Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/15395
Título : Sistema automático de detecção e classificação de distúrbios elétricos em qualidade de energia elétrica
Autor: Ferreira, Danton Diego
Marques, Cristiano Augusto Gomes
Cerqueira, Augusto Santiago
Duque, Carlos Augusto
Ribeiro, Moisés Vidal
Palavras-chave: Energia elétrica - Qualidade
Estatísticas de ordem superior
Rede neural artificial
Power quality
Higher-order statistics
Artificial neural network
Publicador: Sociedade Brasileira de Automática
Data da publicação: 2009
Referência: FERREIRA, D. D.et al. Sistema automático de detecção e classificação de distúrbios elétricos em qualidade de energia elétrica. Controle & Automacao, Campinas, v. 20, n. 1, jan./mar. 2009.
Resumo : Este 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.
Abstract: This 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.
URI: repositorio.ufla.br/jspui/handle/1/15395
Idioma: pt_BR
Aparece nas coleções:DEG - Artigos publicados em periódicos



Este item está licenciada sob uma Licença Creative Commons Creative Commons