Use este identificador para citar ou linkar para este item:
https://ri.unir.br/jspui/handle/123456789/5229
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.author | Silva, Lucas Luiz Ribeiro | - |
dc.date.accessioned | 2024-04-16T14:05:49Z | - |
dc.date.available | 2024-04-16T14:05:49Z | - |
dc.date.issued | 2024 | - |
dc.identifier.citation | SILVA, Lucas Luiz Ribeiro. Implementação de uma função de proteção de distância (ANSI 21) para linhas de transmissão utilizando redes neurais artificiais. 69 f.: il. Monografia (Graduação em Engenharia Elétrica) - Fundação Universidade Federal de Rondônia, Porto Velho, 2024. | pt_BR |
dc.identifier.uri | https://ri.unir.br/jspui/handle/123456789/5229 | - |
dc.description.abstract | Este trabalho apresenta a implementação de uma função de proteção de distância (ANSI 21) para linhas de transmissão usando rede neural artificial. O objetivo é identificar e classificar tipos de faltas em linhas de transmissão, utilizando a linguagem Python e a biblioteca TensorFlow. O estudo aborda a importância da proteção de distância em sistemas elétricos de potência e propõe uma solução nao ussual para a implementação dessa função de proteção. A metodologia inclui simulações de faltas, coleta e pré-processamento de dados, definição da arquitetura da RNA, treinamento e teste da rede. Os resultados demonstram a eficácia da RNA na detecção de faltas, com potencial para contribuir com a eficiência e segurança das redes elétricas. O trabalho sugere temas para futuras pesquisas, visando aprimorar a proteção em sistemas elétricos de potência. | pt_BR |
dc.description.provenance | Submitted by Lucas Silva (lucasluizplay@gmail.com) on 2024-04-16T01:11:44Z No. of bitstreams: 1 Trabalho de Conclusão de Curso - Lucas Luiz Ribeiro Silva - Versão Final.pdf: 1951406 bytes, checksum: 02691482469015d06dfb7d749a2e28bc (MD5) | en |
dc.description.provenance | Approved for entry into archive by VANESSA MEDEIROS DE REBELO (vanessarebelo@unir.br) on 2024-04-16T14:05:49Z (GMT) No. of bitstreams: 1 Trabalho de Conclusão de Curso - Lucas Luiz Ribeiro Silva - Versão Final.pdf: 1951406 bytes, checksum: 02691482469015d06dfb7d749a2e28bc (MD5) | en |
dc.description.provenance | Made available in DSpace on 2024-04-16T14:05:49Z (GMT). No. of bitstreams: 1 Trabalho de Conclusão de Curso - Lucas Luiz Ribeiro Silva - Versão Final.pdf: 1951406 bytes, checksum: 02691482469015d06dfb7d749a2e28bc (MD5) Previous issue date: 2024 | en |
dc.language.iso | pt_BR | pt_BR |
dc.subject | Rede neural artificial | pt_BR |
dc.subject | Python | pt_BR |
dc.subject | Sistema elétrico de potência | pt_BR |
dc.subject | Proteção de distância | pt_BR |
dc.title | Implementação de uma função de proteção de distância (ANSI 21) para linhas de transmissão utilizando redes neurais artificiais | pt_BR |
dc.type | monografia | pt_BR |
dc.description.abstract2 | The work prsents the implementation of a distance protection function (ANSI 21) for transmis sion lines using artificial neural network (ANN). The objective is to identify and classify fault types in transmission lines, employing Python language and TensorFlow library. The study addresses the importance of distance protection in electrical power systems and proposes an unusual solution for implementing this protection function. The methodology includes fault simulations, data collection and preprocessing, defining ANN architecture, training, and testing the network. The results demonstrate the effectiveness of ANN in fault detection, with potential to contribute to the efficiency and safety of electrical networks. The work suggests themes for future research, aiming to improve protection in electrical power systems. | pt_BR |
Aparece nas coleções: | Engenharia Elétrica (Monografias) |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Trabalho de Conclusão de Curso - Lucas Luiz Ribeiro Silva - Versão Final.pdf | 1,91 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.