Detalhes bibliográficos
| Ano de defesa: |
2010 |
| Autor(a) principal: |
Martins, João Roberto Deroco [UNESP] |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Estadual Paulista (Unesp)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://hdl.handle.net/11449/87047
|
Resumo: |
Este trabalho apresenta uma metodologia para detecção e classificação de faltas do tipo curto-circuito. Esta operação de diagnóstico tem como principal operador um banco de redes neurais artificiais (RNAs) do tipo ARTMAP Nebulosa. Tal ferramenta segue a principal filosofia das RNAs: o reconhecimento de padrões, através de um trei- namento supervisionado inicial, responsável por atualizar os parâmetros das redes con- comitantemente com os resultados desejados. Finalizada a fase de adaptação, as redes serão capazes de, após receber novos padrões, classificá-los, de forma a propiciar, ao operador, informações importantes quanto ao estado de transmissão de barras presentes em um determinado complexo elétrico. Aqui, tomou-se como modelo a simulação de um grande alimentador real, composto por mais de 800 barras. Aliados às RNAs, tam- bém foram aplicadas, no que se refere à análise de dados amostrados de corrente elétri- ca, duas importantes e flexíveis ferramentas matemáticas: a Transformada de Fourier e a Transformada Wavelet. .Observa-se, ao final do trabalho, que os resultados apresenta- dos são bastante encorajadores, o que possibilitaria a utilização do programa em um ambiente real |
