Redes neurais aplicadas a estimativa das perdas de transformadores trifásicos de distribuição
Carregando...
Arquivos
Data
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade do Estado do Amazonas
Resumo
This research presents a study of neural network applied to estimate losses in core and
winding of three-phase distribution network. The architecture of neural network used was
the topology Multiple Layer Perceptron and training algorithm Levenberg-Marquard that
use non-linear methods. From collate of data is create a database with all selected attribute
for subsequently be used on simulation of artificial neural networks. All samples of learning
are collected from transformers electric tests of automated software of routine testing used
in diverse transformers industry and concessionaire of electric energy. The test stage represents
15% of samples, this part represents not supervision stage of training process where
is possible observe ANN behavior after training stage (70% ofsamples) and validation (15%
of samples).The evaluation of neural network was made by tools Mean Square Error, Linear
Correlation Coefficient and graphic analyzer of cross validation process. From the train
process obtain accuracy of 80% and 96% of data samples test.
Descrição
Esta pesquisa apresenta um estudo da aplica¸c˜ao de redes neurais para estima¸c˜ao das
perdas no n´ucleo e enrolamento de transformadores trif´asicos de distribui¸c˜ao. A arquitetura
da rede neural utilizada foi a topologia Multiple Layer Perceptron e algoritmo de aprendizagem
Levenberg-Marquard que utiliza m´etodos n˜ao lineares. A partir de dados coletados ´e
criado um banco de dados com todos os atributos selecionados para subsequentemente serem
utilizados na simula¸c˜ao da rede neural artificial. Todas as amostras de aprendizagem foram
coletadas de ensaios el´etricos de transformados de software de automatiza¸c˜ao de ensaios de
rotina usado em diversas f´abricas de transformadores e concession´arias el´etricas. O est´agio
de teste representa 15% das amostras, esta parte representa a etapa n˜ao supervisionada do
processo de treinamento onde ´e poss´ıvel observar o comportamento da rede neural artificial
ap´os o est´agio de treinamento (70% das amostras) e valida¸c˜ao (15% das amostras). A avalia
¸c˜ao da rede neural artificial ´e feita pelas ferramentas Mean Square Error, Coeficiente de
Correla¸c˜ao Linear e an´alise gr´afica do processo de valida¸c˜ao cruzada. A partir do processo
de treino obteve-se exatid˜ao de 80% e 96% das amostras de teste.
Citação
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Atribuição-NãoComercial-SemDerivados 3.0 Brasil