Metodologia para diagnóstico em sistemas elétricos de potência baseada em aprendizado de máquina e sistemas Fuzzy

Abstract

Os sistemas elétricos, embora operem majoritariamente em condições normais, estão su- jeitos a falhas que podem comprometer a confiabilidade e a continuidade do fornecimento de

energia. Nesse contexto, o desenvolvimento de soluções que permitam a detecção e classi- ficação de falhas de forma rápida e precisa é essencial. Entre as técnicas mais promissoras

está a lógica fuzzy, que apresenta grande potencial para modelar incertezas nos sistemas de potência. No entanto, uma das principais limitações dessa abordagem está na complexidade da configuração adequada das regras fuzzy, o que pode impactar a precisão dos resultados. Esta dissertação propõe uma metodologia baseada em aprendizado de máquina e lógica fuzzy, fazendo uso de árvores de decisão para a geração automática das regras fuzzy, eliminando a necessidade de configuração manual e aumentando a adaptabilidade do sistema. O objetivo é

aprimorar a eficiência na detecção e classificação de falhas em sistemas de potência. A meto- dologia foi testada em um conjunto de dados público, e seu desempenho foi avaliado com base

em critérios como acurácia, precisão e tempo computacional. Os resultados mostraram que o sistema alcançou uma acurácia de 87%, com um tempo médio de processamento de 38,5

segundos para a geração das regras fuzzy. Esses resultados ressaltam o potencial da aborda- gem em aprimorar a confiabilidade e a robustez dos sistemas elétricos, reduzindo os impactos

decorrentes de falhas e interrupções.