ESTUDO DA APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA IDENTIFICAÇÃO DE CURTO-CIRCUITOS NO SISTEMA ELÉTRICO DE DISTRIBUIÇÃO

Autores

  • Luis Eduardo Anitelli Artero Universidade do Oeste Paulista - UNOESTE
  • Weslen Gabriel dos Santos Piveta Universidade do Oeste Paulista - UNOESTE
  • Rafael Bratifich
  • Marcelo Marques da Silva Universidade do Oeste Paulista - UNOESTE

Palavras-chave:

Redes neurais artificiais, modelos computacionais, Perceptron multicamadas

Resumo

O algoritmo de redes neurais artificiais (RNA), são modelos computacionais que possuem a capacidade de realizar generalização, inferências, identificação e classificação de informações e padrões. De modo que, nesse trabalho foi desenvolvido um estudo através da criação de uma rede neural classificadora de padrões a fim de identificar e classificar os tipos de curto-circuito que ocorrem no sistema elétrico de distribuição. Assim, desenvolveu-se uma rede neural perceptron multicamadas no software Matlab com 3 camadas escondidas, 25 neurônios em cada camada escondida e função de ativação do tipo tangente hiperbólica. A PMC foi treinada utilizando-se dados simulados de curto-circuito no software ATPDraw e apresentou uma eficiência de 94.7% na identificação dos curtos-circuitos na etapa de validação. A rede treinada também conseguiu avaliar curtos-circuitos em um barramento de testes de 9 barras da IEEE demonstrando potencial para ser aplicada como medida adicional de informação da rede nos centros de operação integrado (COI).

Downloads

Os dados de download ainda não estão disponíveis.

Referências

HOIDALEN, H. K. N. Atpdraw. [2020]. Disponível em: https://www.atpdraw.net/news.php. Acesso em: 12 ago. 2021.

HAQUE, M. T.; KASHTIBAN, A. Application of Neural Networks in Power Systems; A Review. World Academy of Science, Engineering and Technology, 2005.

HAYKIN, S. Redes Neurais Artificiais Princípios e prática. 2. ed. São Paulo: Prentice Hall, 2001

KALOGIROU, S.; KALOGIROU, S. A.; Artificial neural networks in renewable energy systems applications: a review. Renew Sustain. v. 5, 2001. https://doi.org/10.1016/S1364-0321(01)00006-5

KINDERMANN, G. Curto –circuito. 2.ed. Porto Alegre: Sagra Luzzato, 1997.

KINGMA, D. P.; BA, J. L. Adam: a method for stochastic optimization. In:

INTERNATIONAL CONFERENCE ON LEARNING REPRESENTATIONS. 2015. Anais [...]. 2015. Disponível em: chrome-extension://dagcmkpagjlhakfdhnbomgmjdpkdklff/enhanced-reader.html?openApp&pdf=https%3A%2F%2Farxiv.org%2Fpdf%2F1412.6980.pdf

Acesso em: 20 abr. 2022.

KOHAVI, R. A Study of Cross-Validation and Bootstrap for Accuracy Estimation and Model Selection. In: INTERNATIONAL JOINT CONFERENCE ON ARTIFICIAL INTELLIGENCE. Anais [...]. Canadá: Stanford: Computer Science Department, 1995.

MATHWORKS. 1994. DIsponível em: https://www.mathworks.com/company.html?s_tid=hp_ff_a_company

Acesso em 10 ago. 2021.

NERI JUNIOR, A. L. Uma revisão da transformada wavelet aplicada à localização de faltas de energia em redes elétricas de transmissão e distribuição. In: SIMPÓSIO BRASILEIRO DE SISTEMAS ELÉTRICOS. 2016. Natal. Anais [...]. Natal: SBSE, 2016.

OLESKOVICZ, M. Aplicação de redes neurais artificiais na proteção de distância. 2001. Tese (Doutorado em Sistemas Elétricos de Potência) - Universidade de São Paulo, São Carlos, 2001.

OLIVEIRA, Â. R. Redes neurais artificiais aplicadas na detecção, classificação. Juiz de Fora: Universidade Federal de Juiz de Fora, 2005.

PRASAD, A.; EDWARD, B. J. Importance of Artificial Neural Networks for Location. In: International Conference on Intelligent Systems and Control. 2017. p. 11.

RUMELHART, D. E.; HINTON, G. E.; WILLIAMS, R. J. Learning Internal Representations by Error Propagation. In: Parallel Distributed Processing: Explorations in the Microstructure of Cognition, Foundations. Cambridge: MA: MIT Press, 1986. v.1. https://doi.org/10.7551/mitpress/5236.001.0001

SILVA, I. N.; SPATTI, D. H.; FLAUZINO, R. A. Redes Neurais Artifciciais: para Engenharia e Ciências Aplicadas 2. ed. São Paulo: Artliber, 2010.

SILVA, J. V. M. Learning para detecção de faltas em um sistema elétrico 2019. 79 p. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica) - Universidade Federal de Santa Catarina, Florianópolis, SC, 2019. Disponível em: https://repositorio.ufsc.br/bitstream/handle/123456789/203010/TCC.pdf?sequence=1&isAllowed=y. Acesso em: 11 nov. 2021.

STEVENSON, W. D. Elementos de análise de sistemas de potência. 2. ed. São Paulo: McGraw-Hill, 1986.

Downloads

Publicado

2023-01-05

Como Citar

ESTUDO DA APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA IDENTIFICAÇÃO DE CURTO-CIRCUITOS NO SISTEMA ELÉTRICO DE DISTRIBUIÇÃO. (2023). Colloquium Exactarum. ISSN: 2178-8332, 14(1), 164-177. https://journal.unoeste.br/index.php/ce/article/view/4521

Artigos Semelhantes

1-10 de 57

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.