Caracterização de cargas em sistemas elétricos de distribuição visando estratégias de compensação

Orientadores: Luiz Carlos Pereira da Silva, Helmo Kelis Morales ParedesTese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de ComputaçãoResumo: Esta tese apresenta como principal contribuição um sistema especialista para sugerir dentre os vários tipos e topologias de compensadores disponíveis no mercado, aqueles que melhor se adequem à compensação reativa, desbalanço e/ou filtragem harmônica de uma determinada instalação, por exemplo, uma Microrrede. Através do cálculo das parcelas de potência e de fatores de conformidade, obtidas através da Teoria de Potência Conservativa do inglês Conservative Power Theory (CPT) e de indicadores de Qualidade da Energia Elétrica (QEE), o método consiste na medição das tensões e correntes no ponto de acoplamento comum (PAC) ao longo de um período mínimo de uma semana. Estas grandezas armazenadas são processadas através de um algoritmo de análise, que utiliza técnicas de reconhecimento de padrões, para identificar os limites mínimos dos indicadores de QEE e de fatores de conformidade da CPT. Na metodologia proposta, visando a definição da técnica de reconhecimento de padrões a ser utilizada, foi gerada uma base de dados para treinamento contendo diferentes casos de compensação realizados com sucesso, de forma que o algoritmo aprenda a classificar um novo caso de compensação. Além disso, com o intuito de se obter uma maior precisão na busca da solução mais adequada para a compensação e no auxílio ao treinamento dos algoritmos, a base de dados foi concebida mediante a modelação (caracterização) de um conjunto de cargas perturbadoras. Em seguida, uma vez que a escolha de um método de classificação depende da natureza do problema, foram aplicadas e analisadas quatro técnicas de aprendizagem de máquina para o reconhecimento de padrões: árvore de decisão do inglês Decision Tree (DT), K-enésimo vizinho mais próximo do inglês K-Nearest Neighbor (K-NN), máquinas de vetores-suporte do inglês Support Vector Machine (SVM) e perceptron multicamadas do inglês Multilayer Perceptron (MLP). As técnicas foram analisadas e comparadas, observando-se as métricas de avaliação de modelos de classificação. Os resultados mostraram que devido a não-linearidade dos dados o K-NN conseguiu obter o melhor índice de exatidãoAbstract: The main contribution of this thesis is an expert system to suggest among various types and topologies of compensators available in the market, those that best suit reactive compensation, unbalance and/or harmonic filtering of a particular installation, for example a microgrid. The method consists in the measuring of voltages and currents at the point of common coupling over a period of at least one week, using the load conformity factor and power components by the Conservative Power Theory (CPT) and power quality (PQ) indices. These stored quantities are processed through an analysis algorithm that uses pattern recognition techniques to identify the minimum limits of the PQ indices and CPT load conformity factors. In the proposed methodology, aiming to define the pattern recognition technique that will be used, a dataset containing different successful compensation cases was generated and it allows the creation of the classifier model that learns the algorithm how to classify a new case of compensation. In addition, in order to obtain greater precision in the search for the most adequate solution for compensation and algorithm training, the dataset was designed by modeling (characterization) a set of disturbing loads. Then, since the choice of a classification method depends on the nature of the problem, four pattern recognition techniques were applied and analyzed: Decision Tree (DT), K-Nearest Neighbor (K-NN), Support Vector Machines (SVM) and Multilayer Perceptron (MLP). The techniques were analyzed and compared observing the evaluation metrics of classification models. The results showed that due to non-linearity of the data, the K-NN has achieved the best accuracyDoutoradoEnergia EletricaDoutor em Engenharia Elétric