Metodologia para compressão de sinais de energia elétrica a partir de registros de forma de onda utilizando algorítmos genéticos e redes neurais artificiais
This thesis proposes a methodology for compression of electrical power signals from waveform records in electric systems, using genetic algorithm (GA) and artificial neural network (ANN).The genetic algorithm is used to select and preserve the points that better characterize the waveform contoursA a...
| Autor principal: | BARROS, Fabíola Graziela Noronha |
|---|---|
| Grau: | Tese |
| Idioma: | por |
| Publicado em: |
Universidade Federal do Pará
2017
|
| Assuntos: | |
| Acesso em linha: |
http://repositorio.ufpa.br/jspui/handle/2011/8234 |
| id |
ir-2011-8234 |
|---|---|
| recordtype |
dspace |
| spelling |
ir-2011-82342022-04-11T14:16:59Z Metodologia para compressão de sinais de energia elétrica a partir de registros de forma de onda utilizando algorítmos genéticos e redes neurais artificiais BARROS, Fabíola Graziela Noronha BEZERRA, Ubiratan Holanda http://lattes.cnpq.br/6542769654042813 NUNES, Marcus Vinícius Alves http://lattes.cnpq.br/9533143193581447 Compressão de sinais de energia elétrica Algoritmos genéticos Redes neurais Artificiais Inteligência computacional Compression of electrical power signals Genetics algorithms Artificial neural networks Computational intelligence CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAO This thesis proposes a methodology for compression of electrical power signals from waveform records in electric systems, using genetic algorithm (GA) and artificial neural network (ANN).The genetic algorithm is used to select and preserve the points that better characterize the waveform contoursA and the artificial neural network is used in the compression of other points as well as on the signal reconstruction process. Thus, the data resulting are formed by a part of the original signal and by a compressed complementary part in the form of synaptic weights. The proposed methodology selects and preserves a percentage of the original signal samples, which are aspects not explored in the literature. The method was tested using field data obtained from an oscillographic recorder installed in a 230kV electrical power system. The results presented compression rates ranging from 88.36 to 95.86 for preservation rates ranging from 2.5 to 10 , respectively. FAPESPA - Fundação Amazônia de Amparo a Estudos e Pesquisas O presente trabalho propõe uma metodologia para compressão de sinais de energia elétrica a partir de registros de forma de onda em sistemas de energia, utilizando algoritmos genéticos (AG) e redes neurais artificiais (RNA). O algoritmo genético é utilizado para selecionar e preservar os pontos que melhor caracterizam os contornos da forma de onda e a rede neural artificial é utilizada na compressão dos demais pontos bem como no processo de reconstrução do sinal. Assim, os dados resultantes são formados por uma parte do sinal original e pela parte complementar comprimida sob a forma de pesos sinápticos. A metodologia proposta seleciona e preserva um percentual de amostras do sinal original, que são aspectos não explorados na literatura. A metodologia foi testada usando dados reais obtidos a partir de um oscilógrafo instalado em um sistema de energiaelétrica de 230 kV. Os resultados apresentam taxas de compressão que variam de 88,36% a 95,86%* para taxas de preservação de pontos do sinal original que variam de 2,5% a 10% respectivamente. 2017-04-24T16:58:53Z 2017-04-24T16:58:53Z 2016-12-16 Tese BARROS, Fabíola Noronha. Metodologia para compressão de sinais de energia elétrica a partir de registros de forma de onda utilizando algorítmos genéticos e redes neurais artificiais. 2016. 96 f. Orientador: Ubiratan Holanda Bezerra; Coorientador: Marcus Vinicius Alves Nunes. Tese (Doutorado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2016.Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/8234. Acesso em:. http://repositorio.ufpa.br/jspui/handle/2011/8234 por Acesso Aberto application/pdf Universidade Federal do Pará Brasil Instituto de Tecnologia UFPA Programa de Pós-Graduação em Engenharia Elétrica |
| institution |
Repositório Institucional - Universidade Federal do Pará |
| collection |
RI-UFPA |
| language |
por |
| topic |
Compressão de sinais de energia elétrica Algoritmos genéticos Redes neurais Artificiais Inteligência computacional Compression of electrical power signals Genetics algorithms Artificial neural networks Computational intelligence CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAO |
| spellingShingle |
Compressão de sinais de energia elétrica Algoritmos genéticos Redes neurais Artificiais Inteligência computacional Compression of electrical power signals Genetics algorithms Artificial neural networks Computational intelligence CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAO BARROS, Fabíola Graziela Noronha Metodologia para compressão de sinais de energia elétrica a partir de registros de forma de onda utilizando algorítmos genéticos e redes neurais artificiais |
| topic_facet |
Compressão de sinais de energia elétrica Algoritmos genéticos Redes neurais Artificiais Inteligência computacional Compression of electrical power signals Genetics algorithms Artificial neural networks Computational intelligence CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::ANALISE DE ALGORITMOS E COMPLEXIDADE DE COMPUTACAO |
| description |
This thesis proposes a methodology for compression of electrical power signals from waveform records in electric systems, using genetic algorithm (GA) and artificial neural network (ANN).The genetic algorithm is used to select and preserve the points that better characterize the waveform contoursA and the artificial neural network is used in the compression of other points as well as on the signal reconstruction process. Thus, the data resulting are formed by a part of the original signal and by a compressed complementary part in the form of synaptic weights. The proposed methodology selects and preserves a percentage of the original signal samples, which are aspects not explored in the literature. The method was tested using field data obtained from an oscillographic recorder installed in a 230kV electrical power system. The results presented compression rates ranging from 88.36 to 95.86 for preservation rates ranging from 2.5 to 10 , respectively. |
| author_additional |
BEZERRA, Ubiratan Holanda |
| author_additionalStr |
BEZERRA, Ubiratan Holanda |
| format |
Tese |
| author |
BARROS, Fabíola Graziela Noronha |
| title |
Metodologia para compressão de sinais de energia elétrica a partir de registros de forma de onda utilizando algorítmos genéticos e redes neurais artificiais |
| title_short |
Metodologia para compressão de sinais de energia elétrica a partir de registros de forma de onda utilizando algorítmos genéticos e redes neurais artificiais |
| title_full |
Metodologia para compressão de sinais de energia elétrica a partir de registros de forma de onda utilizando algorítmos genéticos e redes neurais artificiais |
| title_fullStr |
Metodologia para compressão de sinais de energia elétrica a partir de registros de forma de onda utilizando algorítmos genéticos e redes neurais artificiais |
| title_full_unstemmed |
Metodologia para compressão de sinais de energia elétrica a partir de registros de forma de onda utilizando algorítmos genéticos e redes neurais artificiais |
| title_sort |
metodologia para compressão de sinais de energia elétrica a partir de registros de forma de onda utilizando algorítmos genéticos e redes neurais artificiais |
| publisher |
Universidade Federal do Pará |
| publishDate |
2017 |
| url |
http://repositorio.ufpa.br/jspui/handle/2011/8234 |
| _version_ |
1832605163281448960 |
| score |
11.755432 |