Please use this identifier to cite or link to this item: http://ri.ufs.br/jspui/handle/riufs/10783
Document Type: Dissertação
Title: Análises experimentais de algoritmos de aprendizagem de máquina na classificação de distúrbios elétricos
Authors: Santos, Reneilson Yves Carvalho
Issue Date: 21-Feb-2019
Advisor: Moreno Ordonez, Edward David
Co-advisor: Estombelo-Montesco, Carlos Alberto
Resumo : Nos últimos anos, a análise da qualidade da energia elétrica voltou à tona com o avanço em diversas áreas computacionais e os graves problemas relacionados à deterioração desta, podendo causar riscos à vida, redução de vida útil de equipamentos e consequentes impactos ambientais e econômicos. Neste sentido, verificou-se ainda que o interesse em pesquisas relacionadas à classificação dos distúrbios que causam a deterioração da rede elétrica voltou a crescer, principalmente a criação de sistemas passíveis de implementação em ambientes reais. Desta forma, este trabalho buscou verificar, experimentalmente, as mais diversas vertentes relacionadas ao processo de classificação de distúrbios elétricos e criação de sistemas embarcados com este fim. Foi, portanto, analisado experimentalmente a acurácia de algoritmos de classificação (obtendo como melhor resultado a acurácia do Random Forest, tanto para sinais sem ruído quanto para sinais ruidosos), eficiência em ambientes embarcados (obtendo a Árvore de Decisão como melhor eficiência nestes ambientes), e análise de classificação de distúrbios múltiplos (no qual analisou-se 22 distúrbios distintos, com e sem ruído e atingiu-se uma acurácia acima de 90% para ambientes não ruidosos com o Random Forest). Além disso, construiu-se um benchmark1 de distúrbios simulados e disponibilizou-o para a comunidade (assim como seu código fonte em Python), de forma a facilitar a comparação entre diferentes propostas nesta área.
Abstract: In the last years, the electric power quality analysis came back to the fore with the advance in many computational areas and the serious issues related to the deterioration of it, that can cause damages to the life, lifetime reduction of the electrical devices, and, consequent environment and economic impacts. In this sense, it was verified that the interest in researches related to the classification of the disturbances that cause the deterioration of the energy quality returned to grow, mainly the creation of systems that can implement it in a real environment. Then, this work aims to verify, experimentally, many strands related to the process of electrical disturbance classification and implementation of embedded systems with the purpose of implement the classification process. Therefore, it was analyzed experimentally the accuracy of different machine learning algorithms (obtaining as a better result the accuracy of the Random forest, both in noisy and not noisy signals), efficiency of the algorithms in embedded environments (in which the Decision Tree was the best), and the analysis of the classification of multiple disturbances (in which 22 disturbances were analyzed and the Random Forest get an accuracy above 90% in not noisy environment). Besides that, it was implemented a benchmark2 of simulated disturbances and make it available for the community (as well as the source code in Python), aiming to stay easier make comparisons among different proposes of different authors.
Keywords: Computação
Algoritmos
Algoritmos de classificação
Distúrbios elétricos
Subject CNPQ: CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Sponsorship: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES
Language: por
Institution: UFS
Program Affiliation: Pós-Graduação em Ciência da Computação
Citation: SANTOS, Reneilson Yves Carvalho. Análises experimentais de algoritmos de aprendizagem de máquina na classificação de distúrbios elétricos. 2019. 205 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Sergipe, São Cristóvão, SE, 2019.
URI: http://ri.ufs.br/jspui/handle/riufs/10783
Appears in Collections:Mestrado em Ciência da Computação

Files in This Item:
File Description SizeFormat 
RENEILSON_YVES_CARVALHO_SANTOS.pdf3,21 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.