O monitoramento e diagnóstico, com a consequente localização dos curtos-circuitos em Sistemas de Distribuição (SD), fazem parte de um processo complexo, exigindo esforços e agilidade das equipes técnicas de manutenção das concessionárias de energia elétrica. Quando se trata de um SD Subterrâneo (SDS), a complexidade de localização das faltas aumenta, pois não é possível realizar a inspeção visual. Por este motivo, desenvolver e aprimorar métodos para monitorar, classificar e localizar as situações de faltas em SD tem sido de relevante interesse para a comunidade técnico-científica nos últimos anos. Neste contexto, apresenta-se nesta pesquisa um método para processar as informações necessárias para classificar e localizar a ocorrência de um curto-circuito (monofásico, bifásico e/ou trifásico, com e/ou sem o envolvimento da terra) em um SDS. O processamento das informações foi realizado por meio da observação da propagação dos afundamentos de tensão, decorrentes de curtos-circuitos passíveis de ocorrência no SDS, e pela alocação de um número reduzido de medidores, permitindo a classificação e localização precisa da falta. Um dos diferenciais da metodologia proposta é que esta utiliza somente os valores eficazes das tensões trifásicas, registradas em medidores estrategicamente alocados, para indicação da área afetada e classificação das fases envolvidas. A metodologia é baseada no emprego de redes neurais artificiais. Os resultados encontrados são promissores, indicando a aplicabilidade da metodologia proposta.

The monitoring and diagnostics, with the consequent localization of short circuits in Distribution Systems (DS), are part of a complex process, requiring efforts and agility of the technical teams of maintenance of electric utilities. In the case of an underground DS (UDS), the location of faults complexity increases, because it is not possible to perform visual inspection. For this reason, develop and improve methods to monitor, sort and locate the fault situations in DS has been of relevant interest to the technical-scientific community in recent years. In this context, this study presents a method for processing the information required to classify and locate the occurrence of a short circuit (single phase, biphasic and / or phase with and / or without the involvement of the earth) on a UDS. The information processing was carried out by observing the propagation of voltage sags, caused by short circuits that may occur in the UDS, and the allocation of a few meters, allowing classification and precise location of the fault. One of the proposed methodology differentials is that it uses only the RMS values of the three-phase voltages, registered in strategically located meters, for indicating the affected area and classification of the phases involved. The methodology is based on the use of artificial neural networks. The results found are promising, indicating the applicability of the proposed methodology.