PPGEEL PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA FUNDAÇÃO UNIVERSIDADE FEDERAL DO ABC Téléphone/Extension: Indisponible http://propg.ufabc.edu.br/ppgeel

Banca de DEFESA: BRUNO STABILE DOS SANTOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : BRUNO STABILE DOS SANTOS
DATA : 20/10/2023
HORA: 14:00
LOCAL: Remoto
TÍTULO:

UTILIZAÇÃO DE MACHINE LEARNING PARA CARACTERIZAÇÃO DE AFUNDAMENTOS DE TENSÃO EM REDES DE DISTRIBUIÇÃO


PÁGINAS: 86
RESUMO:

Com base nas análises da Superintendência de Estudos Econômicos e Energéticos, é previsto um aumento de demanda de energia elétrica, além da expansão da geração distribuída. A partir desse acréscimo da energia renovável, das cargas dos diversos tipos de consumidores e dos dispositivos não lineares, se eleva a complexidade do sistema. Nesse sentido, o afundamento de tensão em sistemas de distribuição é um importante evento a ser monitorado, pois esse pode afetar consumidores diversas vezes por ano, podendo comprometer a produção de consumidores industriais.

Posto isso, para superar as limitações existentes, atualmente são exploradas técnicas de Inteligência Artificial para a caracterização dos afundamentos de tensão, contudo o tema ainda não atingiu o ponto de estagnação. Com as oscilografias armazenadas nos dispositivos eletrônicos inteligentes, presentes no sistema de distribuição, torna-se possível a caracterização utilizando tais técnicas de Inteligência Artificial.

Esta pesquisa tem como propósito estabelecer um método para a caracterização de afundamentos de tensão utilizando técnicas de Inteligência Artificial, para três situações comuns em sistemas de distribuição - energização de um transformador, partida de um motor, ou presença de uma falta. A metodologia proposta é capaz de diferenciar os eventos previamente mencionados daqueles que se observam durante a operação normal da rede elétrica, auxiliando os tomadores de decisão. Além disso, o método proposto foi implementado com três diferentes técnicas inteligentes, proporcionando uma comparação de desempenho entre tais técnicas. A técnica SVM (Support Vector Machine) se mostrou a mais indicada para aplicar o método desenvolvido em sistemas de distribuição mais complexos.


MEMBROS DA BANCA:
Presidente - Interno ao Programa - 1545354 - RICARDO CANELOI DOS SANTOS
Membro Titular - Examinador(a) Interno ao Programa - 1671333 - EDMARCIO ANTONIO BELATI
Membro Titular - Examinador(a) Externo à Instituição - CLAUDIONOR FRANCISCO DO NASCIMENTO - UFSCAR
Membro Suplente - Examinador(a) Interno ao Programa - 1545701 - IVAN ROBERTO SANTANA CASELLA
Membro Suplente - Examinador(a) Externo ao Programa - 1544340 - PATRICIA TEIXEIRA LEITE ASANO
Notícia cadastrada em: 02/10/2023 09:09
SIGAA | UFABC - Núcleo de Tecnologia da Informação - ||||| | Copyright © 2006-2024 - UFRN - sigaa-1.ufabc.int.br.sigaa-1-prod