Submitted by camilla martins (camillasmmartins@gmail.com) on 2017-04-24T13:07:07Z
No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Tese_MetodologiaCompressaoSinais.pdf: 2460262 bytes, checksum: 7c9faf568465700c43117667295f8715 (MD5) / Approved for entry into archive by Edisangela Bastos (edisangela@ufpa.br) on 2017-04-24T16:58:53Z (GMT) No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Tese_MetodologiaCompressaoSinais.pdf: 2460262 bytes, checksum: 7c9faf568465700c43117667295f8715 (MD5) / Made available in DSpace on 2017-04-24T16:58:53Z (GMT). No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Tese_MetodologiaCompressaoSinais.pdf: 2460262 bytes, checksum: 7c9faf568465700c43117667295f8715 (MD5)
Previous issue date: 2016-12-16 / FAPESPA - Fundação Amazônia de Amparo a Estudos e Pesquisas / O presente trabalho propõe uma metodologia para compressão de sinais de energia elétrica a partir de registros de forma de onda em sistemas de energia, utilizando algoritmos genéticos (AG) e redes neurais artificiais (RNA). O algoritmo genético é utilizado para selecionar e preservar os pontos que melhor caracterizam os contornos da forma de onda e a rede neural artificial é utilizada na compressão dos demais pontos bem como no processo de reconstrução do sinal. Assim, os dados resultantes são formados por uma parte do sinal original e pela parte complementar comprimida sob a forma de pesos sinápticos. A metodologia proposta seleciona e preserva um percentual de amostras do sinal original, que são aspectos não explorados na literatura. A metodologia foi testada usando dados reais obtidos a partir de um oscilógrafo instalado em um sistema de energiaelétrica de 230 kV. Os resultados apresentam taxas de compressão que variam de 88,36% a 95,86%* para taxas de preservação de pontos do sinal original que variam de 2,5% a 10% respectivamente. / This thesis proposes a methodology for compression of electrical power signals from waveform records in electric systems, using genetic algorithm (GA) and artificial neural network (ANN).The genetic algorithm is used to select and preserve the points that better characterize the waveform contoursA and the artificial neural network is used in the compression of other points as well as on the signal reconstruction process. Thus, the data resulting are formed by a part of the original signal and by a compressed complementary part in the form of synaptic weights. The proposed methodology selects and preserves a percentage of the original signal samples, which are aspects not explored in the literature. The method was tested using field data obtained from an oscillographic recorder installed in a 230kV electrical power system. The results presented compression rates ranging from 88.36 to 95.86 for preservation rates ranging from 2.5 to 10 , respectively.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpa.br:2011/8234 |
| Date | 16 December 2016 |
| Creators | BARROS, Fabíola Graziela Noronha |
| Contributors | BEZERRA, Ubiratan Holanda, NUNES, Marcus Vinícius Alves |
| Publisher | Universidade Federal do Pará, Programa de Pós-Graduação em Engenharia Elétrica, UFPA, Brasil, Instituto de Tecnologia |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Source | reponame:Repositório Institucional da UFPA, instname:Universidade Federal do Pará, instacron:UFPA |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0107 seconds