36,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

Este manuscrito apresenta um método de extração de características baseado em transformada wavelet combinado com um par de redes neurais adaptativas ao longo do tempo para detectar e localizar faltas de alta impedância em redes de distribuição com presença de geração distribuída variante no tempo. Diferentes famílias wavelets, como Symlet, Daubechies and Biorthogonal, são avaliadas como método de extração de características. A rede neural adaptativa proposta utiliza um algoritmo incremental de aprendizado, que permite a rede aprender e auto adaptar-se a partir de um fluxo de dados online. O…mehr

Produktbeschreibung
Este manuscrito apresenta um método de extração de características baseado em transformada wavelet combinado com um par de redes neurais adaptativas ao longo do tempo para detectar e localizar faltas de alta impedância em redes de distribuição com presença de geração distribuída variante no tempo. Diferentes famílias wavelets, como Symlet, Daubechies and Biorthogonal, são avaliadas como método de extração de características. A rede neural adaptativa proposta utiliza um algoritmo incremental de aprendizado, que permite a rede aprender e auto adaptar-se a partir de um fluxo de dados online. O algoritmo permite que o modelo de rede neural capture novidades e, portanto consiga lidar com comportamentos não estacionários. Modelos do IEEE validados empiricamente foram usados para gerar bases de dados contendo ocorrências de falta e de situações usuais em redes de distribuição. Resultados comparativos de classificação dos dados sintéticos, utilizando redes neurais feed-forward, função base radial, recorrente e rede evolutiva são apresentados.
Autorenporträt
Mestre em engenharia elétrica e bacharel em Engenharia de Controle e Automação pela PUC Minas. Pyramo e Daniel são doutores pela Faculdade de Engenharia Elétrica da UNICAMP. Daniel é pós-doutor em modelagem e controle inteligente pela UFMG.