Método de Clusterização Fuzzy C-Means para detecção de ilhamento em conversores eletrônicos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFLA |
Texto Completo: | http://repositorio.ufla.br/jspui/handle/1/44411 http://sip.prg.ufla.br/arquivos/php/bibliotecas/repositorio/download_documento/20192_201421438 |
Resumo: | Este trabalho apresenta uma estratégia de detecção de ilhamento para microrredes com conversores eletrônicos com base em uma técnica de aprendizagem de máquina não supervisionado. O método tem por agrupar padrões de comportamento em amostras do sistema. Foram extraídos do sistema, no ponto de acoplamento comum (PCC), valores de tensão e corrente. Estes dados serviram como entrada para um Filtro Adaptativo no intuito de monitorar sete variáveis, sendo a frequência (f), o valor eficaz da tensão (mathbitVmathbf1) e da corrente (mathbitImathbf1), distorção harmônica total da tensão (mathbitTHDmathbitV) e da corrente (mathbitTHDmathbitI), potência ativa (mathbitP) e reativa (mathbitQ), obtidas por meio de simulação na ferramenta SIMULINK® do software MATLAB®. O método proposto utilizou a técnica passiva, visando não interferir nos parâmetros do sistema. Com a finalidade de obter situações realísticas, simulou-se o sistema com variações de cargas e, ao ocorrer o ilhamento, os parâmetros para a carga final e o tempo máximo para a detecção foram regidos pela norma IEEE 1547. Uns dos principais objetivos deste trabalho foi diminuir as zonas de não-detecção (ZNDs), e obter o menor tempo e eficiência possível de detecção. A primeira parte deste trabalho consiste em uma revisão bibliográfica dos tópicos relacionados à detecção de ilhamento, sistemas fuzzy, clusterização e algoritmos de pré-processamento. Na segunda parte do trabalho é apresentado um artigo, no qual a metodologia e os resultados são evidenciados. |
id |
UFLA_753b2ef7d5db1d29d9bee96fdcddb185 |
---|---|
oai_identifier_str |
oai:localhost:1/44411 |
network_acronym_str |
UFLA |
network_name_str |
Repositório Institucional da UFLA |
repository_id_str |
|
spelling |
Método de Clusterização Fuzzy C-Means para detecção de ilhamento em conversores eletrônicosMétodo de Clusterização Fuzzy C-Means para detecção de ilhamento em conversores eletrônicosFuzzy C-Means Clustering method for island detection in electronic convertersEste trabalho apresenta uma estratégia de detecção de ilhamento para microrredes com conversores eletrônicos com base em uma técnica de aprendizagem de máquina não supervisionado. O método tem por agrupar padrões de comportamento em amostras do sistema. Foram extraídos do sistema, no ponto de acoplamento comum (PCC), valores de tensão e corrente. Estes dados serviram como entrada para um Filtro Adaptativo no intuito de monitorar sete variáveis, sendo a frequência (f), o valor eficaz da tensão (mathbitVmathbf1) e da corrente (mathbitImathbf1), distorção harmônica total da tensão (mathbitTHDmathbitV) e da corrente (mathbitTHDmathbitI), potência ativa (mathbitP) e reativa (mathbitQ), obtidas por meio de simulação na ferramenta SIMULINK® do software MATLAB®. O método proposto utilizou a técnica passiva, visando não interferir nos parâmetros do sistema. Com a finalidade de obter situações realísticas, simulou-se o sistema com variações de cargas e, ao ocorrer o ilhamento, os parâmetros para a carga final e o tempo máximo para a detecção foram regidos pela norma IEEE 1547. Uns dos principais objetivos deste trabalho foi diminuir as zonas de não-detecção (ZNDs), e obter o menor tempo e eficiência possível de detecção. A primeira parte deste trabalho consiste em uma revisão bibliográfica dos tópicos relacionados à detecção de ilhamento, sistemas fuzzy, clusterização e algoritmos de pré-processamento. Na segunda parte do trabalho é apresentado um artigo, no qual a metodologia e os resultados são evidenciados.This paper presents an island detection strategy for microgrids with electronic converters based on an unsupervised clustering algorithm. The method is based on clustering patterns of behaviors uncovered from the data. Voltage and current features were extracted from the power system at the point of common coupling (PCC). These features were used as input to an Adaptive Filter in order to monitor seven variables, namely, frequency (f), effective values of voltage (mathbitVmathbf1) and current (mathbitImathbf1), voltage and current harmonic distortion (mathbitTHDmathbitV) (mathbitTHDmathbitI), active power (P), and reactive power (Q), obtained from a simulations in the SIMULINK® tool of the MATLAB® software. The proposed method used a passive technique aiming not to interfere in the system parameters. In order to obtain realistic situations, the system is simulated with load variations and, in case of islanding, the parameters for the load and maximum detection time are governed by the IEEE 1547 standard. One of the main objectives of this study was to decrease the non-detection zones (NDZs), and to obtain the shortest possible detection time, effectively. The first part of this study consists of a bibliographical review of the topics related to islanding detection, fuzzy systems, clustering, and preprocessing algorithms. In the second part, a paper is presented, in which the methodology and the results are highlighted.Universidade Federal de LavrasUFLABrasilSilvia Costa FerreiraNAO_INFORMADODaniel Furtado LeiteNAO_INFORMADOSilvia Costa FerreiraNAO_INFORMADODaniel Furtado LeiteNAO_INFORMADOBelisario Nina HuallpaNAO_INFORMADONAO_INFORMADONAO_INFORMADONAO_INFORMADONAO_INFORMADODouglas Roberto Fernandes Damasceno2020-11-03T18:48:05Z2020-11-03T18:48:05Z2019-11-262019-11-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisDamasceno, D. R. F. Método de Clusterização Fuzzy C-Means para detecção de ilhamento em conversores eletrônicos. 2019. 48 p. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação Bacharelado)-Universidade Federal de Lavras, Lavras, 2019.http://repositorio.ufla.br/jspui/handle/1/44411http://sip.prg.ufla.br/arquivos/php/bibliotecas/repositorio/download_documento/20192_201421438PortuguêsporAcesso aos termos da licença em repositorio.ufla.brrepositorio.ufla.brDouglas Roberto Fernandes Damasceno e Universidade Federal de LavrasLicença do Repositório Institucional da Universidade Federal de Lavrasinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLA2020-11-03T18:48:05Zoai:localhost:1/44411Repositório InstitucionalPUBhttp://repositorio.ufla.br/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2020-11-03T18:48:05Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)false |
dc.title.none.fl_str_mv |
Método de Clusterização Fuzzy C-Means para detecção de ilhamento em conversores eletrônicos Método de Clusterização Fuzzy C-Means para detecção de ilhamento em conversores eletrônicos Fuzzy C-Means Clustering method for island detection in electronic converters |
title |
Método de Clusterização Fuzzy C-Means para detecção de ilhamento em conversores eletrônicos |
spellingShingle |
Método de Clusterização Fuzzy C-Means para detecção de ilhamento em conversores eletrônicos Douglas Roberto Fernandes Damasceno |
title_short |
Método de Clusterização Fuzzy C-Means para detecção de ilhamento em conversores eletrônicos |
title_full |
Método de Clusterização Fuzzy C-Means para detecção de ilhamento em conversores eletrônicos |
title_fullStr |
Método de Clusterização Fuzzy C-Means para detecção de ilhamento em conversores eletrônicos |
title_full_unstemmed |
Método de Clusterização Fuzzy C-Means para detecção de ilhamento em conversores eletrônicos |
title_sort |
Método de Clusterização Fuzzy C-Means para detecção de ilhamento em conversores eletrônicos |
author |
Douglas Roberto Fernandes Damasceno |
author_facet |
Douglas Roberto Fernandes Damasceno |
author_role |
author |
dc.contributor.none.fl_str_mv |
Silvia Costa Ferreira NAO_INFORMADO Daniel Furtado Leite NAO_INFORMADO Silvia Costa Ferreira NAO_INFORMADO Daniel Furtado Leite NAO_INFORMADO Belisario Nina Huallpa NAO_INFORMADO NAO_INFORMADO NAO_INFORMADO NAO_INFORMADO NAO_INFORMADO |
dc.contributor.author.fl_str_mv |
Douglas Roberto Fernandes Damasceno |
description |
Este trabalho apresenta uma estratégia de detecção de ilhamento para microrredes com conversores eletrônicos com base em uma técnica de aprendizagem de máquina não supervisionado. O método tem por agrupar padrões de comportamento em amostras do sistema. Foram extraídos do sistema, no ponto de acoplamento comum (PCC), valores de tensão e corrente. Estes dados serviram como entrada para um Filtro Adaptativo no intuito de monitorar sete variáveis, sendo a frequência (f), o valor eficaz da tensão (mathbitVmathbf1) e da corrente (mathbitImathbf1), distorção harmônica total da tensão (mathbitTHDmathbitV) e da corrente (mathbitTHDmathbitI), potência ativa (mathbitP) e reativa (mathbitQ), obtidas por meio de simulação na ferramenta SIMULINK® do software MATLAB®. O método proposto utilizou a técnica passiva, visando não interferir nos parâmetros do sistema. Com a finalidade de obter situações realísticas, simulou-se o sistema com variações de cargas e, ao ocorrer o ilhamento, os parâmetros para a carga final e o tempo máximo para a detecção foram regidos pela norma IEEE 1547. Uns dos principais objetivos deste trabalho foi diminuir as zonas de não-detecção (ZNDs), e obter o menor tempo e eficiência possível de detecção. A primeira parte deste trabalho consiste em uma revisão bibliográfica dos tópicos relacionados à detecção de ilhamento, sistemas fuzzy, clusterização e algoritmos de pré-processamento. Na segunda parte do trabalho é apresentado um artigo, no qual a metodologia e os resultados são evidenciados. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-11-26 2019-11-18 2020-11-03T18:48:05Z 2020-11-03T18:48:05Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
Damasceno, D. R. F. Método de Clusterização Fuzzy C-Means para detecção de ilhamento em conversores eletrônicos. 2019. 48 p. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação Bacharelado)-Universidade Federal de Lavras, Lavras, 2019. http://repositorio.ufla.br/jspui/handle/1/44411 http://sip.prg.ufla.br/arquivos/php/bibliotecas/repositorio/download_documento/20192_201421438 |
identifier_str_mv |
Damasceno, D. R. F. Método de Clusterização Fuzzy C-Means para detecção de ilhamento em conversores eletrônicos. 2019. 48 p. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação Bacharelado)-Universidade Federal de Lavras, Lavras, 2019. |
url |
http://repositorio.ufla.br/jspui/handle/1/44411 http://sip.prg.ufla.br/arquivos/php/bibliotecas/repositorio/download_documento/20192_201421438 |
dc.language.iso.fl_str_mv |
Português por |
language_invalid_str_mv |
Português |
language |
por |
dc.rights.driver.fl_str_mv |
Acesso aos termos da licença em repositorio.ufla.br repositorio.ufla.br Douglas Roberto Fernandes Damasceno e Universidade Federal de Lavras Licença do Repositório Institucional da Universidade Federal de Lavras info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Acesso aos termos da licença em repositorio.ufla.br repositorio.ufla.br Douglas Roberto Fernandes Damasceno e Universidade Federal de Lavras Licença do Repositório Institucional da Universidade Federal de Lavras |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Lavras UFLA Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Lavras UFLA Brasil |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFLA instname:Universidade Federal de Lavras (UFLA) instacron:UFLA |
instname_str |
Universidade Federal de Lavras (UFLA) |
instacron_str |
UFLA |
institution |
UFLA |
reponame_str |
Repositório Institucional da UFLA |
collection |
Repositório Institucional da UFLA |
repository.name.fl_str_mv |
Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA) |
repository.mail.fl_str_mv |
nivaldo@ufla.br || repositorio.biblioteca@ufla.br |
_version_ |
1807835172376150016 |