Thermal modeling of power transformers using evolving fuzzy systems

Souza, L. M.; Lemos, André Paim; Caminhas, Walmir M.; Boaventura, Wallace C.

doi:10.1016/j.engappai.2011.12.007

Cited by 38 publications

(19 citation statements)

References 23 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Other methods range from neural networks [50] to neuro-fuzzy ones [51]. Moreover, the practicality of using evolving fuzzy networks is also evaluated [52]. However, the application of such models would require ample training data, which is unfortunately not readily available in today's power systems.…”

Section: )mentioning

confidence: 99%

Thermoelectric Modelling and Optimization of Offshore Windfarm Export Systems - State of the Art

Kazmi

Holbøll

Olesen

et al. 2019

2019 1st Global Power, Energy and Communication Conference (GPECOM)

View full text Add to dashboard Cite

With recent developments and cost reduction, offshore windfarms are set to lead the energy markets of the west by 2030. This development can further be accelerated if the wind intensive periods can be utilized efficiently by optimizing the limited network capacity and if the energy output is increased during contingency outages. Therefore, dynamic rating operation of components that are primary system bottlenecks becomes crucial. This paper identifies potential bottlenecks in offshore windfarm export systems and provides an extensive state-of-the-art review of dynamic thermoelectric models which are applicable for real-time loadability assessment of the identified components. The loadability of these components is directly dependent on their thermal state, which is evaluated based on analytical solutions of the dynamic thermoelectric model, including the complicated heat transfer and temperature development phenomena in the identified components. Moreover, potential risks of using these models for offshore windfarm applications are also identified.

show abstract

Section: )mentioning

confidence: 99%

Thermoelectric Modelling and Optimization of Offshore Windfarm Export Systems - State of the Art

Kazmi

Holbøll

Olesen

et al. 2019

2019 1st Global Power, Energy and Communication Conference (GPECOM)

View full text Add to dashboard Cite

show abstract

“…Espera-se que o comportamento do transformador a ser modelado mude devido a variações nas entradas, mudanças estruturais, ações de manutenção, envelhecimento natural, dentre outros fatores. Assim, um modelo pode ser invalidado após um período de tempo se os parâmetros ou a estrutura deste modelo não se adaptarem para lidar com essas alterações (Souza et al, 2012).…”

Section: Introductionunclassified

Modelagem Térmica de Transformadores de Potência Baseada em um Sistema Fuzzy Evolutivo Set-Membership Gaussiano Multivariado

Rocha

Alves

Hell

et al. 2020

Anais Do Congresso Brasileiro De Automática 2020

View full text Add to dashboard Cite

Neste trabalho é apresentado um novo sistema fuzzy evolutivo baseado no conceito de filtragem Set-Membership e no agrupamento Gaussiano Multivariado para a modelagem térmica de transformadores de potência. Este novo sistema, denominado Set-Membership evolutivo Gaussiano Multivariado, atua ajustando a taxa de aprendizagem no sistema de modelagem fuzzy evolutivo, limitando assim o erro durante o processo de aprendizagem, o que reduz a complexidade computacional do modelo. A fim de comprovar a eficácia do modelo proposto testes experimentais foram realizados com dados obtidos de um transformador real para diversas condições de carregamento. Comparações com abordagens alternativas, evolutivas e não evolutivas, sugeridas na literatura mostraram que o modelo proposto obteve melhor desempenho e apresenta um número competitivo de regras, sugerindo ser uma abordagem flexível e eficiente na solução do problema proposto.

show abstract

“…Baseando-se na teoria de sistemas fuzzy, (Wang and Mendel, 1992) desenvolveram um algoritmo usando princípio dos mínimos quadrados recursivos para construir uma base de regras fuzzy. Conforme (Park and Park, 2003), as propriedades desse algoritmo possibilitaram que outros autores desenvolvessem arquiteturas de controle adaptativas fuzzy para sistemas não lineares (Souza et al, 2012), (Silva et al, 2013), (Leite et al, 2015). Nessa linha têm-se, por exemplo, o controle adaptativo fuzzy indireto que estima a dinâmica e o sinal de controle da malha fechada (Wang, 1996), (Banerjee et al, 2011), (Park et al, 2003).…”

Section: Introductionunclassified

Linearização por realimentação granular robusta com algoritmo evolutivo Takagi-Sugeno: Análise e avaliação de desempenho

Bento

Oliveira

Leite

et al. 2019

Anais Do 14º Simpósio Brasileiro De Automação Inteligente

View full text Add to dashboard Cite

Feedback linearization is a powerful nonlinear control technique, but its performance degenerates substantially when subject to modeling errors. Recently robust granular feedback linearization, a method that uses the participatory learning to cancel the effect of model mismatches, was introduced to reduce the impact of modeling errors in the control loop. This paper aims to evaluate the performance of the robust, granular feedback linearization controller with learning done using eTS, the evolving Takagi-Sugeno approach. The behavior of the robust, granular feedback linearization with eTS is evaluated using an inverted pendulum control system to track a specified trajectory. Performance is measured using integral of the absolute error, the integral of the variability of the control signal, and the integral of the variability of the error indexes. Simulation results suggest that the robust, granular eTS control performs better than exact feedback linearization. Resumo: A linearização por realimentaçãoé uma poderosa técnica de controle não linear, mas quando aplicada a situações em que há erro de modelagem, seu desempenho fica comprometido e o comportamento em malha fechada degenera. A linearização por realimentação granular robustá e uma técnica que utiliza aprendizagem participativa para cancelar os efeitos causados por erros de modelagem na malha de controle. Esse trabalho objetiva avaliar o desempenho do controlador de linearização por realimentação granular robusta quando o mecanismo de aprendizagemé substituído pelo eTS, o algoritmo evolutivo Takagi-Sugeno. O controlador granular robusto com eTSé utilizado para que os estados de um pêndulo invertido siga uma trajetória especificada. Os resultados de simulação são quantificados usando os critérios da integral do valor absoluto do erro, da integral da variabilidade do erro e da integral da variabilidade do sinal de controle. Os resultados sugerem que o controlador granular robusto com eTS tem desempenho superior a linearização por realimentação exata.

show abstract

Thermal modeling of power transformers using evolving fuzzy systems

Cited by 38 publications

References 23 publications

Thermoelectric Modelling and Optimization of Offshore Windfarm Export Systems - State of the Art

Thermoelectric Modelling and Optimization of Offshore Windfarm Export Systems - State of the Art

Modelagem Térmica de Transformadores de Potência Baseada em um Sistema Fuzzy Evolutivo Set-Membership Gaussiano Multivariado

Linearização por realimentação granular robusta com algoritmo evolutivo Takagi-Sugeno: Análise e avaliação de desempenho

Contact Info

Product

Resources

About