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


Formato DC|



Título: SISTEMA HÍBRIDO DE APOIO À DECISÃO PARA DETECCÇÃO E DIAGNÓSTICO DE FALHAS EM REDES ELÉTRICAS
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Autor(es): LUIZ BIONDI NETO

Colaborador(es):  MARLEY MARIA BERNARDES REBUZZI VELLASCO - Orientador
MARCO AURELIO CAVALCANTI PACHECO - Orientador
Número do Conteúdo: 9301
Catalogação:  17/11/2006 Idioma(s):  PORTUGUÊS - BRASIL

Tipo:  TEXTO Subtipo:  TESE
Natureza:  PUBLICAÇÃO ACADÊMICA
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=9301@1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=9301@2
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.9301

Resumo:
O presente trabalho investiga a aplicação de um sistema híbrido baseado em Redes Neurais Artificiais (RNAs) e Sistemas Especialistas (SE) na detecção e diagnóstico de falhas em redes elétricas. A pesquisa consistiu de três partes principais:o estudo do problema da detecção e diagnóstico de falhas em redes elétricas; a modelagem e o desenvolvimento do sistema híbrido (RNAs e SE); e o estudo de casos. Na fase de estudo do problema, investigou-se a importância da detecção e do diagnóstico de falhas em redes elétricas, concentrando-se em sistemas elétricos dotados de grande quantidade de alarmes. Tais alarmes podem ocorrer simultaneamente. Conseqüentemente, os operadores de sistemas elétricos encontram dificuldades na identificação da falha e na tomada de decisão quanto à ação corretiva a ser adotada, cometendo, eventualmente, erros de diagnóstico. A investigação do problema também envolveu entrevistas com especialistas da área, visando não só de absorver conhecimento específico sobre o problema, como também delinear a melhor solução para resolvê-lo. A modelagem do sistema híbrido envolveu duas partes:a detecção das falhas, executada por um conjunto de RNAs; e o diagnóstico das falhas detectadas , realizado por um SE. Na detecção das falhas, um conjunto de quatro RNAs, cada uma especializada em um componente do sistema elétrico (gerador, transformador, barra e linha), tem a função de mapear grupos de alarmes acionados em falhas específicas. Trata-se, portanto, de um problema típico de classificação de padrões, onde cada rede neural é treinada usando-se o algoritmo de retropropagação. Os padrões de treinamento, fornecido por especialistas da área, consistem de combinações de 149 alarmes, para um total de 198 ocorrências (184 falhas simples mais 14 situações de operação normal). Após treinadas, as RNAs são testadas com amostras que refletem o estado dos alarmes em um certo período de funcionamento do sistema elétrico. As saídas das RNAs indicam, através de um código, a ocorrência de falhas ou o funcionamento normal do sistema elétrico, nesse período de observação. O SE, responsável pelo diagnóstico, recebe a saída numérica das RNAs, referente às falhas detectadas, e fornece ao operador informações importantes, tais como: quais alarmes foram acionados; quais equipamentos de proteção estão envolvidos na ocorrência; quais os motivos prováveis da ocorrência da falha; e, finalmente, sugere um conjunto de ações corretivas que podem ser tomadas pelo operador para solucionar o problema. Essas informações, não disponíveis diretamente na saída das RNAs, são obtidas através da aplicação de um conjunto específico de especialistas da área. O ambiente de simulação foi desenvolvido em plataforma PC. As RNAs foram implementadas em MatLab Vers: 4.2 e o SE, em Delphi Vers: 2.0. O estudo de casos empregou cerca de 1000 padrões de teste correspondentes ao estado dos 149 alarmes. Estes dados, fornecidos por especialistas do setor elétrico, foram obtidos através de adaptações de situações reais, adequadas ás dimensões do sistema elétrico adotado. Nos testes realizados, o sistema híbrido foi submetido a um conjunto de alarmes, afetados ou não por ruído, respondendo com sugestões quanto às ações corretivas que podem ser tomadas pelo operador. Foram realizados testes de falhas em geradores, tranformadores, barramentos e linhas de transmissão, envolvendo falhas simples e múltiplas no sistema elétrico. Com incidência de até 10% de ruído nos padrões de teste, o índice de acerto de detecção de falha é próxima de 100% e para taxas superiores a 20% o desempenho do sistema híbrido cai gradualmente. Segundo a avaliação de especialistas do setor elétrico, o sistema híbrido apresenta resposta rápida e segura, quando comparado com os processos tradicionais, totalmente dependentes do ser humano.

Descrição Arquivo
CAPA, AGRADECIMENTOS, RESUMO, ABSTRACT, SUMÁRIO E LISTAS  PDF  
CAPÍTULO 1  PDF  
CAPÍTULO 2  PDF  
CAPÍTULO 3  PDF  
CAPÍTULO 4  PDF  
CAPÍTULO 5  PDF  
CAPÍTULO 6  PDF  
BIBLIOGRAFIA E APÊNDICES  PDF  
Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



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