Navegando por Autor "FREIRE, Jean Carlos Arouche"

Agora exibindo 1 - 2 de 2

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/5273686389382860
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 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.
Acesso aberto (Open Access)
Aplicação de técnicas estatísticas e de inteligência computacional na classificação de ciclos hidrológicos em reservatórios de água na região amazônica: um estudo de caso
(Universidade Federal do Pará, 2014-05-09) FREIRE, Jean Carlos Arouche; OLIVEIRA, Terezinha Ferreira de; http://lattes.cnpq.br/6230804143692945; MORAIS, Jefferson Magalhães de; http://lattes.cnpq.br/5219735119295290
Este estudo avalia a qualidade da água do reservatório da Usina Hidrelétrica de Tucuruí de acordo com o ciclo hidrológico da região e da disposição espacial dos diferentes sítios de coleta distribuídos nas zonas à montante da barragem no período de 2009 a 2012 a partir da alteração de 17 parâmetros físico-químicos e de metais da água extraídos de seis fatores que representaram 71,01% de variabilidade total dos dados. Foi observado que as maiores variações do NO3, NH4, Total P, PO4 e STS ocorreram no período de enchentes, podendo ser uma indicação do estado trófico nos sítios amostrais em decorrência da existência de pólos pesqueiros ou da densidade populacional no entorno desses sítios. Para classificação do ciclo hidrológico foram utilizados seis classificadores: análise discriminante, redes neurais artificiais, k-vizinhos mais próximo, máquinas de vetores de suporte com núcleo radial e polinominal, e random forest. Os resultados obtidos indicaram que o classificador random forest foi o que apresentou melhor desempenho com percentual de classificação de 7,80% de predições incorretas. Enquanto que o t-Student test indica que random forest e k-vizinhos mais próximo tem em média taxa de predições incorretas iguais com índice de significância fixado em α = 5%.