Avaliação de técnicas de aprendizado de máquina para detecção de eventos em sistemas elétricos de grande porte a partir de dados de medição fasorial sincronizada

• Ano de defesa: 2024
• Autor(a) principal: FERREIRA, Eduardo Henrique Marques
• Orientador(a): MORAES, Carlos Henrique Valério de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Itajubá
• Programa de Pós-Graduação: Programa de Pós-Graduação: Mestrado - Ciência e Tecnologia da Computação
• Departamento: IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
• País: Brasil
• Palavras-chave em Português: PMU; SIN; Aprendizado de máquina não supervisionado
• Área do conhecimento CNPq: CNPQ::CIÊNCIAS EXATAS E DA TERRA::CIÊNCIA DA COMPUTAÇÃO
• Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/4068

A crescente necessidade de garantir a eficiência e a confiabilidade do Sistema Integrado Nacional (SIN), que representa a espinha dorsal da distribuição de energia do país é o que conduz este trabalho. Diante dos desafios impostos pela vastidão territorial e a complexidade da rede elétrica brasileira, a utilização de Unidade de Medição Fasorial (PMUs) emerge como uma solução promissora para monitorar a rede em tempo real. No entanto a eficácia deste monitoramento está ligada à capacidade de detectar e responder a anomalias de forma rápida e precisa, minimizando os riscos de falhas e interrupções no fornecimento. O estudo aborda o desafio de gerenciamento e avaliação da rede elétrica interligada do país onde a informação precisa é pertinente para ações preventivas e corretivas em um sistema de distribuição de extensão continental. O cerne desta pesquisa reside na exploração inovadora de técnicas avançadas de compressão de dados combinadas com algoritmos de aprendizado de máquina não supervisionado, com o intuito de otimizar a interpretação e análise dos grande volumes de dados gerados pelas PMUs. Essa abordagem aponta uma melhoria significativa na qualidade e na precisão das informações extraídas e oferece uma solução escalável para o desafio de processar e analisar os dados de um sistema de distribuição de grande escala. São avaliados a eficácia através da detecção de eventos significativos e anomalias na rede em pontos geograficamente distantes da origem do evento. Os resultados deste estudo validam a eficácia dos algoritmos propostos, evidenciando sua relevância prática e seu impacto substancial na melhoria dos padrões de qualidade e confiabilidade no fornecimento de energia elétrica. Demonstram a viabilidade de implementação dessas técnicas em cenários reais, evidenciando o potencial de transformação na prevenção de falhas e na gestão de eventos críticos, contribuindo para uma rede de distribuição de energia mais estável, eficaz e segura.