Detalhes do Documento

Nowadays, electricity assumes an essential role in the sustainability of modern society. The requirement and consumer demand for power quality are growing along with the advancement of technology and the increasing use of non-linear loads. This paper presents an application of artificial immune systems, focusing on the clonal selection algorithm, for power quality disturbances classification. The algorithm uses an initial population of antibodies to generate high affinity memory cells capable of recognizing antigenic electrical disturbances during each half cycle of the fundamental frequency voltage signal. The results demonstrate the algorithm's ability to classify disturbances such as sag, swell, outage and harmonics, with 100% efficiency rating. Another important feature of this approach is that it can be embedded, since the online stage classification has a low computational complexity with processing time around 103 μs. Based on comparative study with other studies, the results showed up best.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES

Na atualidade, a energia elétrica assume um papel imprescindível para a sustentabilidade da sociedade moderna. Com o avanço da tecnologia e a utilização cada vez maior de cargas não-lineares, são crescentes a exigência e a demanda dos consumidores em relação à qualidade de energia elétrica. Neste trabalho é apresentada uma aplicação de sistemas imunológicos artificiais, tendo como foco o algoritmo de seleção clonal, para classificação de distúrbios de energia elétrica. O algoritmo utiliza uma população inicial de anticorpos para gerar células de memória de alta afinidade antigênica capazes de reconhecer distúrbios de energia elétrica a cada meio ciclo da frequência fundamental do sinal de tensão. Os resultados obtidos demonstram a capacidade do algoritmo em classificar distúrbios, tais como afundamentos, elevações, interrupções e harmônicos, com 100% de eficiência de classificação. Outra característica importante desta abordagem é que ela pode ser embarcada, uma vez que a fase online de classificação apresenta baixa complexidade computacional com tempo de processamento em torno de 103 μs. Baseado no estudo comparativo com outros trabalhos, os resultados obtidos apresentaram-se melhores.