Escolar Documentos
Profissional Documentos
Cultura Documentos
1
afundamentos de tensão, elevações de tensão, transitórios A Figura 1, ilustra um neurônio, no qual pode ser observado
oscilatórios, efeito notch e spike, obtendo eficiências um conjunto de sinapses ou elos de conexão, cada uma
superiores a 96%. Já em [5], a rede neural apresentou um caracterizada por um peso. Especificamente, um sinal 𝑥𝑗 na
índice de acerto de 86,63% dos distúrbios do sistema de entrada da sinapse j conectada ao neurônio 𝑘 é multiplicada
energia para uma baixa taxa de amostras por ciclo. Quando pelo peso sináptico 𝑤𝑘𝑗 . A outra etapa consiste em um
esse valor é elevado, tem-se um maior índice de acerto, sendo combinador linear, ou seja, a soma dos sinais de entrada,
este de 92,44%. ponderados pelas respectivas sinapses do neurônio. Por fim,
Esse trabalho tem o objetivo de classificar os distúrbios: tem-se a função de ativação para restringir a amplitude da
transitório, elevação de tensão, afundamento de tensão. Para saída, podendo ser um intervalo unitário fechado [0, 1] ou
isso, utilizou-se a ferramenta computacional, rede neural alternativamente [-1, 1] [7].
artificial. Ademais, o trabalho está organizado em
fundamentação teórica, discussão dos resultados e a Figura 1: Modelo não-linear de um neurônio.
conclusão.
2
conhecida como perceptron. Para que ela reconheça esses cinco diferentes possibilidades de transitórios. Vale ressaltar
padrões, ela deve ser treinada, adquirindo conhecimento, que os transitórios obtidos no simulink não apresentaram uma
ajustando assim os pesos das conexões sinápticas a cada oscilação elevada, então acrescentou uma soma de senoides de
iteração, para que o erro seja cada vez menor e a saída torne- diferentes frequências no momento do chaveamento,
se cada vez mais próxima da desejada [8]. resultando, por exemplo, na Figura 4.
Figura 5: Sobretensão.
Figura 6: Subtensão.
3
Tabela 1: Conjunto de dados A avaliação da rede neural baseia-se na entropia cruzada
que interpreta o sinal de treinamento e as saídas da rede como
Situação Conjunto de dados probabilidades e o algoritmo minimiza a diferença entre estas
Normal 2
Transitório 5 probabilidades [9]. Na Figura 8, pode-se observar as iterações
Sobretensão 9 com entropia cruzada para o treino, validação e teste, vale
Subtensão 9 ressaltar que o menor erro para a validação foi na sétima
iteração com valor de 0,033874. Além disso, observa-se que o
A saída da rede era composta de 4 vetores, sendo cada um teste e o treino apresentaram decaimento com o aumento das
associado a uma situação do sistema elétrico, como observado iterações.
na Tabela II.
Figura 8: Entropia Cruzada.
Tabela 2: Saída da rede neural
4
Tabela 4: Índice de acerto REFERÊNCIAS
Situação Índice de acerto [1] Heydt, G. T. Electric power quality: a tutorial
Normal 100%
introduction, IEEE Comput Applicat Power. Pp. 15-19,
Transitório 90%
Sobretensão 100% 1998.
Subtensão 100% [2] Oleskovicz, M. Apostila de Qualidade de Energia. Escola
Média 97,5% de Engenharia de São Carlos, 2004.
[3] Agência Nacional de Energia Elétrica – ANEEL;
V. CONCLUSÃO PRODIT- Módulo 8. Disponível em:
<http://www.aneel.gov.br/modulo-8> Acesso em19 de
Pode-se afirmar, portanto, que a aplicação da rede neural Junho de 2018.
artificial apresentou elevada eficiência na classificação, [4] Ferreira, D. D.; Marques, C. A. G; Cerqueira, A. S.;
apresentando resultados similares às das referências [4] e [5], Duque, C. A; Ribeiro, M. V. “Sistema Automático de
apesar de que para esse trabalho utilizou-se um sistema mais Detecção e Classificação de Distúrbios Elétricos em
simples, porém foram utilizados uma quantidade inferior de Qualidade da Energia Elétrica. Controle & Automação.
dados. Vol. 20, pp. 53-62, 2008.
Vale ressaltar também que durante a etapa de utilização de [5] Cândido, C. K. S. S. Classificação de distúrbios na rede
novos dados, a classificação do transitório apresentou um elétrica usando redes neurais e wavelets. Tese de
menor índice de acerto quando comparado com casos de doutorado – Universidade Federal do Rio Grande do
sobretensão, subtensão e sistema sem distúrbios. Isso se deve Norte, Natal, 2008.
ao fato de que o transitório apresenta uma oscilação grande, e [6] Agência Nacional de Energia Elétrica – ANEEL;
com a utilização de poucos dados, a rede neural treinada “Procedimentos de Distribuição de Energia Elétrica no
tornou-se propícia a erro, dependendo do novo dado que fosse Sistema Elétrico Nacional – PRODIST, Módulo 8 –
inserido nela. Qualidade da Energia Elétrica.
Além disso, pode-se afirmar que para trabalhos futuros, [7] Haykin, S. “Redes Neurais: Princípios e prática”. Porto
pode-se utilizar outros softwares para simular o transitório que Alegre - RS:Bookman, 2001.
apresentam melhor eficiência de simulação como o ATPDraw. [8] Dutra, V. P. Redes Neurais e o Reconhecimento de
Outra possibilidade, é a utilização de um banco de dados reais padrões de texto. Universidade de São Francisco, 2011.
para o treinamento da rede, e em seguida, aplicar para um novo [9] Engel, P. M. Redes Neurais, Métodos Híbridos de
conjunto de dados. E por fim, também pode-se utilizar outros Aprendizagem. A rede KBANN. Notas de Aula.
problemas da qualidade da energia para a classificação como Universidade Federal do Rio Grande do Sul.
os harmônicos, efeito notch.