Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/1330
Título: Classificação de eventos em redes de distribuição de energia elétrica utilizando modelos neurais autônomos
Autor(es): Lazzaretti, André Eugênio
Orientador(es): Vieira Neto, Hugo
Palavras-chave: Energia elétrica - Controle de qualidade
Wavelets (Matemática)
Fourier, Análise de
Convoluções (Matemática)
Engenharia elétrica
Electric power - Quality control
Wavelets (Mathematics)
Fourier analysis
Convolutions (Mathematics)
Electric engineering
Data do documento: 6-Jul-2010
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Curitiba
Citação: LAZZARETTI, André Eugênio. Classificação de eventos em redes de distribuição de energia elétrica utilizando modelos neurais autônomos. 2010. 117 f. Dissertação (Mestrado em Engenharia Elétrica e Informática Industrial) – Universidade Tecnológica Federal do Paraná, Curitiba, 2010.
Resumo: Este 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.
Abstract: This 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.
URI: http://repositorio.utfpr.edu.br/jspui/handle/1/1330
Aparece nas coleções:CT - Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
CT_CPGEI_M_Lazzaretti, André Eugênio_2010.pdf2,17 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.