Para o levantamento bibliogr´afico dos classificadores com base em oscilografias no SEP, foi feita inicialmente uma busca pelos crit´erios a serem considerados na construc¸˜ao dos mesmos. Nesse aspecto, foram estabelecidos os crit´erios de local de ocorrˆencia do evento, na- tureza dos eventos classificados, dados utilizados na classificac¸˜ao, pr´e-processamento aplicado e a t´ecnica de classificac¸˜ao utilizada.
Com relac¸˜ao ao local de ocorrˆencia dos eventos, o desenvolvimento dos classifica- dores ´e voltado para os diferentes est´agios do sistema el´etrico de potˆencia, desde os sistemas de gerac¸˜ao (GUO et al., 2005; TAN et al., 2007), passando pela transmiss˜ao (ADU, 2002; MAHANTY; GUPTA, 2007; VASILIC; KEZUNOVIC, 2005; SILVA et al., 2006; REDDY; MOHANTA, 2007; ZHANG; KEZUNOVIC, 2007), (DASH et al., 2007; SAMANTARAY;
DASH, 2008; RAVIKUMAR et al., 2008; DONG et al., 2009; DEMIR, 2010a; MALATHI et al., 2010) e para redes de distribuic¸˜ao (STYVAKTAKIS, 2002; CHIEN et al., 2002; GEREK et al., 2006; GEREK; ECE, 2006; FAIZ et al., 2007). Nota-se que grande parte dos trabalhos foca no desenvolvimento dos classificadores para sistemas de transmiss˜ao, uma vez que esse est´agio do sistema de potˆencia necessita de uma r´apida mitigac¸˜ao dos eventos, principalmente os que envolvem curtos-circuitos. Al´em disso, classificadores desenvolvidos para sistemas de transmiss˜ao possuem diversas aplicac¸˜oes voltadas para problemas de protec¸˜ao das linhas (KE- ERTHIPALA, 1998; AGUILERA et al., 2006; MELO et al., 2007). A identificac¸˜ao correta de um evento de curto-circuito permite a an´alise de eventuais falhas de atuac¸˜ao dos rel´es de protec¸˜ao, al´em de incorporar conhecimento acerca das caracter´ısticas do evento, tais como o tipo de curto-circuito e as fases envolvidas.
J´a com relac¸˜ao `a natureza dos eventos, observa-se que cada est´agio do sistema de potˆencia possui caracter´ısticas espec´ıficas com relac¸˜ao `a concepc¸˜ao dos classificadores. No caso dos sistemas de gerac¸˜ao (GUO et al., 2005; TAN et al., 2007), o foco s˜ao os problemas mecˆanicos nos geradores, em func¸˜ao dos curtos-circuitos, al´em da identificac¸˜ao de faltas no interior desses geradores. J´a para as linhas de transmiss˜ao e redes de distribuic¸˜ao, a classe de maior impacto s˜ao os curtos-circuitos (MORAIS et al., 2007), conforme mencionado no cap´ıtulo anterior. Para o caso particular dos sistemas de distribuic¸˜ao, eventos transit´orios como chaveamento de banco de capacitores e eventos de manobra, ainda representam um forte im- pacto no que diz respeito ao ressarcimento de danos a consumidores devido `a queima de equipa- mentos (DUGAN et al., 2002). Considerando essa caracter´ıstica, uma classificac¸˜ao conjunta de eventos com naturezas distintas como mostram Styvaktakis (2002), Gerek et al. (2006), Gerek e Ece (2006), Silva et al. (2006), Faiz et al. (2007), Demir (2010a), faz-se necess´aria, j´a que os registradores poder˜ao armazenar oscilografias de diferentes causas, como curtos-circuitos ou transit´orios de manobra. Em alguns casos, em func¸˜ao das caracter´ısticas do sistema de registro de oscilografia, ´e poss´ıvel se estabelecer correlac¸˜ao com a causa do evento causador, como mos- tra Faiz et al. (2007), cujo objetivo da classificac¸˜ao ´e realizar a separac¸˜ao de eventos de curto- circuito, partida de motores, energizac¸˜ao de transformadores e faltas simultˆaneas `a energizac¸˜ao de transformadores. Em Styvaktakis (2002) ´e apresentada uma metodologia parecida, por´em n˜ao s˜ao tratados eventos simultˆaneos na rede.
Em termos de metodologia de classificac¸˜ao, o processo ´e normalmente realizado em dois est´agios: pr´e-processamento das entradas e a classificac¸˜ao propriamente dita. No pr´e- processamento, ´e feita a extrac¸˜ao de caracter´ısticas dos sinais sob an´alise visando reduzir a dimensionalidade do espac¸o de entrada para o est´agio seguinte. Para tanto, utiliza-se normal- mente uma transformac¸˜ao da forma de onda de entrada (tens˜ao ou corrente) do dom´ınio do
tempo para outro dom´ınio, podendo ser para a frequˆencia via Transformada de Fourier ou para o dom´ınio tempo-frequˆencia via transformada wavelet (GEREK et al., 2006). Para a extrac¸˜ao de caracter´ısticas, podem ser aplicadas relac¸˜oes como o c´alculo de energia do sinal nesse novo dom´ınio (LAZZARETTI et al., 2009) de modo a extrair o m´aximo de informac¸˜oes relevan- tes para o classificador, mantendo o compromisso com a reduc¸˜ao de dimensionalidade para o pr´oximo est´agio (DONG et al., 2009).
Al´em desses m´etodos, existem outras abordagens adotadas para o pr´e-processamento n˜ao relacionadas diretamente com as transformac¸˜oes para o dom´ınio da frequˆencia ou do tempo- frequˆencia. Em (GUO et al., 2005) foi utilizada programac¸˜ao gen´etica como extrator de carac- ter´ısticas, de forma que essas caracter´ısticas possam ser dadas atrav´es de express˜oes anal´ıticas geradas automaticamente, o que confere a esse m´etodo uma certa autonomia no que diz res- peito `a extrac¸˜ao de caracter´ısticas. J´a em Faiz et al. (2007), foi utilizado o m´etodo de Prony para determinac¸˜ao das caracter´ısticas modais dos sinais de entrada, tais como frequˆencia, am- plitude, amortecimento e deslocamento de fase. Em Gerek et al. (2006), utilizam-se estat´ısticas de ordem elevada procurando garantir que sejam mantidas informac¸˜oes relevantes para o pro- cesso de classificac¸˜ao, al´em de permitirem de forma conjunta a detecc¸˜ao de eventos. J´a Dash e Chilukuri (2004) demonstram a possibilidade de se utilizar um sistema h´ıbrido de transformada waveletcom correc¸˜ao de fase (Transformada-S) e filtros de Kalman com o objetivo de carac- terizar sinais relacionados a eventos de Qualidade de Energia. Em (KEERTHIPALA, 1998; JANIK; LOBOS, 2006) s˜ao extra´ıdas caracter´ısticas de componentes sim´etricas e fasoriais dos sinais de entrada para a classificac¸˜ao.
No est´agio de classificac¸˜ao, grande parte dos trabalhos utiliza redes neurais artifici- ais (CHIEN et al., 2002; MAHANTY; GUPTA, 2004; SILVA et al., 2006; SAMANTARAY; DASH, 2008; RAVIKUMAR et al., 2008; DEMIR, 2010a; MALATHI et al., 2010), sistemas Fuzzy (MAHANTY; GUPTA, 2007; REDDY; MOHANTA, 2007) ou modelos h´ıbridos (VA- SILIC; KEZUNOVIC, 2005; ZHANG; KEZUNOVIC, 2007; TAN et al., 2007). Al´em desses, ainda existem trabalhos que realizam a classificac¸˜ao atrav´es de uma base de regras extra´ıdas da an´alise dos sinais pr´e-processados (DONG et al., 2009). Uma caracter´ıstica comum desses tra- balhos ´e que a definic¸˜ao do modelo final do classificador ´e fortemente dependente de parˆametros pr´e-selecionados no est´agio de construc¸˜ao do classificador, principalmente com relac¸˜ao `a estru- tura no caso dos modelos neurais, isto ´e, n´umero de neurˆonios nas camadas ocultas.
Em Bollen et al. (2007) e Demir (2010a) s˜ao desenvolvidas t´ecnicas que otimizam a definic¸˜ao dos parˆametros de treinamento dos modelos do tipo M´aquina de Vetor Suporte, conferindo ao processo de treinamento uma caracter´ıstica autˆonoma. No entanto, o m´etodo
utilizado (via validac¸˜ao cruzada ´unica) ´e caracterizado por ser computacionalmente intensivo e n˜ao aborda quest˜oes relacionadas `a selec¸˜ao da camada de entrada das redes avaliadas. Em De- mir (2010b) tamb´em utiliza-se um modelo do tipo M´aquina de Vetor Suporte e s˜ao consideradas quest˜oes relacionadas `a selec¸˜ao de entradas, parˆametros do kernel e capacidade de generalizac¸˜ao da rede de forma independente, visando `a classificac¸˜ao de fenˆomenos de Qualidade de Energia.
Em Lazzaretti et al. (2009) s˜ao abordados conceitos de autonomia aplicados ao treina- mento de modelos para classificac¸˜ao de eventos em redes de distribuic¸˜ao, com base nos concei- tos expostos em Ferreira e Silva (2007), principalmente com relac¸˜ao `a estrutura e capacidade de generalizac¸˜ao do modelo de forma conjunta. Foram comparados trˆes modelos para o pro- cesso de classificac¸˜ao: Perceptron Multicamadas, Func¸˜oes de Base Radial e M´aquina de Vetor Suporte, sendo que a selec¸˜ao autom´atica do modelo fornecia como resultado a definic¸˜ao das camadas de entrada e oculta dos modelos, considerando o controle de complexidade durante o processo de treinamento.