A DETECÇÃO E CLASSIFICAÇÃO DE SITUAÇÕES CAUSADORAS DE DESEQUILIBRIOS
NAS FORMAS DE ONDA UTILIZANDO COMPONENTES SIMÉTRICAS E SISTEMAS
FUZZY
Etienne Biasotto, Patrick Santos de Oliveira, Mário Oleskovicz e Denis. V. Coury
Departamento de Engenharia Elétrica – EESC – USP, São Carlos – SP, Brasil,
etienne@sel.eesc.usp.br, patricko@sel.eesc.usp.br, olesk@sel.eesc.usp.br, coury@sel.eesc.usp.br
Abstract: This paper aims to realize the detection and
classification of faults which cause unbalances of tension
and current in an Electric Power System simulated by ATP
software application, through a Fuzzy system. The
symmetrical components technique is used in order to know
if the circuit is unbalanced and to detect the initial time of
the disturbance. After that, the disturbance classification is
realized pointing out the type of fault and the phases
involved. The results shown the viability of this application
and will be reported in this document.
Keywords: Fault Detection and Classification, Symmetrical
Components, Fuzzy Systems.
Resumo: Este trabalho vislumbra a realização da detecção e
classificação das faltas causadoras dos desequilíbrios de
tensão e corrente em um sistema elétrico de potência
simulado dispondo do software ATP através de um sistema
Fuzzy. É utilizada a técnica de componentes simétricas para
saber se o circuito está desequilibrado e para detectar o
início do defeito. Então, faz-se a classificação do defeito
causador desse desequilíbrio quanto ao tipo de falta e as
fases envolvidas. Os resultados encontrados demonstram a
viabilidade de tal aplicação e serão reportados neste
documento.
Palavras-chave: Detecção e Classificação de Faltas,
Componentes Simétricas, Sistemas Fuzzy.
1. INTRODUÇÃO
A evolução da eletrônica de potência e o conseqüente
surgimento de cargas sensíveis aos distúrbios de tensão e
corrente nos Sistemas Elétricos de Potência (SEP),
culminaram numa crescente preocupação com a Qualidade
da Energia Elétrica (QEE) [1].
O SEP é afetado por inúmeros problemas da QEE. Um
desses problemas é chamado desequilíbrio de tensão e
corrente. Ocorre quando cargas monofásicas são distribuídas
inadequadamente nos circuitos, fazendo circular por eles
correntes diferentes nos condutores. Esse problema se torna
ainda maior quando consumidores trifásicos mantêm uma
má distribuição de seu circuito interno, o que resulta em
correntes desequilibradas no circuito da concessionária.
Em condições normais de operação e instalação, as
correntes trifásicas estão equilibradas e os desequilíbrios
podem ocorrer devido a algumas situações indesejadas no
SEP, como as faltas e aberturas de algumas das fases.
Este trabalho buscará, primeiramente, a detecção da
falta com base na teoria de Componentes Simétricas [2-5] e
posteriormente a sua classificação quanto ao tipo da falta e
as fases envolvidas através de um sistema Fuzzy.
2. DEFINIÇÃO DO PROBLEMA
Os desequilíbrios de tensão podem ser definidos através
do desvio máximo dos valores médios das tensões ou
correntes trifásicas divididos pela média desses valores.
Outra maneira de identificar os desequilíbrios é através das
componentes simétricas. Em condições normais as correntes
trifásicas se anulam e o sistema é tido como equilibrado.
Porém, quando isso não acontece e V2 (componente de
seqüência negativa da tensão) apresenta um valor maior que
2% de V1 (componente de seqüência positiva da tensão) o
circuito é considerado desequilibrado. Essa metodologia é
adotada pelo ONS (Operador Nacional do Sistema) para
caracterizar este desequilíbrio.
Algumas das situações que causam um desequilíbrio
bem mais acentuado que as descritas na introdução são
listadas abaixo:
a) Curto-cirtuito Fase A – Terra
b) Curto-cirtuito Fase B – Terra
c) Curto-cirtuito Fase C – Terra
d) Curto-circuito Fase A – B
e) Curto-cirtuito Fase B – C
f) Curto-cirtuito Fase C – A
Neste contexto, faz-se necessário, além de apontar
desequilíbrios nas formas de ondas de interesse, meios para
classificar e mitigar as possíveis causas sobre o SEP em
análise. Uma vez que os distúrbios sejam detectados pelo
método das componentes simétricas, propõem-se um
sistema Fuzzy que terá a função de classificá-los quanto a
sua natureza e determinar as fases do sistema envolvidas na
condição observada.
A configuração do sistema Fuzzy para a resolução do
problema é realizada, conforme será apresentado de maneira
 A Detecção e Classificação de Situações Causadoras de Desequilíbrios nas Formas de Onda Utilizando Componentes Simétricas e
Sistemas Fuzzy
Etienne Biasotto, Patrick Santos de Oliveira, Mário Oleskovicz e Denis. V. Coury

prática, uma vez que reflete o comportamento do distúrbio e

a modelagem matemática do processo não se faz necessária.
Esse tipo de problema pode ser resolvido através da
aplicação de Redes Neurais Artificiais (RNA), porém, para
utilizá-las nesse intuito, é preciso uma grande quantidade de
pares de dados de entrada/saída, para que assim seja Figura 1 – Representação dos fasores de seqüência positiva, seqüência
negativa, seqüência zero e o sistema trifásico original respectivamente.
possível a realização do treinamento supervisionado da
RNA [6-7]. Outras técnicas, como por exemplo, Sistemas
Tais fasores podem ser representados na forma matricial
Neuro-Fuzzy e Computação Evolutiva também podem ser
como na Equação (1.1):
usados para a resolução desta tarefa [6, 8, 9].
Com a utilização dos sistemas Fuzzy, essa tarefa se
torna mais simples, pois são utilizados dados qualitativos, ⎡Va ⎤ ⎡1 1 1 ⎤ ⎡Va0 ⎤
aproveitando-se das variáveis lingüísticas sem a necessidade ⎢ ⎥ ⎢ ⎥⎢ ⎥
de dados numéricos para o seu treinamento, uma vez que a ⎢Vb ⎥ = ⎢1 a2 a ⎥ ⎢Va1 ⎥ (1.1)
disposição do sistema Fuzzy é feita pelo especialista Fuzzy ⎢ ⎥ ⎢1 a a 2 ⎥⎦ ⎢Va ⎥
baseado em seu conhecimento, tanto do processo quanto do ⎣Vc ⎦ ⎣ ⎣ 2⎦
próprio sistema [6, 10]. É importante ressaltar que não há a
necessidade de dados quantitativos para treinamento e teste
do sistema, como no caso da RNA, implicando numa grande Para encontrar as componentes V0, V1, V2 basta aplicar
vantagem sobre o mesmo, pois a aquisição de amostras
a matriz inversa como mostrado pela Equação (1.2):
desses eventos sobre o SEP por registradores pode se tornar
difícil.
⎡Va0 ⎤ ⎡1 1 1 ⎤ ⎡Va ⎤
3. COMPONENTES SIMÉTRICAS ⎢ ⎥ 1⎢ ⎥⎢ ⎥
⎢Va1 ⎥ = ⎢1 a a 2 ⎥ ⎢Vb ⎥ (1.2)
Os desbalanceamentos gerados por curtos circuitos
⎢ ⎥ 3 ⎢1 a2 a ⎥⎦ ⎢Vc ⎥
traziam, antigamente, por não existirem ferramentas
⎣Va2 ⎦ ⎣ ⎣ ⎦
analíticas apropriadas, grandes problemas para seus
cálculos. Para realizar os estudos, era necessária a
construção de réplicas do sistema elétrico, e assim, as 4. DETECÇÃO DA FALTA
mudanças e manobras no sistema original podiam ser Nesta pesquisa, a detecção do início da falta foi
simuladas [4]. Em 1915, Fortescue formulou uma realizada utilizando-se de um banco de dados de distúrbios
ferramenta analítica que propunha, de forma genérica, a simulados sobre um sistema de transmissão. O banco de
decomposição de um sistema polifásico de “n” fasores dados foi composto por tensões e correntes trifásicas,
desequilibrados em “n” sistemas de “n” fasores equilibrados apresentado uma freqüência amostral de 7680 Hz, o que
[2-5]. corresponde a 128 amostras por ciclo. A detecção do
O Teorema de Fortescue aplicado ao sistema elétrico distúrbio foi realizada utilizando-se do conceito de “janela
proporciona facilidades para determinarmos inúmeros deslizante” de dados, que possui um deslocamento em
cálculos. Este teorema decompõe um sistema trifásico relação ao sinal de entrada de meio ciclo (64 amostras) para
desequilibrado em três sistemas trifásicos de três fasores este estudo. A Figura 2 ilustra o conceito de “janela
balanceados chamados de componentes simétricas de deslizante” empregado.
seqüência positiva, negativa, e zero. Para cada janela de dados apresentada à lógica
O sistema de seqüência positiva possui três fasores implementada, são calculados os valores eficazes das
balanceados de mesmo módulo e com defasagem de 120º. tensões e das correntes nas três fases Assim, aplica-se a
Esse sistema de fasores possui seqüência de fase igual ao do matriz de decomposição das tensões e correntes em
sistema original, possuindo, portanto, o mesmo sentido de componentes simétricas. Fazendo a relação entre as
rotação e por isso chamado também de seqüência direta. O componentes de seqüência negativa e positiva para as
sistema de seqüência negativa, assim como o de positiva, tensões e correntes, pode-se determinar a janela em que
possui três fasores balanceados e de mesmo módulo com ocorreu o distúrbio, quando for observada uma diferença de
suas defasagens de 120º. Porém, o sentido de rotação é 10% entre as variáveis de corrente ou 2% entre as variáveis
inverso ao do sistema original, sendo também designado de de tensão. Para determinar o início do distúrbio, calcula-se a
seqüência inversa. O terceiro sistema é chamado de diferença entre a janela que apresentou o distúrbio (última) e
seqüência zero, onde os três fasores tem o mesmo módulo, a antepenúltima janela, no instante em que essa diferença
porém em fase, possuindo a mesma seqüência de fase que o ultrapassar um limiar pré-estabelecido, temos então o início
sistema original. da anomalia sobre o SEP em análise.
Na figura 1, podemos entender melhor como funciona
essa decomposição e como podemos voltar ao sistema
original, somando os fasores de seqüência positiva, negativa
e zero.
 A Detecção e Classificação de Situações Causadoras de Desequilíbrios nas Formas de Onda Utilizando Componentes Simétricas e
Etienne Biasotto, Patrick Santos de Oliveira, Mário Oleskovicz e Denis. V. Coury
Figura 2 – Exemplo de janela deslizante
5. SISTEMAS FUZZY
Grande parte das decisões não pode ser tomada
utilizando-se da lógica clássica, que assume respostas como,
por exemplo, “sim” ou “não”, “verdadeiro” ou “falso”.
Dessa forma, em 1965, Zadeh estruturou a Lógica Fuzzy
justamente para tratar e representar incertezas [6, 11].
A lógica Fuzzy, diferentemente da lógica clássica,
comporta os modos de raciocínio aproximado. Em conjuntos
Fuzzy, existe um grau de pertinência de cada elemento a um
determinado conjunto, como por exemplo, um elemento
pode ter um grau de pertinência de 0,9 a um determinado
conjunto, e 0,1 a outro conjunto. Ou seja, um mesmo
elemento pode pertencer simultaneamente a dois ou mais
conjuntos com graus de pertinência distintos. Em outras
palavras, podemos dizer que os sistemas Fuzzy são
ferramentas que consistem em aproximar a decisão
computacional à humana, tratando os dados de forma
paralela e qualitativa.
As variáveis utilizadas em sistemas Fuzzy são chamadas
de lingüísticas, isso por não apresentarem valores precisos.
Para obter as variáveis lingüísticas, as entradas numéricas
são mapeadas através do processo de fuzzificação que
posteriormente são inferidas através de regras do tipo “se-
então”, gerando assim uma saída Fuzzy (lingüística), que em
seguida é defuzzificada para se obter novamente um valor
numérico de saída [3].
6. SOFTWARE ATP (ALTERNATIVE TRANSIENT
PROGRAM)
O software ATP permite a simulação de transitórios
eletromagnéticos em redes polifásicas, com configurações
arbitrárias, através de um método que utiliza a matriz de
admitância de barras [12]. A formulação matemática é
baseada no método das características (método de Bergeron)
para elementos com parâmetros distribuídos e na regra de
integração trapezoidal para elementos com parâmetros
concentrados.
Vale comentar que como um programa digital não
permite obter uma solução contínua no tempo, pelo ATP,
calcula-se valores em intervalos de tempo discretos.
Comenta-se ainda que o programa permite a representação
de não-linearidades, elementos com parâmetros
Sistemas Fuzzy
concentrados, elementos com parâmetros distribuídos,
chaves, transformadores, reatores, etc.
De uma forma geral, da utilização do ATP, são
considerados parâmetros em componentes de fase e em
seqüência (zero e positiva), dependendo do modelo.
7. MODELAGEM DO SISTEMA
As grandezas analisadas neste trabalho referem-se a
valores amostrados de tensões e correntes de um sistema
elétrico simulado pela aplicação do software ATP.
Na Figura 3 faz-se referência a tal sistema, contendo o
transformador da subestação (subestação138/13,8KV), os
transformadores de distribuição 3 e 13 (Trafo Distr. 3 e 13)
e o transformador particular 4 (Trafo Part. 4). Estes
transformadores foram modelados considerando-se suas
curvas de saturação. O modelo das cargas do lado
secundário destes trafos segue características específicas que
denotam situações reais de carga. Já os transformadores
particulares 1, 2 e 3 (Trafo Part. 1, 2 e 3) foram modelados
sem considerar as suas respectivas curvas de saturação.
Logo, as cargas foram referidas ao primário com uma
parcela RL em paralelo com um capacitor para a devida
correção do fator de potência para 0,92.
Os demais transformadores de distribuição foram
modelados somente como cargas RL referidas ao primário,
considerando-se um fator de potência geral de 0,95. Estes
foram representados por suas cargas equivalentes, cujo
ponto de conexão com o sistema é como indicado na figura.
Cabe ainda destacar que tanto os transformadores de
distribuição quanto os particulares apresentam ligações
delta-estrela, com resistência de aterramento de zero ohm.
Além destes, três bancos de capacitores (um de 1200 kVAr e
dois de 600 kVAr cada) estão instalados ao longo do sistema
(BC 1, 2 e 3). O alimentador principal é constituído por cabo
nu CA-477 MCM em estrutura aérea convencional e seus
trechos são representados por elementos RL acoplados.
Foram simuladas vinte e sete tipo de faltas, variando
apenas o tipo de falta (bifásica com e/ou sem o
envolvimento do terra e monofásica) e a impedância da falta
(de 0,01 a 100 Ω). Todas no mesmo ponto do sistema, entre
os trafos 1 e 2 e os banco de capacitores BC1 e BC2 com o
ângulo de incidência da falta a zero graus em relação à fase
A do sistema em análise.
Figura 3 – Diagrama do sistema elétrico de distribuição analisado.
Os tipos de faltas simuladas estão detalhados quanto ao
tipo e a quantidade na Tabela 1.
 A Detecção e Classificação de Situações Causadoras de Desequilíbrios nas Formas de Onda Utilizando Componentes Simétricas e
Sistemas Fuzzy
Etienne Biasotto, Patrick Santos de Oliveira, Mário Oleskovicz e Denis. V. Coury

Tabela 1 – Tipos de situações faltosas consideradas sobre o SEP em Regra 3: Se IA é BA, IB é BA e IC é AL então a saída é S3
análise
– falta monofásica envolvendo a fase C.
Regra 4: Se IA é AL, IB é AL e IC é BA então a saída é S4
Tipo de Falta Quantidade de Casos – falta bifásica envolvendo as fases A e B.
Faltas bifásicas 9 Regra 5: Se IA é BA, IB é AL e IC é AL então a saída é S5
Faltas bifásicas-terra 9 – falta bifásica envolvendo as fases B e C.
Regra 6: Se IA é AL, IB é BA e IC é AL então a saída é S6
Faltas monofásicas 9
– falta bifásica envolvendo as fases A e C.
TOTAL 27
Apesar de termos simulado, além das faltas
8. SOLUÇÃO DO PROBLEMA monofásicas, as faltas bifásicas e bifásicas-terra, o algoritmo
proposto classifica corretamente todos os tipos de faltas
Como anteriormente colocado, o algoritmo bifásicas, embora este não diferencie os casos de curto-
desenvolvido percorre o sinal janela por janela, calculando circuito que envolva a presença do terra.
os valores eficazes de tensão e corrente, que são utilizados
nos cálculos das componentes simétricas. Através da relação
1
entre a componente de seqüência negativa e positiva, caso
este valor ultrapasse um limiar pré-definido, fica 0.9

determinado o início do distúrbio. 0.8

Os valores eficazes das correntes são então utilizados 0.7

como entradas para o sistema Fuzzy implementado. A 0.6

Figura 4 representa as funções de pertinência utilizadas por

0.5
cada uma das três entradas, que são as correntes eficazes das
0.4
fases A, B e C.
0.3
Funções de Pertinencia da Entrada A
1
0.2

0.9
0.1

0.8
0
0 1 2 3 4 5 6

0.7
Grau de Pertinência

0.6
Figura 5: Saída do sistema Fuzzy, onde, da esquerda para a direita,
0.5
tem-se a caracterização das situações de falta fase-terra (AT, BT, CT) e
0.4
bifásicas (AB, BC, CA).

0.3 9. RESULTADOS
0.2

0.1
0
0 1000 2000
Corrente (A)
Figura 4 – Representação das funções de pertinência para a Fase A
(Fases B e C possuem funções de pertinência idênticas).
O universo de discurso utilizado vai de 0 a 6000 A, pois
essa foi a amplitude máxima da corrente encontrada nas
simulações realizadas. A discretização de 1000 pontos foi
escolhida para obtermos uma representação fiel dos dados,
de acordo com as necessidades do algoritmo, sem aumentar
o esforço computacional.
Para esta abordagem, as regras representativas de todo o
conhecimento do sistema inteligente foram definidas da
seguinte maneira:
Regra 1: Se IA é AL (ALta), IB é BA (BAixa) e IC é BA
(BAixa), então a saída é S1 – falta monofásica envolvendo
a fase A.
Regra 2: Se IA é BA, IB é AL e IC é BA então a saída é S2
– falta monofásica envolvendo a fase B.
Afirma-se que o sistema Fuzzy implementado
classificou corretamente os 27 casos testados, atingindo uma
3000 4000 5000 6000 precisão de 100%. Isso pode ser comprovado pela Tabela 2
que mostra as correntes nas fases A, B e C, além da resposta
esperada e da resposta encontrada pelo algoritmo proposto.
10. CONCLUSÃO
A abordagem aplicando sistemas Fuzzy para a
classificação de faltas monofásicas e bifásicas, com ou sem
a presença do “terra”, se mostrou eficiente. Cabe salientar
que os sistemas Fuzzy não necessitam de uma grande
quantidade de dados para sua implementação, apenas do
domínio do especialista do processo a ser modelado e da sua
experiência e conhecimento sobre sistemas Fuzzy. Outro
aspecto que devemos ressaltar é que com a utilização de
apenas duas funções de pertinência foi possível a
classificação das faltas simuladas, o que demonstra o poder
dessa ferramenta.
Para todos os casos testados, o sistema se mostrou
eficiente.
 A Detecção e Classificação de Situações Causadoras de Desequilíbrios nas Formas de Onda Utilizando Componentes Simétricas e
Sistemas Fuzzy
Etienne Biasotto, Patrick Santos de Oliveira, Mário Oleskovicz e Denis. V. Coury

Tabela 2 - Dados de entrada do sistema Fuzzy, bem como as fases envolvidas na falta simulada e a confirmação das fases detectadas pelo sistema
implementado.

ENTRADAS FASES ENVOLVIDAS FASES DETECTADAS

Situação
IA IB IC A B C A B C
1 262,36 4633,5 5139,6 NÃO SIM SIM NÃO SIM SIM
2 262,36 4633,5 5139,6 NÃO SIM SIM NÃO SIM SIM
3 298,18 6000 5037,6 NÃO SIM SIM NÃO SIM SIM
4 216,15 4484,9 4412,2 NÃO SIM SIM NÃO SIM SIM
5 216,15 4484,9 4412,2 NÃO SIM SIM NÃO SIM SIM
6 216,12 5694,8 5564,8 NÃO SIM SIM NÃO SIM SIM
7 5846,6 263,85 4905,6 SIM NÃO SIM SIM NÃO SIM
8 5798 298,68 6000 SIM NÃO SIM SIM NÃO SIM
9 5798 298,68 6000 SIM NÃO SIM SIM NÃO SIM
10 4886,3 216,19 4941 SIM NÃO SIM SIM NÃO SIM
11 4886,3 216,19 4941 SIM NÃO SIM SIM NÃO SIM
12 6000 216,27 6000 SIM NÃO SIM SIM NÃO SIM
13 6000 4064,9 303,24 SIM SIM NÃO SIM SIM NÃO
14 6000 4064,9 303,24 SIM SIM NÃO SIM SIM NÃO
15 6000 6000 277,2 SIM SIM NÃO SIM SIM NÃO
16 5004,1 4924,7 216,18 SIM SIM NÃO SIM SIM NÃO
17 5004,1 4924,7 216,18 SIM SIM NÃO SIM SIM NÃO
18 6000 6000 216,27 SIM SIM NÃO SIM SIM NÃO
19 245,94 255,34 2997,4 NÃO NÃO SIM NÃO NÃO SIM
20 245,94 255,34 2997,4 NÃO NÃO SIM NÃO NÃO SIM
21 252,18 288,93 4264 NÃO NÃO SIM NÃO NÃO SIM
22 265,24 2984,2 232,66 NÃO SIM NÃO NÃO SIM NÃO
23 265,24 2984,2 232,66 NÃO SIM NÃO NÃO SIM NÃO
24 304,01 4281,8 232,04 NÃO SIM NÃO NÃO SIM NÃO
25 3104 245,58 267,57 SIM NÃO NÃO SIM NÃO NÃO
26 3104 245,58 267,57 SIM NÃO NÃO SIM NÃO NÃO
27 4636,2 252,49 307,1 SIM NÃO NÃO SIM NÃO NÃO

AGRADECIMENTOS [5] Ramos, Dorel Soares e Dias, Eduardo Mário (1982).

Gostaríamos de agradecer ao Departamento de
Engenharia Elétrica da Escola de Engenharia de São Carlos
EESC, da Universidade de São Paulo - USP, pelas
facilidades proporcionadas para o desenvolvimento deste
trabalho e à UNESP pela preocupação com a divulgação dos
trabalhos de pesquisa realizados atualmente.
REFERÊNCIAS BIBLIOGRÁFICAS
[1] Dugan, R. C., McGranaghan, M. F. e Beaty, H. W.
(1996). Electrical Power Systems Quality, New York,
McGraw-Hill.
[2] Fortescue C.L. Method of Symmetrical Coordinates
Applied to the Solution of Polyphase Networks Trans.
AIEE, part II, vol.37, 1918, pp. 1027-1140.
[3] Stevenson, Willian D. Jr. (1978). Elementos de Análise
de Sistemas de Potência. Rio de Janeiro, McGRAW –
Hill do Brasil, LTDA.
[4] Kindermann, Geraldo (1992). Curto Circuito, Porto
Alegre, Sagra – DC Luzzatto.
Sistemas Elétricos de Potência, Regime Permanente,
Vol. 1, Rio de Janeiro – RJ, Editora Guanabara Dois
S.A.
[6] Coury, Denis Vinicius, Oleskovicz, Mário e Giovanini,
Renan (2007). Proteção Digital de Sistemas Elétricos
de Potência: dos relés eletromecânicos aos
microprocessados inteligentes, São Carlos – SP, Editora
EESC-USP.
[7] Haykin, Simon S. (1999). Neural networks: a
comprehensive foundation, Upper Saddle River, N.J.:
Prentice Hall.
[8] Rezende, S. O. Sistemas Inteligentes: Fundamentos e
Aplicações. RECOPE-IA Ed. Manole, Barueri, SP
2005.
[9] Application of fuzzy classification by evolutionary
neural network in incipient fault detection of power
transformer Jingen Wang; Lin Shang; Shifu Chen;
Yanfei Wang; Neural Networks, 2004. Proceedings.
2004 IEEE International Joint Conference on Volume 3,
25-29 July 2004 Page(s):2279 - 2283 vol.3
 A Detecção e Classificação de Situações Causadoras de Desequilíbrios nas Formas de Onda Utilizando Componentes Simétricas e
Sistemas Fuzzy
Etienne Biasotto, Patrick Santos de Oliveira, Mário Oleskovicz e Denis. V. Coury

[10] Liaoa, Y., Leeb, J. B. “A fuzzy-expert system for

classifying power quality disturbances” Electrical
Power and Energy Systems nº26, 2004, 199–205.
[11] Zadeh, Lotfi Asker (1987). Fuzzy sets and applications
New York : Wiley.
[12] EEUG (1987). Alternative Transients Program Rule
Book. LEC.