Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.17648/sbai-2019-111384
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!O estudo da área de Qualidade de Energia Elétrica (QEE) tem crescido muito nos últimos anos. O aumento no uso de conversores de alta potência e de cargas não lineares com potência elevada causam perturbações no sinal elétrico (corrente e tensão), chamadas de distúrbios. Este trabalho apresenta um sistema de detecção de distúrbios de qualidade da energia elétrica (QEE) baseado em um modelo neural NARX (\Nonlinear Autoregressive with eXogenous inputs). A partir da aplicação de um filtro notch no sinal de tensão, a rede neural estima o valor do sinal um passo à frente e, por meio da análise de resíduo deste modelo, o distúrbio é detectado. O sistema foi testado em simulações de seis classes de distúrbios, com diferentes relações sinal-ruído e variações na frequência fundamental, apresentando um acerto de detecção bastante elevando utilizando poucas amostras do evento com distúrbio.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo