Estudos para Identificação e Classificação de Harmônicos em Medição de Energia Elétrica Utilizando uma Arquitetura Neural
|
|
- Luzia Fialho Veiga
- 7 Há anos
- Visualizações:
Transcrição
1 1 Estudos para Identificação e Classificação de Harmônicos em Medição de Energia Elétrica Utilizando uma Arquitetura Neural A. N. Souza, J. L. Padilha, W. H. Sato, D. S. Gastaldello, C. C. O. Ramos e K. M. Santos Resumo-- A evolução tecnológica propiciou uma maior utilização de equipamentos eletrônicos. Essas cargas não-lineares são fontes de distorções harmônicas e, também, são dispositivos mais sensíveis a variações dos sinais da rede elétrica. Neste contexto, este trabalho propõe o uso de redes neurais artificiais para classificação de cargas através de suas harmônicas de corrente e também verificar se cargas não-lineares influenciam na medição de energia. Palavras-chave Classificação de Harmônicos, Medição de Energia, Redes Neurais Artificiais. C I. INTRODUÇÃO OM o advento de novas tecnologias de equipamentos eletrônicos, cargas não-lineares tornaram-se cada vez mais comuns em unidades consumidoras de energia elétrica. Essas cargas são conhecidas como fontes de distorções harmônicas, e estão diretamente ligadas ao estudo de qualidade de energia [1]. Neste sentido, atenta-se a importância dos índices de qualidade no suprimento de energia elétrica, ou seja, as formas de onda, as amplitudes, bem como as freqüências da tensão e da corrente do sistema. As correntes e tensões harmônicas produzem efeitos danosos que podem ser instantâneos ou de longo prazo. As correntes distorcidas se propagam pelo sistema, provocando distorções de tensão em vários pontos, podendo afetar assim, todo o sistema elétrico, bem como causar a operação inadequada de equipamentos (medidores) [2], [3]. Os medidores de energia elétrica do tipo indução, quando na presença de conteúdos harmônicos, têm seu funcionamento alterado, o disco é acelerado ou desacelerado ocasionando erros de medição [4]. Neste contexto, pelo não conhecimento do comportamento na medição, vislumbra-se a necessidade do desenvolvimento de novas metodologias e o uso de ferramentas computacionais Esta pesquisa foi financiada pelo Programa Renove Engenharias da Pró- Reitoria de Pesquisa da UNESP A. N. Souza, J. L. Padilha, W. H. Sato, K. M. Santos e D. S. Gastaldello pertencem ao Departamento de Engenharia Elétrica da FEB-UNESP/Bauru ( s: andrejau@feb.unesp.br, jonatasp7@yahoo.com.br, wallace_sato@msn.com, ra910635@feb.unesp.br, danilosinkiti@hotmail.com,) C. C. O. Ramos pertence ao Departamento de Engenharia Elétrica da Universidade de São Paulo - USP, São Paulo, SP, Brasil ( caioramos@gmail.com) para identificar e classificar as verdadeiras causas de erros de medição de energia. As redes neurais artificiais (RNAs) são caracterizadas pela sua habilidade em aprender ou modificar seu comportamento em seu contexto de aplicação. Desta forma, por serem capazes de aprender através de exemplos (dados de ensaios) e generalizar informações aprendidas, torna-se uma ferramenta ampla e eficaz no mapeamento dos erros de medição [5]. Assim, este trabalho vislumbra o desenvolvimento de uma RNA que seja capaz de identificar os harmônicos de corrente, segundo o seu tipo de carga, e também, estudar a influência desse conteúdo harmônico na medição de energia elétrica. II. MEDIÇÃO DAS HARMÔNICAS A medição de harmônicos das cargas visa gerar um banco de dados para uso na RNA. As cargas utilizadas para este estudo compreendem alguns equipamentos e dispositivos que podem ser encontrados em residências, escritórios, dentre outras unidades consumidoras (UCs) de baixa tensão, e são citados à seguir: Notebook; Monitor LCD; Monitor CRT; Computador; Secador de cabelo; Liquidificador; Lâmpadas eletrônicas e incandescentes; Impressora; Furadeira; Descartador de papel; e Batedeira. Com o objetivo de criar uma RNA capaz de identificar, através do espectro harmônico de corrente, qual equipamento é a fonte geradora de tais distorções, foram realizadas medidas dos harmônicos de corrente das cargas, usando para isso o medidor de qualidade de energia elétrica AE-200 da Instrutherm. Tal medidor foi configurado para medir os harmônicos de corrente de até 49ª ordem e a distorção harmônica total de corrente (DHTI), onde uma nova medida era gravada a cada 6 segundos, onde cada medida, continha os valores dos harmônicos de corrente até a 49ª ordem e o DHTI.
2 2 Assim, um valor mínimo de 100 medidas de harmônicos de corrente com o DHTI foram realizadas para cada carga, criando-se um banco de dados representativo para alimentar a RNA, para que ela realizasse um dos objetivos do trabalho. Na Fig. 1 é mostrado o esquema de ligação das cargas monofásicas, ligadas a fonte de 127V CA 60Hz e do medidor AE-200 para a análise do conteúdo harmônico dos equipamentos. Fig. 1. Esquema elétrico montado. Em seguida, com os valores dessas medidas, foram calculados os valores médios dos harmônicos de corrente, e também do DHTI para cada carga, uma vez que seu cálculo é dado pela raiz da somatória dos quadrados das componentes harmônicas, dividida pela componente fundamental, conforme a Eq. (1): 1 2 n I n= 2 DHT1 = I (1) Os resultados são apresentados na Tabela I. TABELA I HARMÔNICOS DE CORRENTE (A) E DHTI (%) DE CADA CARGA Carga DHT(%) H1 H2 H3 H4 H5 Batedeira 58,19 1,12 0,14 0,10 0,14 0,08 Descartador de papel 601,94 0,12 0,12 0,07 0,06 0,06 Computador 110,02 1,00 0,02 0,84 0,01 0,60 Furadeira 13,01 1,09 0,02 0,11 0,02 0,02 Impressora 142,61 0,14 0,01 0,13 0,01 0,11 Lâmpada Eletrônica Lâmpada Incandesc. Liquidific. Antigo Liquidific. Moderno 77,97 0,06 0,01 0,04 0,01 0,02 2,03 0,62 0,00 0,01 0,00 0,01 54,61 0,92 0,47 0,13 0,04 0,02 23,00 1,54 0,03 0,33 0,03 0,03 Monitor CRT 125,15 0,39 0,02 0,35 0,02 0,27 Monitor LCD 154,37 0,10 0,01 0,09 0,01 0,07 Notebook 157,80 0,29 0,02 0,27 0,01 0,22 Secador de Cabelo 58,88 0,65 0,36 0,12 0,02 0,02 Sendo H1, H2, H3, H4, e H5, os harmônicos de corrente de ordem 1 à 5 respectivamente. Nesta tabela foram exibidos apenas os harmônicos de corrente até a 5ª ordem e a distorção harmônica total de cada aparelho, pois estes valores já mostram a diferença de cada equipamento. Depois são apresentadas figuras de harmônicas de corrente até a 49ª ordem. Cabe salientar que o aparelho AE-200 fornece dados de harmônicos de corrente até a 99ª ordem, mas para este estudo, as redes receberam dados de harmônico de corrente até a 10ª ordem, pois tal valor se mostrou suficiente para atingir o objetivo da RNA. Pode-se observar que a maior parte das cargas analisadas apresentou valores mais expressivos dos harmônicos ímpares, principalmente os de 3ª ordem. Comparando-se as tecnologias dos equipamentos, nota-se, que quanto mais moderno, menor é o consumo de energia, porém, com um aumento das distorções harmônicas. Fato verificado para cargas de mesma finalidade, como por exemplo, as lâmpadas incandescentes, conhecidas por seu alto consumo de energia elétrica, com um DHTI medido de 2,03%, e em contrapartida, as lâmpadas eletrônicas, que comprovadamente apresentam menor consumo, porém com DHTI medido de 77,97%. Analisando também o DHTI de outros equipamentos de mesma finalidade, como os monitores do tipo CRT (com 125,15%) e LCD (com 157,37%), também com maior distorção para o equipamento mais moderno, nota-se que esse aumento do DHTI se deve, dentre outras, a diminuição do valor da componente fundamental em relação as demais componentes harmônicas no equipamento do tipo LCD. Um equipamento que se destaca quanto ao DHTI é o descartador de papel com 601,94%, muito comum em escritórios. Em contrapartida apresenta baixos valores em amplitude das componentes harmônicas, ou seja, quando ligado em conjunto com as outras cargas como computadores, monitores, impressoras, suas componentes pouco interferem no DHTI total do conjunto. Com base nos dados das medidas dos harmônicos de corrente das cargas constantes da Tabela I, foram feitos gráficos para análise do espectro harmônico de corrente dessas cargas, das quais, cinco foram escolhidas para o treinamento e validação da RNA, que são o Notebook, Monitor LCD, Monitor CRT, Lâmpada Eletrônica e Batedeira, pois as características harmônicas de cada equipamento eram bem distintas, facilitando o processo de treinamento e validação da RNA. Na Fig. 2 é mostrado o conteúdo harmônico do notebook analisado em laboratório. Na análise dos seus harmônicos de corrente, observa-se que as componentes de maior valor estão concentradas até a 13ª ordem. Na Fig. 3 é mostrado o conteúdo harmônico do monitor LCD analisado em laboratório. Na análise dos seus harmônicos de corrente, observa-se maior predominância de harmônicos ímpares decrescentes até a 11ª ordem. Na Fig. 4 é mostrado o conteúdo harmônico do monitor CRT analisado em laboratório. Na análise dos seus
3 3 harmônicos de corrente, observa-se maior predominância de harmônicos ímpares decrescentes até a 9ª ordem. Fig. 5. Amplitude dos Harmônicos de Corrente Lâmpadas Eletrônicas. Fig. 2. Amplitude dos Harmônicos de Corrente Notebook. Na Fig. 6 é mostrado o conteúdo harmônico da batedeira analisada em laboratório. Na análise dos seus harmônicos de corrente, observa-se uma homogeneidade dos harmônicos pares e ímpares, com amplitudes inferiores a 20% da fundamental. Fig. 3. Amplitude dos Harmônicos de Corrente Monitor LCD. Fig. 6. Amplitude dos Harmônicos de Corrente Batedeira. Uma característica em comum observada nos espectros harmônicos de corrente destes cinco equipamentos selecionados para o desenvolvimento da RNA, é que em todos eles, as distorções harmônicas de maior amplitude estão compreendidas entre a fundamental e a 10ª ordem, ou seja, os dados essenciais para o treinamento e validação da RNA estão localizados neste intervalo, economizando recursos computacionais, desta forma aumentando a velocidade das etapas de treinamento e validação da RNA. Fig. 4. Amplitude dos Harmônicos de Corrente Monitor CRT. Na Fig. 5 é mostrado o conteúdo harmônico das lâmpadas eletrônicas analisadas em laboratório. Na análise dos seus harmônicos de corrente, observa-se maior predominância de harmônicos ímpares até a 7ª ordem, intercalados por harmônicos pares com valores decrescentes até a 6ª ordem. III. IMPLEMENTAÇÃO DAS RNAS Para a topologia de RNA, foi escolhida a feedforward multicamadas, que se caracteriza por possuir uma ou mais camadas intermediárias onde o sinal da rede é propagado em apenas um sentido, isto é, nenhuma saída retorna a uma camada anterior. Este tipo de topologia geralmente é aplicado no reconhecimento de padrões e como aproximador universal de funções, uma vez que se podem aproximar funções nãolineares. Após a construção do banco de dados, foi iniciado o desenvolvimento de uma rede neural artificial, que com base
4 4 nos harmônicos de corrente fornecidos na entrada, fosse capaz de identificar tais harmônicos e associá-los ao seu respectivo equipamento. Na Fig. 7 é mostrado um diagrama simplificado do modo de funcionamento da RNA desenvolvida. Fig. 7. Funcionalidade da rede neural artificial desenvolvida. Durante a fase de treinamento e de validação da RNA, os dados que foram fornecidos a entrada continham também a saída desejada (os equipamentos associados ao conteúdo harmônico), para que a rede fosse capaz de identificar padrões e estabelecer funções capazes de deixar a RNA apta a identificar conteúdos harmônicos futuros. Já na simulação teste de uma situação real (após a RNA ter sido treinada e validada), apenas o conteúdo harmônico foi fornecido como dado de entrada. Na Fig. 8 é mostrado um esquema da arquitetura neural multicamadas simplificado. A rede desenvolvida era composta por 10 neurônios na camada intermediária e 5 neurônios na camada de saída, para cada tipo de tipo de carga. determinada tarefa, durante a fase de treinamento de RNAs com multicamadas. Neste trabalho foi usado uma variância do Backpropagation, chamada de Levenberg-Maquardt [6]. Nesta fase foram utilizados os valores das medidas dos harmônicos de corrente das cargas Notebook(1), Monitor LCD(2), Monitor CRT(3), Lâmpadas Eletrônicas (4) e Batedeira(5), totalizando 855 medidas de harmônicos de corrente até a 10ª ordem (cada medida). Destas 855 medidas, 80% foram selecionadas aleatoriamente e utilizadas para treinamento da RNA e os 20% restantes usadas no processo de validação. Após a rede ter sido treinada e validada, ela foi também testada em uma situação real, para verificar se os dados apresentados como resposta estavam confiáveis. Foram utilizados dados referentes às cargas treinadas (Notebook, Monitor LCD, Monitor RCT, Lâmpadas Eletrônicas e Batedeira) além de uma carga nova: um Computador. Com isso foi possível verificar se a RNA aprendeu realmente o que lhe foi ensinado. IV. MEDIÇÃO DA ENERGIA EM CARGAS COM DISTORÇÕES HARMÔNICAS Esta seção consistiu em analisar o efeito dos harmônicos de corrente na medição de energia elétrica de uma determinada combinação de cargas. Para isso, foi preparada uma configuração de cargas monofásicas ligadas em paralelo, utilizando algumas das cargas medidas na primeira parte do estudo, que são: 1 Impressora; 2 Monitores CRT; 2 Computadores; 8 Lâmpadas eletrônicas; e 4 Lâmpadas incandescentes. Para esta configuração de cargas, a distorção harmônica total de corrente medida foi de 35,69%, o espectro harmônico medido é mostrado na Fig. 9. Fig. 8. Arquitetura neural desenvolvida. Para a camada de entrada, foram usados os valores das amplitudes dos harmônicos de corrente desde a fundamental até a 10ª ordem. O algoritmo Backpropagation ou Regra Delta Generalizada é um algoritmo supervisionado de aprendizagem de uma Fig. 9. Harmônicos de corrente da configuração de cargas apresentada. Para medir a energia consumida por esta configuração de cargas, foi usado o medidor residencial eletrônico Genus Modelo-01B.
5 5 Desta maneira, os valores apresentados por este medidor, eram comparados com os valores aferidos pelo medidor AE- 200 da Instrutherm, que para estes estudos, foram tomados como referência. Na Fig. 10 é mostrado o esquema de ligação das cargas, ligadas a fonte de 127V CA, ao medidor AE-200 (referência) e ao medidor eletrônico Genus Modelo-01 B (em análise). cargas ensaiadas, bem como medidas de harmônicos de corrente de uma nova carga (um computador) para a qual a RNA não havia sido treinada, foram utilizadas como dados de entrada da RNA para verificar se a resposta obtida era razoável com o esperado. Abaixo na Fig. 12 é mostrado o espectro harmônico de corrente do computador analisado. Fig. 10. Esquema de ligação para medição de energia consumida. Fig. 11. Medição de harmônicos de corrente de lâmpadas Na figura acima, têm-se o quadro da bancada do laboratório utilizado para as medições, que embora esteja preparado para ligação de cargas trifásicas, neste estudo utilizou-se apenas cargas monofásicas. Fig. 12. Amplitude dos Harmônicos de Corrente Computador. Na Fig. 14 é exibido o resultado obtido da simulação teste de uma situação real para a RNA, onde cada intervalo de 20 medidas representa um equipamento, sendo o último intervalo referente às medidas da carga computador. Como podem ser observados, tanto na fase de treinamento e validação, quanto na fase de simulação de uma situação real, os valores apresentados pela RNA foram bastante satisfatórios, uma vez que a arquitetura neural desenvolvida foi capaz de identificar os harmônicos de corrente e associálos corretamente ao seu equipamento de origem, tendo em vista o baixo desvio entre os valores desejados para a RNA, ante os valores da simulação na fase de treinamento e validação, bem como encontrando corretamente os equipamentos na simulação de uma situação real. Neste ponto observa-se também, que para a carga computador, para a qual a RNA não fora treinada, a arquitetura neural respondeu classificando esta carga como um equipamento de conteúdo harmônico que está entre o de um notebook e o de um monitor LCD, vide a Fig. 14. V. RESULTADOS E DISCUSSÕES Nesta seção serão apresentados os resultados com a utilização da RNA para identificação dos harmônicos de corrente de equipamentos e também os resultados das medições de energia de cargas com distorções harmônicas. A. RNA para identificação de harmônicos Foi desenvolvida uma RNA capaz de identificar os harmônicos de corrente e associá-los a suas respectivas cargas geradoras. Os resultados obtidos na fase de treinamento e validação podem ser observados na Fig. 13. Em seguida, para testar a eficiência da RNA em uma situação prática, as medidas dos harmônicos de corrente das Fig. 13. Resultados obtidos na fase de treinamento de validação da RNA
6 6 Fig. 14. Resultados obtidos na simulação de uma situação real para a RNA B. Efeito dos harmônicos na medição de energia elétrica Para o ensaio com a configuração de cargas discutida na Seção IV, de 1 impressora, 2 monitores CRT, 2 computadores, 4 lâmpadas incandescentes e 8 lâmpadas eletrônicas, a energia consumida foi medida com o medidor eletrônico, em comparação com o medidor AE-200. Os resultados das medidas apresentadas pelo medidor residencial eletrônico foram comparados com os resultados apresentados pelo medidor AE-200, a fim de verificar possíveis desvios entre as medições. Tais resultados são mostrados na Tabela II. TABELA II ERROS NAS MEDIÇÕES DE CARGAS COM DISTORÇÕES HARMÔNICAS AE-200 Eletrônico Medida Valor Medido(kWh) Valor Medido(kWh) Erro% 1 2,83 2,9 2, ,05 2,1 2, ,62 10,8 1, ,19 1,2 0,84 5 3,13 3,2 2, ,47 1,5 2, ,55 48,5 1,998 A partir destes resultados, pode-se verificar que os harmônicos da rede influenciaram no resultado do medidor eletrônico (classe de exatidão de 1%), uma vez que os valores de suas medidas foram maiores que os aferidos pelo medidor AE-200 (referência, classe de exatidão 0,1%), dando indícios de que os harmônicos de corrente para esta determinada configuração de cargas (com DHTI de 35,69%) influenciaram o erro por excesso do medidor eletrônico, com erros em torno de 2%. VI. CONCLUSÃO Este projeto visa estudar um sistema capaz de identificar distorções harmônicas, associando-as a suas respectivas cargas, e também, os efeitos de tais distorções na medição de energia elétrica. Usando harmônicos de corrente medidos de uma carga genérica como dados de entrada, a RNA desenvolvida identificou tais harmônicos de forma satisfatória, associandoos ao equipamento gerador de tal distorção harmônica das cargas para as quais foi treinada, realizando aproximações para a carga diferente de seu banco de dados de treinamento. Quanto aos efeitos dos harmônicos de corrente na medição de energia elétrica, foi possível observar desvios nos valores medidos das cargas com distorção harmônica, que embora não muito elevados, influenciaram em um erro por excesso dos valores apresentados pelo medidor residencial eletrônico. Mas como foi realizado um número limitado de medições, e para uma determinada configuração de cargas com distorções harmônicas, ainda não se pode concluir que sempre distorções deste tipo causarão erro por excesso em medidores residenciais. Assim, novas medições, para outras configurações de cargas, devem ser submetidas aos testes aqui descritos, a fim de se chegar a resultados mais generalistas, bem como, servir de ferramenta para o desenvolvimento de técnicas para diminuição do impacto de tais distorções neste tipo de medição. Com a continuação desta pesquisa, pode-se ampliar o banco de dados da RNA com a medição de novas cargas, e também desenvolver a rede neural com novas funções, principalmente aquelas relacionadas aos efeitos dos harmônicos na medição de energia elétrica. VII. AGRADECIMENTOS Um agradecimento especial ao Programa Renove Engenharias da Pró-Reitoria de Pesquisa da UNESP no apoio financeiro para a realização desta pesquisa. VIII. REFERÊNCIAS [1] J. Arrilaga, N.R. Watson, Power system harmonics, Wiley, [2] J. Yang, C. Yu, e C. Liu, A New Method for Power Signal Harmonic Analysis, IEEE Transactions on Power Delivery, vol. 20, 2005, pp [3] D.M. McNamara, A.K. Ziarani, e T.H. Ortmeyer, A New Technique of Measurement of Nonstationary Harmonics, IEEE Transactions on Power Delivery, vol. 22, 2007, pp [4] L. Siqueira; P. A. M. Vale; M. Oliveira. Efeito das distorções harmônicas nas medições de energia elétrica. In: Seminário Brasileiro Sobre Qualidade Da Energia Elétrica, Brasília. Anais...p.34-39, Brasília: Anel, [5] W. W. L. Keerthipala; L. T. Chong; T C. Leong. Artificial neural network model for analysis of power system harmonics. Proceedings IEEE International Conference on Neural Networks, vol. 2, nº 27, p , [6] M. T. Hagan and M. B. Menhaj, Training Feedforward Networks with the Marquardt Algorithm, IEEE Transactions on Neural Networks, v. 5, 1994, pp
TESTE DE TOPOLOGIAS DE REDES NEURAIS ARTIFICIAS NA DETECÇÃO DE FALTAS MONOFÁSICAS DE ALTA IMPEDÂNCIA EM SISTEMA DE DISTRIBUIÇÃO DE ENERGIA 1
TESTE DE TOPOLOGIAS DE REDES NEURAIS ARTIFICIAS NA DETECÇÃO DE FALTAS MONOFÁSICAS DE ALTA IMPEDÂNCIA EM SISTEMA DE DISTRIBUIÇÃO DE ENERGIA 1 Eliseu Kotlinski 2, Manuel Martín Pérez Reimbold 3. 1 Relatório
Leia maisImpacto da transmissão da Copa do Mundo 2006 para a qualidade da energia elétrica nos sistemas de distribuição
1 Impacto da transmissão da Copa do Mundo 6 para a qualidade da energia elétrica nos sistemas de distribuição José Rubens M. Jr, M. Sc. Alessandro G. Martins Jules Renato V. Carneiro Maria Jovita V. Siqueira
Leia maisXVIII Seminário Nacional de Distribuição de Energia Elétrica
XVIII Seminário Nacional de Distribuição de Energia Elétrica SENDI 2008-06 a 10 de outubro Olinda - Pernambuco - Brasil Impacto da transmissão da Copa do Mundo 2006 para a qualidade da energia elétrica
Leia maisVI SBQEE. 21 a 24 de agosto de 2005 Belém Pará Brasil CORRENTES HARMÔNICAS EM APARELHOS ELETRODOMÉSTICOS
VI SBQEE 21 a 24 de agosto de 2005 Belém Pará Brasil Código: BEL 13 7698 Tópico: Sistemas de Monitoramento e Tratamento de dados CORRENTES HARMÔNICAS EM APARELHOS ELETRODOMÉSTICOS MANUEL LOSADA y GONZALEZ
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS PERCEPTRON MULTICAMADAS Prof. Dr. André A. P. Biscaro 1º Semestre de 2018 Arquitetura Redes Perceptron de Múltiplas Camadas (PMC), também conhecidas como redes MLP (Multiple Layer
Leia maisEstimativa de Distorções Harmônicas Geradas por Consumidores Residenciais
21 a 25 de Agosto de 2006 Belo Horizonte - MG Estimativa de Distorções Harmônicas Geradas por Consumidores Residenciais Renato Vinhal Nunes Universidade Federal de Minas Gerais Selênio Rocha Silva Universidade
Leia maisUM MODELO NEURAL PARA A PREVISÃO DA DEMANDA DE ENERGIA ELÉTRICA NA CIDADE DE FRANCA
UM MODELO NEURAL PARA A PREVISÃO DA DEMANDA DE ENERGIA ELÉTRICA NA CIDADE DE FRANCA SOUZA, REGIANE MÁXIMO YOSHINO, RUI TADASHI HANISC,H, WERNER SIEGFRIED ETO, REGINA FUMIE Palavras-chaves: Artificial Neural
Leia maisAVALIAÇÃO DO AGRUPAMENTO DE LÂMPADAS FLUORESCENTES COMPACTAS PARA REPRESENTAÇÕES DE EQUIVALENTES EM SIMULAÇÕES COMPUTACIONAIS DE FLUXO HARMÔNICO
AVALIAÇÃO DO AGRUPAMENTO DE LÂMPADAS FLUORESCENTES COMPACTAS PARA REPRESENTAÇÕES DE EQUIVALENTES EM SIMULAÇÕES COMPUTACIONAIS DE FLUXO HARMÔNICO Márcio Melquíades Silva 1, Manuel Losada y Gonzalez 2 1
Leia maisSELEÇÃO DE VARIÁVEIS STEPWISE APLICADAS EM REDES NEURAIS ARTIFICIAIS PARA PREVISÃO DE DEMANDA DE CARGAS ELÉTRICAS
SELEÇÃO DE VARIÁVEIS STEPWISE APLICADAS EM REDES NEURAIS ARTIFICIAIS PARA PREVISÃO DE DEMANDA DE CARGAS ELÉTRICAS MARLEIDE F. ALVES 1, ANNA DIVA P. LOTUFO 1, MARA LÚCIA M. LOPES 2 1. Laboratório de Sistemas
Leia maisTÍTULO: QUALIDADE DA ENERGIA ELÉTRICA PARA ILUMINAÇÃO EFICIENTE E ENERGIA FOTOVOLTAICA
TÍTULO: QUALIDADE DA ENERGIA ELÉTRICA PARA ILUMINAÇÃO EFICIENTE E ENERGIA FOTOVOLTAICA CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS INSTITUIÇÃO: FACULDADE DE ENGENHARIA DE
Leia maisO uso de uma Rede Neural Artificial Supervisionada para obtenção do fator de carga de um alimentador.
O uso de uma Rede Neural Artificial Supervisionada para obtenção do fator de carga de um alimentador. Resumo: Lucas da Silva Assis Universidade Federal de Goiás lucasilvassis@gmail.com Esse trabalho apresenta
Leia maisRECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ
RECONHECIMENTO DE GÊNERO ATRAVÉS DA VOZ Marcela Ribeiro Carvalho marcela@enecar.com.br IFG/Câmpus Goiânia Hipólito Barbosa Machado Filho hipolito.barbosa@ifg.edu.br IFG/Câmpus Goiânia Programa Institucional
Leia maisCenários harmônicos em cargas residenciais e comerciais Transformadores
8 O Setor Elétrico / Agosto de 200 Capítulo VIII Cenários harmônicos em cargas residenciais e comerciais Transformadores Igor Amariz Pires* Enquanto os consumidores residenciais, apresentados no Capítulo
Leia maisINTERFERÊNCIA NO SISTEMA ELÉTRICO CAUSADO PELA UTILIZAÇÃO DE LÂMPADAS FLUORESCENTES COMPACTAS EM CONSUMIDORES RESIDENCIAIS
INTERFERÊNCIA NO SISTEMA ELÉTRICO CAUSADO PELA UTILIZAÇÃO DE LÂMPADAS FLUORESCENTES COMPACTAS EM CONSUMIDORES RESIDENCIAIS José K. Fujiwara** Antonio Carlos V. Delgado** Vanice Ferreira dos S. Dornellas***
Leia maisVI SBQEE. 21 a 24 de agosto de 2005 Belém Pará Brasil
VI SBQEE 1 a 4 de agosto de 5 Belém Pará Brasil Código: BEL 6 7593 Tópico: Fontes de Distúrbios AVALIAÇÃO DAS CARACTERÍSTICAS ELÉTRICAS DE ELETRÔNICOS UTILIZADOS EM LÂMPADAS FLUORESCENTES TUBULARES PAULO
Leia mais3 Redes Neurais Artificiais
3 Redes Neurais Artificiais 3.1. Introdução A capacidade de implementar computacionalmente versões simplificadas de neurônios biológicos deu origem a uma subespecialidade da inteligência artificial, conhecida
Leia maisO LabView como Ferramenta de Ensino-Aprendizagem em Laboratórios de Energia
1 O LabView como Ferramenta de Ensino-Aprendizagem em Laboratórios de Energia José Aquiles Baesso Grimoni - aquiles@pea.usp.br Vinícius José Santos Lopes - vinicius.lopes@poli.usp.br Departamento de Engenharia
Leia maisSENDI 2004 XVI SEMINÁRIO NACIONAL DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA
SENDI 2004 XVI SEMINÁRIO NACIONAL DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA 948 Metodologia para Avaliação das Perdas Técnicas em Redes de Baixa Tensão Utilizando Técnicas de Classificação O Caso da RGE A. Méffe
Leia maisRedes Neurais Artificiais. Professor: Juan Moises Villanueva
Redes Neurais Artificiais Mestrando: Lucas Nicolau Email: lucasfnicolau@gmail.com Professor: Juan Moises Villanueva Rede Neural Direta Arquitetura com múltiplas camadas com fluxo de informação apenas em
Leia maisPalavras chave: ensaios não destrutivos, processamento digital de sinal, redes neurais, pulso eco, ultrassom
CLASSIFICAÇÃO DE SINAIS ULTRASSÔNICOS PRÉ-PROCESSADOS PELA TRANSFORMADA DE FOURIER ATRAVÉS DAS REDES NEURAIS ARTIFICIAIS UTILIZANDO A TÉCNICA PULSO ECO PARA IDENTIFICAÇÃO DE DEFEITOS EM JUNTAS SOLDADAS
Leia maisAnálise de um aproximador funcional utilizando as Redes Neurais artificiais MLP treinada com o algoritmo Backpropagation
Análise de um aproximador funcional utilizando as Redes Neurais artificiais MLP treinada com o algoritmo Backpropagation Martinez, S. C. 1, Ferrara, L. F. P. 2, Mario, M. C. 2. 1 Aluna do Curso de Mestrado
Leia maisRedes Neurais Artificial. Inteligência Artificial. Professor: Rosalvo Ferreira de Oliveira Neto
Redes Neurais Artificial Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Definições 2. Histórico 3. Conceitos Básicos 4. Aprendizado em RNA 5. Exemplo de Aprendizado com
Leia maisAVALIAÇÃO DE CONVERSORES BOOST OPERANDO EM PARALELO EMPREGANDO A TÉCNICA INTERLEAVED E CONTROLADOS DIGITALMENTE
AVALIAÇÃO DE CONVERSORES BOOST OPERANDO EM PARALELO EMPREGANDO A TÉCNICA INTERLEAVED E CONTROLADOS DIGITALMENTE ANALISYS OF PARALLEL BOOST CONVERTERS THROUGH INTERLEAVED STRATEGY AND CONTROLLED DIGITALLY
Leia maisEnsaio 1: Medições Monofásicas Utilizando...
Ensaio 1: Medições Monofásicas Utilizando... Ensaio 1: Medições Monofásicas Utilizando Lâmpadas 2 1. Objetivos Os objetivos desse ensaio são: a) Aprender a utilizar os equipamentos de medição: voltímetro,
Leia maisCÁLCULO DO EQUILIBRIO DE TROCA-IÔNICA DO SISTEMA Na + -Pb 2+ -Cu 2+ USANDO REDES NEURAIS ARTIFICIAIS.
CÁLCULO DO EQUILIBRIO DE TROCA-IÔNICA DO SISTEMA Na + -Pb 2+ -Cu 2+ USANDO REDES NEURAIS ARTIFICIAIS. A. B. B. GIOPATTO 1, E. A. SILVA 2, T. D. MARTINS 1 1 Universidade Federal de São Paulo, Departamento
Leia maisMulti-Layer. Perceptrons. Algoritmos de Aprendizado. Perceptrons. Perceptrons
Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square) Back Propagation Multi-Layer Perceptrons Redes de apenas uma camada só representam funções linearmente separáveis Redes
Leia maisFERRAMENTA DE AUXÍLIO NO PROCESSO DE MEDIÇÃO DE ENERGIA ELÉTRICA UTILIZANDO INTELIGÊNCIA COMPUTACIONAL RESUMO
31 FERRAMENTA DE AUXÍLIO NO PROCESSO DE MEDIÇÃO DE ENERGIA ELÉTRICA UTILIZANDO INTELIGÊNCIA COMPUTACIONAL RESUMO Marco Antônio Silva Pereira 1 Este artigo aborda assuntos relacionados aos problemas encontrados
Leia mais2. Redes Neurais Artificiais
Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.3. Perceptron Multicamadas - MLP 2.3.1. Introdução ao MLP 2.3.2. Treinamento
Leia mais5 RNA para Diagnóstico de Falhas em Turbinas a Gás
5 RNA para Diagnóstico de Falhas em Turbinas a Gás 5.1. Introdução Neste capítulo, a aplicação de RNAs para diagnosticar as falhas no caminho do gás de turbinas a gás foi investigada. As redes neurais
Leia mais2. Redes Neurais Artificiais
Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.3. Perceptron Multicamadas - MLP 2.3.1. Introdução ao MLP 2.3.2. Treinamento
Leia maisIntrodução à Redes Neurais. Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana
Introdução à Redes Neurais Artificiais Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Introdução Redes Neurais Artificiais (RNAs)
Leia maisRedes Neurais Artificiais - Introdução. Visão Computacional
Redes Neurais Artificiais - Introdução Visão Computacional Inspiração 2 Inspiração 3 Inspiração Atividade seletivanas conexões Soma os impulsos e passa a diante 4 Inspiração As conexões entre os dendritos
Leia maisXII Congresso Brasileiro de Meteorologia, Foz de Iguaçu-PR, 2002
ESTUDO PRELIMINAR DA UTILIZAÇÃO DE REDES NEURAIS NA PREVISÃO DE TEMPERATURA MÉDIA DIÁRIA PARA A CIDADE DE PELOTAS-RS Ariane Frassoni dos Santos 1, João Gerd Zell de Mattos 1, Paulo Roberto Krebs 2 1 Faculdade
Leia maisQualidade da Energia Elétrica. Distorções Harmônicas
Qualidade da Energia Elétrica Distorções Harmônicas Qualidade da Energia Elétrica Conceito Cargas Geradoras de Harmônicas Efeitos de Harmônicas em Redes Industriais Recomendações de Limites para Harmônicas
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
PERCEPTRON MULTICAMADAS: TÉCNICAS DE VALIDAÇÃO Prof. Dr. André A. P. Biscaro 2º Semestre de 2016 UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT Aspectos de seleção topológica de redes PMC A especificação
Leia maisSVC Static VAr Compensator. Juliano Menezes Luis Gustavo Dias de Souza
SVC Static VAr Compensator Juliano Menezes Luis Gustavo Dias de Souza Introdução Excesso de reativo: Baixo FP; Aumento das correntes que percorrem os condutores, levando a maiores perdas; Punições, multas;
Leia maisAutor: Edroaldo Lummertz da Rocha Home page: edroaldo.wordpress.com
Autor: Edroaldo Lummertz da Rocha Home page: edroaldowordpresscom E-mail: edroaldo@gmailcom Esse tutorial visa demonstrar de forma prática o processo de ajuste dos pesos sinápticos de uma rede neural artificial
Leia maisPROPOSTA DE UTILIZAÇÃO DE REDES NEURAIS PARA ANÁLISES FÍSICO- QUÍMICA UTILIZANDO DADOS ESPECTROMÉTRICOS NO UV-VIS
PROPOSTA DE UTILIZAÇÃO DE REDES NEURAIS PARA ANÁLISES FÍSICO- QUÍMICA UTILIZANDO DADOS ESPECTROMÉTRICOS NO UV-VIS 1 SILVA, J. N., 2 MONTEIRO, G. S., 3 SILVA, S. K., 4 AVELINO, M. C., 5 FRANÇA, M. I. C,.
Leia maisRedes Neurais: MLP. Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais: MLP DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos Redes diretas de múltiplas
Leia maisESTUDO DE ALGORITMO MLP COMO APROXIMADOR DE FUNÇÃO
Congresso Técnico Científico da Engenharia e da Agronomia CONTECC 2016 Rafain Palace Hotel & Convention Center- Foz do Iguaçu - PR 29 de agosto a 1 de setembro de 2016 ESTUDO DE ALGORITMO MLP COMO APROXIMADOR
Leia maisRedes Neurais Artificiais
Redes Neurais Artificiais Prof. Dr. Hugo Valadares Siqueira Semana de Eletrônica e Automação 2014 Redes Neurais Artificiais Uma rede neural artificial é um circuito composto por uma grande quantidade de
Leia maisTÓPICOS EM INTELIGÊNCIA ARTIFICIAL Redes Neurais Artificiais
TÓPICOS EM INTELIGÊNCIA ARTIFICIAL Redes Neurais Artificiais ricardo.kerschbaumer@ifc.edu.br http://professor.luzerna.ifc.edu.br/ricardo-kerschbaumer/ Introdução O Cérebro humano Mais fascinante processador
Leia maisTECNOLOGIA EM SISTEMAS ELÉTRICOS LE3L3 LABORATÓRIO DE ELETRICIDADE E MEDIDAS ELÉTRICAS (EXPERIENCIAS EXTRAS)
TECNOLOGIA EM SISTEMAS ELÉTRICOS LE3L3 LABORATÓRIO DE ELETRICIDADE E MEDIDAS ELÉTRICAS (EXPERIENCIAS EXTRAS) Laboratório de Eletricidade e Medições Elétricas 1 EXPERIENCIA 10 Transformador Monofásico e
Leia maisUsando MLP para filtrar imagens
Usando MLP para filtrar imagens Thiago Richter, Ediel Wiezel da Silva, e Adilson Gonzaga Departamento de Engenharia Elétrica, Universidade de São Paulo, Brasil thiago.richter@yahoo.com.br, edielws@gmail.com,
Leia maisRECONHECIMENTO DE CARACTERES EM PLACAS AUTOMOTIVAS UTILIZANDO REDES NEURAIS
RECONHECIMENTO DE CARACTERES EM PLACAS AUTOMOTIVAS UTILIZANDO REDES NEURAIS Eduarda Gonçalves Dias 1 ; Wanderson Rigo 2 ; Manassés Ribeiro 3 INTRODUÇÃO Os sistemas de visão artificial vêm auxiliando o
Leia maisMulti-Layer. Perceptrons. Algoritmos de Aprendizado. Perceptrons. Perceptrons
Algoritmos de Aprendizado Regra de Hebb Perceptron Delta Rule (Least Mean Square) Multi-Layer Perceptrons (Back Propagation) Radial Basis Functions (RBFs) Competitive Learning Hopfield Multi-Layer Perceptrons
Leia mais5 Estudo de Caso e Resultados
5 Estudo de Caso e Resultados 5.1. Introdução Finalizado o desenvolvimento da ferramenta, é indispensável testar suas funcionalidades e a eficácia da aplicação conjunta dos seus módulos de geração de experimentos
Leia maisREDES NEURAIS ARTIFICIAIS
REDES NEURAIS ARTIFICIAIS REDES NEURAIS ARTIFICIAIS O QUE É UMA REDE NEURAL NEURÔNIOS BIOLÓGICOS CÉREBRO HUMANO E CAPACIDADE DE GENERALIZAÇÃO. Modelo McCulloch e Pitts FUNÇÕES DE ATIVAÇÃO APRENDIZADO APRENDIZADO
Leia maisINTEGRANTES: Pedro Alcantara Rafael Cunha Tadeu Cerqueira. Professor e Avaliador: Eduardo Simas Data: 26/03/2013
INTEGRANTES: Pedro Alcantara Rafael Cunha Tadeu Cerqueira Professor e Avaliador: Eduardo Simas Data: 26/03/2013 1 Sumário Introdução Principais Topologias Derivação ou Paralelo (Shunt) Série Hibrido Princípios
Leia maisAvaliação Metrológica de Analisadores de Qualidade de Energia
Avaliação Metrológica de Analisadores de Qualidade de Energia Metrological Assessment of Energy Quality Analyzers R R Zampilis, M B Martins Inmetro Instituto acional de Metrologia, Qualidade e Tecnologia.
Leia maisDicas de Apresentação*
Departamento de Ciência da Computação Instituto de Computação Universidade Federal Fluminense Dicas de Apresentação* Prof. Igor Monteiro Moraes *Adaptado do arquivo disponível em http://www.jic.ufrj.br/index.php/jicac/lernoticia/50
Leia maisInfluência de Inversores de Freqüência na Qualidade da Energia Elétrica
Influência de Inversores de Freqüência na Qualidade da Energia Elétrica A. D. Callegaro, C. Rheinheimer, E. Kotlinski, T. K. Jappe 1 Resumo - Atualmente o uso dos inversores de freqüência para acionamento
Leia maisAnais do IX Congresso Brasileiro de Redes Neurais / Inteligência Computacional (IX CBRN)
EFICIÊNCIA ENERGÉTICA EM SISTEMAS DE VENTILAÇÃO AXIAL UTILIZANDO REDES NEU- RAIS ARTIFICIAIS MOREIRA, ADSON B., TEIXEIRA, VANESSA S. C.. Curso de Engenharia Elétrica, Universidade Federal do Ceará Campus
Leia maisRedes Neurais Artificial. Prática. Inteligência Artificial
Redes Neurais Artificial Prática Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Introdução a MLP 2. Base de dados e Pré-Processamento 3. Prática MLP - Introdução Redes
Leia maisPrevisão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN
Previsão de Vazões utilizando Redes Neurais Artificiais MLP e NSRBN Alan Caio Rodrigues MARQUES 1, Gelson da Cruz JUNIOR 2, Cassio Dener Noronha VINHAL 3 Escola de Engenharia Elétrica e de Computação 1
Leia maisUNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE TECNOLOGIA FACULDADE DE ENGENHARIA ELÉTRICA CAPÍTULO 1- VISÃO GERAL DO SISTEMA ELÉTRICO
UNERSDADE FEDERAL DO PARÁ NSTTUTO DE TECNOLOGA FACULDADE DE ENGENHARA ELÉTRCA DSCPLNA: NSTALAÇÕES ELÉTRCAS Prof.a : CARMNDA CÉLA M. M. CARALHO CAPÍTULO - SÃO GERAL DO SSTEMA ELÉTRCO.- NTRODUÇÃO A energia
Leia maisParadigmas de Aprendizagem
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Paradigmas de Aprendizagem Redes Neurais Artificiais Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisVI SBQEE. 21 a 24 de agosto de 2005 Belém Pará Brasil
VI SBQEE 21 a 24 de agosto de 2005 Belém Pará Brasil Código: BEL 11 7795 Tópico: Modelagem e Simulações SISTEMA INTELIGENTE PARA PREVISÃO DE CARGA EM TRANSFORMADORES DE DISTRIBUIÇÃO DE ENERGIA: ESTUDOS
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS AULA 03 Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 INTRODUÇÃO Aprendizagem é um processo pelo qual os parâmetros livres de uma rede neural são adaptados através de um processo
Leia maisA instalação do DCR compreende apenas a descompactação do arquivo DCR.zip num diretório no disco. Descompacte o arquivo DCR.zip num novo diretório.
Manual DCR Sumário Apresentação... 1 Instalar o DCR... 1 Ativar o DCR... 1 Treinamento... 2 Entrar no Modo Treinamento... 2 Criar um Conjunto de Entrada... 2 Treinar a RNA... 4 Retreinar a RNA... 5 Testar
Leia maisRede RBF (Radial Basis Function)
Rede RBF (Radial Basis Function) André Tavares da Silva andre.silva@udesc.br Roteiro Introdução à rede neural artificial RBF Teorema de Cover da separabilidade de padrões RBF x MLP RBF Função de ativação
Leia maisCapítulo 1 Introdução
Introdução 16 Capítulo 1 Introdução Esta tese trata de um novo algoritmo capaz de detectar e classificar os distúrbios múltiplos que afetam a qualidade de energia em sistemas elétricos industriais com
Leia maisIntrodução às Redes Neurais Artificiais
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Introdução às Redes Neurais Artificiais DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos
Leia maisA evolução natural deu ao cérebro humano muitas características desejáveis que não estão presentes na máquina de von Neumann:
Faculdade de Engenharia de Computação Centro de Ciências Exatas, Ambientais e de Tecnologias PUC-Campinas João Luís Garcia Rosa 2004 2 A evolução natural deu ao cérebro humano muitas características desejáveis
Leia maisGRUPO XIII GRUPO DE ESTUDO DE INTERFERÊNCIAS, COMPATIBILIDADE ELETROMAGNÉTICA E QUALIDADE DE ENERGIA - GCQ
SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GCQ - 22 6 a 2 Outubro de 2005 Curitiba - Paraná GRUPO XIII GRUPO DE ESTUDO DE INTERFERÊNCIAS, COMPATIBILIDADE ELETROMAGNÉTICA E
Leia maisPalavras-chave: distribuição de energia elétrica; fluxo de potência; regulador de tensão.
Desenvolvimento e Modelagem de Regulador de Tensão para Fluxo de Potência em Redes de Distribuição de Energia Elétrica Rodrigo Mendonça de CARVALHO; Antônio Cesar Baleeiro ALVES Escola de Engenharia Elétrica
Leia maisInteligência Artificial
Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Aprendizagem (Redes Neurais - Complementar) Prof. a Joseana Macêdo
Leia maisA Qualidade da Energia Elétrica em Sistema Isolado com Geração Distribuída - Estudo de Caso
1 A Qualidade da Energia Elétrica em Sistema Isolado com Geração Distribuída - Estudo de Caso J. de Camargo; D. S. Marcelino; W. M. Borges Expertise Engenharia Ltda. Resumo O artigo apresenta resultados
Leia maisCaracterística de Regulação do Gerador de Corrente Contínua com Excitação Independente
Experiência V Característica de Regulação do Gerador de Corrente Contínua com Excitação Independente 1. Introdução A mesma máquina de corrente contínua de fabricação ANEL utilizada no ensaio precedente
Leia maisAnalisador de Energia RE6001 ANALISADOR DE ENERGIA. Prog
EMBRASUL Analisador de Energia RE6001 EMBRASUL ANALISADOR DE ENERGIA EMBRASUL RE6001 Prog Amplo display gráfico; Fácil instalação e operação; Configurado por módulos opcionais; Excelente faixa de medição;
Leia mais3 Sistema de Apoio à Decisão para o Controle de Tensão (SADECT) Baseado em Redes Neurais
3 Sistema de Apoio à Decisão para o Controle de Tensão (SADECT) Baseado em Motivado pela importância do estabelecimento de um sistema de apoio à decisão que auxiliasse o operador de tempo real durante
Leia mais3 INTERVALOS DE CONFIANÇA
3 INTEVALOS DE CONFIANÇA 3.1 Introdução A estimativa de intervalos de confiança é utilizada para se obter medidas de incerteza dos dados analisados. A análise da incerteza de uma previsão, por exemplo,
Leia maisModelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Proceeding Series of the Brazilian Society of pplied and Computational Mathematics, Vol., N., 0. Trabalho apresentado no XXXV CNMC, Natal-RN, 0. Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Leia maisIntrodução às Redes Neurais Artificiais
Introdução às Redes Neurais Artificiais Perceptrons de Múltiplas Camadas I Prof. João Marcos Meirelles da Silva www.professores.uff.br/jmarcos Departamento de Engenharia de Telecomunicações Escola de Engenharia
Leia maisRedes Neurais MLP: Exemplos e Características
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais MLP: Exemplos e Características DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1
Leia maisSistema de distribuição.
1 Impacto de Cargas Eletrônicas Residenciais e Comerciais Eficientes e Não-lineares no Sistema de Distribuição Parte I Medições de Amostras de Cargas Individuais (Eletrodomésticos) M. L. y Gonzalez, S.
Leia maisEstudo da Robustez e da Capacidade de Generalização dos Algoritmos RPROP e Backpropagation na Modelagem do Comportamento à Fadiga de Compósitos
Estudo da Robustez e da Capacidade de Generalização dos Algoritmos RPROP e Backpropagation na Modelagem do Comportamento à Fadiga de Compósitos Raimundo Carlos Silverio Freire Júnior UFRN CCET Programa
Leia maisADEQUAÇÃO DE UM ANALISADOR DE ENERGIA CONVENCIONAL À LEGISLAÇÃO BRASILEIRA NO CONTEXTO DA QUALIDADE E EFICIÊNCIA ENERGÉTICA
ADEQUAÇÃO DE UM ANALISADOR DE ENERGIA CONVENCIONAL À LEGISLAÇÃO BRASILEIRA NO CONTEXTO DA QUALIDADE E EFICIÊNCIA ENERGÉTICA Nome dos autores: Jeyson Carlos Hashimoto de Medeiros 1 ; Sergio Manuel Rivera
Leia mais(VWXGRVGH&DVRV ' 6 = 1. Equação 17- Erro RMSE. Equação 18 - Erro Médio Absoluto (MAPE)
8 (VWXGRVGH&DVRV Para avaliar o desempenho dos modelos de RNAs definidos neste trabalho, foram criados vários casos de testes com diversas simulações de falta. O desempenho da rede, no conjunto de testes
Leia maisRedes Neurais Feedforward e Backpropagation. André Siqueira Ruela
Redes Neurais Feedforward e Backpropagation André Siqueira Ruela Sumário Introdução a redes feedforward Algoritmo feedforward Algoritmo backpropagation Feedforward Em uma rede feedforward, cada camada
Leia maisE M B R A S U L. embrasul.com.br. Analisador de Energia RE4080
Analisador de Energia RE4080 RE4080 Re4080 Uso ao tempo (IP65); Estudo do fluxo de carga; Fator de Potência; Consumo e demanda; Curvas de carga em transformadores; Curvas de carga em motores. 1. Apresentação
Leia mais4 Cálculo de Equivalentes Dinâmicos
4 Cálculo de Equivalentes Dinâmicos 4.1. Introdução Os sistemas de potência interligados vêm adquirindo maior tamanho e complexidade, aumentando a dependência de sistemas de controle tanto em operação
Leia maisPEA2502 LABORATÓRIO DE ELETRÔNICA DE POTÊNCIA
EXPERIÊNCIA N o PEA50 LABORATÓRIO DE ELETRÔNICA DE POTÊNCIA RETIFICADORES NÃO CONTROLADOS DE DOIS CAMINHOS W. KAISER 0/009 1. OBJETIVOS Estudo do funcionamento e processo de comutação em retificadores
Leia maisO USO DO SIMULADOR PhET PARA O ENSINO DE ASSOCIAÇÃO DE RESISTORES. Leonardo Dantas Vieira
Universidade Federal de Goiás - Regional Catalão Instituto de Física e Química Programa de Pós-Graduação em Ensino de Física Mestrado Nacional Profissional em Ensino de Física O USO DO SIMULADOR PhET PARA
Leia maisE M B R A S U L. embrasul.com.br. Analisador de Energia RE4001
Analisador de Energia RE4001 RE4001 Estudo do fluxo de carga; Fator de Potência; Consumo e demanda; Curvas de carga em transformadores; Curvas de carga em motores. RE4001 1. Apresentação O RE4001 possui
Leia maisp TPP = (6.1) e a rajada de perda de pacote é medida pela Comprimento Médio da Rajada (CMR ) que é dada por
6 Perdas de Pacotes O problema de perda de pacotes em rajadas nas redes IP e redes móveis é um dos fatores mais importantes a serem considerados na análise de sistemas de reconhecimento de voz distribuídos.
Leia maisPrimeiras Redes Neurais Artificiais: Perceptron e Adaline
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Primeiras Redes Neurais Artificiais: Perceptron e Adaline DCA0121 Inteligência Artificial Aplicada Heitor
Leia maisRedes Neurais Artificiais Aplicadas ao Jogo da Velha 3D em Pinos
Redes Neurais Artificiais Aplicadas ao Jogo da Velha 3D em Pinos TCC - Jan/09 Daniel Tré - ISTCCP Redes Neurais Artificiais Aplicadas ao Jogo da Velha 3D em Pinos p. 1/2 O que são Redes Neurais Artificiais
Leia mais4 O Modelo Termodinâmico da Turbina a Gás
4 O Modelo Termodinâmico da Turbina a Gás 4.1. Introdução Com o intuito de realizar o diagnóstico de falhas em turbinas a gás, são necessários muitos dados para a análise de falha dos componentes. O diagnóstico
Leia maisANÁLISE DO DESEMPENHO DA PROTEÇÃO DIFERENCIAL SOB CONDIÇÃO DE SATURAÇÃO DOS TRANSFORMADORES DE CORRENTE
ANÁLISE DO DESEMPENHO DA PROTEÇÃO DIFERENCIAL SOB CONDIÇÃO DE SATURAÇÃO DOS TRANSFORMADORES DE CORRENTE Code: 19.031 Arian Fagundes, Alex Itczak, Eduardo Machado dos Santos, John J. Saldanha, Marcel Stalter,
Leia maisInfluência da forma de tratamento do sinal na quantificação do desequilíbrio de tensão
1 Influência da forma de tratamento do sinal na quantificação do desequilíbrio de tensão J. Cormane A., (UnB), T. Carvalho V. (UnB), A. L. Ferreira F.(UnB) e M. V. Chaffim C. (UnB) Resumo Este artigo apresenta
Leia maisModelagem matemática do estimador de estados dos mínimos quadrados ponderados usando a ferramenta AMPL
https://eventos.utfpr.edu.br//sicite/sicite2017/index Modelagem matemática do estimador de estados dos mínimos quadrados ponderados usando a ferramenta AMPL RESUMO Pamela Maria Alves dos Santos pamelas@alunos.utfpr.edu.br
Leia maisRedes Neurais: RBF. Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais: RBF DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos Redes de Funções de
Leia maisUNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIÊNCIAS EXATAS (DEX) Estudo de Algoritmos de Aprendizado em Redes Neurais Artificiais
UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIÊNCIAS EXATAS (DEX) Orientador: Prof. Fabiano Lemes Ribeiro Estudo de Algoritmos de Aprendizado em Redes Neurais Artificiais Nome: João Vitor Squillace
Leia maisSCQ/ a 26 de Outubro de 2001 Campinas - São Paulo - Brasil
SCQ/010 21 a 26 de Outubro de 2001 Campinas - São Paulo - Brasil STE SESSÃO TÉCNICA ESPECIAL DE INTERFERÊNCIAS, COMPATIBILIDADE ELETROMAGNÉTICA E QUALIDADE DE ENERGIA USO DE FILTROS PASSIVOS EM TOPOLOGIA
Leia maisRedes Neurais Noções Gerais
Redes Neurais Noções Gerais Segundo Loesch (apupt Fernandes), Redes Neurais Artificiais são sistemas computacionais, de implementação em hardware e software, que imitam as habilidades computacionais do
Leia maisCOMPARAÇÃO ENTRE DIFERENTES ESTRUTURAS DE REDES NEURAIS NO PROBLEMA PRESA-PREDADOR 1
COMPARAÇÃO ENTRE DIFERENTES ESTRUTURAS DE REDES NEURAIS NO PROBLEMA PRESA-PREDADOR 1 Márcia Da Silva 2, Eldair Fabricio Dornelles 3, Rogério S. M. Martins 4, Édson L. Padoin 5. 1 Pesquisa desenvolvida
Leia mais