
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Bonini Neto, Alfredo | - |
| Autor(es): dc.creator | de Queiroz, Alexandre | - |
| Autor(es): dc.creator | da Silva, Giovana Gonçalves | - |
| Autor(es): dc.creator | Gifalli, André | - |
| Autor(es): dc.creator | de Souza, André Nunes | - |
| Autor(es): dc.creator | Garbelini, Enio | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T22:11:47Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T22:11:47Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2024-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/technologies13010015 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/301429 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/301429 | - |
| Descrição: dc.description | Technical power losses in power systems are unavoidable, caused by factors such as transformer impedance, conductor resistance, equipment inefficiencies, line reactance, and phase imbalances. Reducing these losses is essential for improving system efficiency. This study introduces an innovative approach using Artificial Neural Networks (ANN) combined with the graphical interface to predict complete curves of real and reactive power losses in power systems under various contingencies. The key advantage of this methodology is its speed, allowing quick estimation of power loss curves both in normal and contingency conditions, whether mild or severe. ANN models excel at capturing the nonlinear behavior of power systems, eliminating the need for iterative methods commonly used in traditional approaches. The results showed that the ANN performed effectively, with a mean squared error during training below the specified threshold. For samples not included in the training set, the network accurately estimated 99% of the real and reactive power losses within the specified range, with residuals around 10−3 and an overall accuracy rate of 99% between the desired and obtained outputs. Additionally, a Graphical User Interface (GUI) was implemented to facilitate user interaction, allowing for easy visualization of power-loss predictions and real-time adjustments. | - |
| Descrição: dc.description | School of Sciences and Engineering São Paulo State University (UNESP), SP | - |
| Descrição: dc.description | School of Engineering São Paulo State University (UNESP), SP | - |
| Descrição: dc.description | School of Sciences and Engineering São Paulo State University (UNESP), SP | - |
| Descrição: dc.description | School of Engineering São Paulo State University (UNESP), SP | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Technologies | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | artificial intelligence | - |
| Palavras-chave: dc.subject | continuation method | - |
| Palavras-chave: dc.subject | estimation | - |
| Palavras-chave: dc.subject | loading margin | - |
| Palavras-chave: dc.subject | technical power losses | - |
| Título: dc.title | Predictive Modeling of Total Real and Reactive Power Losses in Contingency Systems Using Function-Fitting Neural Networks with Graphical User Interface | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: