Teses em Engenharia Elétrica (Doutorado) - PPGEE/ITEC
URI Permanente para esta coleçãohttps://repositorio.ufpa.br/handle/2011/2317
O Doutorado Acadêmico inicio-se em 1998 e pertence ao Programa de Pós-Graduação em Engenharia Elétrica (PPGEE) do Instituto de Tecnologia (ITEC) da Universidade Federal do Pará (UFPA).
Navegar
Navegando Teses em Engenharia Elétrica (Doutorado) - PPGEE/ITEC por Orientadores "CASTRO, Adriana Rosa Garcez"
Agora exibindo 1 - 3 de 3
- Resultados por página
- Opções de Ordenação
Tese Acesso aberto (Open Access) Análise de desempenho de algoritmos para classificação de sequências representando faltas do tipo curto-circuito em linhas de transmissão de energia elétrica(Universidade Federal do Pará, 2019-12-05) FREIRE, Jean Carlos Arouche; MORAIS, Jefferson Magalhães de; http://lattes.cnpq.br/5219735119295290; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860A 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 pósfalta 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, Máquinas de Vetores de Suporte, K-vizinhos mais próximos e Árvore de Decisão (Floresta aleatória). 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 um 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 (K-vizinhos mais próximo) associado a medida de similaridade de Alinhamento Temporal Dinâmico (DTW) e do algoritmo HMM (Modelo Oculto de Markov) 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 pós-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 metodologias 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 testes estatísticos. Os resultados obtidos mostraram que o classificador baseado no HMM se mostrou mais adequado para o problema de classificação de faltas do tipo curto-circuito em linhas de transmissão.Tese Acesso aberto (Open Access) Estrutura de redes neurais auto-associativas aplicadas ao processo de identificação de equipamentos elétricos em sistemas de monitoramento não intrusivo de cargas(Universidade Federal do Pará, 2019-10-23) MORAIS, Lorena dos Reis; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860A busca pela redução e racionalização do consumo de energia elétrica vem cada vez mais se tornando uma prioridade para todos consumidores em nível mundial. Ambientes residenciais são responsáveis por uma grande parte do consumo de energia elétrica. Os sistemas de monitoramento não intrusivo de cargas surgiram exatamente com o objetivo de auxílio aos consumidores, trazendo a possibilidade de se obter informações a respeito do consumo individual dos equipamentos e permitindo assim um consumo monitorado e o consequente aumento da eficiência energética. Em um sistema de Monitoramento não intrusivo de cargas - NILM quatro etapas são fundamentais: a aquisição de dados agregados através de um sensor único, a detecção de eventos de liga/desliga dos equipamentos a partir da carga agregada, a extração de características dos sinais desagregados e a identificação de equipamentos a partir das características extraídas do sinal desagregado. Neste contexto, este trabalho propõe uma nova metodologia para identificação de equipamentos elétricos em ambiente residencial empregando uma estrutura competitiva de Redes Neurais Auto-Associativas. O sistema proposto é baseado nas medidas do sinal de potência obtido a partir de eventos de liga/desliga dos equipamentos. Para testar a metodologia proposta foram desenvolvidos 3 cenários utilizando 3 diferentes bancos de dados públicos. Devido aos bons resultados alcançados, analisados com uso de métricas estatísticas, avalia-se que a metodologia proposta é capaz de executar de forma eficiente a tarefa de identificação de equipamento elétricos, podendo desta forma contribuir para o desenvolvimento de futuros sistemas de monitoramento não intrusivo que atendam as demandas do mercado.Tese Acesso aberto (Open Access) Extração de conhecimento em forma de regras difusas a partir de mapas auto-organizáveis de Kohonen: aplicação em diagnóstico de faltas incipientes em transformadores(Universidade Federal do Pará, 2013-03-11) SILVA, Ana Carla Macedo da; CASTRO, Adriana Rosa Garcez; http://lattes.cnpq.br/5273686389382860Apesar das diversas vantagens oferecidas pelas redes neurais artificiais (RNAs), algumas limitações ainda impedem sua larga utilização, principalmente em aplicações que necessitem de tomada de decisões essenciais para garantir a segurança em ambientes como, por exemplo, em Sistemas de Energia. Uma das principais limitações das RNAs diz respeito à incapacidade que estas redes apresentam de explicar como chegam a determinadas decisões; explicação esta que seja humanamente compreensível. Desta forma, este trabalho propõe um método para extração de regras a partir do mapa auto-organizável de Kohonen, projetando um sistema de inferência difusa capaz de explicar as decisões/classificação obtidas através do mapa. A metodologia proposta é aplicada ao problema de diagnóstico de faltas incipientes em transformadores, em que se obtém um sistema classificatório eficiente e com capacidade de explicação em relação aos resultados obtidos, o que gera mais confiança aos especialistas da área na hora de tomar decisões.