Understanding and predicting interruptions index of medium voltage customers using fully connected networks
Autor(a) principal: | |
---|---|
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 |