Freya: an event prediction model for power distribution networks

• Ano de defesa: 2024
• Autor(a) principal: Aranda, Jorge Arthur Schneider
• Orientador(a): Barbosa, Jorge Luis Victória
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Vale do Rio dos Sinos
• Programa de Pós-Graduação: Programa de Pós-Graduação em Computação Aplicada
• Departamento: Escola Politécnica
• País: Brasil
• Palavras-chave em Português: Smart Grid; Aprendizado de máquina; Computação ubíqua; Ontologia
• Palavras-chave em Inglês: Machine learning; Ubiquitous computing; Ontology
• Área do conhecimento CNPq: ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação
• Link de acesso: http://repositorio.jesuita.org.br/handle/UNISINOS/13422

No contexto das Smart Grids (SGs), as concessionárias de energia gerenciam extensos volumes de dados para monitorar e otimizar as redes de distribuição. Os principais parâmetros incluem níveis de tensão, corrente e potência, bem como indicadores de falha, como correntes de curto-circuito e quedas de tensão. Detectar e prever falhas técnicas é fundamental para prevenir faltas de energia que afetam consumidores residenciais e industriais. A estimativa de event, o processo de previsão das condições futuras do SG, é essencial para identificar potenciais falhas técnicas. Os SGs apresentam equipamentos distribuídos hierarquicamente por grandes áreas geográficas, influenciando a rede global com base na sua importância hierárquica e nos contextos históricos individuais. A comunicação contínua entre esses dispositivos e os centros de monitoramento é vital para a operação eficaz do SG. A integração de conceitos como Edge Computing (EC), Internet das Coisas (IoT) e Machine Learning (ML) melhora a estimativa de evento e a eficiência operacional em SGs. Esta tese apresenta o modelo Freya, uma estrutura computacional inteligente projetada para estimativa de eventos em SGs, com foco na distribuição de energia. A contribuição científica do modelo Freya reside na estimativa de eventos tanto ao nível do equipamento como da rede, com especial ênfase na importância hierárquica e na influência do atual contexto. A análise comparativa mostra que Freya aborda exclusivamente três aspectos estratégicos: (1) operação de equipamentos remotos, (2) influência do contexto nos SGs e (3) importância hierárquica dentro da rede. Esses aspectos servem como insumos para modelagem preditiva. A detecção de eventos no Freya consiste em três etapas. Inicialmente, os modelos ML são aplicados a dispositivos SG individuais. Posteriormente, um modelo de ML empilhado consolida essas previsões no nível do dispositivo para prever o evento geral da rede – finalmente, ocorre o processo de inferências através do OntoFreya, a ontologia proposta nesta tese. OntoFreya classifica eventos de rede e equipamentos em conformidade com regulamentos e padrões regulatórios de concessionárias de energia, permitindo manobras proativas para mitigar possíveis problemas. A validação do modelo usa dados do mundo real de alimentadores de distribuição, reguladores de tensão, religadores e vários cenários aplicados, demonstrando a capacidade do modelo Freya. O modelo Freya de redes de distribuição obteve uma precisão de 99,73%, recall de 99,75% e F1-Score de 99,73%, em comparação modelos comumente usados nesse tipo de tarefa alcançaram uma precisão de 83,36%, recall de 82,91% e F1-Score de 83,36%, demonstrando a superioridade do modelo Freya em termos de métricas na detecção de eventos.