Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Silva, Murilo da | - |
Autor(es): dc.contributor | Silva, Murilo da | - |
Autor(es): dc.contributor | Spatti, Danilo Hernane | - |
Autor(es): dc.contributor | Theodoro, Edson Aparecido Rozas | - |
Autor(es): dc.contributor | Durand, Fábio Renan | - |
Autor(es): dc.creator | Medeiros, Vinicios Thomaz | - |
Data de aceite: dc.date.accessioned | 2022-02-24T17:00:33Z | - |
Data de disponibilização: dc.date.available | 2022-02-24T17:00:33Z | - |
Data de envio: dc.date.issued | 2022-02-23 | - |
Data de envio: dc.date.issued | 2022-02-23 | - |
Data de envio: dc.date.issued | 2015-11-11 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/27360 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/699235 | - |
Descrição: dc.description | Due to constant technological advance in the last decades, awareness and information dissemination to the population, globalization and competition of productive sectors and the regulation of the Brazilian electricity sector, the electrical energy quality has gained great importance in the overall scenario, mainly due to the financial impact that the lack of electrical energy quality can bring to the varied classes of consumers. Thus, this work proposes a tool to assist dealers and licensees in the electrical energy distribution regarding the preliminary verification for problems related to long-term voltage variations, without the need of a thorough evaluation of the system, which means that the problem will be simultaneously classified accordingly to the voltage measurement performed on the unit consumer. The tool proposed in this work is based on the utilization of Artificial Neural Networks with feed-forward architecture of multiple layers, known as Multi-Layer Perceptron (MLP) for pattern recognition of problems that cause long term voltage variations in energy distribution systems. This research proposes a simple RNA topology and easy implementation in hardware. Data presented for the network in the training and testing phase were provided by the electricity distribution utility, CPFL (Companhia Paulista de Forca e Luz), which were collected from actual measurements made in consumers units. The proposed tool seeks to identify the cause of problems as soon as there is a consumer complaining, in a quick and efficient way. | - |
Descrição: dc.description | Dado o constante avanço tecnológico das últimas décadas, conscientização e disseminação da informação à população, globalização e concorrência dos setores produtivos e a regulação do setor elétrico brasileiro, a qualidade da energia elétrica (QEE) tem ganhado grande importância no cenário geral, principalmente devido ao impacto financeiro que a falta de QEE pode trazer às diversas classes de consumidores. Deste modo, neste trabalho é proposto uma ferramenta para auxiliar as concessionárias e permissionárias de distribuição de energia elétrica quanto a verificação preliminar de problemas relacionados a variação de tensão de longa duração, sem que haja necessidade de uma avaliação completa do sistema, ou seja, o problema será classificado simultaneamente com a medição de tensão efetuada na unidade consumidora. A ferramenta proposta neste trabalho baseia-se na utilização de Redes Neurais Artificiais (RNAs) com arquitetura Feed-Forward de múltiplas camadas, conhecida como Multi-Layer Perceptron (MLP), para reconhecimento de padrões relativos a problemas causadores de variações de tensão de longa duração em sistemas de distribuição de energia. Propõe-se neste trabalho uma topologia de RNA simples e de fácil implementação em hardware. Os dados apresentados à rede na fase de treinamento e teste foram fornecidos pela concessionária de distribuição de energia elétrica, CPFL (Companhia Paulista de Força e Luz), os quais foram coletados a partir de medições reais realizadas em unidades consumidoras. A ferramenta proposta busca identificar a causa do problema assim que houver uma reclamação por parte do consumidor, de maneira rápida e eficiente. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Cornelio Procopio | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Engenharia Elétrica | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Redes Neurais Artificiais | - |
Palavras-chave: dc.subject | Algoritmos | - |
Palavras-chave: dc.subject | Percepção de padrões | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Algorithms | - |
Palavras-chave: dc.subject | Pattern perception | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | - |
Título: dc.title | Reconhecimento de padrões relativos aos problemas que causam variações de tensão em regime permanente utilizando redes neurais artificiais | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
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: