Notícias

Banca de QUALIFICAÇÃO: JEAN CARLOS AROUCHE FREIRE

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: JEAN CARLOS AROUCHE FREIRE
DATA: 28/03/2018
HORA: 09:00
LOCAL: Auditório do ITEC
TÍTULO:

AVALIAÇÃO DE ALGORITMOS PARA CLASSIFICAÇÃO DE SEQUENCIAS REPRESENTANDO FALTAS DO TIPO CURTO-CIRCUÍTO EM LINHAS DE TRANSMISSÃO DE ENERGIA


PALAVRAS-CHAVES:

Sistema Elétrico de Potência, Classificação de Faltas, Arquitetura FBSC, Algoritmo KNN-DTW e HMM


PÁGINAS: 98
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO:

Os sistemas de classificação de faltas em linha de transmissão podem ser divididos em dois tipos: sistemas de classificação on-line e pós-falta. Este trabalho foca na classificação de sequências representado faltas do tipo curto-circuito em linhas de transmissão em um cenário pós-falta. Neste cenário as sequências possuem comprimento (duração) variável. Na classificação de sequências é possível utilizar classificadores convencionais tais como Redes Neurais artificiais. Neste caso, o processo de classificação requer um pré-processamento ou um estágio de front end que converta os dados brutos em parâmetros sensíveis para alimentar o classificador,. Uma solução para este problema é a arquitetura de classificação de sequências baseada em quadros (FBSC). O problema da arquitetura FBSC é que esta possui muitos graus de liberdade na concepção do modelo (front end mais classificador) devendo este ser avaliado usando conjunto de dados completo e uma metodologia rigorosa para evitar conclusões tendenciosas. Alternativamente à arquitetura FBSC (baseada em recurso), também existem outras técnicas como KNN-DTW (K-Nearest Neighbor associado a medida de similaridade Dynamic Time Warping (DTW)(Baseada em distância) e o  HMM (Hidden Markov Model)(Baseada em modelo). Estes classificadores são capazes de lidar diretamente com as sequências de tamanhos diferentes, diminuindo o pipeline imposto pela arquitetura FBSC. Este trabalho propõe uma metodologia de avaliação dos algoritmos (FBSC), (KNN-DTW) e (HMM)  que melhor se adequem a classificação de faltas do tipo curto-circuito em linhas de transmissão de energia levando em consideração taxa de erro, tempo de processamento e custo computacional.  Nos experimentos foram utilizados dados simulados de faltas do tipo curto-circuito, oriundos de uma base de dados pública chamada UFPAFaults. Foi realizada uma comparação em termos de acurácia (taxa de erro) entre o classificador KNN-DTW, HMM e a arquitetura FBSC. No caso da arquitetura FBSC diferentes front ends (ex. wavelet e rms) e classificadores convencionais (ex. máquinas de vetores de suporte e redes neurais) foram testados. Os resultados parciais obtidos indicam a necessidade de um classificador com baixa parametrização, o algoritmo KNN-DTW e HMM mostram-se como uma alternativa viável, mesmo que sua acurácia tenha sido inferior se comparado à algumas técnicas da arquitetura FBSC.


MEMBROS DA BANCA:
Presidente - 2170855 - ADRIANA ROSA GARCEZ CASTRO
Interno - 326021 - UBIRATAN HOLANDA BEZERRA
Externo ao Programa - 2378314 - JEFFERSON MAGALHAES DE MORAIS
Externo à Instituição - MARCOS PAULO ALVES DE SOUSA
Externo à Instituição - ORLANDO SHIGUEO OHASHI JUNIOR
Notícia cadastrada em: 27/03/2018 13:58
SIGAA | Centro de Tecnologia da Informação e Comunicação (CTIC) - | Copyright © 2006-2022 - UFPA - jatoba.ufpa.br.jatoba1