Made available in DSpace on 2015-08-20T17:09:38Z (GMT). No. of bitstreams: 0
Previous issue date: 2015-01-30. Added 1 bitstream(s) on 2015-08-20T17:26:44Z : No. of bitstreams: 1
000844126.pdf: 3245964 bytes, checksum: af911205911cdc2da38012871b62cdbc (MD5) / Nesta pesquisa apresenta-se o desenvolvimento de um sistema inteligente que realize, de maneira integrada, o diagnóstico e o prognóstico de falhas nos sistemas de distribuição de energia elétrica de maneira proativa. Trata-se de um procedimento para identificar, classificar e localizar situações críticas de defeitos que potencialmente podem provocar danos em componentes do sistema em um estágio incipiente àquele que venha causar a interrupção do fornecimento de energia aos consumidores. Este sistema inteligente baseia-se no uso combinado da transformada wavelet, teoria da evidência de Dempster-Shafer e redes neurais artificiais, em especial uma arquitetura da família ART (Adaptive Resonance Theory), a rede neural ARTMAP-Fuzzy. Por ser uma arquitetura estável e plástica, esta rede neural permite a inclusão do módulo do treinamento continuado, o qual possibilita a extração do conhecimento sem a necessidade de reiniciar o processo de treinamento com a inclusão de novos padrões, diferentemente do que ocorre com a maioria das redes neurais. O sistema contempla as principais falhas caracterizadas por distúrbios de tensão e faltas de alta impedância. Resultados obtidos mostram a eficiência, confiabilidade e robustez da metodologia desenvolvida, o que permite sua aplicação em sistemas de tempo real / This project presents the development of an intelligent system that performs, on an integrated way, the failure diagnosis and prognosis in electric power distribution systems. It is a procedure to identify, classify and localize critical situations of failures that can potentially cause damage to system's components in an incipient stage of that which will cause the interruption of electric power supply to consumers. This intelligent system is based on the combined use of wavelet transform, Dempster-Shafer theory of evidence and artificial neural networks, in special the ART (Adaptive Resonance Theory) family architecture, i.e., the ARTMAP-Fuzzy. Due to the stability and plasticity characteristics, this architecture enables the introduction of the continuous training module, which allows the knowledge extraction without the need to restart the training process when a new training pattern is included, unlike what happens in most neural networks. The system contemplates the main failures characterized by voltage disturbances and high impedance faults. Results show the efficiency, speed, reliability and robustness of the developed methodology, which allows its application in real-time systems
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unesp.br:11449/126378 |
| Date | 30 January 2015 |
| Creators | Tonelli Neto, Mauro de Souza [UNESP] |
| Contributors | Universidade Estadual Paulista (UNESP), Minussi, Carlos Roberto [UNESP] |
| Publisher | Universidade Estadual Paulista (UNESP) |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | 111 p. : il. |
| Source | Aleph, reponame:Repositório Institucional da UNESP, instname:Universidade Estadual Paulista, instacron:UNESP |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | -1, -1 |
Page generated in 0.0026 seconds