Detecção e classificação de faltas em sistemas de distribuição de energia elétrica usando a análise multirresolução e a rede neural artificial ARTMAP-fuzzy
Esta pesquisa apresenta o desenvolvimento de uma ferramenta para a detecção e classificação de curtos-circuitos em sistemas de distribuição de energia elétrica, a qual é baseada no uso combinado da análise multirresolução e rede neural ARTMAP-fuzzy. A análise multirresolução permite a identificação...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2019 |
| País: | Brasil |
| Recursos: | Universidade Estadual Paulista (UNESP) |
| Repositorio: | Repositório Institucional da UNESP |
| Idioma: | portugués |
| OAI Identifier: | oai:repositorio.unesp.br:11449/183118 |
| Acesso em linha: | http://hdl.handle.net/11449/183118 |
| Access Level: | acceso abierto |
| Palavra-chave: | Inteligência artificial Redes neurais artificiais Detecção de faltas de curto-circuito Classificação de curto-circuito ARTMAP-fuzzy Artificial intelligence Artificial neural networks Detection of short circuit faults Classification of short circuit Fuzzy ARTMAP |
| Resumo: | Esta pesquisa apresenta o desenvolvimento de uma ferramenta para a detecção e classificação de curtos-circuitos em sistemas de distribuição de energia elétrica, a qual é baseada no uso combinado da análise multirresolução e rede neural ARTMAP-fuzzy. A análise multirresolução permite a identificação de singularidades nas oscilografias e a rede da família ART garante ao sistema classificador a capacidade de aprendizado contínuo de novos padrões sem perder o conhecimento previamente adquirido. Todo o processo de diagnóstico é realizado em uma única etapa, reduzindo o custo computacional da metodologia. A eficiência do sistema é verificada por uma análise direta, na qual se contabiliza a quantidade total de acertos, e por uma avaliação comparativa, a qual envolve a substituição da rede ARTMAP-fuzzy pela rede ARTMAP-Euclideana. Resultados mostram que o sistema é eficiente, sendo capaz de detectar e classificar 100% das falhas elétricas. |
|---|