Use this identifier to cite or link to this item: http://hdl.handle.net/10737/2235
Full metadata record
DC FieldValueLanguage
dc.contributor.authorJunges, Estevan Luiz-
dc.date.accessioned2018-12-27T20:03:09Z-
dc.date.available2018-12-27T20:03:09Z-
dc.date.issued2018-10-09-
dc.date.submitted2018-07-09-
dc.identifier.citationJUNGES, Estevan Luiz. Detecção e classificação de faltas em linhas de transmissão utilizando redes neurais artificiais. 2018. Monografia (Graduação em Engenharia Elétrica) – Universidade do Vale do Taquari - Univates, Lajeado, 09 jul. 2018. Disponível em: http://hdl.handle.net/10737/2235. pt_BR
dc.identifier.urihttp://hdl.handle.net/10737/2235-
dc.description.abstractO presente trabalho apresenta uma proposta de um sistema de detecção e classificação de faltas em linhas de transmissão, baseado em redes neurais artificiais. O banco de dados para o treinamento e validação da rede neural foi gerado através do software de análise de transientes ATP, com o auxílio de um programa computacional desenvolvido para gerar o arquivo de circuito base da simulação de cada caso. A implementação da rede neural foi feita na linguagem Python, com a utilização das bibliotecas Keras, Tensorflow e Scikit-Learn especificas para aplicações de machine learning. A rede neural desenvolvida possui 6 entradas, que corresponde a corrente e a tensão de cada fase da linha de transmissão, e 11 saídas, que correspondem a cada um dos estados de operação do sistema. Os resultados obtidos mostram que a utilização de redes neurais artificiais é viável para a detecção e classificação de faltas.pt_BR
dc.description.abstractThis document proposes a transmission line fault detection and classification system, based on artificial neural networks. The dataset used for training and validating the neural network was generated with the transient analysis software ATP, aided by a computational program developed to create the base circuit file for each simulation case. The neural network implementation was made with the Python programing language and using the libraries Keras, Tensorflow and Scikit-Learn, that are specific to machine learning applications. The proposed neural network has 6 inputs that correspond to the voltage and current of each transmission line phase and 11 outputs that corresponds to each one of the system estates. The results show that artificial neural networks are a viable option for the problem of detection and classification of electrical faults in transmission lines.pt_BR
dc.language.isopt_BRpt_BR
dc.rightsopenAccesspt_BR
dc.subjectTransmissãopt_BR
dc.subjectDetecção de Faltaspt_BR
dc.subjectRedes Neurais Artificiaispt_BR
dc.titleDetecção e classificação de faltas em linhas de transmissão utilizando redes neurais artificiaispt_BR
dc.typebachelorThesispt_BR
mtd2-br.advisor.instituationUniversidade do Vale do Taquari - Univatespt_BR
mtd2-br.advisor.latteshttp://lattes.cnpq.br/8080628001402474pt_BR
mtd2-br.advisor.nameMadruga, Ederson Pereira-
bdu.cnpq.areaENGpt_BR
Appears in Collections:Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
2018EstevanJunges.pdf1,91 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons