Classificação de eventos em redes de distribuição de energia elétrica utilizando modelos neurais autônomos

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorVieira Neto, Hugo-
Autor(es): dc.contributorRiella, Rodrigo Jardim-
Autor(es): dc.creatorLazzaretti, André Eugênio-
Data de aceite: dc.date.accessioned2025-08-29T11:49:31Z-
Data de disponibilização: dc.date.available2025-08-29T11:49:31Z-
Data de envio: dc.date.issued2015-07-06-
Data de envio: dc.date.issued2015-07-06-
Data de envio: dc.date.issued2010-07-06-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/1330-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1083927-
Descrição: dc.descriptionThis work presents a method for automatic classification of faults and events related to quality of service in power distribution networks, based on oscillographies of the bar feeder voltages of the distribution substation. We present the results for two distinct pre-processing forms of the voltage signals. The first is based on the Fourier Transform and the second on the Wavelet Transform for different families of wavelet functions. We compared three neural models for the process of classification: Multi-Layer Perceptron, Radial Basis Function and Support Vector Machine. The models were trained taking into account the autonomous operation of networks, i.e. automatic model selection and control complexity. The results were validated for a set of simulations performed using the Alternative Transient Program, aimed at practical implementation of the proposed method in an oscillograph logger, developed by Lactec together with Copel, called the Power Quality Monitor. The results were obtained with performance on the order of 90% of average accuracy for the various pre-processing forms and neural models.-
Descrição: dc.descriptionEste trabalho apresenta uma metodologia para classificação de eventos de curto-circuito e mano-bras em redes de distribuição de energia elétrica, com base nos registros oscilográficos de tensão na barra da subestação de distribuição. São apresentados os resultados obtidos para duas formas distintas de pré-processamento dos sinais de tensão, sendo a primeira baseada em Transformada de Fourier e a segunda em Transformada Wavelet para diferentes famílias de funções wavelet. Foram comparados três modelos neurais para o processo de classificação: Multi-Layer Perceptron, Radial Basis Function e Support Vector Machine. Os modelos foram treinados levando em conta uma característica autônoma de operação das redes, ou seja, a seleção automática do modelo e o controle de complexidade. Os resultados foram validados para um conjunto de simulações realizadas no programa Alternative Transient Program, visando a aplicação prática do método proposto em um equipamento registrador de oscilografias, desenvolvido pelo Lactec em conjunto com a Copel - Curitiba, PR, denominado Power Quality Monitor. Foram obtidos resultados com desempenho na ordem de 90% de acerto médio para as diferentes formas de pré-processamento e diferente modelos neurais.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherPrograma de Pós-Graduação em Engenharia Elétrica e Informática Industrial-
Palavras-chave: dc.subjectEnergia elétrica - Controle de qualidade-
Palavras-chave: dc.subjectWavelets (Matemática)-
Palavras-chave: dc.subjectFourier, Análise de-
Palavras-chave: dc.subjectConvoluções (Matemática)-
Palavras-chave: dc.subjectEngenharia elétrica-
Palavras-chave: dc.subjectElectric power - Quality control-
Palavras-chave: dc.subjectWavelets (Mathematics)-
Palavras-chave: dc.subjectFourier analysis-
Palavras-chave: dc.subjectConvolutions (Mathematics)-
Palavras-chave: dc.subjectElectric engineering-
Título: dc.titleClassificação de eventos em redes de distribuição de energia elétrica utilizando modelos neurais autônomos-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.