Detecção e caracterização de distúrbios em redes elétricas.

Abstract

O objetivo principal deste trabalho é apresentar uma análise comparativa de dois métodos de classificação bem conhecidos, aplicados à detecção e classificação de sinais de distúrbios de qualidade de energia. Os classificadores de Árvore de Decisão e Support Vector Machines são duas das técnicas mais populares utilizadas no campo de reconhecimento de padrões. Neste trabalho, os sinais de qualidade de energia são gerados por meio de um software para modelagem realista (Matlab/Simulink) e depois classificados no modelo treinado. O método escolhido para a extração característica é a Transformada Wavelet Discreta, devido à sua grande vantagem de reduzir a quantidade de dados para computação, decorrente de sua propriedade de dividir um sinal em bandas frequenciais. A análise é realizada para diferentes tipos de filtros wavelet, níveis de ruído e vetores característicos. Das funções testadas, a família db6 alcançou os melhores resultados para ambos os classificadores utilizados. Para as condições consideradas nos testes, os resultados encontrados foram ligeiramente melhores para o algoritmo com SDT que para o SVM, especialmente para uma situação com baixo nível de ruído. A maior parte dos erros foi encontrada nas distinções entre classes muito próximas no espaço tridimensional de energia.