Identificação de cargas lineares e não-lineares em sistemas elétricos residenciais usando técnicas para seleção de atributos e redes neurais artificiais

Abstract

RESUMOEste trabalho consiste em apresentar um método para a identificação de cargas lineares e não-lineares comumente encontradas em sistemas elétricos residenciais. Desta identificação, soluções viáveis poderão ser aplicadas com o intuito de mitigar os níveis de emissão das correntes harmônicas geradas, advindas principalmente por cargas com características não-lineares. No desenvolvimento do método, utilizaram-se de técnicas para a seleção de atributos, de forma a minimizar a dificuldade em se identificar as cargas conectadas ao sistema. A etapa posterior de identificação foi realizada pela aplicação de redes neurais artificiais. Todas as situações de distorção harmônica foram geradas em laboratório por uma fonte de alimentação, onde em sua saída foram alocados analisadores de energia, responsáveis pela extração das medidas necessárias sobre as cargas residenciais em análise. Os resultados obtidos foram considerados satisfatórios, mostrandose que a metodologia proposta pode ser também empregada pelas concessionárias de energia elétrica para que estas obtenham informações sobre o perfil das cargas instaladas em consumidores residenciais. PALAVRAS-CHAVE:Identificação de cargas lineares e não-lineares, componentes harmônicas, redes neurais artificiais. ABSTRACT Identification of Harmonic Current Sources in SinglePhase Power Systems Using Feature Selection Techniques and Artificial Neural NetworksThis work presents a method to identify linear and nonlinear loads commonly encountered in residential electrical systems. From this method, feasible solutions can be applied to mitigate the high levels of harmonic currents, generated mainly by nonlinear loads. Techniques of feature selection were used to data preprocessing and to minimize the effort in identification of loads connected to the electrical system. For the next step, the load identification, artificial neural networks were applied. All harmonic distortion situations were created in laboratory from a power source, and in its outputs were inserted the loads and power quality analyzers, which perform the extraction of all measurements. The obtained results were considered satisfactory, which show that the methodology can be employed by power distribution companies in order to obtain information about the profile of loads used by residential consumers.