulting bus voltage for each bus in system was obtained through power flow resolution using Gauss-Seidel method, generating the data set for neural network training. It was concluded that a network of 2 hidden layers of 25 neurons is suficient the problem of 14 bars and a network of 35 neurons meets that of 30 bars. Both obtained precision of estimated values greater than 10?4 based on measured data with 10?5 of precision.

Arquivos

AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome(s) do(s) autor(es) do trabalho.

Rocha_LuizVictor_tcc.pdf (4.46 Mbytes)

 

Data de Publicação

2019-03-19

Número de visitas

257

Número de downloads

225