| 61ª Reunião Anual da SBPC |
| B. Engenharias - 1. Engenharia - 8. Engenharia Elétrica |
| Análise de falhas em Sistemas Ininterruptos de Energia (UPS) utilizando redes neurais artificiais (RNA) |
| Gilson Rogério Batista 1 Luis Fabio Faccin 1 Tadeu Vargas 1 Gideon Villar Leandro 2 Mauricio de Campos 1 Robinson Figueredo Camargo 1 |
| 1. Universidade Regional do Noroeste do Estado do Rio Grande do Sul/UNIJUI 2. Universidade Federal do Paraná/UFPR |
| INTRODUÇÃO: |
O crescente avanço tecnológico verificado nas últimas décadas exige dos equipamentos eletrônicos, cada vez mais, maiores capacidades de trabalho e velocidade de operação. Por este motivo, têm sido necessários mecanismos que garantam maior segurança e confiabilidade aos mesmos. Tendo em vista que equipamentos eletrônicos são ligados diretamente à rede pública de energia, esses estão sujeitos às variações ocorridas, como interrupção, ruídos, aumento ou defasagem de freqüência e tensão. Para reparar essas anomalias, é comum a utilização de diversos tipos de aparelhos que podem prevenir alguns destes problemas. Foi estudado em específico os sistemas de alimentação ininterrupta de energia (UPS), o qual protege a carga de eventuais cortes de energia. Neste trabalho, é proposto um sistema para detecção e análise de falhas ocorridas em UPS’s, sendo que são simuladas falhas em seu modelo. Para tanto, estas falhas serão identificadas através de redes neurais artificiais (RNA). Uma rede neural pode ser definida como um sistema que possui uma capacidade de aprendizado a partir de um conjunto de informações, sendo que seu uso é comumente aplicado ao reconhecimento de padrões dado o potencial de aprendizado de funções do sistema. |
| METODOLOGIA: |
| Neste estudo está sendo utilizado um modelo de UPS Double Conversion, constituída por um retificador monofásico 110 V, um conversor Boost com pré-regulador, para sintetizar uma corrente de entrada próximo a senoidal e em fase com a tensão, um conversor bidirecional Buck/Boost para a interface com o banco de baterias, um banco de baterias e um inversor DC/AC. Diversas falhas, tais como curtos-circuitos e circuitos abertos em dispositivos semicondutores, são testadas através de simulações. Algumas variáveis são medidas durante os instantes de falhas, e os dados obtidos são enviados a um arquivo de dados que posteriormente será utilizada pela rede neural para o seu treinamento. O algoritmo de aprendizagem utilizado foi o da retropropagação do erro, que é um dos métodos mais utilizados atualmente, pois permite o emprego de arquiteturas sofisticadas com capacidade de resolução de problemas amplos empregados em sistemas reais. Para o seu treinamento utiliza-se um conjunto aproximado de 80 à 90% do total de dados reservando o restante para testes. O conjunto de treinamento permite observar a aprendizagem da rede, e o conjunto de testes permite observar a capacidade de generalização da mesma. |
| RESULTADOS: |
Neste trabalho foi implementada uma rede neural do tipo perceptron multicamada utilizando a técnica back-propagation para a atualização dos pesos. A rede foi configurada de forma a representar os modelos NARX e NARMAX na estimação de parâmetros. As simulações da UPS citadas estão sendo realizadas no software Matlab 2007®, onde pode-se obter dados referentes a formas de onda de tensão e corrente, em diversos pontos do circuito, para posteriormente realizar o treinamento e os testes com a rede neural implementada. |
| CONCLUSÃO: |
Como parte do projeto global, optou-se inicialmente pelo estudo e implementação da rede neural. Está já se encontrada funcionando, e foi testada com dados disponíveis na literatura para verificar a sua capacidade de validação e generalização, mostrando-se apta para o seu objetivo. No estagio atual as UPS’s estão sendo implementadas para a obtenção dos dados necessários para o treinamento da rede neural. |
| Instituição de Fomento: CNPQ |
| Palavras-chave: Detecção de Falhas, Redes Neurais, UPS. |