Dissertação
Classification algorithms for LV network asset characterisation based on impedance statistical information EVALUATED
De forma a atingir a neutralidade climática, a União Europeia estabeleceu objetivos relacionados com a descarbonização da produção de eletricidade e a eletrificação do consumo. A penetração de veículos elétricos e de sistemas fotovoltaicos na rede de Baixa-Tensão (BT) agrava problemas como a excessiva queda e elevação de tensão, o desequilíbrio entre fases e a distorção harmónica. Por estas razões, torna-se cada vez mais importante conhecer as características da rede de BT, como a sua topologia, os cabos e os parâmetros elétricos dos condutores. Geralmente estes dados encontram-se registados precariamente nos Sistemas de Informação Geográfica (SIG). A possibilidade de estimar estas características utilizando dados monitorizados por contadores inteligentes permite validar e corrigir dados de SIG, acelerando a transição energética. O objetivo desta tese é desenvolver modelos de classificação baseados em informação estatística de impedância proveniente de um estimador de parâmetros elétricos em redes de BT. A classificação incide sobre as características do tipo de cabo e do cabo específico com base num catálogo de cabos referência. Para efeitos de classificação do tipo de cabo, distingue-se entre cabos em que o condutor neutro tem igual ou diferente áreas de secção que os condutores fase. A sensibilidade relativamente a erros introduzidos nas variáveis de impedância estimadas é analisada para diferentes modelos de Aprendizagem Automática em diferentes tipos de redes de simulação. A exatidão de classificação da característica do cabo específico varia entre 91% e 43%, dependendo do tipo de rede de distribuição de BT.
novembro 28, 2024, 18:0
Documentos da dissertação ainda não disponíveis publicamente
Orientação
ORIENTADOR
Pedro Manuel Santos de Carvalho
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Catedrático