Support tool for self-recovery of electricity distribution network using artificial neural networks

A tool was developed to assist in the self-recovery of the electricity distribution network, with the help of software, to simulate a real system. The electrical system considered has intelligent keys capable of identifying a momentary fault in the line and finding the best reconfiguration for its reclosing, characterizing a Smart Grid. Using artificial intelligence, Artificial Neural Network (ANN), simulated fault situations in certain stretches of the electrical network and analyzed power flow through OpenDSS, observing the most appropriate switching within the shortest time interval, an implementation was also performed via ELIPSE in the IEEE electrical system in question for better visualization identifying the reclosing of this system. The algorithm developed through a fault chooses the best configuration to restore the energy to the largest number of consumers during it. With the results of the simulations, tests and analyzes were performed to verify their robustness and velocity when compared to the actions of the operators, in the hope that the developed model will be faster than an experienced Operator of a Distribution Operation Center in its task of analysis. This work presents an algorithm application for different distribution network configurations, reducing the time and quantity of affected consumers, allowing a better targeting of the electrician teams for the restoration, thus gaining time, minimizing the wear of professionals, components electricity distribution and operators.Uma ferramenta foi desenvolvida para auxiliar na autorrecuperação de rede de distribuição de energia elétrica, com o auxílio de um software, para simular um sistema real. O sistema elétrico considerado possui chaves inteligentes capazes de identificar uma falta momentânea na linha e encontrar a melhor reconfiguração para seu religamento, caracterizando uma rede elétrica inteligente (Smart Grid). Utilizando a técnica de inteligência artificial, Rede Neural Artificial (RNA), foram simuladas situações de falta em determinados trechos da rede elétrica e analisado fluxo de potência via OpenDSS, observando o chaveamento mais adequado dentro do menor intervalo de tempo, foi realizada também uma implementação via ELIPSE no sistema elétrico do IEEE em questão para melhor visualização identificando o religamento deste sistema. O algoritmo desenvolvido mediante uma falha escolhe a melhor configuração para restabelecer a energia ao maior número de consumidores durante a mesma. Com os resultados das simulações foram realizados testes e análises para verificar suas robustez e velocidade se comparados às ações dos operadores, na esperança que o modelo desenvolvido seja mais rápido do que um operador experiente de um Centro de Operação de Distribuição (COD) em sua tarefa de análise. Este trabalho apresenta uma aplicação de um algoritmo para diferentes configurações de redes de distribuição reduzindo o tempo e a quantidade de consumidores afetados, possibilitando fazer um melhor direcionamento das equipes de eletricistas para o restabelecimento, com isto ganhando tempo, minimizando desgaste dos profissionais, dos componentes de distribuição de energia elétrica e dos operadores dos CODs