Localização de faltas em linhas de transmissão utilizando processamento estatístico de sinais e aprendizado de máquina

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorFerreira, Danton Diego-
Autor(es): dc.contributorMonteiro, Henrique Luis Moreira-
Autor(es): dc.contributorBarbosa, Bruno Henrique Groenner-
Autor(es): dc.contributorDuque, Carlos Augusto-
Autor(es): dc.creatorPereira, Thalita Kely-
Data de aceite: dc.date.accessioned2026-02-09T12:01:03Z-
Data de disponibilização: dc.date.available2026-02-09T12:01:03Z-
Data de envio: dc.date.issued2025-07-10-
Data de envio: dc.date.issued2025-02-25-
Fonte completa do material: dc.identifierhttps://repositorio.ufla.br/handle/1/60033-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1152517-
Descrição: dc.descriptionThis work proposes an approach for fault location in transmission lines using signals simulated in ATP, the SOBI algorithm for extracting independent components, and three denoising techniques: Principal Component Analysis (PCA), Wavelet Transform, and Moving Average Filter. The third component extracted by SOBI was used as the basis for preprocessing. After noise removal, supervised regression algorithms were applied: K-Nearest Neighbors (KNN), Multilayer Perceptron (MLP), MLP optimized by Genetic Algorithm (GA), Decision Tree (DT), Random Forest (RF), and Extreme Gradient Boosting (XGBoost). The dataset consisted of 7,920 windows with 700 samples, reduced to 350 through subsampling. The models were evaluated using 10-fold cross-validation, and the performance metrics used were Relative Error percentage (ER%) and the Coefficient of Determination (R²). Experiments were conducted via computational simulation, with training and inference times recorded. KNN achieved the best overall performance, especially for SNR levels above 50 dB. The Wavelet technique performed better under low noise, while the Moving Average Filter was more effective under high noise conditions. The results demonstrate the feasibility of the proposed method, with a focus on low computational cost and high accuracy.-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES-
Descrição: dc.descriptionEste trabalho propõe uma abordagem para localização de faltas em linhas de transmissão, utilizando sinais simulados no ATP, o algoritmo SOBI para extração de componentes independentes e três técnicas de denoising: PCA, Wavelet e Filtro de Média Móvel. A terceira componente separada pelo SOBI foi usada como base para o pré-processamento. Após a remoção de ruído, foram aplicados algoritmos de regressão supervisionada: KNN, MLP (com e sem otimização por AG), Decision Tree, Random Forest e XGBoost.A base de dados foi composta por 7920 janelas com 700 amostras, reduzidas a 350 via subamostragem. Os modelos foram avaliados com validação cruzada K-Fold (10 folds), e as métricas de desempenho utilizadas foram o Erro Relativo percentual (ER%) e o Coeficiente de Determinação (R²). Os experimentos foram realizados via simulação computacional, com medições de tempo de treinamento e inferência.O KNN apresentou os melhores resultados gerais, principalmente com SNR acima de 50 dB. A Wavelet destacou-se com baixo ruído e o Filtro de Média Móvel com ruído elevado. Os resultados demonstram a viabilidade da proposta com foco em baixo custo computacional e alta precisão.-
Descrição: dc.descriptionTecnológico-
Descrição: dc.descriptionTecnologia e produção-
Descrição: dc.descriptionODS 7: Energia limpa e acessível-
Descrição: dc.descriptionODS 9: Indústria, inovação e infraestrutura-
Descrição: dc.descriptionODS 11: Cidades e comunidades sustentáveis-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Federal de Lavras-
Publicador: dc.publisherPrograma de Pós-Graduação em Engenharia de Sistemas e Automação-
Publicador: dc.publisherUFLA-
Publicador: dc.publisherbrasil-
Publicador: dc.publisherEscola de Engenharia – EENG-
Direitos: dc.rightsAttribution 3.0 Brazil-
Palavras-chave: dc.subjectLocalização de faltas em linhas de transmissão-
Palavras-chave: dc.subjectIdentificação cega de segunda ordem-
Palavras-chave: dc.subjectAnálise de componentes independentes-
Palavras-chave: dc.subjectK-Nearest Neighbors-
Palavras-chave: dc.subjectExtreme Gradient Boosting-
Palavras-chave: dc.subjectMultilayer perceptron-
Palavras-chave: dc.subjectÁrvore de Decisão-
Palavras-chave: dc.subjectFault location in transmission lines-
Palavras-chave: dc.subjectSecond-order blind identification (SOBI)-
Palavras-chave: dc.subjectIndependent component analysis-
Palavras-chave: dc.subjectDecision tree-
Palavras-chave: dc.subjectRandom forest-
Palavras-chave: dc.subjectENGENHARIAS-
Título: dc.titleLocalização de faltas em linhas de transmissão utilizando processamento estatístico de sinais e aprendizado de máquina-
Título: dc.titleFault location in transmission lines using statistical signal processing and machine learning-
Tipo de arquivo: dc.typedissertação-
Aparece nas coleções:Repositório Institucional da Universidade Federal de Lavras (RIUFLA)

Não existem arquivos associados a este item.