Banca de QUALIFICAÇÃO: FRANCISCO CARLOS MOREIRA ABREU

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: FRANCISCO CARLOS MOREIRA ABREU
DATA: 21/08/2026
HORA: 08:30
LOCAL: Sala de Video Conferência PPgCC - Hibrida
TÍTULO: Identificação de Setores em Falta em Sistemas de Distribuição com Trechos MRT e IBRs Utilizando Sinais de Tensão, Transformada Wavelet Discreta e Redes Neurais MLP
PALAVRAS-CHAVES: localização de faltas, Multi-Layer Perceptron, aprendizagem de máquina
PÁGINAS: 131
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Sistemas de Informação
RESUMO:

A localização de faltas em redes de distribuição é uma tarefa fundamental para a redução do tempo de interrupção e para a melhoria da continuidade do fornecimento de energia elétrica. Esse desafio torna-se ainda mais complexo diante da crescente integração de Recursos Baseados em Inversores (Inverter-Based Resources) (IBRs) e da presença de circuitos Monofilares com Retorno por Terra (MRTs), cujas características podem dificultar a identificação precisa da região defeituosa. Neste trabalho, é proposta uma metodologia baseada em aprendizado de máquina para identificação do setor em falta em sistemas de distribuição contendo trechos MRT e IBRs. A estratégia utiliza exclusivamente sinais de tensão adquiridos por Unidades de Medição de Formas de Onda (Waveform Measurement Units) (WMUs) instaladas na subestação e nos Ponto de Acoplamento Comum (Point of Common Coupling)s (PCCs) dos principais IBRs. As formas de onda são processadas por meio da Transformada de Clarke e da Análise Multirresolução (Multiresolution Analysis) (MRA) da Transformada Wavelet Discreta (Discrete Wavelet Transform) (DWT), sendo posteriormente extraídas características estatísticas dos coeficientes de aproximação do primeiro nível (cA1) e detalhe do primeiro nível (cD1). Para aumentar a robustez do modelo frente a condições reais de medição, foi empregada uma estratégia de aumento de dados baseada na adição de ruído branco gaussiano com Relação Sinal-Ruído (Signal-to-Noise Ratio) (SNR) de 30 dB. O processo de identificação do setor em falta é realizado por uma rede neural do tipo Multi-Layer Perceptron (MLP), treinada a partir de um conjunto de dados aumentado e balanceado utilizando a técnica Técnica de sobreamostragem Sintética Minoritária (Synthetic Minority Over-sampling Technique) (SMOTE). A metodologia foi validada em uma versão modificada do sistema IEEE de 34 barras, contemplando trechos MRT, diferentes níveis de penetração de IBRs e componentes harmônicas típicas de inversores fotovoltaicos comerciais para cada cenário de penetração considerado. Ao todo, foram gerados 23.200 cenários de falta simulados, incluindo um conjunto específico para avaliação de Faltas de Alta Impedância (High-Impedance Faults) (HIFs). Os resultados foram analisados sob diferentes perspectivas, incluindo o desempenho global de classificação, a influência do tipo de falta, o impacto dos diferentes níveis de penetração de IBRs, estudos de ablação e testes de robustez frente a ruído de medição e HIFs. O modelo alcançou acurácia de 99,76% em dados sem ruído e 94,71% sob condições de ruído com SNR de 30 dB. Os resultados obtidos confirmam a viabilidade da metodologia proposta como ferramenta de apoio à operação e manutenção de sistemas modernos de distribuição.

MEMBROS DA BANCA:
Presidente - 1446435 - VINICIUS PONTE MACHADO
Interno - 2619458 - ERICO MENESES LEAO
Externo à Instituição - 024.***.***-50 - JOSE CARLOS DE MELO VIEIRA JUNIOR - USP
Externo à Instituição - 310.***.***-23 - RICARDO AUGUSTO SOUZA FERNANDES - UFSCAR