Notícias

Banca de DEFESA: JEAN CARLOS AROUCHE FREIRE

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: JEAN CARLOS AROUCHE FREIRE
DATA: 05/12/2019
HORA: 09:30
LOCAL: Auditório do Instituto te Tecnologia - ITEC
TÍTULO:

ANÁLISE DE DESEMPENHO DE ALGORITMOS PARA CLASSIFICAÇÃO DE SEQUÊNCIAS REPRESENTANDO FALTAS DO TIPO CURTO-CIRCUITO EM LINHAS DE TRANSMISSÃO DE ENERGIA ELÉTRICA.


PALAVRAS-CHAVES:

Qualidade de energia elétrica, sistemas elétricos de potência, curto-circuito,classificação de faltas, KNN-DTW, HMM.


PÁGINAS: 145
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO:
A manutenção da qualidade de energia em sistemas elétricos de potência depende do tratamento dos principais distúrbios que possam surgir em sua geração, transmissão e distribuição. Dentro deste contexto, muitos estudos vêm sendo desenvolvidos com o objetivo de realizar a detecção e classificação de faltas do tipo curto-circuito em sistemas elétricos através da análise do comportamento do sinal elétrico. Os sistemas de classificação de faltas em linha de transmissão podem ser divididos em dois tipos: sistemas de classificação on-line e pós-falta. No cenário pós-falta as sequências do sinal a serem avaliadas para a classificação possuem comprimento (duração) variável. Na classificação de sequências é possível utilizar classificadores convencionais tais como Redes Neurais Artificiais, Support Vector Machine, K-nearest Neighboors e Random Forest. Nestes casos, o processo de classificação geralmente requer um pré-processamento das sequências ou um estágio de front end que converta os dados bruto em parâmetros sensíveis para alimentar o classificador, o que pode aumentar o custo computacional do sistema de classificação. Uma alternativa para este problema é a arquitetura de classificação de sequências baseada em quadros (FBSC - Frame Based Sequence Classification). 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. Considerando a importância do uso de metodologias para classificação de faltas do tipo curto-circuito eficientes e principalmente com baixo custo computacional,este trabalho apresenta os resultados do estudo desenvolvido de análise do algoritmo KNN-DTW (K-Nearest Neighbor) associado a medida de similaridade Dynamic Time Warping (DTW) e do algoritmo HMM (Hidden Markov Model) para a tarefa de classificação de faltas. Estas duas técnicas permitem o uso direto dos dados sem a necessidade de utilização de front ends, além de possuírem a capacidade de poder tratar séries temporais multivariadas e de tamanho variável, que é o caso das sequências de sinais para o caso pos-falta. Para desenvolvimento dos dois sistemas propostos para classificação foram utilizados dados simulados de faltas do tipo curto-circuito oriundos da base de dados pública UFPAFaults. Para comparação de resultados com metodolologias já apresentadas na literatura para o problema, foi também avaliada, para o mesmo banco de dados, a arquitetura FBSC. No caso da arquitetura FBSC, diferentes front ends e classificadores foram utilizados. A avaliação comparativa foi realizada a partir da medida de taxa de erro, custo computacional e teste estatísticos. Os resultados satisfatórios alcançados demonstram a aplicabilidade das duas técnicas propostas para o problema de classificação de faltas do tipo curto-circuito.

MEMBROS DA BANCA:
Presidente - 2170855 - ADRIANA ROSA GARCEZ CASTRO
Externo ao Programa - 2378314 - JEFFERSON MAGALHAES DE MORAIS
Externo à Instituição - MARCOS PAULO ALVES DE SOUSA
Externo à Instituição - ORLANDO SHIGUEO OHASHI JUNIOR
Interno - 326021 - UBIRATAN HOLANDA BEZERRA
Notícia cadastrada em: 03/12/2019 11:43
SIGAA | Centro de Tecnologia da Informação e Comunicação (CTIC) - (91)3201-7793 | Copyright © 2006-2024 - UFPA - bacaba.ufpa.br.bacaba2