Aplicação de Autoencoder para Classificação de Faltas em Sistemas de Distribuição com Geração Distribuída

A integração massiva e não planejada de geração distribuída (GD) impõe desafios técnicos aos sistemas de distribuição, originalmente projetados para fluxos unidirecionais de potência. A intermitência das fontes renováveis e a presença de fluxos bidirecionais alteram o comportamento do sistema e a arquitetura de proteção, dificultando a coordenação entre dispositivos e a detecção de faltas. Nesse contexto, este trabalho propõe uma arquitetura baseada em autoencoder para extração de características e em um classificador Perceptron Multicamadas (MLP) para a identificação automática de faltas em redes de distribuição com diferentes níveis de penetração fotovoltaica. A detecção baseia-se no monitoramento das correntes trifásicas na saída da subestação. Os resultados mostram que, em cenários sem GD, a acurácia atinge 100% para a maioria dos tipos de falta. No entanto, no cenário com maior penetração fotovoltaica, observa-se uma redução no desempenho, especialmente para faltas monofásicas, que apresentaram acurácia de 95,88%, valor inferior ao observado nos cenários com menor penetração.