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.contributor | Universidad Mariana | - |
Autor(es): dc.creator | Silva Santos, Andréia | - |
Autor(es): dc.creator | da Silva, Reginaldo José | - |
Autor(es): dc.creator | Montenegro, Paula Andrea | - |
Autor(es): dc.creator | Faria, Lucas Teles | - |
Autor(es): dc.creator | Lopes, Mara Lúcia Martins | - |
Autor(es): dc.creator | Minussi, Carlos Roberto | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:46:26Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:46:26Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2025-05-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.epsr.2025.111426 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/307384 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/307384 | - |
Descrição: dc.description | The extensive integration of distributed generation (DG) units leads to significant changes in the operation of power distribution systems (PDS). Integrating DG units contributes to meeting the growing energy demand, diversifying the energy matrix, and reducing power grid losses. In contrast, they can affect conventional protection systems in power grids by altering current flow, which affects the characteristics, direction, and amplitude of short-circuit currents. Consequently, improper operation of protection equipment can cause false positives, negatively affecting the detection, classification, and reliability of the power grid. This study addresses fault classification in PDS, considering the extensive integration of DG units, specifically PV systems. PDS is evaluated at various levels of PV insertion using different fault scenarios modeled in the IEEE 34-bus test system. This includes five scenarios with variations in the PV system insertion. Autoencoders are applied during the pre-processing phase, while eleven different algorithms are used in the classification stage to identify fault types. They can improve the performance of the classification system by reducing the size of input signals and extracting the most relevant features. The results reveal that the K-nearest neighbor (KNN) and random forest (RF) algorithms demonstrate the best performance, maintaining a minimum accuracy of 95.42% in all scenarios. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Laboratory of Intelligent Systems Department of Electrical Engineering School of Engineering São Paulo State University (UNESP), São Paulo | - |
Descrição: dc.description | Environmental Engineering Program Universidad Mariana, Nariño | - |
Descrição: dc.description | Department of Engineering School of Engineering and Sciences São Paulo State University (UNESP), São Paulo | - |
Descrição: dc.description | Laboratory of Intelligent Systems Department of Electrical Engineering School of Engineering São Paulo State University (UNESP), São Paulo | - |
Descrição: dc.description | Department of Engineering School of Engineering and Sciences São Paulo State University (UNESP), São Paulo | - |
Descrição: dc.description | CNPq: 302896/2022-8 | - |
Descrição: dc.description | CAPES: UNESP/PROPG 37/2023 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Electric Power Systems Research | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Artificial neural networks | - |
Palavras-chave: dc.subject | Autoencoders | - |
Palavras-chave: dc.subject | Fault classification | - |
Palavras-chave: dc.subject | Photovoltaic systems | - |
Palavras-chave: dc.subject | Power distribution systems | - |
Título: dc.title | Integrating autoencoders to improve fault classification with PV system insertion | - |
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: