$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Estatísticas | Formato DC|



Título: MAPPING NETWORK LOSSES AND DISTRIBUTION LINE FLOWS WITH ARTIFICIAL NEURAL NETWORKS
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Autor(es): MARIANA DE ARAGAO RIBEIRO RODRIGUES

Colaborador(es):  ALEXANDRE STREET DE AGUIAR - Orientador
ERICA TELLES CARLOS - Coorientador
Número do Conteúdo: 54970
Catalogação:  23/09/2021 Idioma(s):  ENGLISH - UNITED STATES

Tipo:  TEXT Subtipo:  THESIS
Natureza:  SCHOLARLY PUBLICATION
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54970@1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54970@2
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.54970

Resumo:
The power flow calculation on an electric network consists of determining the network s state, power flows and electrical losses on the lines, and total losses on the feeder. In this type of problem, the system s modeling is static, and the network is represented by a set of algebraic equations and inequations. Different solution methods were proposed in the literature to perform power flow calculations. However, for distribution networks, these methods must be able to model, with sufficient details, some unique features of these systems, such as their near radial structure, the unbalanced nature of the loads, and distributed generators insertion. Besides that, modeling the consumption pattern in distribution systems is more complex, and the line parameters are more difficult to be obtained when compared to the transmission system. Hence, applying traditional methods for power flow calculations in distribution networks may lead to divergent solutions. Within this context, this work proposes a new approach for power flow calculations in distribution systems based on Machine Learning. The proposed models use Artificial Neural Networks (ANNs) to predict the active internal losses of a distribution network and the power flows at the borders with the transmission system. Numerical simulations demonstrate the effective performance of the proposed approach, as well as its computational advantages over benchmark software programs since, once trained, ANNs can approximate power flow calculations extremely fast, as only matrix operations are needed. Moreover, the work presents an application of the ANN methodology proposed: predictions of the flows at the borders with the transmission network were used to generate optimal demand contracts for a real distribution system in Brazil.

Descrição Arquivo
COMPLETE  PDF
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui