Submitted by Luciclea Silva (luci@ufpa.br) on 2018-10-01T14:39:49Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_Previsaodistorcaoharmonica.pdf: 4236129 bytes, checksum: bb47a1edb3151361639a5867d6c2c545 (MD5) / Approved for entry into archive by Luciclea Silva (luci@ufpa.br) on 2018-10-01T14:40:33Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_Previsaodistorcaoharmonica.pdf: 4236129 bytes, checksum: bb47a1edb3151361639a5867d6c2c545 (MD5) / Made available in DSpace on 2018-10-01T14:40:33Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_Previsaodistorcaoharmonica.pdf: 4236129 bytes, checksum: bb47a1edb3151361639a5867d6c2c545 (MD5) Previous issue date: 2018-07-11 / Este trabalho apresenta uma modelagem para DHTv%, DHTi% e harmônicos individuais utilizando previsões de um sistema ANFIS que aprende com dados medidos e prevê o comportamento da rede para valores futuros. Estas previsões podem ajudar a atender as normas nacionais de DHTv% estipuladas pela Agência Nacional de Energia Elétrica (ANEEL) através dos Procedimentos de Distribuição (PRODIST), como as normas internacionais de DHTi%., desta forma se antecipando às normas que atualmente são recomendativas, mas em um futuro próximo serão punitivas. A modelagem é realizada por meio de um sistema Neuro-Fuzzy denominado ANFIS, o qual utiliza rede neural para aprender o comportamento do sistema e ajuste dos parâmetros e regra Fuzzy para a determinação dos valores de saída do sistema levando em consideração o aprendizado da rede Neural. A grande vantagem desta ferramenta é o poder de se modelar padrões utilizando uma previsão de estado harmônico das cargas conectadas na baixa tensão, o que ajuda na criação de pseudomedidas para as redes de distribuição, onde é difícil e oneroso a obtenção de medições reais. Entre as aplicações práticas para esta ferramenta pode-se destacar a utilização dos valores previstos em substituição a valores anômalos medidos, a utilização em medidores de energia para prever e evitar a ultrapassagem dos valores de Distorção Harmônico estipulados em norma e a utilização como base para a previsão de harmônicas individuais, que podem ser utilizadas em estudos de fluxo de carga harmônicos. / This work presents a modeling for THDv%, THDi% and individual harmonics using predictions from an ANFIS system that learns with measured data and predicts the behavior of the network for future values. These forecasts can help meet national THDv% standards stipulated by the Agência Nacional de Energia Elétrica (ANEEL) through Distribution Procedures (PRODIST), such as THDi% international standards, thus anticipating the currently recommended standards, but in the near future will be punitive. The modeling is performed by means of a Neuro-Fuzzy system called ANFIS, which uses neural network to learn the behavior of the system and adjustment of the parameters and Fuzzy rule for the determination of the system output values taking into account the learning of the Neural network. The great advantage of this tool is the power of modeling standards using a prediction of the harmonic state of the connected loads in the low voltage, which helps in the creation of pseudomedidas for the distribution networks, where it is difficult and costly to obtain real measurements. Among the practical applications for this tool is the use of the predicted values instead of measured anomalous values, the use in energy meters to predict and avoid exceeding the values of Harmonic Distortion stipulated in standard and the use as a basis for the prediction of individual harmonics that can be used in harmonic load flow studies.