Implementação de redes neurais artificiais para estimativa de potência e torque em geradores de indução para sistemas de micro geração distribuída

Resumo

Em aplicações industriais, os motores de indução são amplamente utilizados por características consolidadas, como robustez e baixo custo de manutenção. Em sistemas de geração distribuída que utilizam geradores de indução, ou seja, motores de indução operando com velocidade superior à síncrona, o comportamento característico do torque eletromagnético deve ser considerado, visando uma maior eficiência do sistema proposto. Assim, a potência fornecida à rede elétrica deve ser inferior à potência do gerador, devido à perdas oriundas do processo de conversão eletromecânica de energia. As redes neurais artificiais são mecanismos autônomos capazes de estimar parâmetros por meio de dados de treinamento, possuindo fácil implementação e baixo custo. Este trabalho aplica uma rede neural artificial do tipo perceptron com entradas atrasadas no tempo (TDNN-Time Delay Neural Network) com o objetivo de estimar o comportamento do torque e da potência em sistemas com geradores de indução. Os dados de entrada da rede são as correntes trifásicas que são tratadas e treinadas a partir de respostas de torque esperadas via simulação. A validação da Rede Perceptron Multicamadas, foi realizada para novos dados coletados sobre um sistema com tensão de alimentação em desequilíbrio de 5% e com a inserção de harmônicas de 2° e 3° ordem, sendo estes, valores jamais treinados na rede. Os resultados foram considerados satisfatórios, com erro de 0,8% em regime permanente, e 2,5% em transitório.