dc.creator |
ABRÃO, Pedro José |
|
dc.date.issued |
2002-07-08 |
|
dc.identifier.uri |
https://repositorio.unifei.edu.br/jspui/handle/123456789/3763 |
|
dc.description.abstract |
One of the most challenging problems in real time operation of power systems is
associated with voltage stability assessment (VSA). The problem of voltage stability is related to
the ability of the power system to maintain an appropriate voltage profile on all its buses. Being
directly associated with the reduction of the available reactive power reserve, the voltage
instability phenomenon is characterized by a progressive reduction on the voltage magnitudes.
With the goal of understanding and solving the voltage stability problem, several
methodologies have been proposed during the last few years. However, most of them require a
high computational burden. Analytical techniques for solving the VSA problem are infeasible to
the operators to implement preventive or corrective control actions in due time. One possible
solution to overcome this drawback is the application of automatic learning techniques
associated with an efficient methodology for generating training patterns.
Decision trees have been applied for on-line VSA. Nevertheless, decision trees are among
the machine learning techniques with the highest variance. On the other hand, artificial neural
networks (ANNs) have shown outstanding precision for classification and regression tasks. The
major shortcoming of the ANN approach is its opacity, i.e., its low degree of human
comprehensibility regarding its inference process and encoded knowledge (represented by the
values of synaptic weights).
This work tackles the mentioned above drawback of the ANN approach for VSA. An
algorithm for qualitatively interpreting the knowledge base of a nonlinear feedforward ANN is
employed. The work also proposes the application of a very fast training algorithm, Optimal
Estimate Training 2 (OET2), which is fully compatible with the algorithm for rule extraction,
Validity Interval Analysis (VIA), and suitable for dealing with very large databases. The main
motivation for the proposed approach is to give the power system operator a set of the symbolic
rules, which is consistent with the ANN inference process. |
pt_BR |
dc.language |
por |
pt_BR |
dc.publisher |
Universidade Federal de Itajubá |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.subject |
Estabilidade de tensão |
pt_BR |
dc.subject |
Avaliação de segurança de tensão |
pt_BR |
dc.subject |
Redes neurais artificiais |
pt_BR |
dc.subject |
Árvores de decisão |
pt_BR |
dc.subject |
Extração de Regras de produção de redes neurais |
pt_BR |
dc.title |
Aquisição automática de conhecimento aplicada em avaliação de segurança de tensão |
pt_BR |
dc.type |
Tese |
pt_BR |
dc.date.available |
2023-06-20 |
|
dc.date.available |
2023-06-20T19:13:46Z |
|
dc.date.accessioned |
2023-06-20T19:13:46Z |
|
dc.creator.Lattes |
http://lattes.cnpq.br/1198325598180677 |
pt_BR |
dc.contributor.advisor1 |
SILVA, Alexandre Pinto Alves da |
|
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/2739279461946618 |
pt_BR |
dc.contributor.advisor-co1 |
ZAMBRONI, Antônio Carlos |
|
dc.contributor.advisor-co1Lattes |
http://lattes.cnpq.br/4860175234818683 |
pt_BR |
dc.description.resumo |
Um dos problemas mais desafiadores em operação de tempo real de sistemas de potência
está associado com a Avaliação de Segurança de Tensão (AST), estando diretamente relacionada
com o problema da estabilidade de tensão. Esta pode ser definida como a habilidade do sistema
de potência em manter um perfil de tensão apropriado em todas as suas barras. A redução da
reserva de potência reativa disponível no sistema é uma das principais causas do fenômeno da
instabilidade de tensão, que é caracterizado por uma redução progressiva nas magnitudes da
tensão.
Com a meta de entender e solucionar o problema de estabilidade de tensão foram
propostas várias metodologias durante os últimos anos. Porém, a maioria delas apresenta um alto
custo computacional. As técnicas analíticas para a solução do problema de estabilidade não são
factíveis para os operadores do sistema implementarem ações de controle preventivas ou
corretivas em tempo adequado. Uma possível solução para superar esta desvantagem é a
aplicação de técnicas de inteligência artificial relacionadas com aprendizagem automática, as
quais devem estar associadas com uma metodologia eficiente para a geração dos padrões de
treinamento.
Uma das técnicas de aprendizado automático aplicada em AST on-line são as árvores de
decisão. Entretanto, as árvores de decisão têm se mostrado imprecisas para esta aplicação. Por
outro lado, as redes neurais artificiais têm apresentado excelente precisão para as tarefas de
classificação e regressão em VSA. A principal desvantagem do modelo neural é sua opacidade,
i.e., apresentam baixo grau de compreensão humana para o processo de inferência, estando o
conhecimento codificado (representado pelos valores de pesos de conexões).
Este trabalho lida com esta desvantagem do modelo neural para uma aplicação em VSA.
Para isso, é empregado um algoritmo que qualitativamente interpreta a base de conhecimento de
uma rede neural tipo feedforward. O trabalho também propõe a aplicação de um algoritmo de
treinamento muito rápido para este tipo de rede neural, denominado de Optimal Estimate
Training 2 (OET2). Este algoritmo tem a propriedade de lidar com grandes bases de dados
satisfatoriamente. Além disso, este é plenamente compatível com o algoritmo para extração de
regra Validity Interval Analysis (VIA), utilizado neste trabalho. A motivação principal para o
modelo proposto é dar ao operador de um sistema elétrico um conjunto de regras simbólicas
consistente com o processo de inferência neural. |
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: Doutorado - Engenharia Elétrica |
pt_BR |
dc.publisher.initials |
UNIFEI |
pt_BR |
dc.subject.cnpq |
CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA::SISTEMAS ELÉTRICOS DE POTÊNCIA |
pt_BR |
dc.relation.references |
ABRÃO, Pedro José. Aquisição automática de conhecimento aplicada em avaliação de segurança de tensão. 2002. 262 f. Tese (Doutorado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2002. |
pt_BR |