Use este identificador para citar ou linkar para este item: http://repositorio.ufpa.br:8080/jspui/handle/2011/7413
Tipo: Tese
Data do documento: 15-Mai-2015
Autor(es): NEGRÃO, Martin Max Luis de Castro
Primeiro(a) Orientador(a): VIEIRA JÚNIOR, Petrônio
Primeiro(a) coorientador(a): BARREIROS, José Augusto Lima
Título: Metodologia baseada em modelo teórico para avaliação do estado operativo de linha de transmissão
Agência de fomento: Eletronorte - Centrais Elétricas do Norte do Brasil S/A
Citar como: NEGRÃO, Martin Max Luis de Castro. Metodologia baseada em modelo teórico para avaliação do estado operativo de linha de transmissão. 2015. 194 f. Tese (Doutorado) - Universidade Federal do Pará, Instituto de Tecnologia, Belém, 2015. Programa de Pós-Graduação em Engenharia Elétrica.
Resumo: Convencionalmente a monitoração das condições de funcionamento de uma linha de transmissão de energia e' realizada através de inspeções periódicas ao longo desta linha. Esta monitoração permite a manutenção corretiva pela constatação de falhas durante a inspeção. Uma manutenção mais eficiente deve empregar técnicas preditivas que se caracterizam pela monitoração em tempo real. As técnicas preditivas verificam o estado de funcionamento empregando modelos de funcionamento normal para a detecção de falhas e modelos de falha para a determinação e o diagnóstico a ser empregado no PDI (Fault Detection and Isolation). Por isso foi desenvolvido um modelo matemático adequado para ser aplicado em manutenção preditiva de trechos de linhas de transmissão a baixo custo, sem necessidade de sensores distribuídos ao longo da linha. Este modelo permite o emprego da metodologia de detecção de falhas (PDI) através do acompanhamento da corrente de fuga de linhas de transmissão. 0 emprego do modelo permite também a obtenção de um novo indicador da condição normal e anormal de funcionamento de uma linha de transmissão que e' a capacitância das freqüências harmônicas. A metodologia foi validada através de medidas obtidas em um trecho de linha de transmissão, e a utilização de uma rede neural artificial desenvolvida para a classificação do estado de funcionamento da Linha de Transmissão.
Abstract: Conventionally monitoring operating conditions of a power transmission line is accomplished by periodic inspections along this line. This monitoring allows corrective maintenance by finding faults during the inspection. But in more efficient maintenance, predictive techniques that are characterized by real-time monitoring should be employed. The predictive techniques verify the operating status using normal function models for fault detection and fault models for the diagnosis to be employed in PDI (Fault Detection and Isolation). So, we developed a mathematical model appropriate for application to predictive maintenance of transmission line segments at low cost, without the need for sensors distributed along the line. This model allows the use of the methodology for detecting faults (PDI) by monitoring the leaka ge current of transmission lines. The use of the model also allows obtaining a new indicator of the condition of normal and abnormal functioning of a transmission line, which is the capacitance of harmonic frequencies. The model was validated through measurements obtained on a section of transmission line, by means of an artificial neural network.
Palavras-chave: Energia elétrica
Linhas elétricas
Manutenção
Localização de falhas elétricas
Modelo de linhas de transmissão
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA::TRANSMISSAO DA ENERGIA ELETRICA, DISTRIBUICAO DA ENERGIA ELETRICA
País: Brasil
Instituição: Universidade Federal do Pará
Sigla da Instituição: UFPA
Instituto: Instituto de Tecnologia
Programa: Programa de Pós-Graduação em Engenharia Elétrica
Tipo de Acesso: Acesso Aberto
Aparece nas coleções:Teses em Engenharia Elétrica (Doutorado) - PPGEE/ITEC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Tese_MetodologiaBaseadaModelo.pdf11 MBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons