Simulação de aprendizado baseado em redes neurais artificiais na identificação de descargas parciais em cabos de redes de distribuição de energia subterrânea

Os cabos subterrâneos têm sido utilizados em sistemas de distribuição de energia em áreas urbanas especialmente por sua alta confiabilidade. Porém, ao longo do tempo, esses cabos sofrem com degradação. Isso ocorre devido a fontes de estresse, tais como fatores ambientais, elétricos ou mecânicos. Uma forma de detectar se um cabo subterrâneo está com seu isolamento em fase de degradação é a partir da identificação de distúrbios chamados descargas parciais (DPs). No caso de não ocorrer essa identificação, elas podem evoluir para faltas catastróficas levando a acidentes ou à interrupção de energia. Vários estudos já foram desenvolvidos com o intuito de obter uma solução para o problema, no entanto, ainda não se vislumbra uma solução satisfatória, uma vez que o sistema de proteção da rede não detecta nem esse nem outros vários tipos de distúrbios. Neste trabalho, é utilizado o aprendizado baseado em redes neurais artificiais (ANN) como uma estratégia para diagnóstico de DPs em cabos de sistemas de distribuição subterrânea. A partir do modelo de um dos padrões de descarga parcial (DP), é treinada uma ANN para a identificação das DPs. Foram elaboradas simulações a partir da rede treinada utilizando o software Matlab®. Os percentuais de teste e validação dos modelos, assim como os índices de erro, mostraram-se satisfatórios para a identificação das DPs, quando comparados com resultados da literatura que aborda esse tipo de problema. Ainda que este trabalho se encontre em fase inicial, com resultados ainda parciais, eles já apontam para uma estratégia viável para diagnóstico das anormalidades nos cabos de redes subterrâneas. Outras simulações serão realizadas futuramente com a incorporação de outros tipos de distúrbios e com outros métodos de identificação, garantindo com isso a obtenção de um modelo mais robusto.