Classificação de distúrbios na rede elétrica usando redes neurais e wavelets/
Resumo:Análises pós-despacho de sinais oriundos de registradores de perturbações fornecem muitas vezes informações importantes para identificação e classificação de distúrbios nos sistemas, visando a uma gestão mais eficiente do fornecimento de energia elétrica. Para auxiliar nessa tarefa, faz-se ne...
Na minha lista:
| Principais autores: | , , |
|---|---|
| Formato: | Tese |
| Publicado em: |
|
| Assuntos: | |
| Endereço do item: | https://app.bczm.ufrn.br/home/#/item/110793 |
| Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
| Resumo: | Resumo:Análises pós-despacho de sinais oriundos de registradores de perturbações fornecem muitas vezes informações importantes para identificação e classificação de distúrbios nos sistemas, visando a uma gestão mais eficiente do fornecimento de energia elétrica. Para auxiliar nessa tarefa, faz-se necessário recorrer a técnicas de processamento de sinais, a fim de automatizar o diagnóstico sobre os tipos de distúrbio presentes nos sinais registrados. A transformada wavelet constitui-se em uma ferramenta matemática bastante eficaz na análise de sinais de tensão ou corrente, obtidos imediatamente após a ocorrência de distúrbios na rede. Este trabalho apresenta uma metodologia baseada na transformada wavelet discreta e na comparação de curvas de distribuição da energia de sinais, com e sem distúrbio, para diferentes níveis de resolução de sua decomposição, com o objetivo de obter descritores que permitam a sua classificação através do uso de redes neurais artificiais.#$&Abstract: Post dispatch analysis of signals obtained from digital disturbances registers provide important information to identify and classify disturbances in systems, looking for a more efficient management of the supply. In order to enhance the task of identifying and classifying the disturbances - providing an automatic assessment - techniques of digital signal processing can be helpful. The Wavelet Transform has become a very efficient tool for the analysis of voltage or current signals, obtained immediately after disturbance’s occurrences in the network. This work presents a methodology based on the Discrete Wavelet Transform to implement this process. It uses a comparison between distribution curves of signals energy, with and without disturbance. This is done for different resolution levels of its decomposition in order to obtain descriptors that permit its classification, using artificial neural networks. |
|---|