
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 | Leite, Daniel Furtado | - |
| Autor(es): dc.contributor | Ferreira, Danton Diego | - |
| Autor(es): dc.contributor | Costa Júnior , Pyramo Pires da | - |
| Autor(es): dc.contributor | Gouvêa Júnior, Maury Meirelles | - |
| Autor(es): dc.contributor | Ferreira, Danton Diego | - |
| Autor(es): dc.creator | Santana, Márcio Wladimir | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:50:24Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:50:24Z | - |
| Data de envio: dc.date.issued | 2017-05-29 | - |
| Data de envio: dc.date.issued | 2017-05-29 | - |
| Data de envio: dc.date.issued | 2017-05-24 | - |
| Data de envio: dc.date.issued | 2017-04-17 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/13065 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1148594 | - |
| Descrição: dc.description | The concept of Power Quality is related to a set of changes that can occur in the electrical system. Power quality problems can be defined as problems that manifest in voltage and current signals or as variations in frequency. These result in flaws or bad consumer equipment operation. Such changes (disturbances) can occur in many parts of the power system – be it in the consumer electrical wiring or in the supply system, causing financial losses to both. Thus, real -time automatic detection and classification of disturbances, based on a large volume of data generated by monitoring equipment, is of fundamental importance. In this study, evolving intelligent models, that is, models equipped with incremental online learning algorithms capable of changing their parameters and structure according to new information that emerge from a data stream, are considered for pattern recognition and classification. In particular, an evolving Takagi-Sugeno (eTS) fuzzy model, and an evolving fuzzy set -based evolving model (FBeM) are taken into consideration. A Hodrick-Prescott filter combined with a Fast Fourier Transform technique and mean voltages are considered for pre -processing measured data and extracting variables that indicate the presence of disturbances. The models developed in this study have reached classification performance comparable to that of stateof-the-art models in the field of power quality. Detection and classification of disturbances such as voltage sag and swell, inter-harmonics, sub-harmonics, harmonics, short-term interruption, oscillatory transient, spikes and notching, possibly occurring simultaneously, were reached with an accuracy of about 85-95%. In addition, the evolving models adopted, combined with the above-mentioned pre-processing techniques, have shown to be superior in terms of computational memory and time. | - |
| Descrição: dc.description | O conceito de Qualidade da Energia está relacionado a um conjunto de alterações que podem ocorrer no sistema elétrico. Pode-se definir o problema de qualidade de energia como aqueles manifestados na tensão, corrente ou nas variações de frequência, que resultam em falha ou má operação em equipamentos de consumidores. Tais alterações (distúrbios) podem ocorrer em várias partes do sistema de energia, sejam nas instalações elétricas dos consumidores ou no sistema supridor da concessionária, causando prejuízos financeiros a ambas as partes. Por isso, é de fundamental importância a detecção em tempo real e classificação destes distúrbios de modo automático baseada em uma grande quantidade de dados gerados pelos equipamentos de monitoramento. Para reconhecimento e classificação de padrões, são considerados modelos inteligentes evolutivos, ou seja, modelos equipados com algoritmos de aprendizado incremental on-line capazes de alterar seus parâmetros e estrutura conforme novas informações surgem em um fluxo de dados. Em particular, é considerado um modelo evolutivo fuzzy do tipo Takagi-Sugeno (eTS) e a modelagem evolutiva baseada em conjuntos fuzzy (FBeM). Para pré-processamento dos dados mensurados e extração de variáveis indicadoras da presença de distúrbios, foi considerado o filtro Hodrick-Prescott, a técnica de transformada rápida de Fourier e o valor eficaz das tensões de fase. Os modelos desenvolvidos neste trabalho têm alcançado um desempenho comparável aos modelos estado da arte na área de qualidade de energia. Detecção e classificação de distúrbios como afundamento de tensão, elevação de tensão, inter-harmônicos, sub-harmônicos, harmônicos, interrupção curta, transitórios oscilatórios, spikes e notchings, ocorrendo possivelmente de forma simultânea, foram alcançadas com acurácia de, aproximadamente, 85-95%. Além disso, os modelos evolutivos adotados, combinados com as técnicas de pré-processamento mencionadas, são superiores com relação ao tempo computacional exigido. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Federal de Lavras | - |
| Publicador: dc.publisher | Programa de Pós-Graduação em Engenharia de Sistemas e Automação | - |
| Publicador: dc.publisher | UFLA | - |
| Publicador: dc.publisher | brasil | - |
| Publicador: dc.publisher | Departamento de Engenharia | - |
| Direitos: dc.rights | acesso aberto | - |
| Palavras-chave: dc.subject | Qualidade de energia | - |
| Palavras-chave: dc.subject | Detecção e classificação de distúrbios | - |
| Palavras-chave: dc.subject | Aprendizado incremental on-line | - |
| Palavras-chave: dc.subject | Sistemas Fuzzy evolutivos | - |
| Palavras-chave: dc.subject | Power quality | - |
| Palavras-chave: dc.subject | Detection and classification of disturbances | - |
| Palavras-chave: dc.subject | Incremental online learning | - |
| Palavras-chave: dc.subject | Evolving fuzzy systems | - |
| Palavras-chave: dc.subject | Automação Eletrônica de Processos Elétricos e Industriais | - |
| Título: dc.title | Agrupamento incremental de fluxo de dados para análise e monitoramento da qualidade de energia | - |
| Título: dc.title | Incremental clustering of data streams for power quality monitoring and analysis | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: