Utilização de Abordagens de Múltiplos Classificadores para Classificação de Falhas em Sistemas Elétricos

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: OLIVEIRA, José Wesley Feitosa
Orientador(a): MATTOS NETO, Paulo Salgado Gomes de
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
Programa de Pós-Graduação: Programa de Pos Graduacao em Ciencia da Computacao
Departamento: Não Informado pela instituição
País: Brasil
Palavras-chave em Português:
Sistemas Elétricos de Potência
Detecção de Falhas
Sistemas de Múltiplos Classificadores
Conjunto
Seleção Dinâmica de Classificadores
Link de acesso: https://repositorio.ufpe.br/handle/123456789/63943
Resumo: A operação dos sistemas de transmissão de energia elétrica depende da detecção e classi- ficação rápida de falhas para atuar os sistemas de proteção e evitar danos maiores. Os sistemas de classificação de falhas baseados em aprendizado de máquina foram muito utilizados por terem um bom desempenho e facilidade de interpretação. Os sistemas automatizados de pro- teção e supervisão podem auxiliar os operadores detectando as anomalias e falhas, fornecendo uma estrutura robusta para que os defeitos sejam detectados e classificados da maneira mais efetiva possível. Contudo, as metodologias atuais utilizam predominantemente os modelos de classificação tradicionais, que possuem dificuldades com conjuntos de dados desequilibrados e captura de padrões em ambientes ruidosos. Para superar essas limitações, este estudo explora as abordagens do Sistema de Classificadores Múltiplos (MCS), que possui vantagem sobre os modelos tradicionais para este tipo de situação. Os Sistemas de Classificadores Múltiplos (MCS), de maneira geral, superaram os modelos clássicos para dados ruidosos de corrente e tensão simulados em linha de transmissão e subestação, onde os valores de acurácia, precisão e recall sofreram uma degradação mais acentuada em abordagens de múltiplos classificadores quando comparadas com os modelos tradicionais. Esta pesquisa enfatiza o potencial das técni- cas de MCS como uma solução robusta para classificação de falhas em linhas de transmissão e subestações de energia elétrica, os resultados dos MCS apresentaram maior estabilidade, sendo menos sensíveis ao aumento do ruído, tornando a classificação mais confiável e facilitando a correção do defeito no sistema, reduzindo o tempo de análise em campo e das medidas das grandezas elétricas para classificar o tipo de falha que ocorreu no sistema.
id UFPE_9dced36ca1eb83ad1f282463cfae1ba1
oai_identifier_str oai:repositorio.ufpe.br:123456789/63943
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling OLIVEIRA, José Wesley Feitosahttp://lattes.cnpq.br/7778591139869451http://lattes.cnpq.br/4610098557429398http://lattes.cnpq.br/3313997968136136MATTOS NETO, Paulo Salgado Gomes deSILVA, Eraylson Galdino da2025-06-26T13:50:43Z2025-06-26T13:50:43Z2024-12-12OLIVEIRA, José Wesley Feitosa. Utilização de Abordagens de Múltiplos Classificadores para Classificação de Falhas em Sistemas Elétricos. 2024. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2024.https://repositorio.ufpe.br/handle/123456789/63943A operação dos sistemas de transmissão de energia elétrica depende da detecção e classi- ficação rápida de falhas para atuar os sistemas de proteção e evitar danos maiores. Os sistemas de classificação de falhas baseados em aprendizado de máquina foram muito utilizados por terem um bom desempenho e facilidade de interpretação. Os sistemas automatizados de pro- teção e supervisão podem auxiliar os operadores detectando as anomalias e falhas, fornecendo uma estrutura robusta para que os defeitos sejam detectados e classificados da maneira mais efetiva possível. Contudo, as metodologias atuais utilizam predominantemente os modelos de classificação tradicionais, que possuem dificuldades com conjuntos de dados desequilibrados e captura de padrões em ambientes ruidosos. Para superar essas limitações, este estudo explora as abordagens do Sistema de Classificadores Múltiplos (MCS), que possui vantagem sobre os modelos tradicionais para este tipo de situação. Os Sistemas de Classificadores Múltiplos (MCS), de maneira geral, superaram os modelos clássicos para dados ruidosos de corrente e tensão simulados em linha de transmissão e subestação, onde os valores de acurácia, precisão e recall sofreram uma degradação mais acentuada em abordagens de múltiplos classificadores quando comparadas com os modelos tradicionais. Esta pesquisa enfatiza o potencial das técni- cas de MCS como uma solução robusta para classificação de falhas em linhas de transmissão e subestações de energia elétrica, os resultados dos MCS apresentaram maior estabilidade, sendo menos sensíveis ao aumento do ruído, tornando a classificação mais confiável e facilitando a correção do defeito no sistema, reduzindo o tempo de análise em campo e das medidas das grandezas elétricas para classificar o tipo de falha que ocorreu no sistema.he operation of power transmission systems depends on the rapid detection and classifi- cation of faults to activate protection systems and prevent further damage. Machine learning- based fault classification systems have been widely used for their good performance and ease of interpretation. Automated protection and supervision systems can assist operators by detect- ing anomalies and faults, providing a robust framework for fault detection and classification in the most effective way possible. However, current methodologies predominantly use tradi- tional classification models, which have difficulties with imbalanced data sets and capturing patterns in noisy environments. To overcome these limitations, this study explores the Multiple Classifier System (MCS) approaches, which have advantages over traditional models for this situation. Multiple Classifier Systems (MCS), in general, outperformed classical models for noisy current and voltage data simulated in transmission lines and substations, where accu- racy, precision, and recall values suffered a more pronounced degradation in multiple classifier approaches when compared to traditional models. This research emphasizes the potential of MCS techniques as a robust solution for fault classification in transmission lines and electrical substations. The MCS results showed greater stability, being less sensitive to increased noise, making the classification more reliable and facilitating the correction of the defect in the sys- tem, reducing the time of field analysis and measurements of electrical quantities to classify the type of fault that occurred in the system.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Ciencia da ComputacaoUFPEBrasilhttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessSistemas Elétricos de PotênciaDetecção de FalhasSistemas de Múltiplos ClassificadoresConjuntoSeleção Dinâmica de ClassificadoresUtilização de Abordagens de Múltiplos Classificadores para Classificação de Falhas em Sistemas Elétricosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALDISSERTAÇÃO José Wesley Feitosa Oliveira.pdfDISSERTAÇÃO José Wesley Feitosa Oliveira.pdfapplication/pdf2823632https://repositorio.ufpe.br/bitstream/123456789/63943/1/DISSERTA%c3%87%c3%83O%20Jos%c3%a9%20Wesley%20Feitosa%20Oliveira.pdfa9004f242920527776ec0f287b0199b4MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82362https://repositorio.ufpe.br/bitstream/123456789/63943/2/license.txt5e89a1613ddc8510c6576f4b23a78973MD52TEXTDISSERTAÇÃO José Wesley Feitosa Oliveira.pdf.txtDISSERTAÇÃO José Wesley Feitosa Oliveira.pdf.txtExtracted texttext/plain141689https://repositorio.ufpe.br/bitstream/123456789/63943/3/DISSERTA%c3%87%c3%83O%20Jos%c3%a9%20Wesley%20Feitosa%20Oliveira.pdf.txt75df0384ca734a1f69b2bef711abe9eeMD53THUMBNAILDISSERTAÇÃO José Wesley Feitosa Oliveira.pdf.jpgDISSERTAÇÃO José Wesley Feitosa Oliveira.pdf.jpgGenerated Thumbnailimage/jpeg1236https://repositorio.ufpe.br/bitstream/123456789/63943/4/DISSERTA%c3%87%c3%83O%20Jos%c3%a9%20Wesley%20Feitosa%20Oliveira.pdf.jpg45d283c74a742ccf120de920acb11abfMD54123456789/639432025-06-29 14:35:14.065oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212025-06-29T17:35:14Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Utilização de Abordagens de Múltiplos Classificadores para Classificação de Falhas em Sistemas Elétricos
title Utilização de Abordagens de Múltiplos Classificadores para Classificação de Falhas em Sistemas Elétricos
spellingShingle Utilização de Abordagens de Múltiplos Classificadores para Classificação de Falhas em Sistemas Elétricos
OLIVEIRA, José Wesley Feitosa
Sistemas Elétricos de Potência
Detecção de Falhas
Sistemas de Múltiplos Classificadores
Conjunto
Seleção Dinâmica de Classificadores
title_short Utilização de Abordagens de Múltiplos Classificadores para Classificação de Falhas em Sistemas Elétricos
title_full Utilização de Abordagens de Múltiplos Classificadores para Classificação de Falhas em Sistemas Elétricos
title_fullStr Utilização de Abordagens de Múltiplos Classificadores para Classificação de Falhas em Sistemas Elétricos
title_full_unstemmed Utilização de Abordagens de Múltiplos Classificadores para Classificação de Falhas em Sistemas Elétricos
title_sort Utilização de Abordagens de Múltiplos Classificadores para Classificação de Falhas em Sistemas Elétricos
author OLIVEIRA, José Wesley Feitosa
author_facet OLIVEIRA, José Wesley Feitosa
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/7778591139869451
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/4610098557429398
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/3313997968136136
dc.contributor.author.fl_str_mv OLIVEIRA, José Wesley Feitosa
dc.contributor.advisor1.fl_str_mv MATTOS NETO, Paulo Salgado Gomes de
dc.contributor.advisor-co1.fl_str_mv SILVA, Eraylson Galdino da
contributor_str_mv MATTOS NETO, Paulo Salgado Gomes de
SILVA, Eraylson Galdino da
dc.subject.por.fl_str_mv Sistemas Elétricos de Potência
Detecção de Falhas
Sistemas de Múltiplos Classificadores
Conjunto
Seleção Dinâmica de Classificadores
topic Sistemas Elétricos de Potência
Detecção de Falhas
Sistemas de Múltiplos Classificadores
Conjunto
Seleção Dinâmica de Classificadores
description A operação dos sistemas de transmissão de energia elétrica depende da detecção e classi- ficação rápida de falhas para atuar os sistemas de proteção e evitar danos maiores. Os sistemas de classificação de falhas baseados em aprendizado de máquina foram muito utilizados por terem um bom desempenho e facilidade de interpretação. Os sistemas automatizados de pro- teção e supervisão podem auxiliar os operadores detectando as anomalias e falhas, fornecendo uma estrutura robusta para que os defeitos sejam detectados e classificados da maneira mais efetiva possível. Contudo, as metodologias atuais utilizam predominantemente os modelos de classificação tradicionais, que possuem dificuldades com conjuntos de dados desequilibrados e captura de padrões em ambientes ruidosos. Para superar essas limitações, este estudo explora as abordagens do Sistema de Classificadores Múltiplos (MCS), que possui vantagem sobre os modelos tradicionais para este tipo de situação. Os Sistemas de Classificadores Múltiplos (MCS), de maneira geral, superaram os modelos clássicos para dados ruidosos de corrente e tensão simulados em linha de transmissão e subestação, onde os valores de acurácia, precisão e recall sofreram uma degradação mais acentuada em abordagens de múltiplos classificadores quando comparadas com os modelos tradicionais. Esta pesquisa enfatiza o potencial das técni- cas de MCS como uma solução robusta para classificação de falhas em linhas de transmissão e subestações de energia elétrica, os resultados dos MCS apresentaram maior estabilidade, sendo menos sensíveis ao aumento do ruído, tornando a classificação mais confiável e facilitando a correção do defeito no sistema, reduzindo o tempo de análise em campo e das medidas das grandezas elétricas para classificar o tipo de falha que ocorreu no sistema.
publishDate 2024
dc.date.issued.fl_str_mv 2024-12-12
dc.date.accessioned.fl_str_mv 2025-06-26T13:50:43Z
dc.date.available.fl_str_mv 2025-06-26T13:50:43Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv OLIVEIRA, José Wesley Feitosa. Utilização de Abordagens de Múltiplos Classificadores para Classificação de Falhas em Sistemas Elétricos. 2024. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2024.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/63943
identifier_str_mv OLIVEIRA, José Wesley Feitosa. Utilização de Abordagens de Múltiplos Classificadores para Classificação de Falhas em Sistemas Elétricos. 2024. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Pernambuco, Recife, 2024.
url https://repositorio.ufpe.br/handle/123456789/63943
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Ciencia da Computacao
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/63943/1/DISSERTA%c3%87%c3%83O%20Jos%c3%a9%20Wesley%20Feitosa%20Oliveira.pdf
https://repositorio.ufpe.br/bitstream/123456789/63943/2/license.txt
https://repositorio.ufpe.br/bitstream/123456789/63943/3/DISSERTA%c3%87%c3%83O%20Jos%c3%a9%20Wesley%20Feitosa%20Oliveira.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/63943/4/DISSERTA%c3%87%c3%83O%20Jos%c3%a9%20Wesley%20Feitosa%20Oliveira.pdf.jpg
bitstream.checksum.fl_str_mv a9004f242920527776ec0f287b0199b4
5e89a1613ddc8510c6576f4b23a78973
75df0384ca734a1f69b2bef711abe9ee
45d283c74a742ccf120de920acb11abf
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1862741786128023552

Registros relacionados