Projetos de Pesquisa

 

Foto de perfil

Tiago Zanotelli

Engenharias

Engenharia Elétrica
  • identificação de distúrbios da qualidade de energia elétrica em redes com geradores eólicos utilizando machine learning e estratégia de fusão
  • A participação dos geradores eólicos no sistema elétrico é cada vez mais significativa, sendo essencial o atendimento aos requisitos de qualidade de energia elétrica para garantir a confiabilidade do sistema elétrico na presença dessas fontes. As causas dos distúrbios da qualidade de energia elétrica (DQEE) são principalmente fenômenos transitórios na rede elétrica. Nesse contexto, a detecção, identificação e classificação dos DQEE é uma tarefa que demanda precisão e velocidade para que se possam efetuar ações que os corrijam. Esse projeto tem como objetivo a aplicação de técnicas de machine learning combinadas por meio de uma estratégia de fusão, desenvolvendo um sistema de classificação para a identificação de DQEE em redes elétricas com geradores eólicos. A aplicação de algoritmos de machine learning para essa finalidade tem sido demonstrada na literatura, porém ainda há limitações relacionadas à acurácia e ao tempo de resposta. Estudos de diferentes áreas têm sugerido que a combinação destes diferentes machine learning por meio de uma estratégia de fusão podem aumentar a acurácia do classificador, quando comparado a utilização de um único classificador. A modelagem de um sistema elétrico com geração eólica em simulação computacional será submetida a eventos transitórios para a produção de um banco de dados. Técnicas de pré-processamento e extração de características serão aplicadas a este banco de dados. Em seguida, o conjunto de características serão utilizados no treinamento e testes de diferentes classificadores de machine learning, como máquina de vetores de suporte, redes bayesianas, redes neurais baseada em aprendizado profundo. A partir desses resultados será desenvolvido um sistema de classificação utilizando uma estratégia de fusão, a qual combina as melhores características de cada classificador individual, com o objetivo de melhorar a acurácia do sistema de classificação em relação a um classificador individual.
  • Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo - ES - Brasil
  • Fri Mar 25 00:00:00 BRT 2022-Mon Mar 31 00:00:00 BRT 2025