Detectando falhas em redes elétricas.
Este projeto tem como objetivo desenvolver um framework para diagnóstico de falhas em linhas de transmissão por meio de aprendizado de máquina. Uma falha refere-se a uma perturbação no fluxo normal de eletricidade nos componentes de um sistema de energia, como um aumento no fluxo de corrente para uma ou mais fases. Em particular, este projeto foca especialmente em duas tarefas cruciais: classificação de falhas e localização de falhas.
Figura 1 – Exemplo de uma falha real do tipo AG com início em torno de 0,08 segundos
A primeira tarefa é responsável por determinar quais fases (A, B, C) estão envolvidas na respectiva falha, com a ação ou não do solo (G). A última tarefa é responsável por fornecer uma posição aproximada onde a falha ocorreu na linha. Ambas as atividades são aspectos críticos da manutenção e reparo de linhas de transmissão, pois permitem que as empresas de energia identifiquem rapidamente e com precisão o tipo e a localização de uma falha para despachar uma equipe de reparo para corrigir o problema. A Figura 2 representa uma visão geral do método proposto.
Figura 2 – Ambiente operacional do método proposto para diagnóstico de falhas em linhas de transmissão.
A solução desenvolvida neste projeto utiliza dados de oscilografia de sinais de tensão e corrente (por exemplo, Figura 1), extraindo características dessas formas de onda para alimentar algoritmos baseados em ensemble para realizar a tarefa de classificação e localização. Em particular, desenvolvemos um novo esquema de seleção dinâmica de regressores para realizar a tarefa de localização de falhas.
Resultados Atuais:
Principais Tenologias
Aprendizado profundo, ensemble, seleção dinâmica de regressores, restrições de negação