
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.creator | Carvalho, José Genilson Sousa | - |
| Autor(es): dc.creator | Almeida, Aryfrance Rocha | - |
| Autor(es): dc.creator | Ferreira, Danton Diego | - |
| Autor(es): dc.creator | Santos Junior, Bartolomeu Ferreira dos | - |
| Autor(es): dc.creator | Vasconcelos, Luis Henrique Pereira | - |
| Autor(es): dc.creator | Sobreira, Danilo de Oliveira | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:22:02Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:22:02Z | - |
| Data de envio: dc.date.issued | 2022-04-26 | - |
| Data de envio: dc.date.issued | 2022-04-26 | - |
| Data de envio: dc.date.issued | 2022-03 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/49801 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.1016/j.epsr.2021.107676 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1159849 | - |
| Descrição: dc.description | This work presents a novel method for the classification of high-impedance faults (HIFs) in power distribution networks based on the association of higher-order statistics (HOS) and a multilayer perceptron (MLP) artificial neural network (ANN). An alternative model is developed to represent the HIF phenomenon considering five different contact surfaces with the ground. A broad analysis comprising six types of typical events that occur in distribution networks is performed in the Alternative Transient Program (ATP) software, including several conditions such as: normal operation; single-phase faults; two-phase faults; three-phase faults; energization of transformers and capacitor banks; switching of inductive loads; as well as faults involving five modeled surfaces. HOS is combined with Fisher’s discriminant ratio (FDR) to extract the best characteristics. At the end, the MLP-type ANN is used to recognize the specific patterns of each event aiming to identify each event accurately, especially HIFs. The obtained results demonstrate that the proposed technique proves to be a reliable and accurate tool, achieving classification hits above 98%. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Elsevier | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Electric Power Systems Research | - |
| Palavras-chave: dc.subject | Distribution networks | - |
| Palavras-chave: dc.subject | High-impedance faults | - |
| Palavras-chave: dc.subject | Higher-order statistics | - |
| Palavras-chave: dc.subject | Fisher’s discriminant ratio | - |
| Palavras-chave: dc.subject | Artificial neural networks | - |
| Palavras-chave: dc.subject | Redes de distribuição | - |
| Palavras-chave: dc.subject | Faltas de alta impedância | - |
| Palavras-chave: dc.subject | Estatísticas de ordem superior | - |
| Palavras-chave: dc.subject | Função discriminante de Fisher | - |
| Palavras-chave: dc.subject | Redes neurais artificiais | - |
| Título: dc.title | High-impedance fault modeling and classification in power distribution networks | - |
| 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: