Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/8572
Files in This Item:
File Description SizeFormat 
Sistema automático de detecção e classificação de distúrbios elétricos.pdf198.67 kBAdobe PDFThumbnail
View/Open
Full metadata record
DC FieldValueLanguage
dc.creatorFerreira, Danton Diego-
dc.creatorMarques, Cristiano Augusto Gomes-
dc.creatorCerqueira, Augusto Santiago-
dc.creatorDuque, Carlos Augusto-
dc.creatorRibeiro, Moisés Vidal-
dc.date.accessioned2019-01-21T20:09:21Z-
dc.date.available2019-01-18-
dc.date.available2019-01-21T20:09:21Z-
dc.date.issued2009-01-
dc.citation.volume20pt_BR
dc.citation.issue1pt_BR
dc.citation.spage53pt_BR
dc.citation.epage62pt_BR
dc.identifier.doihttp://dx.doi.org/10.1590/S0103-17592009000100005pt_BR
dc.identifier.urihttps://repositorio.ufjf.br/jspui/handle/ufjf/8572-
dc.description.abstractThis contribution outlines signal processing-based algorithms for the detection and classification of voltage disturbances in power system. Basically filtering technique is applied to decompose the voltage signal into two primitive components which are named fundamental and error ones, then higher-order statistics (HOS)-based feature are selected and applied to detect and classify disturbances. Bayes- and Neural Network-based techniques are designed for the detection and classification respectively. The system was simulated considering six classes of disturbances, achieving a global efficiency about 100% to such disturbances. The performance of the method is compared with other methods presented in the literature.pt_BR
dc.description.resumoEste trabalho apresenta um sistema de detecção e classificação de distúrbios de qualidade da energia elétrica (QEE) que se baseia na decomposição do sinal de tensão em dois novos sinais, referentes à componente fundamental e ao sinal de erro e, em seguida, utiliza Estatísticas de Ordem Superior (EOS) para extrair parâmetros representativos de cada classe para simplificar o algoritmo de detecção e classificação. Como detector é utilizado um algoritmo baseado na teoria de Bayes e para implementar o algoritmo de classificação utilizou-se uma rede neural artificial. O sistema foi testado em simulações para seis classes de distúrbios, apresentando uma eficiência global próxima a 100% para tais distúrbios. Os resultados aqui apresentados são comparados com os resultados de outros sistemas propostos na literatura.pt_BR
dc.languageporpt_BR
dc.publisher-pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initials-pt_BR
dc.relation.ispartofSba: Controle & Automação Sociedade Brasileira de Automaticapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectQualidade da energia elétricapt_BR
dc.subjectEstatísticas de ordem superiorpt_BR
dc.subjectRede neural artificialpt_BR
dc.subjectPower qualitypt_BR
dc.subjectHigher-order statisticspt_BR
dc.subjectArtificial neural networkpt_BR
dc.subject.cnpq-pt_BR
dc.titleSistema automático de detecção e classificação de distúrbios elétricos em qualidade da energia elétricapt_BR
dc.typeArtigo de Periódicopt_BR
Appears in Collections:Artigos de Periódicos



Items in DSpace are protected by Creative Commons licenses, with all rights reserved, unless otherwise indicated.