INTELIGÊNCIA ARTIFICIAL APLICADA PARA DETERMINAÇÃO DA COMBINAÇÃO ÓTIMA DE BANCOS DE CAPACITORES PARA CORREÇÃO DO FATOR DE POTÊNCIA NA PRESENÇA DE DISTORÇÕES HARMÔNICAS

por MARCOS PINHEIRO PESSANHA publicado 08/04/2024 12h42, última modificação 08/04/2024 12h42

Prof. Dr. Luiz Gustavo Lourenço Moura (Orientador)
Prof. Dr. Rodrigo Martins Fernandes (Coorientador)

Na busca por eficiência energética e manutenção da qualidade de energia elétrica, usuários e agentes do sistema elétrico têm recorrido à instalação de bancos de capacitores para correção do fator de potência. Apesar de diversas vantagens, a instalação desses dispositivos na rede aumenta significativamente a possibilidade de ressonância harmônica. Dentro deste contexto, o objetivo deste trabalho é propor e avaliar o desempenho da aplicação de modelos de inteligência artificial para identificação da combinação mais adequada de bancos de capacitores no controle do fator de potência em instalações industriais suscetíveis a presença de harmônicas, evitando-se situações de ressonância harmônica que ocasionem estresses nos capacitores. Para isso, foi modelada uma instalação elétrica industrial no SIMULINK/MATLAB, para simulação da compensação reativa em diferentes situações de carga, fator de potência e combinação de capacitores conectados. Confeccionou-se uma base de dados a partir de dados e medições coletadas nestas simulações para realização de análises, sinalização das situações de estresse e determinação do capacitor mais adequado para diferentes propostas de correção do fator de potência. Com a base de dados preparada, foram treinados diferentes classificadores para identificação dos modelos mais apropriados para o problema em questão, sendo selecionados dois destes para testes com dados inéditos. Verificou-se que o Linear Support Vector Machine e o Quadratic Support Vector Machine foram os classificadores que obtiveram melhores desempenho em suas predições, obtendo uma acurácia média de 88,93% e 90,25%, respectivamente, na identificação do valor exato de capacitores mais adequados, evitando em média 98,11% e 98,79% dos casos de ressonância, respectivamente. Os resultados obtidos neste estudo indicam uma boa capacidade de generalização destes classificadores em problemas desta natureza, obtendo-se um desempenho satisfatório na correção do fator de potência evitando as situações de estresse do capacitor.

Palavras-chave: Correção do fator de potência, Ressonância harmônica, Capacitores de potência, Inteligência artificial, Máquinas de vetores de suporte.

In the search for energy efficiency and maintenance of electrical energy quality, users and agents of the electrical system have resorted to installing capacitor banks to correct the power factor. Despite its many advantages, the installation of these devices in the network significantly increases the possibility of harmonic resonance. Within this context, the aim of this work is o propose and evaluate the performance of the application of artificial intelligence models to identification of the most suitable combination of capacitor banks for power factor control in industrial installations susceptible to harmonic harmonics, avoiding situations of harmonic resonance that cause stress on the capacitors. on the capacitors. To this end, an industrial electrical installation was modeled in SIMULINK/MATLAB, to simulate reactive compensation in different load situations, power factor and combination of connected capacitors. A database was created from the data and measurements collected in these simulations in order to carry out analyses, identify stress situations and determine the most suitable capacitor for different power factor correction proposals. With the database prepared, different classifiers were trained to identify the most appropriate models for the problem in question, two of which were selected for testing with unpublished data. It was found that the Linear Support Vector Machine and the Quadratic Support Vector Machine were the classifiers that performed best in their predictions, obtaining an average accuracy of 88.93% and 90.25%, respectively, in identifying the exact value of the most suitable capacitors, avoiding an average of 98.11% and 98.79% of resonance cases, respectively. The results obtained in this study indicate a good generalization capacity of these classifiers in problems of this nature, obtaining a satisfactory performance in power factor correction while avoiding resonance situations.

Keywords: Power factor correction, Harmonic resonance, Power capacitors, Artificial intelligence, Support vector machines.

PDF document Marcos Pinheiro Pessanha.pdf — Documento PDF, 1.86 MB
Conteúdo

Atualmente não existem itens nessa pasta.