Understanding and predicting interruptions index of medium voltage customers using fully connected networks

Detalhes bibliográficos
Autor(a) principal: Rosa, Gabriel Augusto
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Institucional da UFU
Texto Completo: https://repositorio.ufu.br/handle/123456789/35125
https://doi.org/10.14393/ufu.di.2022.239
Resumo: The losses caused by the lack of electricity typically exceed the cost of the electricity itself. Improving power quality is a way to reduce or avoid loss of production in the industry, prevent fires or explosions, and minimize damages to industrial equipment. Therefore, finding customers that probably will have interruptions in advance will generate value for both the company and customers. The purpose of this study is to analyze data from units that consume electricity using neural networks and decision trees, such as self-organizing maps, CHAID and CART, and using fully connected neural networks to predict the interruption index for the next year. The results reveal an important space for improvements such as the connection between non-compliance of established indicators over time and specific points of electrical network with problems. That way supports the concessionaries to manage their infrastructure to get a better quality of the electric power network.
id UFU_04388fd17ef01fea2349a1c91d5d8081
oai_identifier_str oai:repositorio.ufu.br:123456789/35125
network_acronym_str UFU
network_name_str Repositório Institucional da UFU
repository_id_str
spelling Understanding and predicting interruptions index of medium voltage customers using fully connected networksEntendendo e prevendo índices de interrupções de consumidores de média tensão utilizando redes neurais totalmente conectadasFully Connected NetworksPower QualityInterruptions on Medium VoltagesRedes Totalmente ConectadasQualidade de EnergiaInterrupções em Médias TensõesCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAEngenharia elétricaRedes elétricas - AnáliseEnergia elétrica - DistribuiçãoFalhas de energia elétricaRedes neurais (Computação)The losses caused by the lack of electricity typically exceed the cost of the electricity itself. Improving power quality is a way to reduce or avoid loss of production in the industry, prevent fires or explosions, and minimize damages to industrial equipment. Therefore, finding customers that probably will have interruptions in advance will generate value for both the company and customers. The purpose of this study is to analyze data from units that consume electricity using neural networks and decision trees, such as self-organizing maps, CHAID and CART, and using fully connected neural networks to predict the interruption index for the next year. The results reveal an important space for improvements such as the connection between non-compliance of established indicators over time and specific points of electrical network with problems. That way supports the concessionaries to manage their infrastructure to get a better quality of the electric power network.CNPq - Conselho Nacional de Desenvolvimento Científico e TecnológicoDissertação (Mestrado)As perdas causadas pela falta de eletricidade normalmente excedem o custo da própria eletricidade. Melhorar a qualidade da energia é uma forma de reduzir ou evitar a perda de produção na indústria, prevenir incêndios ou explosões e minimizar danos aos equipamentos industriais. Portanto, encontrar clientes que provavelmente sofrerão interrupções com antecedência, gerará valor tanto para a empresa quanto para os clientes. O objetivo deste estudo, é analisar dados de unidades que consomem energia elétrica usando redes neurais e árvores de decisão, como mapas auto-organizáveis, CHAID e CART, e usando redes neurais totalmente conectadas para prever o índice de interrupção para o próximo ano. Os resultados revelam um importante espaço para melhorias, como a conexão entre a não conformidade de indicadores estabelecidos ao longo do tempo, e pontos específicos da rede elétrica com problemas. Dessa forma, suporta as concessionárias a gerenciar sua infraestrutura para obter uma melhor qualidade da rede de energia elétrica.Universidade Federal de UberlândiaBrasilPrograma de Pós-graduação em Engenharia ElétricaYamanaka, Keijihttp://lattes.cnpq.br/9893612181758615Sobrinho, Elder Vicente de Paulohttp://lattes.cnpq.br/7328837329337522Cardoso, Alexandrehttp://lattes.cnpq.br/3767009717402045Pinheiro, Alan Petrôniohttp://lattes.cnpq.br/3149272924238565Rosa, Gabriel Augusto2022-06-03T11:54:55Z2022-06-03T11:54:55Z2022-05-05info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfROSA, Gabriel Augusto. Understanding and predicting interruptions index of medium voltage customers using fully connected networks. 2022. 90 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI https://doi.org/10.14393/ufu.di.2022.239.https://repositorio.ufu.br/handle/123456789/35125https://doi.org/10.14393/ufu.di.2022.239enginfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFU2022-06-04T06:16:08Zoai:repositorio.ufu.br:123456789/35125Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2022-06-04T06:16:08Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false
dc.title.none.fl_str_mv Understanding and predicting interruptions index of medium voltage customers using fully connected networks
Entendendo e prevendo índices de interrupções de consumidores de média tensão utilizando redes neurais totalmente conectadas
title Understanding and predicting interruptions index of medium voltage customers using fully connected networks
spellingShingle Understanding and predicting interruptions index of medium voltage customers using fully connected networks
Rosa, Gabriel Augusto
Fully Connected Networks
Power Quality
Interruptions on Medium Voltages
Redes Totalmente Conectadas
Qualidade de Energia
Interrupções em Médias Tensões
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Engenharia elétrica
Redes elétricas - Análise
Energia elétrica - Distribuição
Falhas de energia elétrica
Redes neurais (Computação)
title_short Understanding and predicting interruptions index of medium voltage customers using fully connected networks
title_full Understanding and predicting interruptions index of medium voltage customers using fully connected networks
title_fullStr Understanding and predicting interruptions index of medium voltage customers using fully connected networks
title_full_unstemmed Understanding and predicting interruptions index of medium voltage customers using fully connected networks
title_sort Understanding and predicting interruptions index of medium voltage customers using fully connected networks
author Rosa, Gabriel Augusto
author_facet Rosa, Gabriel Augusto
author_role author
dc.contributor.none.fl_str_mv Yamanaka, Keiji
http://lattes.cnpq.br/9893612181758615
Sobrinho, Elder Vicente de Paulo
http://lattes.cnpq.br/7328837329337522
Cardoso, Alexandre
http://lattes.cnpq.br/3767009717402045
Pinheiro, Alan Petrônio
http://lattes.cnpq.br/3149272924238565
dc.contributor.author.fl_str_mv Rosa, Gabriel Augusto
dc.subject.por.fl_str_mv Fully Connected Networks
Power Quality
Interruptions on Medium Voltages
Redes Totalmente Conectadas
Qualidade de Energia
Interrupções em Médias Tensões
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Engenharia elétrica
Redes elétricas - Análise
Energia elétrica - Distribuição
Falhas de energia elétrica
Redes neurais (Computação)
topic Fully Connected Networks
Power Quality
Interruptions on Medium Voltages
Redes Totalmente Conectadas
Qualidade de Energia
Interrupções em Médias Tensões
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Engenharia elétrica
Redes elétricas - Análise
Energia elétrica - Distribuição
Falhas de energia elétrica
Redes neurais (Computação)
description The losses caused by the lack of electricity typically exceed the cost of the electricity itself. Improving power quality is a way to reduce or avoid loss of production in the industry, prevent fires or explosions, and minimize damages to industrial equipment. Therefore, finding customers that probably will have interruptions in advance will generate value for both the company and customers. The purpose of this study is to analyze data from units that consume electricity using neural networks and decision trees, such as self-organizing maps, CHAID and CART, and using fully connected neural networks to predict the interruption index for the next year. The results reveal an important space for improvements such as the connection between non-compliance of established indicators over time and specific points of electrical network with problems. That way supports the concessionaries to manage their infrastructure to get a better quality of the electric power network.
publishDate 2022
dc.date.none.fl_str_mv 2022-06-03T11:54:55Z
2022-06-03T11:54:55Z
2022-05-05
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 ROSA, Gabriel Augusto. Understanding and predicting interruptions index of medium voltage customers using fully connected networks. 2022. 90 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI https://doi.org/10.14393/ufu.di.2022.239.
https://repositorio.ufu.br/handle/123456789/35125
https://doi.org/10.14393/ufu.di.2022.239
identifier_str_mv ROSA, Gabriel Augusto. Understanding and predicting interruptions index of medium voltage customers using fully connected networks. 2022. 90 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI https://doi.org/10.14393/ufu.di.2022.239.
url https://repositorio.ufu.br/handle/123456789/35125
https://doi.org/10.14393/ufu.di.2022.239
dc.language.iso.fl_str_mv eng
language eng
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 Uberlândia
Brasil
Programa de Pós-graduação em Engenharia Elétrica
publisher.none.fl_str_mv Universidade Federal de Uberlândia
Brasil
Programa de Pós-graduação em Engenharia Elétrica
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFU
instname:Universidade Federal de Uberlândia (UFU)
instacron:UFU
instname_str Universidade Federal de Uberlândia (UFU)
instacron_str UFU
institution UFU
reponame_str Repositório Institucional da UFU
collection Repositório Institucional da UFU
repository.name.fl_str_mv Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)
repository.mail.fl_str_mv diinf@dirbi.ufu.br
_version_ 1813711573503442944