https://repositorio.ufjf.br/jspui/handle/ufjf/11551
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
kelvinbryandonascimento.pdf | PDF/A | 2.79 MB | Adobe PDF | ![]() Visualizar/Abrir |
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor1 | Araujo, Débora Rosana Ribeiro Penido | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/9225532686125475 | pt_BR |
dc.contributor.advisor-co1 | Araujo, Leandro Ramos de | - |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/5968839321163534 | pt_BR |
dc.contributor.referee1 | Melo, Igor Delgado de | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/9811563971757515 | pt_BR |
dc.contributor.referee2 | Duque, Felipe Gomes | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/6439389607675461 | pt_BR |
dc.creator | Nascimento, Kelvin Bryan do | - |
dc.creator.Lattes | http://lattes.cnpq.br/3616419898121708 | pt_BR |
dc.date.accessioned | 2020-06-18T14:31:43Z | - |
dc.date.available | 2020-06-18 | - |
dc.date.available | 2020-06-18T14:31:43Z | - |
dc.date.issued | 2020-02-19 | - |
dc.identifier.uri | https://repositorio.ufjf.br/jspui/handle/ufjf/11551 | - |
dc.description.abstract | In this work methods to detect and identify defects in radial distribution systems are developed using artificial neural networks. Several types of single-fase defects were studied, such as: high impedance defects, open-conductor defects and simultaneous defects. First of all, each of these types of defects were analysed separately in a trial system The objective was to determine the best ways to detect them. Computational simulations were carried out with the communication between Matlab and OpenDSS and they were divided into two categories. The first category uses currents information from meters allocated in the system as input data for neural networks to detect and identify each one of the types of defects treated in this work. In simulations of this category, the main objective was to analyze the impact of the number of meters and the type of measurement on the neural networks results. When more than one meter was allocated, the system was divided into detection areas. This division may have a higher cost of implementation and even computational processing, but it facilitates the process of defects location because it reduces the search area, in other words, the area where the defect may have occurred. The second category of computer simulations uses voltage information of terminal buses as input data for neural networks for detection of opening or simultaneous defects in predefined areas. The detection of defects occurred separately for each phase of the system, that is, each neural network created detected defects in a certain area of a given phase of the system. The computational results of both categories were good, showing the robustness of the structures of neural networks developed. In this work, real-time simulations were also carried out to more realistc tests of the neural networks. For this, dSPACE device was used to model neural networks and the RTDS was used to simulate the distribution system. The results obtained were also good, showing the pratical application and the robustness of the employed technique. | pt_BR |
dc.description.resumo | Neste trabalho são desenvolvidos métodos de detecção e identificação de defeitos em sistemas de distribuição radiais utilizando redes neurais artificiais. Vários tipos de defeitos monofásicos foram estudados, tais como: defeitos de contato com alta impedância, defeitos de abertura de condutores e defeitos simultâneos. Primeiramente, cada um desses tipos de defeitos foi analisado separadamente em um sistema teste. O objetivo foi determinar as melhores formas para detectá-los. As simulações computacionais foram realizadas com a comunicação entre o Matlab e o OpenDSS e foram divididas em duas categorias. A primeira categoria utiliza informações de correntes oriundas de medidores alocados no sistema como dados de entrada das redes neurais para detecção e identificação de cada um dos tipos de defeitos tratados neste trabalho. Nas simulações dessa categoria, o objetivo principal foi analisar o impacto do número de medidores e do tipo de medição nos resultados das redes neurais. Quando mais de um medidor foi alocado, realizou-se a divisão do sistema em áreas de detecção. Essa divisão pode apresentar um maior custo de implantação e até de processamento computacional, porém facilita no processo de localização do defeito, já que diminui a área de busca, ou seja, a área onde o defeito pode ter ocorrido. A segunda categoria das simulações computacionais utiliza informações de tensões nas barras terminais como dados de entrada de redes neurais para detecção de defeitos de abertura ou simultâneos em áreas predefinidas. A detecção dos defeitos ocorreu separadamente para cada fase do sistema, isto é, cada rede neural criada detectava defeitos em uma determinada área de uma determinada fase do sistema utilizado. Os resultados computacionais de ambas as categorias foram bons, mostrando a robustez das estruturas de redes neurais desenvolvidas. Neste trabalho também foram realizadas simulações em tempo real para testes mais realistas das redes neurais. Para isso, utilizou-se o dispositivo dSPACE para modelagem das redes neurais e o RTDS para simulação do sistema de distribuição. Os resultados obtidos também foram bons, confirmando a robustez e mostrando a aplicação prática da técnica empregada | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Juiz de Fora (UFJF) | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Faculdade de Engenharia | pt_BR |
dc.publisher.program | Programa de Pós-graduação em Engenharia Elétrica | pt_BR |
dc.publisher.initials | UFJF | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Faltas de alta impedância. | pt_BR |
dc.subject | Defeitos de abertura de condutores | pt_BR |
dc.subject | Defeitos simultâneos | pt_BR |
dc.subject | Sistemas de distribuição de energia | pt_BR |
dc.subject | Redes neurais artificiais | pt_BR |
dc.subject | Simulações em tempo real | pt_BR |
dc.subject | High impedance faults | pt_BR |
dc.subject | Open conductor defects | pt_BR |
dc.subject | Energy distribution systems | pt_BR |
dc.subject | Real time simulations | pt_BR |
dc.subject | Artificial neural networks | pt_BR |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | pt_BR |
dc.title | Aplicações de redes neurais artificiais na detecção e identificação de faltas monofásicas em sistemas de distribuição | pt_BR |
dc.type | Dissertação | pt_BR |
Aparece en las colecciones: | Mestrado em Engenharia Elétrica (Dissertações) |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons