ProteçÃO diferencial de transformadores de potência através do gradiente da corrente diferencial Raidson Jenner N. de Alencar* Ubiratan H. Bezerra†



Baixar 0,83 Mb.
Página1/14
Encontro30.06.2017
Tamanho0,83 Mb.
  1   2   3   4   5   6   7   8   9   ...   14

Artigo Submetido em xx/xx/xx

1a. Revisão em xx/xx/xx; 2a. Revisão em xx/xx/xx; 3a. Revisão em xx/xx/xx; 4a. Revisão em xx/xx/xx;

Aceito sob recomendação do Ed. Consultor Prof. Dr. Yyyy Yyyyyyyy yy Yyyyyyyy


PROTEÇÃO diferencial DE TRANSFORMADORES DE POTÊNCIA através do gradiente da corrente diferencial
Raidson Jenner N. de Alencar* Ubiratan H. Bezerra

raidson.alencar@ifpa.edu.br bira@ufpa.br
*Instituto Federal do Pará – IFPA Universidade Federal do Pará - UFPA

DE – DEPIN ITEC - PPGEE



Resumo

Este artigo apresenta uma nova metodologia para identificação de faltas internas e de correntes de inrush em transformadores de potência baseada no gradiente da corrente diferencial. A técnica consiste em calcular o ângulo do vetor gradiente ao longo da curva da corrente diferencial na janela de dados e através de técnicas de reconhecimento de formas de onda identificar o tipo de ocorrência. O vetor gradiente de uma função corresponde a um vetor tangente à curva no ponto em análise. O vetor gradiente ao se deslocar ao longo da curva da corrente diferencial varia seu ângulo com a referência horizontal. O comportamento do ângulo do vetor gradiente, através de cálculos estatísticos será usado para identificar a ocorrência de faltas internas ou a presença de correntes de inrush. O método foi testado através da simulação de diversos tipos de falta internas e externas e ainda de vários casos de correntes de inrush em um transformador de potência modelado através do software EMTP/ATP e através da implementação do algoritmo em MATLAB®, apresentando resultados altamente satisfatórios.



Palavras Chaves: Proteção Diferencial, Transformadores de Potência, Correntes de Inrush, Gradiente de Corrente.

Abstract

This paper presents a new methodology for identifying internal faults and inrush currents in power transformers based on the gradient of the differential current. The technique is to calculate the angle of the gradient vector along the curve of the differential current in the data window and through waveforms recognition techniques to identify the type of occurrence. The gradient vector of a function corresponds to a vector tangent to the curve at the point under consideration. The gradient vector to move along the curve of the differential current changes its angle to the horizontal reference. The behavior of the gradient vector angle, through statistical calculations will be used to identify the occurrence of internal faults or the presence of inrush currents. The method was tested by simulating various types of internal and external faults and also several cases of inrush currents in a power transformer which is modeled by the EMTP/ATP software and also by implementing the algorithm in MATLAB®, presenting highly satisfactory results.



Keywords: Differential Protection, Power Transformers, Inrush Current, Current Gradient.
  1. Introdução


Os transformadores de potência são equipamentos essenciais na operação de sistemas elétricos de potência (SEP). Tendo em vista sua importância e seu alto custo, faz-se necessário o desenvolvimento e a implementação de um sistema de proteção altamente confiável, que seja capaz de identificar a ocorrência de faltas internas e retirar de operação o equipamento o mais rápido possível.

A proteção diferencial constitui-se na principal metodologia de proteção para transformadores de grande porte e é altamente recomendada para transformadores com potência superior a 10 MVA.

Durante os últimos anos, diversas propostas de métodos tem sido apresentadas, com o intuito de contornar a principal dificuldade que se apresenta na proteção diferencial que é a distinção entre as correntes de magnetização e as faltas internas.

Técnicas baseadas na Transformada Wavelet (WT) tem sido propostas nos últimos anos e demonstrado bons resultados na detecção de faltas internas em transformadores de potência. Wilkinson (1996), Mao (2001), Mortazavi (2004), Megahed (2008), Rahmati (2008), Oliveira (2009), Saleh (2010) e Eldin (2011) propõem algoritmos baseados nessa ferramenta. As Transformadas Discretas Wavelet são ferramentas de análise no tempo-frequência que decompõem o sinal de corrente em um conjunto de detalhes e aproximações cada um correspondente a uma banda de frequência. As características desses detalhes e aproximações são utilizados para a classificação dos fenômenos transitórios nos transformadores de potência.

A utilização de Redes Neurais Artificiais (RNA) como ferramenta para distinção entre correntes de inrush e faltas internas em transformadores de potência também tem ganhado bastante popularidade tendo em vista apresentarem excelentes resultados. Nagpal (1995), Kaszteny (1999), Segatto (2003, 2008), Ping Lu (2005), Nosseir (2008), Tripathy (2009a, 2009b, 2010) e Wu (2010) são exemplos de propostas baseadas em RNA. As técnicas baseadas em RNA utilizam a capacidade de aprendizagem destas redes, para identificar as faltas internas nos transformadores de potência. As RNA necessitam de uma etapa anterior denominada de processo de aprendizagem, processo pelo qual, através de exemplos, a RNA será capaz de identificar corretamente os eventos nos transformadores de potência.

Diversos autores tem proposto outros métodos para a distinção de correntes de inrush e faltas internas em transformadores de potência. Algorítmos baseados em Morfologia Matemática, Tang (2009) e Gu (2010), Método da Diferença de Tempo, Jin (2010), Frequencia Instantânea do Sinal da Corrente Diferencial, Hooshyar (2010) e Lógica Nebulosa, Barbosa (2011), são exemplos a serem destacados.



Neste artigo, um novo método baseado no gradiente da corrente diferencial é proposto para identificar e distinguir as correntes de inrush e faltas internas em transformadores de potência trifásicos. A técnica foi testada exaustivamente em um transformador de potência trifásico através de implementação em MATLAB® e EMTP/ATP, apresentando resultados altamente satisfatórios.
  1   2   3   4   5   6   7   8   9   ...   14


©bemvin.org 2016
enviar mensagem

    Página principal