ELTRICOS DE POTNCIA
Miguel Moreto
moreto@labspot.ufsc.br
Jacqueline G. Rolim
jackie@labspot.ufsc.br
i=1
(y
i
f(x
i
))
2
(1)
Onde (x
i
, y
i
) so as coordenadas dos pontos medidos e f(.)
a funo para a qual se deseja ajustar a curva.
Este mtodo utilizado em sistemas de potncia para estimar
parmetros como mdulo e fase da componente fundamen-
tal, bem como de harmnicas (Sachdev e Baribeau, 1979;
Phadke e Thorp, 1988).
Na sua forma mais simples, um sinal senoidal f(t) em um
dado instante de tempo t
1
modelado conforme (2).
f (t
1
) = X
1
sen(
0
t
1
+
1
) (2)
Expandindo o termo seno, pode se re-escrever (2) de outra
maneira, resultando em (3).
f (t
1
) = a
11
x
1
+a
12
x
2
(3)
Onde:
x
1
= X
1
cos (
1
) ; x
2
= X
1
sen(
1
)
a
11
= sen(
0
t
1
) ; a
12
= cos (
0
t
1
)
(4)
354 Revista Controle & Automao/Vol.21 no.4/Julho e Agosto 2010
Considerando que o sinal f(t) amostrado em intervalos de
t segundos, pode-se escrever um sistema de equaes da
forma de (3) onde os valores de f(t
1
), f(t
2
), ..., f(t
N
) etc.
so os valores medidos em uma janela de N amostras e as
variveis x
1
e x
2
so as incgnitas (estados). Este sistema
pode ser escrito na forma matricial conforme (5).
[A] [x] = [b] (5)
Onde b so as medidas.
Para que as variveis possam ser estimadas, necessrio que
o nmero de amostras seja maior que o de variveis. Assim,
a matriz A do sistema de equaes (5) retangular e no
possui inversa.
A soluo do problema de mnimos quadrados para este mo-
delo de sinal obtida atravs de (6), utilizando a matriz
pseudo-inversa (Phadke e Thorp, 1988).
[ x] =
_
[A]
T
[A]
_
1
[A]
T
. [b] (6)
Os elementos do vetor x so as estimativas das variveis de
estado. A partir de seus valores, pode-se calcular o fasor
de frequncia fundamental estimado para uma janela de k
amostras. Assim, a cada nova amostra, pode-se calcular no-
vamente o fasor e com isso obter um perl da componente
fundamental (ou harmnicas) do sinal. A partir deste perl,
pode-se segmentar os dados e extrair caractersticas, como
mdias de segmentos pr-falta e ps-falta para dar subsdio
aos algoritmos de tomada de deciso (Sachdev e Baribeau,
1979). A Figura 9 apresenta um exemplo do mdulo da com-
ponente fundamental obtida de um registro de curta durao
utilizando uma janela com 115 amostras, correspondendo a
um ciclo da frequncia fundamental de 60Hz. A janela de
clculo deslocada a cada amostra do sinal.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2
-1
0
1
x
[
p
u
]
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2
0
0.5
1
1.5
t[s]
|
x
|
[
p
u
]
Figura 9: Estimao do mdulo da componente de frequn-
cia fundamental usando o mtodo dos mnimos quadrados.
4.2 Transformada de Fourier
A Transformada de Fourier (TF) uma das tcnicas mais co-
nhecidas para anlise de sinais. Ela consiste em uma ope-
rao linear de transformao de um sinal no domnio do
tempo x(t) para um sinal no domnio da freqncia X().
Originalmente a TF foi denida para sinais contnuos, mas
tambm pode ser denida para sinais digitais, como o caso
dos dados de oscilograa. A Transformada de Fourier Dis-
creta (DFT) dada pela equao a seguir (Phillips e Parr,
1995):
X[k] =
N1
n=0
x[n]e
j
2kn
N
(7)
Onde k o ndice do vetor de freqncias, x[n] o sinal
amostrado a cada T segundos com N amostras:
x[n] = x(nT) n = 0, 1, 2, . . . , N 1
Como a maioria dos transitrios no constante, varia ao
longo do tempo, a transformada de Fourier pode no os re-
presentar corretamente. Assim, em aplicaes prticas, ao
invs de se utilizar toda a durao do sinal, comum calcular
a DFT em partes menores deste, de modo que nestas jane-
las o transitrio possa ser considerado estacionrio. Este
mtodo consiste em utilizar uma janela mvel que realiza
uma varredura em todo o sinal. A cada deslocamento da ja-
nela a DFT calculada. D-se o nome de transformada de
fourier digital com janelamento a este procedimento. Na li-
teratura comumente utilizado o termo em ingls Short Time
Fourier Transform (STFT) (Robertson et alii, 1996; Olesko-
vicz et alii, 2006). Este mtodo assume que o sinal sob an-
lise peridico localmente em uma janela de tempo consti-
tuda de M amostras (M < N), que deslocada ao longo do
sinal. A STFT denida a seguir:
STFT [k, m] =
N1
n=0
x[n] [n m] e
j
2kn
M
(8)
Nesta denio verica-se que a STFT igual a DFT, po-
rm o sinal x[n] multiplicado por uma seqncia de pontos
[n m] que constitui a janela de tempo deslocada de m
amostras. Esta seqncia, na forma mais simples a janela
retangular dada em (9). No entanto, outras formas de janelas
podem ser utilizadas como apresentado em Oleskovicz et alii
(2006).
[n m] =
_
1 se 0 n m N 1
0 demais casos
(9)
Revista Controle & Automao/Vol.21 no.4/Julho e Agosto 2010 355
Em (9), 0 < m < M e M o nmero de amostras que com-
pem a janela.
A STFT produz para cada deslocamento m da janela uma
seqncia de valores representando as componentes de
freqncia do sinal de entrada x[n]. Assim, o resultado
da STFT pode ser visualizado como um grco tridimen-
sional onde as divises horizontais representam as posies
das janelas no tempo e as divises verticais representam as
freqncias k. Um exemplo obtido de Robertson et alii
(1996) apresentado na Figura 10, mostrando o sinal de en-
trada com transitrio e na Figura 11 o resultado da STFT para
uma janela com o tamanho de um ciclo da frequncia funda-
mental. O tom de preenchimento de cada retngulo formado
representa a magnitude da transformada.
Figura 10: Sinal distorcido devido a um transitrio na rede
eltrica (Robertson et alii, 1996).
Figura 11: Resultado da anlise atravs da STFT (Robertson
et alii, 1996).
Nota-se que a STFT passa a apresentar uma dimenso de
tempo, podendo ser utilizada para detectar e determinar o
instante de ocorrncia das perturbaes.
O tamanho da janela M (sua durao no tempo) possui uma
relao direta com a resoluo do eixo de freqncias. Uma
janela com tamanho menor aumenta a resoluo temporal,
possibilitando maior preciso na identicao do instante de
ocorrncia, porm, diminui a resoluo de freqncias di-
cultando a caracterizao do distrbio (Xu et alii, 2006).
As relaes entre o tamanho da janela e as resolues de
frequncia e tempo podem ser vistas em (10).
f =
f
s
M
; t = M.
1
fs
(10)
Vale observar que na gura apresentada no h superposio
quando a janela deslocada.
4.3 Transformada Wavelet
Para suprir as decincias da STFT no que diz respeito
relao entre resoluo de frequncia e tempo pode ser uti-
lizada uma analise multiresoluo. A ferramenta mais uti-
lizada neste caso a Transformada Wavelet (TW). A TW
uma tcnica de anlise que avalia um dado sinal nos dom-
nios tempo e frequncia simultaneamente.
A transformada wavelet contnua (TWC) dada em (11), a
qual mostra como a funo f(t) decomposta por um con-
junto de funes
a,b
(t)chamadas de wavelets. As wavelets
possuem o mesmo papel que as funes seno e cosseno na
transformada de Fourier. No entanto, na TW elas so ver-
ses escalonadas e transladadas de uma mesma funo base,
chamada wavelet me, cuja expresso geral pode ser vista em
(12). Um exemplo de wavelet me pode ser visto na Figura
12.
W (a, b) =
_
f (t)
a,b
(t) dt (11)
a,b
(t) =
1
_
t b
a
_
(12)
As variveis a e b so os fatores de escalonamento e transla-
o.
-5 -4 -3 -2 -1 0 1 2 3 4 5
-1
-0.5
0
0.5
1
1.5
Figura 12: Exemplo de funo wavelet me.
Se para uma determinada escala e instante a wavelet possui
uma correlao signicativa com o sinal f(t), ento um valor
elevado da transformada obtido. A TW obtida calculando
esta correlao para vrios instantes (deslocamentos) e para
356 Revista Controle & Automao/Vol.21 no.4/Julho e Agosto 2010
vrias escalas. Isto pode ser feito de uma maneira contnua
(TWC) ou em passos discretos (Transformada Wavelet Dis-
creta). A TW permite ento que o sinal seja analisado nos
domnios escala e tempo, possibilitando a identicao dos
instantes de ocorrncia dos transitrios.
Uma das propriedades das funes wavelets a condio de
admissibilidade, a qual implica que no h componentes de
frequncia zero no espectro de frequncias da funo wave-
let. Ou seja seu valor mdio deve ser nulo. Desta forma,
a convoluo do sinal com as wavelets pode ser visto como
um processo de ltragem utilizando ltros passa banda, cu-
jas larguras de banda dependem do fator de escalonamento.
Assim, wavelets comprimidas no tempo (a < 1) apresentam
bandas de frequncia expandidas e deslocadas (j que no
possuem componentes de frequncia zero) e o inverso para
os casos em que a > 1, conforme ilustrado na Figura 13.
f
4
Figura 13: Espectro de frequncias resultante do escalona-
mento da funo wavelet me.
A condio de admissibilidade implica que um nmero in-
nito de funes wavelets necessrio para representar um si-
nal com valor mdio (ou componente de frequncia zero) di-
ferente de zero. Almdisso, a TWC altamente redundante e
na maioria dos casos a funo wavelet no tem soluo anal-
tica. Tais fatores dicultam a implementao computacional
da TWC (Valens, 1999). Assim, em aplicaes prticas
utilizada e Transformada Wavelet Discreta (TWD).
Na TWD a expanso segue um determinado padro em pas-
sos discretos na escolha dos parmetros a e b. Com a escolha
adequada destes parmetros, resolve-se o problema da redun-
dncia da TWC. A TWD dada em (13) (Robertson et alii,
1996).
TWD[j, k] =
1
_
a
j
0
N1
n=0
x[n] g
_
n ka
j
0
a
j
0
_
(13)
Por possuir o parmetro de deslocamento no tempo, a anlise
wavelet atua como um janelamento anlogo STFT, porm
a resoluo em freqncia dada pelo parmetro de escalo-
namento a. Assim, o fator de escalonamento est associado
com a banda de freqncia e o fator de deslocamento com
o tempo. Controlando estes fatores pode-se obter uma an-
lise com diferentes relaes entre as resolues de tempo e
freqncia.
O padro de expanso comumente utilizado a chamada ex-
panso didica onde a
0
= 2 e j=1, 2, 3, .... Este escalona-
mento resulta em uma resoluo de freqncia logartmica,
diferentemente da STFT onde esta resoluo uniforme.
Para exemplicar a diferena da TWD com a STFT, a Fi-
gura 14 apresenta o resultado da anlise wavelet do mesmo
sinal da Figura 10 usando-se a expanso didica. Nota-se
que o transitrio de alta freqncia do sinal pode ser loca-
lizado no tempo com uma resoluo maior, enquanto que a
componente de 60Hz aparece com uma magnitude contnua
ao longo do tempo.
Figura 14: Resultado da anlise do sinal da Figura 10 atravs
da transformada wavelet discreta (Robertson et alii, 1996).
O problema do nmero innito de funes wavelets necess-
rias resolvido atravs da utilizao em conjunto da funo
de escala
a,b
(t) que diferentemente
a,b
(t) possui um es-
pectro do tipo passa-baixas (Chen e Zhu, 2007). Utilizando
a funo de escala, a TWD pode ser vista como um banco de
ltros pelo qual o sinal sob anlise submetido. Esta abor-
dagem, tambm chamada de anlise multirresoluo (AMR),
resolve o problema da no existncia de solues analti-
cas para algumas wavelets atravs da implementao da TW
como ltros digitais (Valens, 1999).
Na AMR, utilizando a expanso didica, a TW pode ser vista
como a decomposio do sinal x[n] em diferentes nveis,
onde em cada nvel o sinal decomposto em uma verso de-
talhada e uma atenuada atravs dos ltros passa-altas e passa-
baixas, respectivamente. O ltro passa-altas obtido da fun-
o wavelet, enquanto que o passa-baixas provm da funo
de escala (Oleskovicz et alii, 2006). A Figura 15 apresenta
este processo onde o operador downsampling decima o si-
nal por um fator 2 (o valor de a
0
neste caso) para o prximo
estgio. Uma das vantagens da AMR sua ecincia com-
putacional (Mix e Olejniczak, 2003).
As caractersticas da TWD fazem dela uma ferramenta ade-
quada para a deteco e segmentao de dados de oscilogra-
Revista Controle & Automao/Vol.21 no.4/Julho e Agosto 2010 357
h[n]
x[n]
g[n]
2
2
h[n]
g[n]
2
2
h[n]
g[n]
2
2
detalhe 2
detalhe 1
detalhe 3
passa-altas
passa-baixas
Figura 15: Implementao da TW com a tcnica de anlise
Multirresoluo.
a, tanto para anlise de faltas quanto para estudos de quali-
dade de energia. De fato, o uso da TWD nestes casos tem se
tornando freqente nos trabalhos publicados, principalmente
em deteco e classicao de faltas (Youssef, 2001; Silva
et alii, 2005; Silva et alii, 2006) e em anlise automtica de
qualidade de energia (Siu e Ngan, 2004; Gaing, 2004).
5 ALGORITMOS DE TOMADA DE DECI-
SO
Diversas tcnicas computacionais de tomada de deciso po-
dem ser utilizadas em anlise de oscilograas. A maioria dos
trabalhos relacionados, inclusive em aplicaes reais, utiliza
tcnicas de inteligncia articial (IA). Estas tcnicas so par-
ticularmente interessantes, pois visam reproduzir, em progra-
mas computacionais, o comportamento de processos da na-
tureza, em especial, a forma como o ser humano aprende e
resolve problemas. As tcnicas de IA mais conhecidas so
as redes neurais articiais (RNA), os sistemas especialistas,
a lgica difusa e os algoritmos genticos (Rodrigues et alii,
1997). Estas tcnicas so bastante utilizadas em sistemas de
potncia, especialmente as RNAs e os sistemas especialistas,
para aplicaes em diagnstico de faltas em equipamentos
(Kezunovic, 2004). Na sua utilizao em anlise de pertur-
baes, alm de registros oscilogrcos dos RDPs, estas tc-
nicas podem fazer uso de outras fontes de informao, como
seqncias de eventos do sistema supervisrio e dos rels di-
gitais de proteo. A seguir, os sistemas especialistas e as
redes neurais articiais sero descritos com maior nvel de
detalhamento.
5.1 Sistemas Especialistas
Os sistemas especialistas (SE) so sistemas nos quais busca-
se incorporar o conhecimento de um ser humano, especialista
em determinado assunto, em um programa computacional.
Diferentemente de um programa procedimental tradicional,
nos sistemas especialistas o conhecimento separado do me-
canismo de raciocnio. De uma forma geral, um SE pode ser
esquematizado como na Figura 16.
O conhecimento armazenado na base de conhecimento, sob
duas formas principais: Fatos sobre o problema e regras que
Figura 16: Estrutura bsica de um sistema especialista (Men-
des, 1997).
indicam como o especialista humano raciocina para chegar a
uma concluso. As regras so do tipo SE premissa(s), EN-
TO concluso. As premissas so os fatos observados a par-
tir dos dados, como, por exemplo, o valor mdio da tenso
pr-falta e ps-falta.
A partir dos fatos, o mecanismo de inferncia avalia as regras
da base de conhecimento, as quais quando disparadas geram
novos fatos, at que nenhuma regra possa ser executada com
os fatos atuais ou que uma meta j tenha sido alcanada.
Atravs da interface, o usurio pode inserir novas regras e fa-
tos, alm de poder acompanhar todo o processo de tomada de
deciso (regras executadas e fatos utilizados) realizado pelo
sistema especialista. tambm atravs da interface que o
usurio recebe a resposta nal da anlise.
Em suas aplicaes anlise de oscilograas, os sistemas es-
pecialistas normalmente so utilizados em conjunto com tc-
nicas de processamento digital de sinais. As caractersticas
extradas dos dados constituem os fatos da base de conheci-
mento que so confrontados com as regras pelo mecanismo
de inferncia. Como exemplo, considere a seguinte regra:
SE a tenso e a corrente ps-falta so nulas ENTO prova-
velmente ouve um desligamento. Assim atravs do encadea-
mento de diversas regras deste tipo, o SE pode chegar a uma
concluso a respeito da ocorrncia (Moreto e Rolim, 2007).
Um dos aspectos positivos dos sistemas especialistas que
o processo de tomada de deciso pode ser visualizado pelo
usurio, o qual pode ao longo do uso do sistema propor me-
lhorias na base de conhecimento. A separao do mecanismo
de inferncia da base de conhecimento permite que esta l-
tima possa ser atualizada constantemente. No entanto, para
que os SEs possam ser utilizados, so necessrias informa-
es detalhadas a respeito do problema e como ele solu-
cionado por especialistas humanos. Deve-se tambm tomar
muito cuidado na representao deste conhecimento, de tal
forma que o SE possa obter uma sada a partir dos fatos ob-
tidos no sistema real.
Os SEs tm sido amplamente utilizados na anlise de osci-
358 Revista Controle & Automao/Vol.21 no.4/Julho e Agosto 2010
lograa para a soluo de diversos problemas como: an-
lise de faltas (Kezunovic, 2000) e (Luo e Kezunovic, 2005b);
anlise de operao de disjuntores (Kezunovic et alii, 2005),
anlise de qualidade de energia (Styvaktakis et alii, 2002a) e
anlise da proteo (Luo e Kezunovic, 2005a).
5.2 Redes Neurais
As Redes Neurais Articiais (RNAs) foram desenvolvidas
tomando-se como base o neurnio, unidade funcional do c-
rebro humano. Na sua concepo mais usual, chamada de
Perceptron de Mltiplas Camadas (Multilayer Perceptron -
MLP), as RNAs fazem uma representao distribuda da in-
formao, na forma de conexes entre um grande nmero de
elementos simples (neurnios articiais). Todos esses ele-
mentos realizam operacionalmente a mesma funo, ou seja,
a soma ponderada de suas entradas seguida de uma trans-
formao (linear ou no-linear) sobre este valor. Assim, as
Redes Neurais Articiais so modelos matemticos simpli-
cados dos neurnios biolgicos e suas interconexes em re-
des.
A Figura 17 apresenta o modelo matemtico tradicional de
um neurnio articial utilizado nas redes MLP.
Figura 17: RNA, modelo matemtico de um neurnio arti-
cial.
A informao sobre a soluo do problema armazenada nos
pesos sinpticos
m
os quais so obtidos a partir de um pro-
cesso de aprendizagem atravs de exemplos conhecidos apli-
cados RNA (Haykin, 2001).
A grande vantagem no uso de redes neurais articiais para
soluo de problemas complexos provm principalmente de
sua capacidade de aprendizagem atravs de exemplos e ge-
neralizao da resposta. Com isso, as RNA so utilizadas em
problemas onde uma soluo analtica ou numrica no pode
ser obtida.
Na anlise de oscilograas, as caractersticas obtidas atravs
de tcnicas de processamento de sinais so aplicadas s en-
tradas da RNA do tipo MLP. Primeiramente realizado um
processo de treinamento da rede, utilizando um conjunto de
entradas/sadas conhecidas. Atravs de um processo de oti-
mizao os pesos sinpticos so estimados de modo que o
erro da sada obtida em relao a desejada seja minimizado.
Aps um processo de treinamento adequado a RNA passa a
generalizar a sada para casos no utilizados no treinamento,
assim, ela est pronta para ser utilizada na aplicao. Con-
forme a estrutura da rede, um conjunto de sadas pode ser
obtido, representando o tipo de ocorrncia identicada na os-
cilograa.
Diversos exemplos de aplicao de RNA na anlise de osci-
lograas podem ser encontrados na literatura. Em Silva et
alii (2006) e Silva et alii (2007) a RNA utilizada para clas-
sicar faltas em sistemas de transmisso, tendo como entrada
amostras dos sinais de corrente e tenso. Em em Oleskovicz
et alii (2003) um conjunto de RNAs utilizado para detectar,
classicar e localizar faltas em linhas transmisso tambm
utilizando amostras dos sinais. Em Ferreira et alii (2009), a
RNA utilizada para classicao de eventos de qualidade
de energia, tendo como entradas parmetros estatsticos cal-
culados a partir do sinal amostrado. No trabalho de Bretas et
alii, (2006), utiliza-se a RNA para localizao de faltas em
linhas de distribuio a partir das componentes harmnicas
originadas em faltas de alta impedncia.
Alguns aspectos devem ser levados em conta antes de se op-
tar pelo uso das RNAs. Em primeiro lugar, para que a RNA
funcione adequadamente, faz-se necessrio um conjunto de
dados para treinamento, o que muitas vezes no est dispo-
nvel. Estes dados, no entanto, podem ser obtidos atravs de
simulaes computacionais, mas deve-se car atento mo-
delagem adequada do problema, quando esta vivel. Em
segundo lugar, nas RNAs tradicionais (como a MLP), diver-
sas heursticas esto envolvidas na escolha da topologia da
rede, nos seus parmetros e na forma de treinamento. Esco-
lhas inadequadas podem ocasionar decincias na generali-
zao do resultado para casos no previstos no treinamento,
ou seja, a RNA pode decorar os resultados do treinamento e
com isso apresentar erros elevados quando aplicada em situ-
aes reais. Em terceiro lugar, convm ressaltar que a RNA
no apresenta ao usurio o raciocnio lgico utilizado para a
obteno do resultado, caso este se faa necessrio na aplica-
o proposta.
6 CONSIDERAES FINAIS
Foi apresentada uma viso geral das aplicaes dos registros
de oscilograa eminstalaes de sistemas de energia eltrica,
tanto em mbito nacional quanto mundial. Vericou-se que a
oscilograa umas das fontes de dados mais utilizadas para
diagnstico de sistemas de energia. Suas aplicaes podem
ser em diagnstico de faltas (deteco e localizao), anlise
do desempenho de equipamentos, como disjuntores, estudos
de qualidade de energia e avaliao do desempenho dos sis-
temas de proteo. O uso da oscilograa pode ser combinado
Revista Controle & Automao/Vol.21 no.4/Julho e Agosto 2010 359
com outras fontes de dados, como sequncias de eventos de
sistemas supervisrios e internas aos rels digitais de prote-
o.
Um grande esforo vem sendo realizado pela comunidade
acadmica no sentido de desenvolver ferramentas que reali-
zem anlises automticas de oscilograas, pois com as re-
des de oscilograa cada vez mais presentes, a quantidade de
dados a ser analisada tem prejudicado a qualidade dos diag-
nsticos obtidos pelos engenheiros analistas. A maioria dos
trabalhos visa realizar uma espcie de ltragem nos dados
de oscilograa, possibilitando que os prossionais respons-
veis foquem sua ateno nos casos mais importantes, como
desligamentos forados, por exemplo. At mesmo para estes
casos esto sendo propostos mtodos de anlise automtica,
identicando, por exemplo, o tipo da falta e se esta foi interna
ou externa instalao onde est localizado o RDP.
Os mtodos de anlise automtica de ocorrncias em siste-
mas de potncia, na maioria dos casos, so combinaes de
tcnicas de processamento de sinais, destacando-se a Trans-
formada Wavelet, com algoritmos de inteligncia computa-
cional. Dentre estes, os mais utilizados so sistemas especi-
alistas e as redes neurais articiais.
Um breve resumo destas tcnicas foi apresentado na expec-
tativa de que possa servir como base para o desenvolvimento
de novas aplicaes neste assunto ou para o aprimoramento
de metodologias existentes.
REFERNCIAS
Bretas, A. S., Moreto, M., Salim, R. H., Pires, L. (2006). A
Novel High Impedance Fault Location for Distribution
Systems Considering Distributed Generation. Procee-
dings of IEEE PES Transmission and Distribution Con-
ference and Exposition Latin America. Caracas, Vene-
zuela, pp. 1 6.
Bollen, M. H. J. and Gu, I. Y. H. (2006). Signal Processing
of Power Quality Disturbances. IEEE Press, USA.
Chen, S. and Zhu, H. Y. (2007). Wavelet Transform for Pro-
cessing Power Quality Disturbances. EURASIP Journal
on Advances in Signal Processing, Vol. 2007, pp. 1
19.
Davidson, E. M., McArthur, S. D. J. and McDonald J. R.
(2003). A Toolset for Applying Model-Based Reaso-
ning Techniques to Diagnostics for Power Systems Pro-
tection. IEEE Transactions on Power Systems, Vol. 18,
n
o
2, pp. 680 687.
Davidson, E. M., McArthur, S. D. J., McDonald J. R.; Cum-
ming, T. and Watt, I. (2006). Applying multi-agent sys-
tem technology in practice: automated management
and analysis of SCADA and digital fault recorder data.
IEEE Transactions on Power Systems, Vol. 21, n
o
, 2;
pp. 559 567.
Ferreira, D. D., Cerqueira, A. S., Marques, C. A. G., Du-
que, C. A., Ribeiro, M. V. (2009). Sistema Automtico
de Deteco e Classicao de Distrbios Eltricos em
Qualidade de Energia Eltrica. Revista Controle & Au-
tomao. Vol. 20, n 1, pp. 53 62.
Futino E., Pereira, G., Bittencourt, A. A., Lachman, M. e Ro-
lim, J. G. (2009). Desenvolvimento de um Sistema de
Monitorao Remota e Avaliao do Estado Operativo
de Transformadores de Potencial Capacitivos (TPCs).
Anais XI Simpsio de Especialistas em Planejamento
da Operao e Expanso Eltrica. Belm PA, pp. 1
6.
Gaing, Z.-L. (2004). Wavelet-Based Neural Network for
Power Disturbance Recognition and Classication.
IEEE Transactions on Power Delivery, Vol. 19, No. 4;
pp. 1560 1568.
Giovanini R., Rodrigues, M. A. M., Moraes, R. M., Oliveira,
J. C. C., Gonalves, D. N., Miranda, A. L. L., Diniz, S.
S. e Figueiredo, M. V. F. (2008). SPERT - Sistema In-
tegrado para Anlise de Perturbaes. Anais do IX Se-
minrio Tcnico de Proteo e Controle STPC. Belo
Horizonte, MG.
Girgis, A. A. and Fallon, C. M. (1992). Fault location techni-
ques for radial and loop transmission systems using di-
gital fault recorded data. IEEE Transactions on Power
Delivery. Vol. 7, n
o
4, pp. 1936 1945.
Haykin, S. (2001). Redes Neurais: Princpios e Prtica. 2
a
edio. Porto Alegre, Bookman.
Hossack, J., McArthur, S. D. J., McDonald, J. R., Stoke,
J. and Cumming, T. (2002). A multi-agent approach
to power system disturbance diagnosis. Proceedings
of Fifth International Power System Management and
Control, pp. 317 322.
Kezunovic, M. and Perunicic, B. (1995). Synchronized sam-
pling improves fault location. IEEE Computer Applica-
tions in Power, Vol. 8, No. 2; pp. 30 33.
Kezunovic, M. (2000). Practical Applications of Automa-
ted Fault Analysis. Proceedings of International Con-
ference on Power System Technology. Vol. 2; pp. 819
824.
Kezunovic, M., Liu, C. C., McDonald, J. and Smith, L. E.
(2001). Automated Fault Analysis, IEEE Tutorial, IEEE
PES.
360 Revista Controle & Automao/Vol.21 no.4/Julho e Agosto 2010
Kezunovic, M. (2004). Intelligent applications in substati-
ons: Disturbance analysis. Proceedings of IEEE Power
Engineering Society General Meeting. Vol. 1, Denver,
USA, pp. 719723.
Kezunovic, M., R. Zhifang, Latisko, G., Sevcik, D.R., Lu-
cey, J.S., Cook, W.E. and Koch, E.A. (2005). Automa-
ted monitoring and analysis of circuit breaker opera-
tion. IEEE Transactions on Power Delivery, Vol. 20,
No. 3; pp. 1910 1918.
Liu, C.-W., Lien, K.-P., Chen, C.-S. and Jiang, J.-A. (2008).
A Universal Fault Location Technique for N-Terminal
(N 3) Transmission Lines. IEEE Transactions on
Power Delivery, Vol. 23, No. 3; pp. 1366 1373.
Luo, X. and Kezunovic, M. (2005a). Automated Analysis of
Digital Relay Data Based on Expert System. Procee-
dings of Power Tech 2005 Conference, St. Petersburg,
RU.
Luo, X. and Kezunovic, M. (2005b). Fault analysis based on
integration of digital relay and dfr data. Proceedings of
2005 IEEE Power Engineering Society General Mee-
ting, Vol. 1, pp. 746 751.
Martnez, J. K., et alii. (2008). Fault and Disturbance Data
Analysis Including Intelligent Systems. Report 355,
Working Group B5.03, CIGRE.
McArthur, S. D. J., Davidson, E. M., Hossack, J. A. and Mc-
Donald, J. R. (2004). Automating power system fault
diagnosis through multi-agent system technology. Pro-
ceedings of the 37th Annual Hawaii International Con-
ference on System Sciences, pp. 1 6.
Melo, M. O. B. C. (2008). Avaliao do impacto da qualidade
de energia eltrica na produo industrial: proposta de
metodologia. Produto & Produo, vol. 9, n
o
3, pp. 15
25.
Mendes, R. D. (1997). Inteligncia Articial: Sistemas Espe-
cialistas no Gerenciamento da Informao. Cincia da
Informao. Braslia; Vol. 26; No. 1; pp. 39 45.
Mix, D. F., Olejniczak, K. J. (2003). Elements of Wavelets
for Engineers and Scientists. John Wiley & Sons, Inc.,
Hoboken, New Jersey, USA.
Moreto, M. e Rolim, J. G. (2007). Sistema Especialista
Para Pr-anlise de Oscilograas Voltado Para Gera-
o. Anais do VIII Simpsio Brasileiro de Automao
Inteligente, Florianpolis, pp. 1 6.
Moreto, M. and Rolim, J. G. (2008). Automated Analysis
of Digital Fault Recorder Data in Power Generating
Plants. Proceedings of 16
th
Power Systems Computa-
tion Conference PSCC, Glasgow, UK, pp 1 6.
Oleskovicz, M., Coury, D. V. e Aggarwal, R. K. (2003).
O Emprego de Redes Neurais Articiais na Deteco,
Classicao e Localizao de Faltas em Linhas de
Transmisso. Revista Controle & Automao. Vol. 14,
n
o
2, pp. 138 150.
Oleskovicz, M., Coury, D. V., Carneiro, A. A. F. M., Arruda,
E. F., Delmont, O., Souza, S. A. (2006). Estudo Com-
parativo de Ferramentas Modernas de Anlise Aplica-
das Qualidade de Energia Eltrica. Revista Controle
& Automao. Vol. 17, n
o
3, pp. 331 341.
ONS (2002). Requisitos Mnimos dos Sistemas de Proteo,
Superviso/Controle e de Telecomunicaes. Procedi-
mentos de rede, submdulo 2.5. [S.l.]:ONS, Dez. 2002.
Disponvel em: <http://www.ons.org.br>.
Phadke, A. G. and Thorp, J. S. (1988). Computer Realaying
for Power Systems, Research Studies Press, Baldock,
Hertfordshire, England.
Phillips, C.L; Parr, J.M. (1995) Signals, systems and Trans-
forms. Prentice Hall.
Robertson, D. C., Camps, O. I., Mayer, J. S., Gish, W.
B. (1996).Wavelets and Electromagnetic Power System
Transients. IEEE Transactions on Power Delivery. Vol.
11, n
o
2, pp. 1050 1058.
Rodrigues, M. A. M., Filho, S. M. e Vilela, J. M. de F. (1997).
Ferramentas computacionais tradicionais e inteligentes
para anlise de perturbaes em sistemas de potncia.
Anais do XIV Seminrio Nacional de Produo e Trans-
misso de Energia Eltrica (SNPTEE), Belm, pp. 1
6.
Sachdev, M. S. and Baribeau, M. A. (1979). A New Algo-
rithm for Digital Impedance Relays. IEEE Transacti-
ons on Power Apparatus and Systems, vol. PAS-98, n
o
6, pp. 2232 2240.
Silva, K. M., Souza, B. A., Brito, N. S. D. (2006). Fault De-
tection and Classication in Transmission Lines Based
on Wavelet Transform and ANN. IEEE Transactions on
Power Delivery, Vol. 21, n
o
4, pp. 2058 2063.
Silva, K. M., Souza, B. A., Brito, N. S. D., Dantas, K. M.
C., Costa, F. B. e Silva, S. S. B. (2007). Deteco e
Classicao de Faltas a Partir da Anlise de Registros
Oscilogrcos via Redes Neurais Articiais e Transfor-
mada Wavelet. Revista Controle & Automao, Vol. 18,
n
o
2, pp. 163 172.
Silva, M. da, Oleskovicz, M. e Coury, D. V. (2005). Uma
Nova Ferramenta Baseada na Transformada Wavelet
para Localizao Digital de Faltas. Revista Controle &
Automao. Vol. 13, n
o
3, pp. 345 358.
Revista Controle & Automao/Vol.21 no.4/Julho e Agosto 2010 361
Silva, M. S., Jardini, J. A., Magrini, L. C., Corvo, A., Solis,
L. A. and Veiga, F. (2004). Determination of the Cir-
cuit Breaker Operation Times Using the Wavelet Trans-
form. Proceedings of Power Engineering Society Ge-
neral Meeting 2004, Denver USA, Vol. 2, pp. 1214
1219.
Siu, H. K. and Ngan, H. W. (2004). Automatic power quality
recognition system using wavelet analysis. Proceedings
of the 2004 IEEE International Conference on Electric
Utility Deregulation, Restructuring and Power Techno-
logies. Vol. 1; pp. 311 316.
Styvaktakis, E., Bollen, M. H. J. and Gu, I. Y. H. (2002a).
Expert System for Classication and Analysis of Power
System Events. IEEE Transactions on Power Delivery,
Vol. 17, n
o
2, pp. 423 428.
Styvaktakis, E., Bollen, M. H. J. and Gu, I. Y. H.
(2002b). Automatic Classication of Power System
Events Using rms Voltage Measurements. Proceedings
of Power Engineering Society Summer Meeting, Vol. 2,
pp. 824 829.
Tcheou, M. P. (2005). Anlise e Representao de Sinais de
Oscilograa Usando Decomposiess Adaptativas Re-
dundantes. Tese (Doutorado em Engenharia Eltrica).
Universidade Federal do Rio de Janeiro, Rio de Janeiro,
2005.
Vale, D. T., Coser, J. e Rolim, J. G. (2006). F-LOC - Fer-
ramenta Inteligente para Diagnstico de Faltas em Sis-
temas de Distribuio de Energia. Anais do XVI Con-
gresso Brasileiro de Automtica, Salvador, BA, pp. 1
6.
Valens, C. (1999). A Really Friendly Guide to Wavelets.
Acessvel em http://pagesperso-orange.
fr/polyvalens/cle-mens/clemens.html.
Varela, F. S., Rolim, J. G., Moreto, M., Lenz, E. P., Kato, L.
H. e Zimath, S. L. (2009). iOSC - Sistema Iinteligente
de Gesto de Oscilograas. Anais do XX Seminrio Na-
cional de Produo e Transmisso de Energia Eltrica
SNPTEE, Recife, PE, pp. 1 6.
Xu, J., Senroy, N., Suryanarayanan, S., Ribeiro, P. (2006).
Some Techniques for the Analysis and Visualization
of Time-varying Waveform Distortions. Proceedings of
38th North American Power Symposium, pp. 257 261.
Youssef, O. A. S. (2001). Fault classication based on wave-
let transforms. Proceedings of 2001 IEEE/PES Trans-
mission and Distribution Conference and Exposition.
Vol. 1; pp. 531 536.
Zimath, S. L; Neves, F. C.; Espndola, T. S. (2005). Moni-
torao de Eventos com Registro de Longa Durao
Congurao e Aplicao. Anais do VIII Seminrio
Tcnico de Proteo e Controle, Rio de Janeiro RJ.
Zin, A. A. M. and Karim, S. P. A. (2007). The Utilization
of Digital Fault Recorders in Protection System Analy-
sis on Tenaga Nasional Berhad Transmission System.
IEEE Transactions on Power Delivery, Vol. 22, n
o
4,
pp. 2040 2046.
362 Revista Controle & Automao/Vol.21 no.4/Julho e Agosto 2010