---

Este manuscrito apresenta um método de extra‡Æo de características baseado em transformada wavelet combinado com um par de redes neurais adaptativas ao longo do tempo para detectar e localizar faltas de alta impedância em redes de distribui‡Æo com presen‡a de gera‡Æo distribuída variante no tempo. Diferentes famílias wavelets, como Symlet, Daubechies and Biorthogonal, sÆo avaliadas como método de extra‡Æo de características. A rede neural adaptativa proposta utiliza um algoritmo incremental de aprendizado, que permite a rede aprender e auto adaptar-se a partir de um fluxo de dados online. O algoritmo permite que o modelo de rede neural capture novidades e, portanto consiga lidar com comportamentos nÆo estacionários. Modelos do IEEE validados empiricamente foram usados para gerar bases de dados contendo ocorrências de falta e de situa‡äes usuais em redes de distribui‡Æo. Resultados comparativos de classifica‡Æo dos dados sintéticos, utilizando redes neurais feed-forward, fun‡Æo base radial, recorrente e rede evolutiva sÆo apresentados.

---

Pereira Lucas, Fabrício
Mestre em engenharia elétrica e bacharel em Engenharia de Controle e Automa‡Æo pela PUC Minas. Pyramo e Daniel sÆo doutores pela Faculdade de Engenharia Elétrica da UNICAMP. Daniel é pós-doutor em modelagem e controle inteligente pela UFMG.

---