Sistema automático de detecção e classificação de distúrbios elétricos em qualidade da energia elétrica

Detalhes bibliográficos
Autor(a) principal: Ferreira,Danton Diego
Data de Publicação: 2009
Outros Autores: Marques,Cristiano Augusto Gomes, Cerqueira,Augusto Santiago, Duque,Carlos Augusto, Ribeiro,Moisés Vidal
Tipo de documento: Artigo
Idioma: por
Título da fonte: Sba: Controle & Automação Sociedade Brasileira de Automatica
Texto Completo: http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592009000100005
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.
id SBA-2_564d131ab7c7e17ab758696e34eddb93
oai_identifier_str oai:scielo:S0103-17592009000100005
network_acronym_str SBA-2
network_name_str Sba: Controle & Automação Sociedade Brasileira de Automatica
repository_id_str
spelling Sistema automático de detecção e classificação de distúrbios elétricos em qualidade da energia elétricaQualidade da Energia ElétricaEstatísticas de Ordem SuperiorRede Neural ArtificialEste 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.Sociedade Brasileira de Automática2009-03-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592009000100005Sba: Controle & Automação Sociedade Brasileira de Automatica v.20 n.1 2009reponame:Sba: Controle & Automação Sociedade Brasileira de Automaticainstname:Sociedade Brasileira de Automática (SBA)instacron:SBA10.1590/S0103-17592009000100005info:eu-repo/semantics/openAccessFerreira,Danton DiegoMarques,Cristiano Augusto GomesCerqueira,Augusto SantiagoDuque,Carlos AugustoRibeiro,Moisés Vidalpor2009-02-27T00:00:00Zoai:scielo:S0103-17592009000100005Revistahttps://www.sba.org.br/revista/PUBhttps://old.scielo.br/oai/scielo-oai.php||revista_sba@fee.unicamp.br1807-03450103-1759opendoar:2009-02-27T00:00Sba: Controle & Automação Sociedade Brasileira de Automatica - Sociedade Brasileira de Automática (SBA)false
dc.title.none.fl_str_mv Sistema automático de detecção e classificação de distúrbios elétricos em qualidade da energia elétrica
title Sistema automático de detecção e classificação de distúrbios elétricos em qualidade da energia elétrica
spellingShingle Sistema automático de detecção e classificação de distúrbios elétricos em qualidade da energia elétrica
Ferreira,Danton Diego
Qualidade da Energia Elétrica
Estatísticas de Ordem Superior
Rede Neural Artificial
title_short Sistema automático de detecção e classificação de distúrbios elétricos em qualidade da energia elétrica
title_full Sistema automático de detecção e classificação de distúrbios elétricos em qualidade da energia elétrica
title_fullStr Sistema automático de detecção e classificação de distúrbios elétricos em qualidade da energia elétrica
title_full_unstemmed Sistema automático de detecção e classificação de distúrbios elétricos em qualidade da energia elétrica
title_sort Sistema automático de detecção e classificação de distúrbios elétricos em qualidade da energia elétrica
author Ferreira,Danton Diego
author_facet Ferreira,Danton Diego
Marques,Cristiano Augusto Gomes
Cerqueira,Augusto Santiago
Duque,Carlos Augusto
Ribeiro,Moisés Vidal
author_role author
author2 Marques,Cristiano Augusto Gomes
Cerqueira,Augusto Santiago
Duque,Carlos Augusto
Ribeiro,Moisés Vidal
author2_role author
author
author
author
dc.contributor.author.fl_str_mv Ferreira,Danton Diego
Marques,Cristiano Augusto Gomes
Cerqueira,Augusto Santiago
Duque,Carlos Augusto
Ribeiro,Moisés Vidal
dc.subject.por.fl_str_mv Qualidade da Energia Elétrica
Estatísticas de Ordem Superior
Rede Neural Artificial
topic Qualidade da Energia Elétrica
Estatísticas de Ordem Superior
Rede Neural Artificial
description 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.
publishDate 2009
dc.date.none.fl_str_mv 2009-03-01
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592009000100005
url http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592009000100005
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv 10.1590/S0103-17592009000100005
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv text/html
dc.publisher.none.fl_str_mv Sociedade Brasileira de Automática
publisher.none.fl_str_mv Sociedade Brasileira de Automática
dc.source.none.fl_str_mv Sba: Controle & Automação Sociedade Brasileira de Automatica v.20 n.1 2009
reponame:Sba: Controle & Automação Sociedade Brasileira de Automatica
instname:Sociedade Brasileira de Automática (SBA)
instacron:SBA
instname_str Sociedade Brasileira de Automática (SBA)
instacron_str SBA
institution SBA
reponame_str Sba: Controle & Automação Sociedade Brasileira de Automatica
collection Sba: Controle & Automação Sociedade Brasileira de Automatica
repository.name.fl_str_mv Sba: Controle & Automação Sociedade Brasileira de Automatica - Sociedade Brasileira de Automática (SBA)
repository.mail.fl_str_mv ||revista_sba@fee.unicamp.br
_version_ 1754824564844527616

Registros relacionados