from an Power System (PS) are not considered pure sinusoids due
to the presence of, among others, the harmonic distortion. This
paper presents an approach based on Clonal Selection algorithm
for the estimation of harmonic components. The Clonal Selection
Algorithm (CLONALG) is a technique of search / optimization
inspired by the theory of Clonal Selection. The technique uses an
population of antibodies to search within a multi-dimensional
space. The results demonstrate that the method can accurately
identify the harmonic components in a distorted waveform, and
are better than the results obtained by a classical technique
(Discrete Fourier Transform).
Keywords harmonic estimation, power quality, clonal
selection
I. INTRODUO
qualidade da energia eltrica (QEE) refere-se a qualquer
distrbio manifestado na tenso, na corrente ou no desvio
de frequncia, que resulta em falha ou operao indevida dos
equipamentos eltricos [1]. Estas falhas ou operaes
indevidas podem ocorrer em vrias partes do Sistema Eltrico
de Potncia (SEP) e como principais causas pode-se citar:
asada de unidades geradoras, a perda delinhas de transmisso,
o chaveamento bancos de capacitores e as operaes de cargas
com de caractersticas no-lineares.
As formas de onda das tenses e correntes nos SEPs no so
puramente senoidais, devido s distores harmnicas
sobrepostas ao componente fundamental. As distores
harmnicas so distores peridicas de alta frequncia
presentes nas tenses e nas correntes e podem estar associadas
operao contnua de cargas com caractersticas no lineares,
como os dispositivos que empregam eletrnica de potncia
[2].
Recentemente, com a crescente aplicao dos dispositivos
no lineares e dos bancos de capacitores em sistemas
industriais, as preocupaes com o monitoramento e a anlise
das causas e dos efeitos dessas distores tm aumentado,
fazendo com que os agentes do setor eltrico designem mais
recursos para a observao destes fenmenos [3]. Ressalta-se
que os equipamentos modernos, alm de produzirem
asharmnicas, so, geralmente, mais sensveis aos efeitos das
variaes da qualidade da energia eltrica do que os seus
antecessores [4].
___________________________________
L. Holanda, R. Rabelo e M. Lemos, Universidade Estadual do
Piau,Teresina/PI, Brazil, luanna.holanda@yahoo.com.br,
ricardor_usp@ieee.org, marvinlemos@gmail.com
D. Barbosa, Universidade de Salvador, Salvador/BH,
dbarbosa0@gmail.com
Desta forma, engenheiros e pesquisadores buscam
continuamente inovaes que melhorem a preciso e a
velocidade dos algoritmos aplicados na estimao dos
componentes harmnicos. Dentre as diversas tcnicas
propostas, [5] propuseram um algoritmo que minimiza o erro
mdio entre os valores estimados e os medidos da funo
baseado no mtodo dos mnimos quadrados. Os autores em [6]
reportaram um algoritmo utilizando o filtro de Kalman para
estimar o contedo harmnico variante no tempo. A TDF
(Transformada Discreta de Fourier), tcnica baseada na teoria
de funes ortogonais, tambm comumente utilizada para
executar esta funo. Todavia, a sua m aplicao pode levar a
resultados incorretos, e o seu desempenho pode ser afetado
pelo componente de corrente contnua (CC) e pelos rudos
presentes no sinal analisado [7]. Para melhorar a estimao em
sinais ruidosos, o autor em [8] apresentou uma abordagem
baseada em Redes Neurais Artificiais (RNAs). Os autores em
[3] apresentaram a estimao harmnica como sendo um
problema de otimizao e utilizaram os Algoritmos Genticos
(AGs) para solucion-lo. Entretanto, a otimizao de
parmetros com forte correlao dentro da funo objetivo
(funo objetivo episttica[9]) e a convergncia prematura
criam dificuldades para que os AGs alcancem o mximo
rendimento em muitas aplicaes, reduzindo a eficcia na
busca pela soluo tima [10], [11] e [12]. Em [13], os autores
empregaram otimizao por enxame de partculas (PSO -
Particle Swarm Optimization) para minimizar o erro na
estimao de componentes harmnicas em SEPs.
Neste contexto, o trabalho proposto visa aplicar Sistemas
Imunolgicos Artificiais (SIA) para a estimao de
componentes harmnicos presentes nas ondas de tenso e
corrente. Sistemas Imunolgicos Artificiais constituem-se
num ramo da Inteligncia Computacional [14] que visam
modelar e aplicar teorias e princpios do sistema imunolgico
biolgico (ou sistema imunolgico natural) no
desenvolvimento de novas ferramentas computacionais, para a
resoluo de problemas nas mais variadas reas do
conhecimento [15]. Um dos modelos usados para explicar o
comportamento do sistema imunolgico o princpio da
seleo clonal. O algoritmo baseado no princpio da seleo
clonal [16] utilizado principalmente para aplicaes que
envolvem otimizao e reconhecimento de padres. Em [16],
os autores implementaram os princpios da seleo clonal para
resolver problemas de otimizao das engenharias.
Incialmente, os autores aplicaram o algoritmo no
reconhecimento de caracteres binrios, demonstrando, assim, a
capacidade da tcnica de realizar tarefas como aprendizado e
aquisio de memria. Em seguida, usaram o algoritmo para
Power System Harmonics Estimation Using
Clonal Selection Algorithm
L. Holanda, R. Rabelo, M. Lemos e D. Barbosa
A
IEEE LATIN AMERICA TRANSACTIONS, VOL. 11, NO. 1, FEB. 2013 525
resolver problemas de otimizao multimodal e combinatorial.
Em [17] o algoritmo de seleo clonal foi aplicado na
otimizao de problemas envolvendo eletromagnetismo. Em
[18] os autores propuseram uma variao do algoritmo de
seleo clonal, por meio da aplicao de novos operadores.
Esta verso do algoritmo foi aplicada na resoluo de
problema de roteamento de veculos. Em [19] os autores
atacaram o problema do Despacho Econmico
(DynamicEconomicDispatch). Por meio do algoritmo de
Seleo Clonal possvel determinar o valor timo (ou
prximo do timo) da gerao das unidades trmicas sobre um
certo perodo de tempo, minimizando, assim, o custo total de
produo. Em [20], o problema tratado foi a coordenao
hidrotrmica a curto prazo (short-term hydrothermal
scheduling problem). O problema da coordenao
hidrotrmica envolve a otimizao de uma funo objetivo
no linear com um conjunto de restries fsicas e operativas.
Aspectos da cascata das usinas hidroeltricas, o atraso no
transporte da gua, restries do balano de atendimento,
limites variveis da descarga hidrulica, limites de
armazenamento dos reservatrios, limites operativos das
usinas hidroeltricas e trmicas, balano hidrulico e limites
de armazenamento inicial e final (condio de contorno)
foram levados em conta no processo de otimizao pelo
algoritmo da seleo clonal.. Em [25], o Algoritmo de Seleo
Clonal foi aplicado para tratar o problema de roteamento em
redes pticas.
Neste contexto, este trabalho prope uma abordagem
baseada no algoritmo de Seleo Clonal para a estimao de
componentes harmnicos em sistemas eltricos de potncia. O
algoritmo implementado foi especificamente projetado
levando-se em considerao as caractersticas, restries, no
linearidade e no convexidade do problema. Os resultados
demonstram que o mtodo proposto pode identificar, com
preciso, os componentes harmnicos em ondas distorcidas de
corrente e tenso.
A organizao deste trabalho est definida a seguir. A seo
II descreve o modelo harmnico do sinal de corrente e tenso.
Na seo III, o processo de Seleo Clonal descrito em
detalhes e, na seo IV, apresentado o algoritmo de seleo
clonal clssico. Na seo V, descrito como o algoritmo foi
modificado para tratar o problema de estimao de
harmnicas. A seo VI utilizado para descrever as
aplicaes e os resultados do algoritmo implementado e, na
seo VII, so feitas algumas consideraes finais.
II. O MODELO HARMNICO DO SINAL CORRENTE/TENSO
Um sinal pode ser definido como uma funo que carrega
informao, usualmente sobre um estado ou um procedimento
de um sistema fsico. Contudo, sinais podem ser representados
de vrias formas. Matematicamente, um sinal peridico e
distorcido pode ser adequadamente representado em termos de
sua frequncia fundamental e componentes harmnicos,
expresso como a soma de formas de ondas senoidais,
conhecida como Srie de Fourier. Cada componente
harmnico tem sua prpria magnitude e ngulo de fase, bem
como a frequncia que um inteiro mltiplo da frequncia
fundamental do sistema [3]. Assim, a forma de onda variando
em funo do tempo (x(t)) pode ser descrita de acordo com a
Equao 1:
x(t) = x
o
c
-xt
+|A
c,
N
=1
cos(i
0
t +
c,
)
+ A
s,
sin(i
0
t +
s,
)]
(1)
ondex
0
a componente contnua do sinal; z sua constante de
tempo; A
c,
, A
s,
,
c,
e
s,
so as amplitudes de seno e
cosseno e os ngulos de fase do i-simo harmnico
respectivamente;
0
a frequncia fundamental; i a ordem
do componente harmnico e N o nmero de harmnicos
usado para representar x(t).
Contudo, embora o sinal seja contnuo no tempo, ele deve
ser amostrado de forma que sistemas computacionais possam
ser utilizados. Assim, a representao do sinal amostrado
dado pela Equao 2, onde c(t
k
) o erro associado cada
instante amostrado de tempo (t
k
) e m o nmero total de
amostras.
_
x(t
1
)
x(t
2
)
x(t
k
)
_ = |H]
l
l
l
l
l
l
x
0
A
c,1
A
s,1
A
c,m
A
s,m
1
1
1
1
1
1
+_
c(t
1
)
c(t
2
)
c(k)
_ (2)
A matriz de seno e cosseno (M) pode ser encontrada na
Equao 3.
|H] =
l
l
l
l
l
c
-xt1
cos(
0
t
1
+0
c,1
) sin(
0
t
1
+0
c,1
)
c
-xt2
cos(
0
t
2
+0
c,1
) sin(
0
t
2
+0
c,1
)
c
-xtm
cos(
0
t
m
+ 0
c,1
)
sin(
0
t
m
+ 0
c,1
)
cos(N
0
t
k
+0
c,N
) sin(N
0
t
k
+0
c,N
)
cos(N
0
t
2
+0
c,N
) sin(N
0
t
1
+0
c,N
)
cos(N
0
t
m
+ 0
c,N
)
sin(
0
t
m
+0
c,1
) 1
1
1
1
1
(3)
Geralmente, na Equao 2, o nmero de amostras (m)
maior que o nmero de parmetros a serem estimados
(2N +2), que torna a soluo deste sistema uma tarefa
complexa. A Fig. 1 ilustra o procedimento adotado neste
trabalho.
Figura1. Estimao do erro do sinal.
526 IEEE LATIN AMERICA TRANSACTIONS, VOL. 11, NO. 1, FEB. 2013
III. SELEO CLONAL
Segundo [15] Imunologia pode ser definida como o
estudo de mecanismos de defesa que confere resistncia
contra doenas. E os sistemas cuja principal funo
proteger os corpos dos seres vivos contra o ataque de
microrganismos externos so conhecidos como Sistemas
Imunolgicos.
O Sistema Imunolgico Natural dos vertebrados
(especialmente o do ser humano) tem inspirado uma srie
de tcnicas computacionais que foram agrupadas sobre uma
rea da inteligncia computacional conhecida como
Sistemas Imunolgicos Artificias (SIA). Tais tcnicas foram
aplicadas nas mais diversas reas, como, por exemplo,
Reconhecimento de Padres, Deteco de Anomalia,
Minerao de Dados, Controle Adaptativo, dente outros.
Basicamente, o Sistema Imunolgico Humano possui
duas linhas de defesa (ou duas camadas), conhecidas como
Sistema Imune Inato e Sistema Imune Adaptativo. E, em
ambos os sistemas, importante a ao de um tipo de clula
conhecida como glbulos brancos ou leuccitos. Os
leuccitos podem se dividir e se reproduzir por conta
prpria, mas so produzidas em sua maioria a partir de
clulas tronco da medula ssea. Sua diferenciao pode
ocorrer tanto na prpria medula quanto em rgos
especficos como o timo (linfcitos T), ou em estruturas
localizadas nas paredes do intestino, apndice e amgdalas
(linfcitos B). Dentre os vrios tipos de Leuccitos, os
granulados e macrfagos esto vinculados ao sistema
Imune, enquanto os linfcitos regem o sistema adaptativo.
O Sistema Imune Inato a primeira linha de defesa
contra vrios tipos de patgenos. O ser humano j nasce
com o sistema inato que no se altera ao longo da vida. As
clulas do sistema imune inato esto previamente
disponveis para o combate contra uma ampla variedade de
patgenos, sem exigir exibio prvia desses patgenos e
atuam do mesmo modo em todos os indivduos normais.
Assim, desempenham um papel muito importante no
controle inicial das infeces, pois as respostas adaptativas
demoram um perodo de tempo para exercer seus efeitos.
Entretanto, nem todos os patgenos podem ser
reconhecidos pelo sistema imune inato. Alguns patgenos
especficos so reconhecidos apenas por clulas e molculas
do sistema imune adaptativo, tambm chamado de sistema
imune especfico. Dessa forma, o sistema imune adaptativo
pode ser caracterizado pela sua capacidade de adaptao,
aprendizado e memria, uma vez que tal sistema pode
adaptar-se aos patgenos invasores e gerar uma memria
estvel dos padres moleculares dos patgenos conhecidos.
Assim, com a capacidade de adaptar-se aos patgenos
invasores e criar padres moleculares (ou assinatura
molecular) especficos, o sistema adaptativo pode combater
a mesma infeco ou uma infeco similar no futuro.
Dentre as vrias teorias que tentam explicar como o
sistema adaptativo enfrenta os antgenos, a mais aceita a
Principio da Seleo Clonal [24]. De acordo com o
Principio da Seleo Clonal, quando um animal exposto a
algum antgeno, uma parte (ou subpopulao) das
clulas B (Linfcito B) respondem, produzindo anticorpos
(Ac). Cada clula B produz apenas um tipo de anticorpo, que
relativamente especfico a um determinado antgeno. Por meio
da ligao com esses anticorpos, o antgeno estimula a clula
B a se proliferar e maturar, transformando a em clulas
plasma. As vrias divises celulares (mitose) geram clones.
As clulas Plasmas so as mais ativas, com relao a produo
de anticorpos, que as clulas B, pois produzem os anticorpos a
uma taxa maior. Enquanto as clulas B produzem anticorpos,
as clulas T (Linfcitos T), geralmente produzidos no Timo,
desempenham um papel importante na regulao da resposta
das clulas B.
Os Linfcitos, alm de se proliferar e/ou diferenciar em
clulas Plasma, podem diferenciar-se em clulas de memria
B. Clulas de memria circulam pelo sangue, sistema linftico
e tecidos e, quando expostos a segundo estmulo de um
antgeno, comeam a diferenciar-se em grande linfcitos
capazes de produzir anticorpos com uma alta afinidade, pr-
selecionados para um antgeno especfico que estimulou a
resposta primria.
IV. O ALGORITMO DE SELEO CLONAL.
Baseado no principio da Seleo Clonal, [16] propuseram
um algoritmo conhecido como Algoritmo de Seleo Clonal
(CLONALG) para a resoluo de problemas de otimizao. O
Algoritmo proposto funciona em 6 passos:
1) Gerar um conjunto (P) de anticorpos (solues
candidatas);
2) Calcular o fitness(afinidade) de cada anticorpo;
3) Reproduzir (Clonar) esses n melhores indivduos da
populao, aumentando, assim, a populao temporria
de clones (C). A quantidade de clones gerados funo
da afinidade com do anticorpo com o antgeno;
4) Submeter a populao de clones ao processo de
hipermutao (hypermutation), onde a hipermutao
proporcional afinidade do anticorpo com o antgeno.
Adicione os indivduos mutados para a populao P;
5) Metadinmica: O melhor individuo de cada
subpopulao passa para a prxima gerao (iterao).
Substitua um nmero N2 de anticorpos de baixa afinidade
por novos indivduos (gerados aleatoriamente)
6) Ciclo: repita os passos 2 a 5 at satisfazer o critrio de
parada.
Os anticorpos (as solues candidatas) podem ser
codificados no formato real ou binrio. Cada anticorpo gera
um certo nmero de clones. Os clones podem sofrer mutaes
a uma taxa inversamente proporcional ao fitness da soluo
pai. Durante a execuo do algoritmo, as clulas com menores
diversidades so substitudas por novas clulas, geradas
aleatoriamente.
Resumidamente, o CLONALG possui cinco elementos
bsicos, descritos a seguir:
Tamanho da populao de anticorpos (N):
Especifica o nmero total de anticorpos a serem
mantidos pelo sistema;
Tamanho da rea de seleo: refere-se ao
HOLANDA et al.: POWER SYSTEM HARMONICS ESTIMATION 527
nmero total de anticorpos com maior afinidade
retirados da populao para serem clonados;
Quantidade de anticorpos a serem
substitudos(d): nmero de anticorpos com
menores afinidades que devem ser substitudos por
anticorpos gerados;
Fator de clonagem (): controla o nmero de
clones gerados;
Nmero mximo de geraes: Especifica o
nmero total de iteraes que o algoritmo deve
realizar
V. DESENVOLVIMENTO DO ALGORITMO DE SELEO CLONAL
PARA O PROBLEMA DE ESTIMAO HARMNICA
A. Representao do Anticorpo
O primeiro passo para a implementao do algoritmo de
Seleo Clonal a representao dos anticorpos, ou seja,
como os parmetros do problema sero estruturados. A
representao do anticorpo realizada especificando-se cada
dimenso do espao de busca. Neste trabalho, o componente
contnuo do sinal (x
0
), a constante de tempo do sistema (z) e a
amplitude do seno harmnico (A
s,
) e coseno (A
c,
)
B. Funo de Avaliao (Fitness)
A funo de avaliao responsvel por medir a qualidade
de cada anticorpo da populao como uma potencial soluo
para o problema. Uma vez que o objetivo deste trabalho
fornecer um sinal estimado que seja prximo do sinal medido,
a funo de avaliao deve procurar minimizar o vetor de
estimao de erro (c|]) associado com a equao 1.
Assim, para fornecer uma melhor estimao dos
componentes harmnicos contidos no sinal, definimos como
objetivo a maximizao da funo de avaliao (FA) definido
na equao 4:
FA =
1
_
c
i
2 m
i=1
m
+
(4)
onde uma constante para evitar uma possvel diviso por
zero (= u.uuuu1) e m o nmero de amostras do sinal.
C. Aspectos Gerais da Implementao
A representao de cada soluo candidata consiste em um
vetor de 16 posies, na qual cada posio armazena um valor
numrico real associado ao parmetro da forma das ondas de
tenso e corrente.
Incialmente, o algoritmo gera uma populao inicial de
Nanticorpos. Neste trabalho, consideramos N = 8u. Como
cada anticorpo formado por um vetor com 16 posies, cada
posio iniciada aleatoriamente, respeitando as restries de
cada dimenso. Em seguida, os anticorpos so avaliados por
meio de uma funo de fitness. Os primeiros n% anticorpos
so selecionados para serem clonados. Cada um desses
anticorpos recebe um nmero de cpias proporcional a sua
posio no ranking. Assim, temos que o nmero de clones
dado por [17]:
N
c
= rounJ(
[N
) (5)
ondeN
c
) (6)
onde c o anticorpo mutado, N(0,1) um varivel randmica
Guassiana de mdia zero e desvio padro o = 1, o um
parmetro que controla o decaimento da funo exponencial
inversa e