HYBRID DECISION SUPPORT SYSTEM FOR DETECTION AND DIAGNOSIS OF FAULTS IN ELECTRICAL NETWORKS
UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO === O presente trabalho investiga a aplicação de um sistema híbrido baseado em Redes Neurais Artificiais (RNAs) e Sistemas Especialistas (SE) na detecção e diagnóstico de falhas em redes elétricas. A pesquisa consistiu de três partes principais:o estudo...
| Main Author: | |
|---|---|
| Other Authors: | |
| Language: | Portuguese |
| Published: |
PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
1997
|
| Online Access: | http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=9301@1 http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=9301@2 |
| Summary: | UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO === O presente trabalho investiga a aplicação de um sistema
híbrido baseado em Redes Neurais Artificiais (RNAs) e
Sistemas Especialistas (SE) na detecção e diagnóstico de
falhas em redes elétricas. A pesquisa consistiu de três
partes principais:o estudo do problema da detecção e
diagnóstico de falhas em redes elétricas; a modelagem e
o
desenvolvimento do sistema híbrido (RNAs e SE); e o
estudo
de casos.
Na fase de estudo do problema, investigou-se a
importância da detecção e do diagnóstico de falhas em
redes elétricas, concentrando-se em sistemas elétricos
dotados de grande quantidade de alarmes. Tais alarmes
podem ocorrer simultaneamente. Conseqüentemente, os
operadores de sistemas elétricos encontram dificuldades
na
identificação da falha e na tomada de decisão quanto à
ação corretiva a ser adotada, cometendo, eventualmente,
erros de diagnóstico. A investigação do problema também
envolveu entrevistas com especialistas da área, visando
não só de absorver conhecimento específico sobre o
problema, como também delinear a melhor solução para
resolvê-lo.
A modelagem do sistema híbrido envolveu duas
partes:a detecção das falhas, executada por um conjunto
de
RNAs; e o diagnóstico das falhas detectadas , realizado
por um SE.
Na detecção das falhas, um conjunto de quatro
RNAs, cada uma especializada em um componente do sistema
elétrico (gerador, transformador, barra e linha), tem a
função de mapear grupos de alarmes acionados em falhas
específicas. Trata-se, portanto, de um problema típico
de
classificação de padrões, onde cada rede neural é
treinada
usando-se o algoritmo de retropropagação. Os padrões de
treinamento, fornecido por especialistas da área,
consistem de combinações de 149 alarmes, para um total
de
198 ocorrências (184 falhas simples mais 14 situações de
operação normal). Após treinadas, as RNAs são testadas
com
amostras que refletem o estado dos alarmes em um certo
período de funcionamento do sistema elétrico. As saídas
das RNAs indicam, através de um código, a ocorrência de
falhas ou o funcionamento normal do sistema elétrico,
nesse período de observação.
O SE, responsável pelo diagnóstico, recebe a
saída
numérica das RNAs, referente às falhas detectadas, e
fornece ao operador informações importantes, tais como:
quais alarmes foram acionados; quais equipamentos de
proteção estão envolvidos na ocorrência; quais os
motivos
prováveis da ocorrência da falha; e, finalmente, sugere
um
conjunto de ações corretivas que podem ser tomadas pelo
operador para solucionar o problema. Essas informações,
não disponíveis diretamente na saída das RNAs, são
obtidas
através da aplicação de um conjunto específico de
especialistas da área.
O ambiente de simulação foi desenvolvido em plataforma
PC. As RNAs foram implementadas em MatLab Vers: 4.2 e o
SE, em Delphi Vers: 2.0.
O estudo de casos empregou cerca de 1000 padrões
de teste correspondentes ao estado dos 149 alarmes.
Estes dados, fornecidos por especialistas do setor
elétrico, foram obtidos através de adaptações de
situações reais, adequadas ás dimensões do sistema
elétrico adotado. Nos testes realizados, o sistema
híbrido foi submetido a um conjunto de alarmes, afetados
ou não por ruído, respondendo com sugestões quanto às
ações corretivas que podem ser tomadas pelo operador.
Foram realizados testes de falhas em geradores,
tranformadores, barramentos e linhas de transmissão,
envolvendo falhas simples e múltiplas no sistema
elétrico. Com incidência de até 10% de ruído nos padrões
de teste, o índice de acerto de detecção de falha é próxima
de 100% e para taxas superiores a 20% o
desempenho do sistema híbrido cai gradualmente. Segundo
a avaliação de especialistas do setor elétrico, o
sistema híbrido apresenta resposta rápida e segura,
quando comparado com os processos tradicionais, === This work examines the application of hybrid systems
based on Artificial Neural Networks (ANN) and Expert
Systems (ES) in detecting and diagnosing faults in
Electrical Systems. The research consists of three main
parts: the study of cases.
In the study of problem, was examined, the
importance of detecting and diagnosing faults in
Electrical Systems concentrating in Electric Systems
equipped with a large quantity of alarms. These alarms
may occur simultaneously. Consequently, it is difficult
for the electrical systems´operators to identify the
faults and decide the corrective action to be adopted,
resulting, eventually, in diagnosis erros. The analysis of
the problem also involved some interviews with experts in
the area, in order to absorb the specific knowledge about
the problem, and design the best solution to solve it.
The modeling of the Hybrid System involved two
parts: the detection of faults, executed by a group of
ANNs; and the diagnosis of the detected faults, fulfilled
by the ES.
In the detection module, a group of four ANNs,
each one specialized in an electrical system component
(generators, transformers, buses and transmission lines)
maps groups of alarms in the specific faults. Therefore,
this is a typical pattern classification problem, where
each neural network is trained by using the error
backpropagation algorithm. The training patterns, produced
by experts in the area, consist of the combination of 149
alarms for a total of 184 simple faults and 14 normal
operation situations. After training, the ANNs are tested
with new samples of alarms, reflecting a certain
configuration of the electrical system during the
observation period.
The ES module, responsible for the diagnosis,
receives the ANNs outputs related to the detected faults,
and provides to the operator important informations such
as: Which alarms were started; the protective equipment
involved in the occurrence; the problable reason for the
occurrence of the faults; and finally, suggests the
corrective action that the operator should perform in
order to solve the problem. This information, not
available in the ANNs outputs, can be obtained through the
application of a set of production rules in a data base,
containing the specific knowledge that were extracted from
the experts in the area.
The simulation environment was developed in a PC
plataform. The ANNs, were implemented in MatLab Vers.4.2
and the ES in Delphi. The case studies, applied about 1000
test patterns corresponding to the situation of the 149
alarms. These data, provided by experts of the electrical
sector, are adapted from real situations to the dimensions
of the Electrical System adopted. In the tests performed,
the Hybrid System is submitted to a group of alarms,
affected or not by the noise, and reply with suggestions
regarding corrective actions that can be adopted by the
operator. Various tests were carried out in the
generators, transformers, buses, and transmission lines
involving simple and multiple faults in the Electrical
Power System. With incidence of up to 10% of noise in the
test pattern, the performance in detecting fault is near
of 100% and for rates superior of 20%, decreases
gradually. The evaluation of experts in the electrical
sector shows that, the Hybrid System presents a quicker
and safer answer, when compared with traditional
processes, totally dependent on the human being.
|
|---|