Proteção diferencial de transformadores de potência baseada em máquinas de vetor de suporte e transformada wavelet

Power transformer is one of the main equipment of the electrical system which is responsible for the interconnection of electrical networks at different voltage levels. The protection of this equipment must work quickly and efficiently in cases of internal fault in the transformer, because depending on the severity of the fault can lead to the loss of the transformer. The differential function has been widely used in protection for power transformer, because it is a quick and selective function. However, this protection functionmay work unduly in cases of transformers energizing, as well as external faults with distortions in the current waveform due the saturation of the current transformers. Another problem it is no sensitivity for cases of internal fault in the transformer windings involving few turns. Therefore, this work proposes an alternative to improve the differential protection of transformers using the combination of Machine Learning Algorithms and the wavelet transform. The proposed method recreates the differential function using a disturbance detector, by means of the energies of the wavelet coefficients, which enables the phase and negative sequence neuro-wavelet differential functions, which are based on support vector machines. The proposed method also has an internal fault classifier, also based on support vector machines, to perform fault type classification and assist in the relay trip logic. The proposed method send trip signal in 100% of the evaluated internal fault cases, providing no trip to energization of transformers and external faults. The proposed differential protection scheme can work in conjunction with other system protections by sending warning signals, for example in external fault conditions of the transformer, so it is doing the protection more reliable and intelligent.Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Transformador de potência é um dos principais ativos do sistema elétrico, o qual é responsável pela interligação de redes elétricas em diferentes níveis de tensão. A proteção desse ativo deve atuar de forma rápida e eficiente para casos de falta interna ao transformador, pois dependendo da severidade da falta pode levar à perda do ativo. A principal função de proteção utilizada em transformadores de potência é a proteção diferencial, por ser uma função rápida e seletiva. Entretanto, essa função de proteção pode atuar indevidamente em casos de energização de transformadores, assim como diante de faltas externas na presença de distorções na forma de onda da corrente devido à saturação dos transformadores de corrente. Outro problema, é a não atuação da proteção diferencial para casos de falta interna nos enrolamentos do transformador envolvendo poucas espiras. Portanto, neste trabalho propõe-se uma alternativa para melhorar a proteção diferencial de transformadores usando a combinação de algoritmos de aprendizado de máquina e a transformada wavelet. O método proposto recria a função diferencial usando um detector de distúrbios, por meio das energias dos coeficientes wavelet, o qual habilita as funções diferenciais neuro-wavelet de fase e sequência negativa, que são baseadas em máquinas de vetor de suporte. O método proposto conta ainda com um classificador de falta interna, também baseado em máquinas de vetor de suporte, para realizar a classificação do tipo de falta e auxiliar na lógica de trip do relé. O método proposto atuou em 100% dos casos de falta interna, não atuou para energização de transformadores e faltas externas nos casos avaliados. Quando comparado com o método convencional, obteve um tempo médio de operação superior. Além disso, o esquema de proteção diferencial proposto pode funcionar em conjunto com as demais proteções do sistema enviando sinais de alerta, como por exemplo, para condições de falta externa ao transformador, tornando, assim a proteção mais confiável e inteligente