Identificação de atributos e classificação de distúrbios da qualidade de energia elétrica baseada em métodos de análise de dados, processamento de sinais e rede neural

Detalhes bibliográficos
Autor(a) principal: Ferreira Filho, Antônio Aldísio de Sousa Alves
Data de Publicação: 2020
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Monografias da UnB
Texto Completo: https://bdm.unb.br/handle/10483/27784
Resumo: Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade UnB Gama, Engenharia Eletrônica, 2020.
id UNB-2_31e193e465086968a22475894ef23fb3
oai_identifier_str oai:bdm.unb.br:10483/27784
network_acronym_str UNB-2
network_name_str Biblioteca Digital de Monografias da UnB
repository_id_str 11571
spelling Ferreira Filho, Antônio Aldísio de Sousa AlvesCormane Angarita, Jorge AndrésFERREIRA FILHO, Antônio Aldísio de Sousa Alves. Identificação de atributos e classificação de distúrbios da qualidade de energia elétrica baseada em métodos de análise de dados, processamento de sinais e rede neural. 2020. 59 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica)—Universidade de Brasília, Brasília, 2020.https://bdm.unb.br/handle/10483/27784Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade UnB Gama, Engenharia Eletrônica, 2020.Não é novidade que a energia elétrica se tornou, nas últimas décadas, um elemento indispensável para a sociedade e essencial para a industrialização. É notável que, com o avanço da tecnologia e com a demanda exigida pela sociedade e pela indústria, a exigência por qualidade de energia elétrica vem aumentando. Desse modo, faz-se necessário o desenvolvimento de ferramentas capazes de realizar a detecção e classificação de distúrbios de energia elétrica. Este trabalho desenvolve a identificação de atributos (histogramas, estimativa de densidade kernel, estimadores estatísticos de ordem superior e transformada space phasor model) e a classificação de anomalias de rede elétrica através de rede neurais feedforward de múltiplas camadas. A detecção dar-se-á, primeiramente, com a segmentação do sinal em meio ciclo (126 amostras) para aplicação das técnicas de histograma e estimativa de densidade kernel, e um ciclo (256 amostras) para utilização das técnicas estimadores estatísticos de ordem superior e transformada space phasor model. A classificação ocorre com os atributos- número de classe, largura de banda, variância, assimetria, curtose e valor máximo e mínimo do eixo real - retirados das técnicas supracitadas. Os resultados obtidos demonstram a capacidade do algoritmo em classificar a operação normal do sinal e os distúrbios - sag, swell, harmônico e oscilação transiente- com eficiência global de 96% rede neural. Observando cada distúrbio individualmente nas etapas de treinamento e teste tivemos a eficiência, respectivamente, de 60.7 % e 64.9 % para sag, 98.1% e 98.2% para swell, 98.1% e 98.2% para harmônico, 88.1% e 83.3% para oscilação transiente e 98.7% e 98.2% para operação normal. Por fim, baseado em estudo comparativo com outros trabalhos semelhantes, nota-se resultados similares ao deste trabalho, no que tange a classificação de distúrbios de energia elétrica, com ressalva para os resultados obtidos com os distúrbios sag e harmônico, visto que o sag apresentou um resultado inferior.Submitted by Anita Souza (anita.souza@bce.unb.br) on 2021-06-15T15:04:58Z No. of bitstreams: 1 2020_AntonioAldisioAlvesFerreiraFilho_tcc.pdf: 2707247 bytes, checksum: 3b06946bf7d393ae7ddbfe13a31d3dc4 (MD5)Approved for entry into archive by Biblioteca Digital de Monografias Gerência (bdm@bce.unb.br) on 2021-06-23T14:26:02Z (GMT) No. of bitstreams: 1 2020_AntonioAldisioAlvesFerreiraFilho_tcc.pdf: 2707247 bytes, checksum: 3b06946bf7d393ae7ddbfe13a31d3dc4 (MD5)Made available in DSpace on 2021-06-23T14:26:02Z (GMT). No. of bitstreams: 1 2020_AntonioAldisioAlvesFerreiraFilho_tcc.pdf: 2707247 bytes, checksum: 3b06946bf7d393ae7ddbfe13a31d3dc4 (MD5)It is not new that electric energy has become, in recent decades, an indispensable element for society and essential for industrialization. It is noteworthy that, with the advancement of technology and the demand demanded by society and industry, the demand for quality of electric power has increased. Thus, it is necessary to develop tools capable of detecting and classifying electrical energy disorders. This competent work is the identification of attributes (histograms, kernel density estimation, higher and transformed statistical estimators spatial phasor model) and the classification of electrical network anomalies through multilayer neural networks feedforward . The detection will take place, with priority, with the application of the signal in half cycle (126) to apply the histogram and kernel density estimation techniques, and one cycle (256) to use the higher and transformed statistical estimation techniques. spatial phasor model. The classification occurs with the attributes - class number, bandwidth, variance, asymmetry, kurtosis and maximum and minimum value of the real axis - taken from the aforementioned techniques. The results obtained demonstrate an ability of the algorithm to classify a normal operation of the signal and the disturbances - sag, swell, harmonic and transient oscillation- with a global efficiency of 96% neural network. Observing each individual disturbance in the training and efficiency testing steps, respectively, from 60.7% and 64.9% for sag, 98.1% and 98.2% for swell , 98.1% and 98.2% for harmonic, 88.1% and 83.3% for transient oscillation and 98.7% and 98.2 % for normal operation. Finally, based on a comparative study with other similar works, we note results similar to this work, regarding the classification of electrical energy disorders, with the exception of the results obtained with the disturbances sag eonic damage, seen that sag had an inferior result.A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.info:eu-repo/semantics/openAccessEnergia elétricaEstatísticaRedes neurais (Computação)Energia elétrica - qualidadeDados estatísticosProcessamento de sinaisIdentificação de atributos e classificação de distúrbios da qualidade de energia elétrica baseada em métodos de análise de dados, processamento de sinais e rede neuralinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis2021-06-23T14:26:02Z2021-06-23T14:26:02Z2020-12-15porreponame:Biblioteca Digital de Monografias da UnBinstname:Universidade de Brasília (UnB)instacron:UNBLICENSElicense.txtlicense.txttext/plain1817http://bdm.unb.br/xmlui/bitstream/10483/27784/2/license.txt21554873e56ad8ddc69c092699b98f95MD52ORIGINAL2020_AntonioAldisioAlvesFerreiraFilho_tcc.pdf2020_AntonioAldisioAlvesFerreiraFilho_tcc.pdfapplication/pdf2707247http://bdm.unb.br/xmlui/bitstream/10483/27784/1/2020_AntonioAldisioAlvesFerreiraFilho_tcc.pdf3b06946bf7d393ae7ddbfe13a31d3dc4MD5110483/277842021-06-23 11:26:02.862oai:bdm.unb.br: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Biblioteca Digital de Monografiahttps://bdm.unb.br/PUBhttp://bdm.unb.br/oai/requestbdm@bce.unb.br||patricia@bce.unb.bropendoar:115712021-06-23T14:26:02Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Identificação de atributos e classificação de distúrbios da qualidade de energia elétrica baseada em métodos de análise de dados, processamento de sinais e rede neural
title Identificação de atributos e classificação de distúrbios da qualidade de energia elétrica baseada em métodos de análise de dados, processamento de sinais e rede neural
spellingShingle Identificação de atributos e classificação de distúrbios da qualidade de energia elétrica baseada em métodos de análise de dados, processamento de sinais e rede neural
Ferreira Filho, Antônio Aldísio de Sousa Alves
Energia elétrica
Estatística
Redes neurais (Computação)
Energia elétrica - qualidade
Dados estatísticos
Processamento de sinais
title_short Identificação de atributos e classificação de distúrbios da qualidade de energia elétrica baseada em métodos de análise de dados, processamento de sinais e rede neural
title_full Identificação de atributos e classificação de distúrbios da qualidade de energia elétrica baseada em métodos de análise de dados, processamento de sinais e rede neural
title_fullStr Identificação de atributos e classificação de distúrbios da qualidade de energia elétrica baseada em métodos de análise de dados, processamento de sinais e rede neural
title_full_unstemmed Identificação de atributos e classificação de distúrbios da qualidade de energia elétrica baseada em métodos de análise de dados, processamento de sinais e rede neural
title_sort Identificação de atributos e classificação de distúrbios da qualidade de energia elétrica baseada em métodos de análise de dados, processamento de sinais e rede neural
author Ferreira Filho, Antônio Aldísio de Sousa Alves
author_facet Ferreira Filho, Antônio Aldísio de Sousa Alves
author_role author
dc.contributor.author.fl_str_mv Ferreira Filho, Antônio Aldísio de Sousa Alves
dc.contributor.advisor1.fl_str_mv Cormane Angarita, Jorge Andrés
contributor_str_mv Cormane Angarita, Jorge Andrés
dc.subject.keyword.pt_BR.fl_str_mv Energia elétrica
Estatística
Redes neurais (Computação)
Energia elétrica - qualidade
Dados estatísticos
Processamento de sinais
topic Energia elétrica
Estatística
Redes neurais (Computação)
Energia elétrica - qualidade
Dados estatísticos
Processamento de sinais
description Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade UnB Gama, Engenharia Eletrônica, 2020.
publishDate 2020
dc.date.submitted.none.fl_str_mv 2020-12-15
dc.date.accessioned.fl_str_mv 2021-06-23T14:26:02Z
dc.date.available.fl_str_mv 2021-06-23T14:26:02Z
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.citation.fl_str_mv FERREIRA FILHO, Antônio Aldísio de Sousa Alves. Identificação de atributos e classificação de distúrbios da qualidade de energia elétrica baseada em métodos de análise de dados, processamento de sinais e rede neural. 2020. 59 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica)—Universidade de Brasília, Brasília, 2020.
dc.identifier.uri.fl_str_mv https://bdm.unb.br/handle/10483/27784
identifier_str_mv FERREIRA FILHO, Antônio Aldísio de Sousa Alves. Identificação de atributos e classificação de distúrbios da qualidade de energia elétrica baseada em métodos de análise de dados, processamento de sinais e rede neural. 2020. 59 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica)—Universidade de Brasília, Brasília, 2020.
url https://bdm.unb.br/handle/10483/27784
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.source.none.fl_str_mv reponame:Biblioteca Digital de Monografias da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Biblioteca Digital de Monografias da UnB
collection Biblioteca Digital de Monografias da UnB
bitstream.url.fl_str_mv http://bdm.unb.br/xmlui/bitstream/10483/27784/2/license.txt
http://bdm.unb.br/xmlui/bitstream/10483/27784/1/2020_AntonioAldisioAlvesFerreiraFilho_tcc.pdf
bitstream.checksum.fl_str_mv 21554873e56ad8ddc69c092699b98f95
3b06946bf7d393ae7ddbfe13a31d3dc4
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv bdm@bce.unb.br||patricia@bce.unb.br
_version_ 1813908046306344960

Registros relacionados