Detecção, segmentação e classificação de afundamentos de tensão em sistemas elétricos de potência

Detalhes bibliográficos
Autor(a) principal: Nagata, Erick Akio
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFLA
Texto Completo: http://repositorio.ufla.br/jspui/handle/1/28529
Resumo: Technology advancement and the increased use of electronic equipment and the decentralized energy generation made the electrical power quality to become a growing concern factor for both the energy consumers and power distribution companies. Thus, researches in this area aiming to develop new methods for disturbance detection, classification and mitigation have become more frequent and important in the scientific environment. According to this scenery, this work proposes an innovative approach to detect, segment and classify voltage sags according to their causes. To detect and segment, it is used the statistical signal processing technique known as Independent Component Analysis, with the advantage of being fast and with low computational cost in the operational stage, once it uses only 1/8 cycle of the fundamental component and works in real time. For classification purposes, Higher-Order Statistics are used to extract features and the classifiers are based on Support Vector Machine and Neural Networks. It was tested signal windows of 1, 1/2, 1/4 and 1/8 cycle, and the best results were achieved for signal windows with 1/2 cycle and using a Neural Network as classifier. For both detection/segmentation project and feature selection, it was used the metaheuristics Teaching-Learning-Based Optimization. Suitable results were achieved for simulated signals. In addition, real signals were used to evaluate the detection and segmentation method and good results were achieved for the detection task, presenting 0.86% of error for the data set analyzed.
id UFLA_869ad17ad108e4193f4cd3b9ac24d1a9
oai_identifier_str oai:localhost:1/28529
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling Detecção, segmentação e classificação de afundamentos de tensão em sistemas elétricos de potênciaDetection, segmentation and classification of voltage sags in electric power systemsEnergia elétrica - QualidadeAfundamentos de tensão - Detecção e segmentaçãoAfundamentos de tensão - ClassificaçãoSistema elétrico - Geração distribuídaPower qualityVoltage sag classificationVoltage sag segmentationDistributed generationEngenharia ElétricaTechnology advancement and the increased use of electronic equipment and the decentralized energy generation made the electrical power quality to become a growing concern factor for both the energy consumers and power distribution companies. Thus, researches in this area aiming to develop new methods for disturbance detection, classification and mitigation have become more frequent and important in the scientific environment. According to this scenery, this work proposes an innovative approach to detect, segment and classify voltage sags according to their causes. To detect and segment, it is used the statistical signal processing technique known as Independent Component Analysis, with the advantage of being fast and with low computational cost in the operational stage, once it uses only 1/8 cycle of the fundamental component and works in real time. For classification purposes, Higher-Order Statistics are used to extract features and the classifiers are based on Support Vector Machine and Neural Networks. It was tested signal windows of 1, 1/2, 1/4 and 1/8 cycle, and the best results were achieved for signal windows with 1/2 cycle and using a Neural Network as classifier. For both detection/segmentation project and feature selection, it was used the metaheuristics Teaching-Learning-Based Optimization. Suitable results were achieved for simulated signals. In addition, real signals were used to evaluate the detection and segmentation method and good results were achieved for the detection task, presenting 0.86% of error for the data set analyzed.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Com o avanço da tecnologia e aumento no uso de equipamentos eletrônicos, principalmente os da eletrônica de potência, e com a inserção da geração distribuída no sistema elétrico, a qualidade da energia elétrica tem se tornado um fator preocupante tanto para os consumidores quanto para as concessionárias de energia. Dessa forma, pesquisas nessa área visando desenvolver novos métodos de detecção, classificação e mitigação de distúrbios causadores de má qualidade de energia elétrica têm se tornado cada vez mais frequentes e importantes no meio científico. De acordo com este cenário, esse trabalho propõe uma abordagem inovadora para detecção, segmentação e classificação de afundamentos de tensão de acordo com suas causas. Para detectar e segmentar é utilizado a técnica Análise de Componente Independentes, com a vantagem de ser rápida e de baixa complexidade computacional na fase de operação, necessitando de somente 1/8 de ciclo do sinal de tensão e fornecendo respostas em tempo real. Para a classificação foram utilizadas as Estatísticas de Ordem Superior para extrair características relevantes dos sinais monitorados e Redes Neurais e Máquinas de Vetor de Suporte para projetar os classificadores. Foram testadas janelas de 1, 1/2, 1/4 e 1/8 de ciclo da componente fundamental, sendo que os melhores resultados foram alcançados com 1/2 ciclo e com o classificador baseado em Redes Neurais. Tanto para o projeto da detecção/segmentação, quanto para a seleção das características foi utilizada a metaheurística Teaching-Learning-Based Optimization. Foram alcançados bons resultados com dados simulados para as três tarefas, sendo que para detecção e segmentação também foram avaliados dados reais. Com dados reais, o método obteve bons resultados de detecção, com 0,86% de erro para o banco de dados utilizado.Universidade Federal de LavrasPrograma de Pós-Graduação em Engenharia de Sistemas e AutomaçãoUFLAbrasilDepartamento de EngenhariaFerreira, Danton DiegoFerreira, Danton DiegoDuque, Carlos AugustoBarbosa , Bruno Henrique GroennerNagata, Erick Akio2018-02-02T18:04:16Z2018-02-02T18:04:16Z2018-02-022018-01-16info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfNAGATA, E. A. Detecção, segmentação e classificação de afundamentos de tensão em sistemas elétricos de potência. 2018. 89 p. Dissertação (Mestrado em Engenharia de Sistemas e Automação) – Universidade Federal de Lavra, Lavras, 2018.http://repositorio.ufla.br/jspui/handle/1/28529porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLA2023-05-02T12:40:35Zoai:localhost:1/28529Repositório InstitucionalPUBhttp://repositorio.ufla.br/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2023-05-02T12:40:35Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)false
dc.title.none.fl_str_mv Detecção, segmentação e classificação de afundamentos de tensão em sistemas elétricos de potência
Detection, segmentation and classification of voltage sags in electric power systems
title Detecção, segmentação e classificação de afundamentos de tensão em sistemas elétricos de potência
spellingShingle Detecção, segmentação e classificação de afundamentos de tensão em sistemas elétricos de potência
Nagata, Erick Akio
Energia elétrica - Qualidade
Afundamentos de tensão - Detecção e segmentação
Afundamentos de tensão - Classificação
Sistema elétrico - Geração distribuída
Power quality
Voltage sag classification
Voltage sag segmentation
Distributed generation
Engenharia Elétrica
title_short Detecção, segmentação e classificação de afundamentos de tensão em sistemas elétricos de potência
title_full Detecção, segmentação e classificação de afundamentos de tensão em sistemas elétricos de potência
title_fullStr Detecção, segmentação e classificação de afundamentos de tensão em sistemas elétricos de potência
title_full_unstemmed Detecção, segmentação e classificação de afundamentos de tensão em sistemas elétricos de potência
title_sort Detecção, segmentação e classificação de afundamentos de tensão em sistemas elétricos de potência
author Nagata, Erick Akio
author_facet Nagata, Erick Akio
author_role author
dc.contributor.none.fl_str_mv Ferreira, Danton Diego
Ferreira, Danton Diego
Duque, Carlos Augusto
Barbosa , Bruno Henrique Groenner
dc.contributor.author.fl_str_mv Nagata, Erick Akio
dc.subject.por.fl_str_mv Energia elétrica - Qualidade
Afundamentos de tensão - Detecção e segmentação
Afundamentos de tensão - Classificação
Sistema elétrico - Geração distribuída
Power quality
Voltage sag classification
Voltage sag segmentation
Distributed generation
Engenharia Elétrica
topic Energia elétrica - Qualidade
Afundamentos de tensão - Detecção e segmentação
Afundamentos de tensão - Classificação
Sistema elétrico - Geração distribuída
Power quality
Voltage sag classification
Voltage sag segmentation
Distributed generation
Engenharia Elétrica
description Technology advancement and the increased use of electronic equipment and the decentralized energy generation made the electrical power quality to become a growing concern factor for both the energy consumers and power distribution companies. Thus, researches in this area aiming to develop new methods for disturbance detection, classification and mitigation have become more frequent and important in the scientific environment. According to this scenery, this work proposes an innovative approach to detect, segment and classify voltage sags according to their causes. To detect and segment, it is used the statistical signal processing technique known as Independent Component Analysis, with the advantage of being fast and with low computational cost in the operational stage, once it uses only 1/8 cycle of the fundamental component and works in real time. For classification purposes, Higher-Order Statistics are used to extract features and the classifiers are based on Support Vector Machine and Neural Networks. It was tested signal windows of 1, 1/2, 1/4 and 1/8 cycle, and the best results were achieved for signal windows with 1/2 cycle and using a Neural Network as classifier. For both detection/segmentation project and feature selection, it was used the metaheuristics Teaching-Learning-Based Optimization. Suitable results were achieved for simulated signals. In addition, real signals were used to evaluate the detection and segmentation method and good results were achieved for the detection task, presenting 0.86% of error for the data set analyzed.
publishDate 2018
dc.date.none.fl_str_mv 2018-02-02T18:04:16Z
2018-02-02T18:04:16Z
2018-02-02
2018-01-16
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv NAGATA, E. A. Detecção, segmentação e classificação de afundamentos de tensão em sistemas elétricos de potência. 2018. 89 p. Dissertação (Mestrado em Engenharia de Sistemas e Automação) – Universidade Federal de Lavra, Lavras, 2018.
http://repositorio.ufla.br/jspui/handle/1/28529
identifier_str_mv NAGATA, E. A. Detecção, segmentação e classificação de afundamentos de tensão em sistemas elétricos de potência. 2018. 89 p. Dissertação (Mestrado em Engenharia de Sistemas e Automação) – Universidade Federal de Lavra, Lavras, 2018.
url http://repositorio.ufla.br/jspui/handle/1/28529
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Lavras
Programa de Pós-Graduação em Engenharia de Sistemas e Automação
UFLA
brasil
Departamento de Engenharia
publisher.none.fl_str_mv Universidade Federal de Lavras
Programa de Pós-Graduação em Engenharia de Sistemas e Automação
UFLA
brasil
Departamento de Engenharia
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_ 1815439272452292608