Sistema automático de detecção e classificação de distúrbios elétricos em qualidade da energia elétrica

dc.creatorFerreira, Danton Diego
dc.creatorMarques, Cristiano Augusto Gomes
dc.creatorCerqueira, Augusto Santiago
dc.creatorDuque, Carlos Augusto
dc.creatorRibeiro, Moisés Vidal
dc.date2019-01-21T20:09:21Z
dc.date2019-01-18
dc.date2019-01-21T20:09:21Z
dc.date2009-01
dc.date.accessioned2023-09-29T16:38:21Z
dc.date.available2023-09-29T16:38:21Z
dc.identifierhttp://dx.doi.org/10.1590/S0103-17592009000100005
dc.identifierhttps://repositorio.ufjf.br/jspui/handle/ufjf/8572
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/9137806
dc.descriptionThis contribution outlines signal processing-based algorithms for the detection and classification of voltage disturbances in power system. Basically filtering technique is applied to decompose the voltage signal into two primitive components which are named fundamental and error ones, then higher-order statistics (HOS)-based feature are selected and applied to detect and classify disturbances. Bayes- and Neural Network-based techniques are designed for the detection and classification respectively. The system was simulated considering six classes of disturbances, achieving a global efficiency about 100% to such disturbances. The performance of the method is compared with other methods presented in the literature.
dc.descriptionEste trabalho apresenta um sistema de detecção e classificação de distúrbios de qualidade da energia elétrica (QEE) que se baseia na decomposição do sinal de tensão em dois novos sinais, referentes à componente fundamental e ao sinal de erro e, em seguida, utiliza Estatísticas de Ordem Superior (EOS) para extrair parâmetros representativos de cada classe para simplificar o algoritmo de detecção e classificação. Como detector é utilizado um algoritmo baseado na teoria de Bayes e para implementar o algoritmo de classificação utilizou-se uma rede neural artificial. O sistema foi testado em simulações para seis classes de distúrbios, apresentando uma eficiência global próxima a 100% para tais distúrbios. Os resultados aqui apresentados são comparados com os resultados de outros sistemas propostos na literatura.
dc.formatapplication/pdf
dc.languagepor
dc.publisher-
dc.publisherBrasil
dc.publisher-
dc.relationSba: Controle & Automação Sociedade Brasileira de Automatica
dc.rightsAcesso Aberto
dc.subjectQualidade da energia elétrica
dc.subjectEstatísticas de ordem superior
dc.subjectRede neural artificial
dc.subjectPower quality
dc.subjectHigher-order statistics
dc.subjectArtificial neural network
dc.subject-
dc.titleSistema automático de detecção e classificação de distúrbios elétricos em qualidade da energia elétrica
dc.typeArtigo de Periódico


Este ítem pertenece a la siguiente institución