Este trabalho apresenta uma alternativa ao controle vetorial de motores de indução, sem a utilização de sensores para realimentação da velocidade mecânica do motor. Ao longo do tempo, diversas técnicas de controle vetorial têm sido propostas na literatura. Dentre elas está a técnica de controle por orientação de campo (FOC), muito utilizada na indústria e presente também neste trabalho. A principal desvantagem do FOC é a sua grande sensibilidade às variações paramétricas da máquina, as quais podem invalidar o modelo e as ações de controle. Nesse sentido, uma estimativa correta dos parâmetros da máquina, torna-se fundamental para o acionamento. Este trabalho propõe o desenvolvimento e implementação de um estimador baseado em um sistema de inferência neuro-fuzzy adaptativo (ANFIS) para o controle de velocidade do motor de indução trifásico em um acionamento sem sensores. Pelo fato do acionamento em malha fechada admitir diversas velocidades de regime estacionário para o motor, uma nova metodologia de treinamento por partição de frequência é proposta. Ainda, faz-se a validação do sistema utilizando a orientação de campo magnético no referencial de campo de entreferro da máquina. Simulações para avaliação do desempenho do estimador mediante o acionamento vetorial do motor foram realizadas utilizando o programa Matlab/Simulink. Para a validação prática do modelo, uma bancada de testes foi implementada; o acionamento do motor foi realizado por um inversor de frequência do tipo fonte de tensão (VSI) e o controle vetorial, incluindo o estimador neuro-fuzzy, foi realizado pelo pacote de tempo real do programa Matlab/Simulink, juntamente com uma placa de aquisição de dados da National Instruments. / This work presents an alternative sensorless vector control of induction motors. Several techniques for induction motor control have been proposed in the literature. Among these is the field oriented control (FOC), strongly used in industries and also in this work. The main drawback of the FOC technique is its sensibility to deviations of the parameters of the machine, which can deteriorate the control actions. Therefore, an accurate determination of the machines parameters is mandatory to the drive system. This work proposes the development of an adaptive neuro-fuzzy inference system (ANFIS) estimator to control the angular speed of a three-phase induction motor in a sensorless drive. In a closed loop configuration, several speed commands can be imposed to the motor. Thus, a new frequency partition training of ANFIS is proposed. Moreover, the ANFIS speed estimator is validated in a magnetizing flux oriented control scheme. Simulations to evaluate the performance of the estimator considering the vector drive system were done by the Matlab/Simulink. To determine the benefits of the proposed model a practical system was implemented using a voltage source inverter (VSI) and the vector control including the ANFIS estimator, carried out by the Real Time Toolbox from Matlab/Simulink and a data acquisition card from National Instruments.

A presente dissertação aborda a segmentação de imagens coloridas através do processo de classificação de cores, isto é, a segmentação de imagens baseada no atributo cor dos pixels. O problema a ser tratado diz respeito à obtenção de uma classificação de cores tão próxima à humana quanto o possível. Em outros termos, busca-se uma classificação robusta à variação de grandezas como a iluminação ou brilho da cor, além de ser tolerante a erros no processo de amostragem. Tal problemática é encontrada em diversas situações práticas que sofram influência do ambiente, sobretudo no domínio de aplicação: o futebol de robôs. Com relação a tal problema, diversas questões permanecem abertas, tais como a forma de representação de cores e o tipo de classificador capaz de maximizar o desempenho da classificação. As modelagens clássicas, de forma geral, têm se mostrado inadequadas nesse contexto, estimulando-nos a buscar novas soluções. Assim sendo, apresentamos um classificador utilizando uma das técnicas que tem mostrado grande aplicabilidade nesse âmbito: as redes neurais artificiais. A aplicabilidade da técnica esbarra na obtenção de uma generalização adequada por parte da rede para o problema proposto, o que implica na necessidade de uma metodologia para o fornecimento de exemplos na fase de treinamento da rede. Desta forma, além da modelagem e implementação do classificador, buscamos proceder uma investigação a cerca de sua generalização em contextos diversos para situações não presentes no universo de treinamento, visando determinar o conjunto de fatores (sistema de representação de cores, metodologia de fornecimento de exemplos e arquitetura de rede) que maximizem o desempenho do classificador. / The present work approaches the segmentation of colored images through the process of color classification, i.e., the segmentation of images based on the color attribute of pixels. We look for a color classification as close as possible of human classification. In other words, we look for a robust classification with respect to the variation of illumination and color brightness, which tries to be tolerant to errors in the sampling process. We may find such kind of problems is various practical situations, for instance, situations that is influenced from the environment in the application domain: the robotic soccer. With regard to this problem, there are still diverse questions that remain unsolved, such as color representation form and type of classifier which maximizes the classification performance. In fact, classic models have shown to be inadequate in this context, in general, stimulating us to investigate new solutions. In our work, we present a classifier using one technique that has shown great applicability in this scope: the artificial neural networks. In order to obtain a correct generalization in the network, we faced the necessity to build a methodology to supply examples in the training phase of the network. In short, we model and implement a classifier, while searching to asses about its generalization power in different contexts and in the universe of training, so as to determine the set of factors (system of representation of colors, methodology of supply of examples and architecture of network) that maximizes its performance.

O problema da tolerância a falhas em robôs manipuladores cooperativos conectados rigidamente a um objeto indeformável é estudado nesta tese. A tolerância a falhas é alcançada através de reconfiguração do sistema de controle. Primeiro, a falha é detectada e isolada. Então, o sistema de controle é reconfigurado de acordo com a falha isolada. As falhas em robôs manipuladores são primeiramente estudadas de acordo com suas consequências no sistema cooperativo. Quatro tipos de falhas são identificados: juntas com balanço livre (sem atuadores ativos), bloqueadas, com informação incorreta de posição e com informação incorreta de velocidade. A detecção e a isolação dos dois primeiros tipos de falhas são alcançadas através de um sistema utilizando redes neurais artificiais. Redes do tipo MLP são empregadas para mapear a dinâmica dos robôs cooperativos sem falhas e uma rede RBF é utilizada para a classificação do vetor de resíduos. As falhas do tipo informação incorreta de posição ou velocidade das juntas são detectadas e isoladas através do uso das restrições impostas pela cadeia cinemática fechada presente no sistema cooperativo. Quando falhas do tipo juntas com balanço livre ou bloqueadas são isoladas, as leis de controle são reconfiguradas. Para estes casos, controladores híbridos de movimento e esmagamento do objeto são deduzidos. Quando falhas do tipo informação incorreta de posição ou velocidade das juntas são isoladas, as medidas afetadas são substituídas por valores estimados. Resultados obtidos em simulações e em robôs cooperativos reais mostram que a metodologia proposta é viável. / The problem of fault tolerance in cooperative manipulators rigidly connected to an undeformable load is addressed in this work. Fault tolerance is reached by reconfiguration of the control system. The faults are firstly detected and isolated. Then, the control system is reconfigured according to the isolated fault. Four faults are considered: free-swinging joint faults, locked joint faults, incorrectly measured joint position faults, and incorrectly measured joint velocity faults. Free-swinging and locked joint faults are detected and isolated by artificial neural networks. MLP’s are utilized to reproduce the dynamics of the fault-free system and an RBF is used to classify the residual vector. Incorrectly measured joint position and velocity faults are detected and isolated based on the kinematic constraints imposed on the cooperative system. When free-swinging and locked joint faults are isolated, the control laws are reconfigured. Control laws for motion and squeeze of the object are developed in these cases. When incorrectly measured joint position faults and incorrectly measured joint velocity faults are isolated, the faulty measurements are replaced by their estimates. Results obtained in simulations and in real cooperative robots indicate that the proposed methodology is viable.

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-07-18T19:13:43Z No. of bitstreams: 1 HiltonSantos.pdf: 3137200 bytes, checksum: a7b77b12eeb29959ab49e7ef675229d9 (MD5) / Made available in DSpace on 2017-07-18T19:13:43Z (GMT). No. of bitstreams: 1 HiltonSantos.pdf: 3137200 bytes, checksum: a7b77b12eeb29959ab49e7ef675229d9 (MD5) Previous issue date: 2017-06-27 / The emergence of new industrial plants with great complexity and the need to improve the operation of existing plants has fostered the development of high performance control systems, these systems must not only meet the design specifications, such as merit figures, but also operate at minimal cost and impacts at environment. Motivated by this demand, it is presented in this dissertation the development of methods for on-line tuning of control system parameters, ie, a methodology is presented for the on-line tuning of adaptive and optimal PID controllers via Artificial Neural Networks(ANNs). The approach developed in this dissertation is based on three PID controllers parameters. [Artificial neural networks with radial base functions and Model Predictive Control (MPC). From the union of these approaches a general formulation of an Adaptive-optimal PID controller via artificial neural networks with on-line tuning was presented. The on-line tuning methodology for the ANN parameters is presented in the context of MPC, predicting plant output. For the PID controller, we proposed a modification of the standard structure in order to adapt the error function. The adjustment of the PID controller parameters and the prediction of the optimally plant output, are performed by the ANN-RBF weights adjustments. In addition, an indoor implementation of the control system were proposed for the positioning of a photovoltaic panel. The performance evaluations of the proposed system were obtained from computational experiments results that were based on mathematical models and hardware experiments, that were obtained from a reduced model of a photovoltaic panel. Finally, a comparison between the proposed methodology with the classical PID controller were performed and the proposed methodology presented to be more flexible to the insertion of new performance metrics and the results achieved from the ANN, were better than the ones obtained by the classical PID tuning, such as: Ziegler-Nichols or trial and error. / O surgimento de novas plantas industriais com grande complexidade e a necessidade de melhorar a operação das plantas já existentes tem fomentado o desenvolvimento de sistemas de controle de alto desempenho, estes sistemas devem atender não só as especificações de projeto, tal como: figuras de mérito, mas também devem operar com um custo mínimo e sem causar impactos desastrosos para o meio ambiente. Motivados por esta demanda, apresenta-se nesta dissertação o desenvolvimento de métodos para sintonia online dos parâmetros dos sistemas de controle, ie, apresenta-se uma metodologia para a sintonia online de controladores PID adaptativo e ótimo via Redes Neurais Artificiais (RNAs). A abordagem desenvolvida nesta dissertação tem base as ações dos controladores PID de três termos, redes neurais artificiais com funções de base radial e Controle preditivo baseado em modelo (MPC - Model Predictive Control), a partir da união destas abordagens elabora-se a formulação geral do controlador PID Adaptativo-Ótimo via redes neurais artificiais, com sintonia online. A metodologia de ajuste online dos parâmetros da RNA está no contexto do MPC para predição de saída da planta. Para o caso do controlador PID, tem-se a modificação da estrutura padrão com o objetivo de adaptação em função do erro. O ajuste dos termos do controlador PID e da predição da saída na planta, de forma ótima, é realizada pelo ajustes dos pesos da RNA-RBF. Além disso, apresenta-se a implementação indoor do sistema de controle desenvolvido para o posicionamento de um painel fotovoltaico. As avaliações de desempenho do sistema proposto são obtidos de resultados de experimentos computacionais que são baseados em modelos matemáticos e experimentos em hardware que são obtidos de um modelo reduzido de um painel fotovoltaico. Por fim, comparando o PID clássico com o controlador desenvolvido constatou-se que este último apresenta mais flexibilidade para inserir novas métricas de desempenho e os resultados atingidos são melhores do que os parâmetros obtidos por meio da sintonia do PID clássica, tais como: métodos de Ziegler-Nichols ou tentativa e erro

Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-08-24T15:00:02Z No. of bitstreams: 1 Ronnie.pdf: 3320281 bytes, checksum: 56be4f928c1366ece428d2ae6caf9627 (MD5) / Made available in DSpace on 2017-08-24T15:00:02Z (GMT). No. of bitstreams: 1 Ronnie.pdf: 3320281 bytes, checksum: 56be4f928c1366ece428d2ae6caf9627 (MD5) Previous issue date: 2012-08-31 / This work aims to monitor and analyze the data from the instrumentation system of a substation as a way to identify false alarms, which can result in a decision by the mistaken maintenance and operation. This project was conceived because of the need for a research and development project which is called Maintenance Management Center (MMC) whose overall objective is to assist in the maintenance of their equipment operational intervention. Data is extracted from the automation system that has digital relay protection function and measurement of the electric grid, passing through a sequence of data processing to achieve the results that will serve for the detection and diagnosis of faults. We applied methods based on quantitative model by transforming the data system of continuous variables (SVC) and qualitative data by transforming the system of discrete event (SDE) applying analytical redundancy techniques and neural networks respectively, thus aiming a simplified model for detection and diagnosis fault (DDF). The model has been designed taking into account the characteristics DDF due to its stages, thereby providing a good system failure recovery. Know filter if certain event is real or a false alarm is not an easy task, but this system will have to meet this purpose. Technological resources are used fairly consolidated in the industrial process for the integration of the solution, because the time factor and information processing are critical in the results generated by the system recovery. Another key point of this trial was to have developed a system based on experiential knowledge, because it has higher robustness in results. / Este trabalho tem como objetivo monitorar e analisar os dados provenientes do sistema de instrumentação de uma subestação como forma de identificar falsos alarmes, que pode acarretar em uma tomada de decisão equivocada por parte da manutenção e operação. Este projeto foi concebido devido à necessidade de um projeto de pesquisa e desenvolvimento que se intitula Centro de Gestão da Manutenção (CGM) cujo objetivo global é auxiliar a manutenção na intervenção operacional de seus equipamentos. Os dados são extraídos do sistema de automação provenientes dos reles digitais que tem função de proteção e medição da rede elétrica, passando por um sequencia de transformação dos dados até chegar aos resultados, que servirá para detecção e diagnostico de falhas. Foram aplicados métodos baseados no modelo quantitativo através da transformação dos dados do sistema de variáveis contínuas (SVC) e qualitativo através da transformação dos dados do sistema de eventos discretos (SED) aplicando técnicas de redundância analítica e redes neurais respectivamente, objetivando assim um modelo simplificado para detecção e diagnóstico da falha (DDF). O modelo foi concebido levando em consideração as características DDF decorrente de suas etapas, propiciando assim um bom sistema de recuperação de falha. Saber filtrar se determinado evento é real ou um falso alarme não é uma tarefa fácil, porém este sistema terá que atender este propósito. Foram utilizados recursos tecnológicos bastante consolidados no processo industrial para garantir a integração da solução, pois o fator tempo e o processamento da informação são decisivos nos resultados gerados pelo sistema de recuperação. Outro ponto fundamental neste trabalho foi ter desenvolvido um sistema baseado no conhecimento experimental, pois se tem maior robustez nos resultados.

Este trabalho investiga um procedimento para retroanálise utilizando Redes Neurais Artificiais (RNAs). Nesta pesquisa foram utilizadas 35.472 bacias de deflexões hipotéticas, criadas pelo programa ELSYM5. A base de dados de treinamento das RNAs consistiu dessas bacias de deflexão e dos módulos e espessuras que as geraram. A camada de entrada das RNAs foi compostas da(s) espessura(s) da(s) camada(s) do pavimento, da bacia de deflexão (na simulação com a viga Benkelman, além desses parâmetros, incluiu-se o raio de curvatura (R)) e a camada de saída foi composta pelos módulos resilientes das camadas do pavimento. Esses dados serviram de entrada para o processo de aprendizagem, utilizando-se o simulador EasyNN 3.2, que se baseia em redes Multilayer Perceptron e no algoritmo de treinamento Backpropagation. Para o procedimento de retroanálise proposto foram implementadas seis RNAs: duas simulando o procedimento para pavimento de duas camadas (uma simulando o ensaio da viga Benkelman e a outra a do Falling Weight Deflectometer), duas para pavimento de três camadas (simulação com os mesmos aparelhos) e duas para pavimento de quatro camadas (simulando os ensaios descritos anteriormente). Mediante as regressões lineares entre os módulos reais (ELSYM5) e os previstos pela RNA, obtiveram-se coeficientes de determinação (R2) e erros médios relativos (EMR). Estes parâmetros demonstraram uma boa correlação linear entre os módulos reais (ELSYM5) e os previstos (RNA). Com os resultados obtidos, conclui-se que as RNAs são ferramentas potentes para serem utilizadas como procedimento de retroanálise para pavimentos flexíveis de duas, três e quatro camadas. / This paper investigates a backcalculation procedure using Artificial Neural Networks (ANNs). In the research 35,472 hypothetical deflection basins were used, created by the program ELSYM5. The ANNs training database consisted of these basins, and of the moduli and thickness used to generate them. The input layer of these ANNs was composed by thickness(es) of the pavement layer(s), the deflection basin (in the simulation with the Benkelman beam, beyond of those parameters, the curvature radius included (R)) and the output layer was composed by the resilient moduli of the layers of the pavement. Those data were used as output for the learning process, using the easyNN 3.2 simulator, which is based on Multilayer Perceptron and in the training algorithm Backpropagation. For the backcalculation procedure proposed six ANNs they were implemented: two simulating the procedure for pavement of two layers (a simulating the testing of the Benkelman beam and the other the one of Falling Weight Deflectometer), two for pavement of three layers (simulation with the same equipments) and two for pavement of for layers (simulating the testing described previously). The values founds throught linear regression between the real moduli (ELSYM5) and the predicted of ones for ANN, were obtained determination coefficients (R2) and relative average errors (EMR). These parameters demonstrated a good linear correlation between the real moduli (ELSYM5) and the predicted of ones (ANN). The conclusion .is that ANNs are potent tools for they be used in backcalculation procedures flexible pavements of two, three and four layers.

De maneira geral, o processo de planejamento de transportes não tem apresentado a sensibilidade suficiente para resolver ou ao menos atenuar o conflito entre o que é planejado e a necessidade real dos cidadãos urbanos, principalmente os de menor renda. Além disso, embora seja freqüente que as análises levem em conta aspectos ligados à acessibilidade, ou os ligados à mobilidade, isto em geral é feito de forma não associada. Como resposta a esta deficiência, o objetivo principal desta tese é propor, visando o planejamento estratégico, um processo de modelagem destinado a estimar potenciais de viagens integrando ambos os aspectos. Após uma abrangente revisão bibliográfica, foi proposta uma metodologia que prevê, inicialmente, a incorporação de dados espaciais a uma pesquisa origem-destino (O-D) com o uso de Sistemas de Informações Geográficas (SIG). Assim, à variáveis de entrada relacionadas com aspectos de mobilidade, como renda, por exemplo, é anexada a acessibilidade dos domicílios, calculada através de um indicador adequado. As variáveis de saída, viagens realizadas (p.ex., número e extensão), devem ser extraídas da pesquisa O-D e calculadas com o uso de um SIG suas características principais. Em seguida, faz-se uso de Redes Neurais Artificiais para construir modelos preliminares para avaliação de desempenho de variáveis de entrada e saída, o que permite posterior reformulação dos mesmos a partir das variáveis de melhor desempenho, na construção de um Índice Potencial de Viagens - IPV. Em uma aplicação para um estudo de caso em uma cidade de médio porte, de maneira geral, os resultados obtidos com o modelo de potencial de viagens revelaram uma certa superioridade em relação à medida convencional de acessibilidade adotada, quando usada isoladamente para fins de planejamento estratégico. A comparação entre a correlação que guardam os resultados do modelo proposto e os dados de viagens reais com a correlação existente entre os valores da medida de acessibilidade convencional adotada e os dados de viagens reais reforça este ponto. No primeiro caso, obteve-se um coeficiente de correlação (r) igual a 0,60 e, no segundo, 0,21. A constatação da relevância das variáveis de entrada usadas no modelo final (tamanho da família, acessibilidade e renda familiar) reforçou a tese de que aspectos de acessibilidade e mobilidade devem ser considerados conjuntamente nas abordagens de planejamento de transportes. Como conclusão, considerando o nível de planejamento estratégico de uma cidade, a metodologia aqui apregoada parece ser um avanço em relação aos modelos de acessibilidade convencionais e uma ferramenta útil para os tomadores de decisão em planejamento urbano e de transportes. A metodologia sinaliza que não basta apenas prover a população de acessibilidade física, mas é preciso propiciar a ela meios que possam garantir-lhe melhores índices de mobilidade. / In general, the transportation planning process is not sensible enough to solve or at least to reduce the gap between what is planned and the real needs of urban citizens, specially those who belong to low income classes. Besides, although the analyses often take into account accessibility elements and mobility components they rarely do it in an integrated manner. As an answer to this deficiency, the objective of this work is develop a modeling approach for estimating potential trips that integrates both aspects for strategic planning purposes. Based on a comprehensive literature review, a new methodology is then proposed. It starts with the integration of origin-destination (O-D) survey data and spatial data obtained in a Geographical Information System (GIS) environment. Next, a mean separation accessibility index estimated for all households must be linked to their mobility variables, such as income, for example, in the same database. The output variables, i.e. trip characteristics (number and length), can be taken from the O-D survey or calculated in a GIS-environment. Next, exploratory models should be built with Artificial Neural Networks in order to evaluate the behavior of input and output variables. Only those variables selected as the most relevant in the evaluation phase are used thereafter to rebuild the models and to generate the Trip Potential Index - TPI. The proposed approach has been tested in a case study carried out in a Brazilian medium-sized city. For the most part, the results obtained with the trip potential model here developed suggest its superiority when compared to a conventional, selfstanding accessibility measure for strategic planning purposes. An analysis of two correlation coefficients, the first one got when the model estimates are compared with the real trip values (r = 0.60) and the second one got when the model estimates are compared with the accessibility values (r = 0.21), also strengthen the previous statement. Size and income of the household, which may be associated to mobility, and the accessibility indicator itself, were selected as the most relevant variables in the model. The selection of those variables stressed the assumption that accessibility and mobility should be examined together in transportation planning analyses. In conclusion, for the level of strategic planning, the methodology presented in this work seems to be a step forward in relation to traditional accessibility models and a useful tool for urban and transportation planners and decision-makers. The approach makes clear that urban citizens need not only physical accessibility, but also better mobility conditions.

Esta tese apresenta um estudo para a utilização de Redes Neurais Artificiais (RNA) no processo de avaliação e ordenamento de alternativas de projetos de transporte. Partindo-se da ideia de que esse processo constitui-se em um padrão que pode ser captado pelas RNA, a verificação deste argumento foi feita selecionando-se um contexto de avaliação, definindo-se variáveis a serem consideradas no processo de avaliação, e criando-se estruturas de RNA para treinamento com base em outras avaliações já realizadas. Nesta pesquisa foram utilizados 180 \"Estudos de Casos\" recebidos de 32 Estados americanos. Esses dados serviram de entrada para um processo de aprendizagem utilizando-se o simulador \"Neural Planner 4.52\", que baseia-se em redes \"Multilayer Perceptron (MLP)\" e no treinamento em \"Backpropagation\". Várias redes foram treinadas para que fosse definida aquela com um melhor desempenho para o reconhecimento dos padrões existentes nesses casos apresentados. Os 486 experimentos demonstraram índices de acertos superiores a 92% que podem ser visualizados no programa computacional denominado \"EVALUATOR\", uma interface entre o simulador de RNA e usuários. Conclui-se, portanto, que as RNA podem reconhecer os padrões implícitos em avaliações anteriores e servem para avaliar e ordenar alternativas de outros projetos apresentados que pertençam ao mesmo contexto utilizado para treinamento. / This thesis presents a research aimed at the use of Artificial Neural Networks (ANN) for appraising and ranking transportation project alternatives. Based on the principle that this process of appraisal and ranking constitutes a pattern that can be perceived by ANN, the verification of this hypothesis was conducted selecting an evaluation context, defining variables to be considered in the process, and creating ANN structures for training based on other evaluation cases. In this research, 180 \"Case Studies\" from 32 American states were used. These data were used as input to a learning process using the simulator \"Neural Planner 4.52\", which is based on \"Multilayer Perceptron (MLP)\" networks and uses a \"Backpropagation\" training algorithm. Several networks were trained to obtain the one most capable of recognizing the patterns of the projects analyzed. More than 92% of the 486 experiments presented right indexes, as shown by a software called \"EVALUATOR\", a user interface between ANN simulator. The conclusion is that ANN can recognize the implicit patterns in previous evaluations and can be used to appraise and rank alternatives from other projects belonging to the same context used for the ANN training.

Este trabalho apresenta a metodologia, o desenvolvimento e testes de um sistema de automação independente, baseado em Redes Neurais Artificiais, para redução de perdas técnicas em redes de distribuição subterrâneas reticuladas por meio do controle ótimo dos bancos de capacitores presentes na rede. A metodologia proposta contempla funcionalidades típicas de Redes Inteligentes, incluindo soluções práticas para o posicionamento de sensores de corrente em redes subterrâneas, coleta de medições de campo e transmissão para o Centro de Operação da Distribuição e controle em tempo real dos equipamentos de campo (bancos de capacitores). Portanto este trabalho consiste na implementação da solução através de baixo custo de investimento na mitigação do controle do fator de potência nos pontos de entrega ao consumidor, sendo que com isto ocorrem melhorias nos indicadores de qualidade e confiabilidade atendendo aos requisitos regulamentares e contratuais de fornecimento das distribuidoras. Para validação da metodologia proposta, foram utilizados os dados da concessionária de energia AES Eletropaulo sobre a Rede de Distribuição Subterrânea Reticulada do centro da cidade de São Paulo. As etapas da metodologia proposta e os principais aspectos do desenvolvimento do sistema são também descritos, bem como os testes realizados para comprovação dos resultados e validação do sistema. / This work presents the methodology, development and testing of an independent automation system, based on Artificial Neural Networks, to reduce technical losses in reticulated underground distribution networks by means of the optimal control of the capacitor banks present in the network. The proposed methodology includes typical functionalities of Intelligent Networks, including practical solutions for the positioning of current sensors in underground networks, collection of field measurements and transmission to the Distribution Operation Center and real-time control of field equipment (capacitors banks). Therefore, this work consists in the implementation of the solution through a low cost of investment in the mitigation of the control of the power factor in the points of delivery to the consumer, and with this there are improvements in the indicators of quality and reliability taking into account the regulatory and contractual requirements of supply of the distributors. The energy concessionaire AES Eletropaulo had great participation in this research project, providing the necessary data of the Reticulated Underground Distribution Network of the city center of São Paulo. The steps of the proposed methodology and the main aspects of system development are also described, as well as the tests performed to prove the results and validate the system.

Um relé de distância utilizado na proteção de Linhas de Transmissão é usualmente projetado para atuar sob condições fixas de operação. Portanto, o desempenho destes relés é afetado pela mudança no ponto de operação do sistema. Grandes avanços, relativos à proteção, podem ser alcançados com a implementação de reconhecimento de padrões para o diagnóstico de faltas em sistemas elétricos de potência. Este trabalho demonstra a utilização de Redes Neurais Artificiais operando como um classificador de padrões para a operação de um relé de distância. O projeto utiliza a magnitude dos fasores das três fases de corrente e tensão, de um dos barramentos da Linha de Transmissão, como dados de entrada. O uso de Redes Neurais Artificiais resulta em um melhor desempenho do relé, mantendo seu alcance mesmo diante de diferentes condições de falta ou mudanças no ponto de operação do sistema. / A distance relay for the protection of transmission lines is usually designed on the basis of fixed settings. The performance of such relays is therefore affected by the changing network parameters. The implementation of a pattern recognizer for power system diagnosis can provide great advances in the protection field. This work demonstrates the use of an Artificial Neural Network as a pattern classifier for a distance relay operation. The scheme utilizes the magnitudes of three phase voltage and current phasors, from one busbar of the transmission line, as inputs. An improved performance with the use of an Artificial Neural Networks approach is experienced once the relay can operate correctly, keeping the reach when faced with different fault conditions as well as network parameters change.