You are in the accessibility menu

Please use this identifier to cite or link to this item: http://acervodigital.unesp.br/handle/11449/29070
Full metadata record
DC FieldValueLanguage
dc.contributor.authorFreitas, Antônio A. C. de-
dc.contributor.authorSilva, Ivan N. da-
dc.contributor.authorSouza, André N. de-
dc.date.accessioned2014-05-20T15:14:09Z-
dc.date.accessioned2016-10-25T17:48:05Z-
dc.date.available2014-05-20T15:14:09Z-
dc.date.available2016-10-25T17:48:05Z-
dc.date.issued2002-09-01-
dc.identifierhttp://dx.doi.org/10.1590/S0103-17592002000300005-
dc.identifier.citationSba: Controle & Automação Sociedade Brasileira de Automatica. Sociedade Brasileira de Automática, v. 13, n. 3, p. 266-274, 2002.-
dc.identifier.issn0103-1759-
dc.identifier.urihttp://hdl.handle.net/11449/29070-
dc.identifier.urihttp://acervodigital.unesp.br/handle/11449/29070-
dc.description.abstractNeste artigo, os sinais de temperatura ambiente e de carregamento de transformadores de distribuição imersos em óleo são aplicados em uma arquitetura de redes neurais artificiais com o objetivo de estimar a temperatura interna destes transformadores. A arquitetura da rede neural utilizada nesta aplicação é do tipo perceptron multicamadas. O treinamento da rede foi realizado através do algoritmo de retropropagação denominado ''Resilient Propagation'' e foi baseado em dados de projeto e de ensaios de transformadores de distribuição imersos em óleo. Resultados de simulação da abordagem proposta indicam que esta metodologia pode ser utilizada eficientemente nos processos de proteção de transformadores, incrementando a seletividade, confiabilidade e o gerenciamento da rede de distribuição.pt
dc.description.abstractIn this paper, the ambient temperature values and load signals are applied in an architecture of artificial neural network with the objective of estimating the internal temperature of oil-immersed distribution transformers. The architecture of neural network used in this application is a multilayer perceptron. The training of the network was carried-out using the ''Resilient Propagation'' algorithm and it was based on design details and experimental data relative to the oil-immersed distribution transformers. Simulation results of the proposed approach indicate that this methodology can be efficiently used in the protection processes of transformers, increasing the selectivity, reliability and the management of the electric energy distribution system.en
dc.description.sponsorshipFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)-
dc.description.sponsorshipConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)-
dc.format.extent266-274-
dc.language.isopor-
dc.publisherSociedade Brasileira de Automática-
dc.sourceSciELO-
dc.subjectÓleo de transformadorespt
dc.subjectredes neurais artificiaispt
dc.subjectidentificação de parâmetrospt
dc.subjectinteligência artificialpt
dc.subjectalgoritmos de estimaçãopt
dc.subjectTransformer oilen
dc.subjectartificial neural networksen
dc.subjectparameter identificationen
dc.subjectartificial intelligenceen
dc.subjectestimation algorithmsen
dc.titleAplicação de redes neurais na estimação da temperatura interna de transformadores de distribuição imersos em óleopt
dc.typeoutro-
dc.contributor.institutionCentro Federal de Educação Tecnológica (CEFET)-
dc.contributor.institutionUniversidade Federal de Santa Catarina (UFSC)-
dc.contributor.institutionUniversidade Estadual Paulista (UNESP)-
dc.description.affiliationCentro Federal de Educação Tecnológica do Paraná DTE-
dc.description.affiliationUniversidade Federal de Santa Catarina-
dc.description.affiliationUNESP FE DEE-
dc.description.affiliationUnespUNESP FE DEE-
dc.identifier.doi10.1590/S0103-17592002000300005-
dc.identifier.scieloS0103-17592002000300005-
dc.rights.accessRightsAcesso aberto-
dc.identifier.fileS0103-17592002000300005.pdf-
dc.relation.ispartofSba: Controle & Automação Sociedade Brasileira de Automatica-
Appears in Collections:Artigos, TCCs, Teses e Dissertações da Unesp

There are no files associated with this item.
 

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.