Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/45818
Título: Detecção e classificação de distúrbios em qualidade de energia usando modelos narx neurais
Título(s) alternativo(s): Detection and classification of disturbances in power quality using narx neural models
Autores: Barbosa, Bruno Henrique Groenner
Ferreira, Danton Diego
Barbosa, Bruno Henrique Groenner
Ferreira, Danton Diego
Mendes, Thais Martins
Silva, Joaquim Paulo do
Palavras-chave: Qualidade de energia elétrica
Nonlinear Autoregressive with eXogenous inputs (NARX)
Redes neurais artificiais
NARX models
Neural networks
Power quality
Data do documento: 9-Dez-2020
Editor: Universidade Federal de Lavras
Citação: ALCÂNTARA, I. F. P. Detecção e classificação de distúrbios em qualidade de energia usando modelos narx neurais. 2020. 65 p. Dissertação (Mestrado em Engenharia de Sistemas e Automação) – Universidade Federal de Lavras, Lavras, 2020.
Resumo: The study of the area of power quality (PQ) has grown recently. The increasing use of high power converters and of nonlinear loads cause changes in the electrical signal (current andvoltage), which are often called disturbances, damaging equipment. This work presents two systems, one for detection and another for the classification of power quality (PQ) disturbances, based on NARX neural network models (nonlinear autoregressive with eXogenous inputs). The NARX networks predict the voltage signal value one step ahead and by analyzing the residuals of these models, the disturbance is detected or classified. A total of 6 classes of disturbances were tested: notch, sag, swell, spike harmonic, oscillatory transient, and a class of signals without disturbances to detect the nominal signal. For these signals, tests at different noise levels (40 dB, 50 dB, 60 dB and 70 dB) were carried out. The detector presented fast and unprecedented results in the literature, with the use of 6 to 7 samples of the signal in the detection of disturbances, with an average accuracy of 91.8%, while the classifier achieved with 1/4 of a cycle (64 samples), an average accuracy of 84.2%, showing the effectiveness of the proposed method considering the reduced number of samples used.
URI: http://repositorio.ufla.br/jspui/handle/1/45818
Aparece nas coleções:Engenharia de Sistemas e automação (Dissertações)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO_Detecção e classificação de distúrbios em qualidade de energia usando modelos narx neurais.pdf1,35 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.