dc.creator |
ALMEIDA, Gabriel Caldas Sardinha de |
|
dc.date.issued |
2021-11-18 |
|
dc.identifier.uri |
https://repositorio.unifei.edu.br/jspui/handle/123456789/2599 |
|
dc.description.abstract |
The insertion of new devices, increased data flow, intermittent generation and massive
computerization have considerably increased current electrical systems’ complexity. This
increase resulted in necessary changes, such as the need for more intelligent electrical net works to adapt to this different reality. Artificial Intelligence (AI) plays an important role
in society, especially the techniques based on the learning process, and it is extended to the
power systems. In the context of Smart Grids (SG), where the information and innovative
solutions in monitoring is a primary concern, those techniques based on AI can present
several applications. This dissertation investigates the use of advanced signal processing
and ML algorithms to create a Robust Classifier of Advanced Power Quality (PQ) Dis turbances in SG. For this purpose, known models of PQ disturbances were generated with
random elements to approach real applications. From these models, thousands of signals
were generated with the performance of these disturbances. Signal processing techniques
using Discrete Wavelet Transform (DWT) were used to extract the signal’s main charac teristics. This research aims to use ML algorithms to classify these data according to their
respective features. ML algorithms were trained, validated, and tested. Also, the accuracy
and confusion matrix were analyzed, relating the logic behind the results. The stages of
data generation, feature extraction and optimization techniques were performed in the
MATLAB software. The Classification Learner toolbox was used for training, validation
and testing the 27 different ML algorithms and assess each performance. All stages of
the work were previously idealized, enabling their correct development and execution.
The results show that the Cubic Support Vector Machine (SVM) classifier achieved the
maximum accuracy of all algorithms, indicating the effectiveness of the proposed method
for classification. Considerations about the results were interpreted as explaining the per formance of each technique, its relations and their respective justifications. |
pt_BR |
dc.language |
eng |
pt_BR |
dc.publisher |
Universidade Federal de Itajubá |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.subject |
Aprendizado de máquina |
pt_BR |
dc.subject |
Qualidade de energia |
pt_BR |
dc.subject |
Redes inteligentes |
pt_BR |
dc.subject |
Parâmetros entrelaçados |
pt_BR |
dc.subject |
Inteligência artificial |
pt_BR |
dc.title |
Robust classification of advanced power quality disturbances in smart grids |
pt_BR |
dc.type |
Dissertação |
pt_BR |
dc.date.available |
2021-11-23 |
|
dc.date.available |
2021-11-23T10:52:41Z |
|
dc.date.accessioned |
2021-11-23T10:52:41Z |
|
dc.creator.Lattes |
http://lattes.cnpq.br/3394600623586584 |
pt_BR |
dc.contributor.advisor1 |
RIBEIRO, Paulo Fernando |
|
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/2049448948386214 |
pt_BR |
dc.description.resumo |
A inserção de novos dispositivos na rede, aumento do fluxo de dados, geração intermitente
e a informatização massiva aumentaram consideravelmente a complexidade dos sistemas
elétricos atuais. Esse aumento resultou em mudanças necessárias, como a necessidade de
redes elétricas mais inteligentes para se adaptarem a essa realidade diferente. A nova ger ação de técnicas de Inteligência Artificial, representada pelo "Big Data", Aprendizado de
Máquina ("Machine Learning"), Aprendizagem Profunda e Reconhecimento de Padrões
representa uma nova era na sociedade e no desenvolvimento global baseado na infor mação e no conhecimento. Com as mais recentes Redes Inteligentes, o uso de técnicas que
utilizem esse tipo de inteligência será ainda mais necessário. Esta dissertação investiga
o uso de processamento de sinais avançado e também algoritmos de Aprendizagem de
Máquina para desenvolver um classificador robusto de distúrbios de qualidade de energia
no contexto das Redes Inteligentes. Para isso, modelos já conhecidos de alguns proble mas de qualidade foram gerados junto com ruídos aleatórios para que o sistema fosse
similar a aplicações reais. A partir desses modelos, milhares de sinais foram gerados e a
Transformada Wavelet Discreta foi usada para extrair as principais características destas
perturbações. Esta dissertação tem como objetivo utilizar algoritmos baseados no con ceito de Aprendizado de Máquina para classificar os dados gerados de acordo com suas
classes. Todos estes algoritmos foram treinados, validados e por fim, testados. Além disso,
a acurácia e a matriz de confusão de cada um dos modelos foi apresentada e analisada. As
etapas de geração de dados, extração das principais características e otimização dos dados
foram realizadas no software MATLAB. Uma toolbox específica deste programa foi us ada para treinar, validar e testar os 27 algoritmos diferentes e avaliar cada desempenho.
Todas as etapas do trabalho foram previamente idealizadas, possibilitando seu correto
desenvolvimento e execução. Os resultados mostram que o classificador "Cubic Support
Vector Machine" obteve a máxima precisão entre todos os algoritmos, indicando a eficácia
do método proposto para classificação. As considerações sobre os resultados foram inter pretadas, como por exemplo a explicação da performance de cada técnica, suas relações
e suas justificativas. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação |
pt_BR |
dc.publisher.program |
Programa de Pós-Graduação: Mestrado - Engenharia Elétrica |
pt_BR |
dc.publisher.initials |
UNIFEI |
pt_BR |
dc.subject.cnpq |
CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA |
pt_BR |
dc.relation.references |
ALMEIDA, Gabriel Caldas Sardinha de. Robust classification of advanced power quality disturbances in smart grids. 2021. 73 f. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2021. |
pt_BR |