Utilização de Abordagens de Múltiplos Classificadores para Classificação de Falhas em Sistemas Elétricos

Abstract

A operação dos sistemas de transmissão de energia elétrica depende da detecção e classi- ficação rápida de falhas para atuar os sistemas de proteção e evitar danos maiores. Os sistemas

de classificação de falhas baseados em aprendizado de máquina foram muito utilizados por

terem um bom desempenho e facilidade de interpretação. Os sistemas automatizados de pro- teção e supervisão podem auxiliar os operadores detectando as anomalias e falhas, fornecendo

uma estrutura robusta para que os defeitos sejam detectados e classificados da maneira mais efetiva possível. Contudo, as metodologias atuais utilizam predominantemente os modelos de classificação tradicionais, que possuem dificuldades com conjuntos de dados desequilibrados e captura de padrões em ambientes ruidosos. Para superar essas limitações, este estudo explora as abordagens do Sistema de Classificadores Múltiplos (MCS), que possui vantagem sobre os modelos tradicionais para este tipo de situação. Os Sistemas de Classificadores Múltiplos (MCS), de maneira geral, superaram os modelos clássicos para dados ruidosos de corrente e tensão simulados em linha de transmissão e subestação, onde os valores de acurácia, precisão e recall sofreram uma degradação mais acentuada em abordagens de múltiplos classificadores

quando comparadas com os modelos tradicionais. Esta pesquisa enfatiza o potencial das técni- cas de MCS como uma solução robusta para classificação de falhas em linhas de transmissão e

subestações de energia elétrica, os resultados dos MCS apresentaram maior estabilidade, sendo menos sensíveis ao aumento do ruído, tornando a classificação mais confiável e facilitando a correção do defeito no sistema, reduzindo o tempo de análise em campo e das medidas das grandezas elétricas para classificar o tipo de falha que ocorreu no sistema.