Otimização não linear e redes neurais artificiais ferramentas na classificação e localização de faltas em linhas de transmissão

Página do item simplificado
dc.contributor.advisorMattos, Thiago Gomes de
dc.contributor.advisor-coSilveira, Eduardo Gonzaga da
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/2888501805559990
dc.contributor.advisorLatteshttp://lattes.cnpq.br/9832733706852720
dc.contributor.authorRocha, Simone Aparecida
dc.contributor.authorLatteshttp://lattes.cnpq.br/8583498795564823
dc.contributor.refereeMattos, Thiago Gomes de
dc.contributor.refereeSilveira, Eduardo Gonzaga da
dc.contributor.refereePereira Filho, Clever Sebastião
dc.contributor.refereeVieira, Douglas Alexandre Gomes
dc.contributor.refereeCardoso, Rodrigo Tomás Nogueira
dc.date.accessioned2025-04-16T16:36:43Z
dc.date.available2025-04-16T16:36:43Z
dc.date.issued2021-02-13
dc.description.abstractEste trabalho apresenta aplicações de Redes Neurais Artificiais (RNAs) e Técnicas de Otimização Não Linear (ONL) para classificar, localizar faltas em linhas de transmissão e determinar o valor das resistências de defeito, utilizando dados de faltas simuladas em um programa de transitórios eletromagnéticos e de faltas reais ocorridas no sistema elétrico brasileiro. As RNAs implementadas possuem topologia Multilayer Perceptron, método de aprendizagem supervisionado Backpropagation, algoritmo de treinamento Levenberg Marquardt e função de ativação tangente-sigmoide, variando-se para cada tarefa o número de redes e neurônios. A etapa de classificação é realizada por uma RNA, a localização de faltas e a determinação da resistência de falta são executadas por 4 RNAs e também pela aplicação de técnicas de Otimização Não Linear mono-objetivo para a minimização de funções objetivo descritivas do problema. As funções objetivo foram definidas em termos dos parâmetros da linha e do tipo de falta obtido na etapa de classificação e submetidas aos métodos de QuasiNewton, Elipsoidal e Algoritmo Genético Real Polarizado. A localização também é realizada por um método analítico, utilizado como referência para a comparação dos resultados. Na classificação, as respostas mostraram-se corretas em todos os testes realizados. Na localização, a aplicação do teste ANOVA para os dados simulados revelou, com 5% de significância, evidências estatísticas de que o tipo de método utilizado afetou o erro percentual em relação ao comprimento da linha de transmissão. Neste sentido, o teste de Tukey sinalizou erros menores com a utilização das RNAs e maiores com a utilização do método analítico implementado, ficando as técnicas de Otimização Não Linear com erros intermediários. Para casos reais de localização do curto-circuito, diferente da situação verificada em ambientes simulados, o teste de Tukey evidenciou maiores erros percentuais com a utilização das RNAs, sinalizando também a inexistência de evidências estatísticas para rejeitar a igualdade entre a localização de faltas efetuada pelo método analítico e os métodos de Otimização Não Linear.
dc.description.abstractotherThis paper describes implementations of Artificial Neural Networks (ANNs) and Non-Linear Optimization techniques (NLO) to classify and locate faults in transmission lines and identify the fault resistance value by using data from simulated faults in an electromagnetic transients program and real faults occurring in the Brazilian transmission line. The ANNs have Multilayer Perceptron topology, supervised Learning Method Backpropagation, LevenbergMarquardt algorithm training and tangent-sigmoid activation function, varying for each fault the number of networks and neurons. The classification step is performed by an ANN, fault location and fault resistance determination are performed by 4 ANNs and also by the application of mono-objective Nonlinear Optimization techniques to minimize objective descriptive functions of the problem. The objective functions were defined in terms of the line parameters and the fault type obtained in the classification step and submitted to the QuasiNewton, Ellipsoidal and Real Polarized Genetic Algorithm methods. The location is also performed by the analytical method used as a reference for comparing the findings. During classification, the answers were found to be correct in all tests performed. During location, the application of ANOVA test for the simulated data revealed, with 5% of significance, the existence of statistical evidence which allowed us to conclude that the main effects of the type of method used affect the percentage error in relation to the transmission line length. Thus, the Tukey test signaled lower errors with the use of ANN and higher errors with the use of the analytical method. Techniques of non-Linear optimization yielded intermediate errors. For real cases, different from the conditions observed in simulated conditions, the Tukey test emphasized bigger percentual errors with the use of ANNs, also signaling the lack of statistical evidence to reject the equality between fault location performed through the analytical method and nonlinear optimization methods.
dc.identifier.urihttps://repositorio.cefetmg.br//handle/123456789/1236
dc.language.isopt
dc.publisherCentro Federal de Educação Tecnológica de Minas Gerais
dc.publisher.countryBrasil
dc.publisher.initialsCEFET-MG
dc.publisher.programPrograma de Pós-Graduação em Modelagem Matemática e Computacional
dc.subjectMétodos numéricos de otimização
dc.subjectProgramação não linear
dc.subjectRedes neurais
dc.subjectEletricidade
dc.titleOtimização não linear e redes neurais artificiais ferramentas na classificação e localização de faltas em linhas de transmissão
dc.typeDissertação

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Otimização não linear e redes neurais artificiais ferramentas na.pdf
Tamanho:
6.86 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.39 KB
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar

Coleções

Mestrado em Modelagem Matemática e Computacional