Understanding and predicting interruptions index of medium voltage customers using fully connected networks
| Autor: | Gabriel Rosa |
|---|---|
| Přispěvatelé: | Yamanaka, Keiji, Sobrinho, Elder Vicente de Paulo, Cardoso, Alexandre, Pinheiro, Alan Petrônio |
| Rok vydání: | 2022 |
| Předmět: |
Fully Connected Networks
Qualidade de Energia Redes elétricas - Análise Falhas de energia elétrica Interrupções em Médias Tensões Power Quality Redes neurais (Computação) Interruptions on Medium Voltages ENGENHARIAS::ENGENHARIA ELETRICA [CNPQ] Energia elétrica - Distribuição Redes Totalmente Conectadas Engenharia elétrica |
| Zdroj: | Repositório Institucional da UFU Universidade Federal de Uberlândia (UFU) instacron:UFU |
| DOI: | 10.14393/ufu.di.2022.239 |
| Popis: | CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico As perdas causadas pela falta de eletricidade normalmente excedem o custo da própria eletricidade. Melhorar a qualidade da energia é uma forma de reduzir ou evitar a perda de produção na indústria, prevenir incêndios ou explosões e minimizar danos aos equipamentos industriais. Portanto, encontrar clientes que provavelmente sofrerão interrupções com antecedência, gerará valor tanto para a empresa quanto para os clientes. O objetivo deste estudo, é analisar dados de unidades que consomem energia elétrica usando redes neurais e árvores de decisão, como mapas auto-organizáveis, CHAID e CART, e usando redes neurais totalmente conectadas para prever o índice de interrupção para o próximo ano. Os resultados revelam um importante espaço para melhorias, como a conexão entre a não conformidade de indicadores estabelecidos ao longo do tempo, e pontos específicos da rede elétrica com problemas. Dessa forma, suporta as concessionárias a gerenciar sua infraestrutura para obter uma melhor qualidade da rede de energia elétrica. The losses caused by the lack of electricity typically exceed the cost of the electricity itself. Improving power quality is a way to reduce or avoid loss of production in the industry, prevent fires or explosions, and minimize damages to industrial equipment. Therefore, finding customers that probably will have interruptions in advance will generate value for both the company and customers. The purpose of this study is to analyze data from units that consume electricity using neural networks and decision trees, such as self-organizing maps, CHAID and CART, and using fully connected neural networks to predict the interruption index for the next year. The results reveal an important space for improvements such as the connection between non-compliance of established indicators over time and specific points of electrical network with problems. That way supports the concessionaries to manage their infrastructure to get a better quality of the electric power network. Dissertação (Mestrado) |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|