One of the major problems in transmission lines is the occurrence of failures that affect the quality of the electric power supplied, as the exact localization of the fault must be known for correction. In order to streamline the work of maintenance teams and standardize services, this paper proposes a method of locating faults in power transmission lines by analyzing the voltage oscillographic signals extracted at the line monitoring terminals. The developed method relates time series models obtained specifically for each failure pattern. The parameters of the autoregressive integrated moving average (ARIMA) model are estimated in order to adjust the voltage curves and calculate the distance from the initial fault localization to the terminals. Simulations of the failures are performed through the ATPDraw ${}^{\circledR }$ (5.5) software and the analyses were completed using the RStudio ${}^{\circledR }$ (1.0.143) software. The results obtained with respect to the failures, which did not involve earth return, were satisfactory when compared with widely used techniques in the literature, particularly when the fault distance became larger in relation to the beginning of the transmission line.

Diversos estudos tem sido orientados no sentido de desenvolver modelos térmicos mais precisos e com menor custo computacional para transformadores de potência. Motivados pela necessidade de sistemas adaptáveis, os sistemas inteligentes evolutivos vêm recebendo grande atenção em problemas de vários tipos de problemas. Este trabalho apresenta um novo método de ajuste de parâmetros de um sistema de inferência fuzzy (FIS) através de otimização por enxame de partículas (PSO). Para a determinação do número de funções de pertinência do FIS, é utilizado o algoritmo Self-organized direction aware (SODA). Este novo modelo, denominado SODA-FIS-PSO, tem como principal objetivo minimizar o erro durante o processo de aprendizagem. O modelo é aplicado em dados de um transformador real para diversas condições de carregamento. Os resultados apresentam melhor desempenho quando comparados com abordagens alternativas evolutivas e não evolutivas sugeridas na literatura.