Skip navigation
  1. RI UFPE
  2. Teses e Dissertações
  3. Teses e Dissertações defendidas na UFPE
  4. Programa de Pós-Graduação em Ciência da Computação
  5. Dissertações de Mestrado - Ciência da Computação
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufpe.br/handle/123456789/62466

Comparte esta pagina

Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorMATTOS NETO, Paulo Salgado Gomes de-
dc.contributor.authorCARVALHO, Davi da Silva-
dc.date.accessioned2025-04-22T21:52:01Z-
dc.date.available2025-04-22T21:52:01Z-
dc.date.issued2024-06-26-
dc.identifier.citationCARVALHO, Davi da Silva. Metodologia para diagnóstico em sistemas elétricos de potência baseada em aprendizado de máquina e sistemas Fuzzy. 2024. Dissertação (Mestrado em Ciência da Informação) – Universidade Federal de Pernambuco, Recife, 2024.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/62466-
dc.description.abstractOs 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.pt_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectSistemas elétricos de potênciapt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectÁrvores de decisãopt_BR
dc.subjectSistemas fuzzypt_BR
dc.subjectGeração automática de regras fuzzypt_BR
dc.titleMetodologia para diagnóstico em sistemas elétricos de potência baseada em aprendizado de máquina e sistemas Fuzzypt_BR
dc.typemasterThesispt_BR
dc.contributor.advisor-coSILVA, Eraylson Galdino da-
dc.publisher.initialsUFPEpt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.levelmestradopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/4610098557429398pt_BR
dc.publisher.programPrograma de Pos Graduacao em Ciencia da Computacaopt_BR
dc.description.abstractxElectrical systems, although they operate predominantly under normal conditions, are subject to failures that can compromise the reliability and continuity of power supply. In this context, the development of solutions that enable fast and accurate fault detection and classi- fication is essential. Among the most promising techniques is fuzzy logic, which presents great potential for modeling uncertainties in power systems. However, one of the main limitations of this approach lies in the complexity of properly configuring fuzzy rules, which can impact the accuracy of the results. This dissertation proposes a methodology based on machine learn- ing and fuzzy logic, making use of decision trees for the automatic generation of fuzzy rules, eliminating the need for manual configuration and increasing the adaptability of the system. The objective is to enhance the efficiency of fault detection and classification in power sys- tems. The methodology was tested on a publicly available dataset, and its performance was evaluated based on criteria such as accuracy, precision, and computational time. The results indicate that the system achieved an accuracy of 87%, with an average processing time of 38.5 seconds for generating the fuzzy rules. These results highlight the potential of the approach in improving the reliability and robustness of electrical systems, reducing the impacts caused by failures and interruptions.pt_BR
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/3313997968136136pt_BR
Aparece en las colecciones: Dissertações de Mestrado - Ciência da Computação

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
DISSERTAÇÃO Davi da Silva Carvalho.pdf2,29 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está protegido por copyright original

Visualizar la licencia
Mostrar el registro sencillo del ítem Recomiende este ítem


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons