-
Tipo do ITEM
-
Teses de Doutorado
-
Título da Dissertação ou Tese
-
AVALIAÇÃO DA DISTORÇÃO HARMÔNICA TOTAL DE TENSÃO NO PONTO DE ACOPLAMENTO COMUM INDUSTRIAL USANDO O PROCESSO KDD BASEADO EM MEDIÇÃO
-
Descrição
-
Nas últimas décadas, a indústria de transformação, tem proporcionado a
introdução de produtos cada vez mais rápidos e energeticamente mais eficientes para
utilização residencial, comercial e industrial, no entanto essas cargas devido à sua
não linearidade têm contribuído significativamente para o aumento dos níveis de
distorção harmônica de tensão em decorrência da corrente conforme indicadores de
Qualidade de Energia Elétrica do sistema brasileiro de distribuição de energia elétrico.
O constante aumento dos níveis das distorções, principalmente no ponto de
acoplamento comum, tem gerado nos dias atuais muita preocupação nas
concessionárias e nos consumidores de energia elétrica, devido aos problemas que
causam como perdas da qualidade de energia elétrica no fornecimento e nas
instalações dos consumidores e isso têm proporcionado diversos estudos sobre o
assunto. Com o intuito de contribuir com o assunto, a presente tese propõe um
procedimento com base no processo Knowledge Discovery in Database - KDD para
identificação das cargas impactantes das distorções harmônicas de tensão no ponto
de acoplamento comum. A metodologia proposta utiliza técnicas de Inteligência
computacional e mineração de dados para análise dos dados coletados por medidores
de qualidade de energia instalados nas cargas principais e no ponto de acoplamento
comum do consumidor e consequentemente estabelecer a correlação entre as
correntes harmônicas das cargas não lineares com a distorção harmônica no ponto
de acoplamento comum. O processo proposto consiste na análise das cargas e do
layout do local onde a metodologia será aplicada, na escolha e na instalação dos
medidores de QEE e na aplicação do processo KDD completo, incluindo os
procedimentos de coleta, seleção, limpeza, integração, transformação e redução,
mineração, interpretação, e avaliação dos dados. Com o propósito de contribuição
foram aplicadas as técnicas de mineração de dados Árvore de Decisão e Naïve Bayes
e foram testados diversos algoritmos em busca do algoritmo com resultados mais
significativos para esse tipo de análise conforme apresentado nos resultados. Os
resultados obtidos evidenciaram que o processo KDD possui aplicabilidade na análise
da Distorção Harmônica Total de Tensão no Ponto de Acoplamento Comum e deixa
como contribuição a descrição completa de cada etapa desse processo, e para isso
foram comparados com diferentes índices de balanceamento de dados, treinamento
e teste e diferentes cenários em diferentes turnos de análise e apresentaram bom
desempenho possibilitando sua aplicação em outros tipos de consumidores e
empresas de distribuição de energia. Evidencia também, na aplicação escolhida e
utilizando diferentes cenários, que a carga mais impactante foi a sétima harmônica de
corrente das centrais de ar condicionado para o conjunto de dados coletados.
Palavras-chave: distorção harmônica total, mineração de dados, KDD, inteligência
computacional, árvore de decisão, Naïve Bayes, rede neural, qualidade de energia.
-
Abstract
-
Nas últimas décadas, a indústria de transformação, tem proporcionado a
introdução de produtos cada vez mais rápidos e energeticamente mais eficientes para
utilização residencial, comercial e industrial, no entanto essas cargas devido à sua
não linearidade têm contribuído significativamente para o aumento dos níveis de
distorção harmônica de tensão em decorrência da corrente conforme indicadores de
Qualidade de Energia Elétrica do sistema brasileiro de distribuição de energia elétrico.
O constante aumento dos níveis das distorções, principalmente no ponto de
acoplamento comum, tem gerado nos dias atuais muita preocupação nas
concessionárias e nos consumidores de energia elétrica, devido aos problemas que
causam como perdas da qualidade de energia elétrica no fornecimento e nas
instalações dos consumidores e isso têm proporcionado diversos estudos sobre o
assunto. Com o intuito de contribuir com o assunto, a presente tese propõe um
procedimento com base no processo Knowledge Discovery in Database - KDD para
identificação das cargas impactantes das distorções harmônicas de tensão no ponto
de acoplamento comum. A metodologia proposta utiliza técnicas de Inteligência
computacional e mineração de dados para análise dos dados coletados por medidores
de qualidade de energia instalados nas cargas principais e no ponto de acoplamento
comum do consumidor e consequentemente estabelecer a correlação entre as
correntes harmônicas das cargas não lineares com a distorção harmônica no ponto
de acoplamento comum. O processo proposto consiste na análise das cargas e do
layout do local onde a metodologia será aplicada, na escolha e na instalação dos
medidores de QEE e na aplicação do processo KDD completo, incluindo os
procedimentos de coleta, seleção, limpeza, integração, transformação e redução,
mineração, interpretação, e avaliação dos dados. Com o propósito de contribuição
foram aplicadas as técnicas de mineração de dados Árvore de Decisão e Naïve Bayes
e foram testados diversos algoritmos em busca do algoritmo com resultados mais
significativos para esse tipo de análise conforme apresentado nos resultados. Os
resultados obtidos evidenciaram que o processo KDD possui aplicabilidade na análise
da Distorção Harmônica Total de Tensão no Ponto de Acoplamento Comum e deixa
como contribuição a descrição completa de cada etapa desse processo, e para isso
foram comparados com diferentes índices de balanceamento de dados, treinamento
e teste e diferentes cenários em diferentes turnos de análise e apresentaram bom
desempenho possibilitando sua aplicação em outros tipos de consumidores e
empresas de distribuição de energia. Evidencia também, na aplicação escolhida e
utilizando diferentes cenários, que a carga mais impactante foi a sétima harmônica de
corrente das centrais de ar condicionado para o conjunto de dados coletados.
Palavras-chave: distorção harmônica total, mineração de dados, KDD, inteligência
computacional, árvore de decisão, Naïve Bayes, rede neural, qualidade de energia.
-
Língua do arquivo
-
português
-
Data da Defesa
-
2018
-
Palavra-chave
-
distorção harmônica total
-
mineração de dados
-
KDD
-
inteligência computacional
-
árvore de decisão
-
Naïve Bayes
-
Autor
-
EDSON FARIAS DE OLIVEIRA
-
Orientador
-
Maria Emília de Lima Tostes
-
Local
-
UFPA - Belém, 2018
