O ensaio de resposta em frequência em geradores síncronos vem ganhando espaço nas últimas décadas, porém o alto custo dos equipamentos empregados para realização do ensaio ainda é um empecilho, tanto para fabricantes como para consumidores finais. Este trabalho tem por objetivo complementar trabalhos anteriores, através do uso de redes neurais artificiais para identificação de padrões em ensaios realizados com equipamentos de baixo custo e baixa resolução. Através das redes neurais artificiais utilizadas é possível estimar novos pontos de ensaio sem que seja necessário um novo ensaio ou até mesmo um ensaio com equipamentos mais caros. Através de uma combinação de algoritmos de tratamento de dados, é possível a aproximação de modelos ensaiados com modelos teóricos e através desses resultados obter parâmetros elétricos dos geradores síncronos.

The frequency response test on synchronous generators has been increasing in recent decades, but the high cost of equipment used for conducting the test is still a stumbling block for both manufacturers and end-consumers. This dissertation aims to complement previous work, through the use of artificial neural networks to identify patterns in tests conducted with low-cost and low-resolution equipment. Through the artificial neural networks used it is possible to estimate a new set of test points without retesting is necessary or even a more expensive assay equipments. Through a combination of data processing algorithms, the approach tested models with theoretical models is possible and through these results to obtain electrical parameters of synchronous generators.