Previsão de distorção harmônica em cargas residenciais utilizando redes neuro-fuzzy
Este trabalho apresenta uma modelagem para DHTv%, DHTi% e harmônicos individuais utilizando previsões de um sistema ANFIS que aprende com dados medidos e prevê o comportamento da rede para valores futuros. Estas previsões podem ajudar a atender as normas nacionais de DHTv% estipuladas pela Agência N...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2018 |
| País: | Brasil |
| Institución: | Universidade Federal do Pará (UFPA) |
| Repositorio: | Repositório Institucional da UFPA |
| Idioma: | portugués |
| OAI Identifier: | oai:repositorio.ufpa.br:2011/10267 |
| Acceso en línea: | http://repositorio.ufpa.br/jspui/handle/2011/10267 |
| Access Level: | acceso abierto |
| Palabra clave: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA Qualidade de energia elétrica Modelagem Distorções harmônicas de tensão Distorções harmõnicas de corrente Sistema neuro-fuzzy ANFIS - Sistema de interferência difusa baseada em rede adaptativa. Electric power quality Modelling Harmonic distortion Neuro-fuzzy system ANFIS - Adaptive network-based fuzzy interferece system SISTEMAS DE POTÊNCIA SISTEMAS DE ENERGIA ELÉTRICA |
| Sumario: | Este trabalho apresenta uma modelagem para DHTv%, DHTi% e harmônicos individuais utilizando previsões de um sistema ANFIS que aprende com dados medidos e prevê o comportamento da rede para valores futuros. Estas previsões podem ajudar a atender as normas nacionais de DHTv% estipuladas pela Agência Nacional de Energia Elétrica (ANEEL) através dos Procedimentos de Distribuição (PRODIST), como as normas internacionais de DHTi%., desta forma se antecipando às normas que atualmente são recomendativas, mas em um futuro próximo serão punitivas. A modelagem é realizada por meio de um sistema Neuro-Fuzzy denominado ANFIS, o qual utiliza rede neural para aprender o comportamento do sistema e ajuste dos parâmetros e regra Fuzzy para a determinação dos valores de saída do sistema levando em consideração o aprendizado da rede Neural. A grande vantagem desta ferramenta é o poder de se modelar padrões utilizando uma previsão de estado harmônico das cargas conectadas na baixa tensão, o que ajuda na criação de pseudomedidas para as redes de distribuição, onde é difícil e oneroso a obtenção de medições reais. Entre as aplicações práticas para esta ferramenta pode-se destacar a utilização dos valores previstos em substituição a valores anômalos medidos, a utilização em medidores de energia para prever e evitar a ultrapassagem dos valores de Distorção Harmônico estipulados em norma e a utilização como base para a previsão de harmônicas individuais, que podem ser utilizadas em estudos de fluxo de carga harmônicos. |
|---|