The use of advanced signal processing and deep learning for pattern recognition in integrated metrics of quality performance: a smart grid application

• Ano de defesa: 2020
• Autor(a) principal: SALLES, Rafael de Souza
• Orientador(a): FULY, Benedito Isaías Lima
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal de Itajubá
• Programa de Pós-Graduação: Programa de Pós-Graduação: Mestrado - Engenharia Elétrica
• Departamento: IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
• País: Brasil
• Palavras-chave em Português: Qualidade de energia; Processamento avançado de sinais; Inteligência artificial; Aprendizado profundo; Redes neurais concolucionais; Redes inteligentes
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA
• Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/2327

Qualidade de Energia não é uma temática nova, porém de forma alguma deve ser negligenciada, pois seus parâmetros de performance indicam problemas na adequação entre o equipamento do consumidor e a rede elétrica. Com as transformações em andamento nos sistemas elétricos de potência, caracterizados pela alta penetração de fontes renováveis de energia, inserção massiva de componentes baseados em eletrônica de potência na rede e descentralização da geração, essas questões se tornam cada vez mais importantes. Nas Redes Inteligentes, busca-se soluções cada vez mais avançadas para solucionar questões dos distúrbios da Qualidade de Energia. Dentro desse contexto, o processamento avançado de sinais possui um papel importante para tratar as medições da rede e apoiar diversas aplicações. A Inteligência Artificial, tem ganhado grande destaque dar suporte para aplicações com soluções inovadoras em diversas áreas. Esta pesquisa tem como objetivo investigar o uso de processamento avançado de sinais e técnicas de Aprendizagem Profundo ("Deep Learning") para reconhecimento de padrões e classificação de sinais com distúrbios da Qualidade de Energia. Para este propósito, a Transformada Wavelet Contínua com um banco de filtros é usada para gerar imagens 2-D no domínio do tempo-frequência a partir de sinais com distúrbios de tensão. O trabalho visa utilizar Redes Neurais Convolucionais para classificar essas imagens de acordo com a respectiva distorção. Nesta implementação de Inteligência Artificial, etapas específicas de projeto, treinamento, validação e teste serão realizadas para um modelo elaborado pelo autor e também utilizando a técnica de transferência de conhecimento com as redes pré-treinadas SqueezeNet, GoogleNet, e ResNet-50. O trabalho foi desenvolvido no software MATLAB/Simulink, todas as etapas de processamento do sinal, projeto de modelos de classificação, simulação e geração dos dados investigados. Todas as etapas tiveram seus objetivos específicos cumpridos, culminando na boa execução e desenvolvimento da pesquisa. Os resultados obtidos mostraram alta precisão para "CNN de Scratch" e ResNet-50 em classificar o conjunto de testes. Os outros dois modelos obtiveram acurácias não tão altas, e os resultados se mostram consistentes ao comparar com outras metodologias. Considerações sobre os resultados foram apontadas. Por fim, algumas conclusões foram estabelecidas, assim como uma reflexão filosófica sobre o papel dos tópicos abordados para os sistemas elétricos de potência.