Modèle du dos

O principal objetivo do pr´e-processamento ´e permitir que os dados sejam representados de uma forma mais adequada, sem alterar sua organiza¸c˜ao ao longo do tempo. Para isso, o pr´e-processamento foi subdividido em trˆes atividades: decima¸c˜ao e acr´escimo de ru´ıdo, normaliza¸c˜ao e trigger, as quais s˜ao descritas a seguir.

3.3.1.1 Decima¸c˜ao e acr´escimo de ru´ıdo

As formas de onda geradas pelas simula¸c˜oes ATP tiveram um per´ıodo de amostragem igual a 0.25 microssegundos (no ATP, deltaT =2.5E-5), o que corresponde a uma freq¨uˆen- cia de amostragem de 40 kHz e `a gera¸c˜ao de uma grande quantidade de dados. Assim, no pr´e-processamento pode-se reduzir o n´umero de amostras do sinal por meio do processo de decima¸c˜ao (subamostragem). O objetivo da decima¸c˜ao ´e simplesmente reduzir a quantidade de amostras para diminuir o custo computacional despendido ao aplicar os algoritmos de minera¸c˜ao de dados na base de dados.

Ap´os a decima¸c˜ao, os dados podem receber uma carga de ru´ıdo aditivo Gaussiano (controlado pela RSR (rela¸c˜ao Sinal/Ru´ıdo) em dB especificada pelo usu´ario) para gera¸c˜ao de sinais mais pr´oximos dos sinais reais.

Para realizar essas tarefas foram desenvolvidas rotinas (Apˆendice B) na linguagem de programa¸c˜ao Java que recebem como entrada os arquivos com os dados gerados pelo ATP. Por exemplo, na rotina de decima¸c˜ao, o usu´ario determina o fator de decima¸c˜ao no qual o sinal deve ser subamostrado, isto ´e, com fator de decima¸c˜ao igual a 20 e freq¨uˆencia de amostragem igual a 40 kHz , a nova freq¨uˆencia de amostragem passa a ser 2 kHz. Na adi¸c˜ao de ru´ıdo, o usu´ario passa como parˆametro a rela¸c˜ao sinal/ru´ıdo que deseja e, quanto menor esse valor, maior ´e o ru´ıdo adicionado.

3.3.1.2 Normaliza¸c˜ao

Os diferentes elementos de um vetor z de parˆametros de entrada dos classificadores pos- suem eventualmente distintas faixas dinˆamicas. Os algoritmos de aprendizagem podem even- tualmente serem completamente ofuscados por parˆametros que tˆem grandes faixas dinˆamicas quando comparados `as faixas de outros (por exemplo, no caso, lida-se com tens˜oes de kiloVolts e correntes em Amp´eres). Diante disso, tipicamente aplica-se um processo de normaliza¸c˜ao nos

dados de entrada para que as formas de onda tenham amplitudes, por exemplo, no intervalo de [1, -1] (por unidade ou pu).

Em geral, um registro de dist´urbio de QEE, que corresponda a uma falta, apresenta trˆes situa¸c˜oes [20, 46], nas quais os sinais de tens˜ao e corrente se comportam de modos distintos: os est´agios de pr´e-falta, falta e p´os-falta (Figura 3.4). O est´agio pr´e-falta corresponde ao estado normal de opera¸c˜ao do sistema el´etrico, o segundo indica o intervalo real da falta e o ´

ultimo est´agio de p´os-falta corresponde ao momento que o sistema de prote¸c˜ao atua tentando restabelecer as condi¸c˜oes normais de funcionamento do sistema.

Neste contexto, este trabalho adotou dois tipos de normaliza¸c˜oes que s˜ao chamadas aqui de prefault e allfault. Na normaliza¸c˜ao prefault (Figura 3.7a), um intervalo de dura¸c˜ao fixa do sinal que antecede o dist´urbio ´e usado para encontrar o valor m´aximo absoluto Xmax. Ent˜ao,

este valor m´aximo ´e utilizado como base para convers˜ao de cada fase em pu. J´a a normaliza¸c˜ao allfault (Figura 3.7b) considera a dura¸c˜ao de toda forma de onda para calcular as amplitudes m´axima e m´ınima de cada fase, e a converte em pu. Ambas normaliza¸c˜oes adotam um fator de normaliza¸c˜ao distinto para cada uma das formas de onda Q. Por exemplo, se uma forma de onda tem um valor que excede a amplitude Xmax, a allfault pode converter Xmax para 1

e manter toda a forma de onda no intervalo [1, -1], enquanto que prefault pode converter Xmax para um valor maior do que 1, j´a que seu fator de normaliza¸c˜ao ´e baseado no intervalo

pr´e-falta, onde as amplitudes s˜ao geralmente pr´oximas aos seus valores nominais.

3.3.1.3 Trigger

Na classifica¸c˜ao de dist´urbios de QEE, a dura¸c˜ao das faltas varia porque na maioria dos casos ´e utilizado um gatilho trigger que descarta as amostras quando a forma de onda n˜ao apresenta qualquer tipo de anomalia, e passa aos est´agios subsequentes a matriz X de tamanho vari´avel, contendo somente o segmento onde a falta foi detectada [40, 47].

O trigger por si s´o corresponde a um problema de classifica¸c˜ao bin´ario: “falta” ou n˜ao “falta”. Em [11, 20, 24] o trigger ou m´odulo de detec¸c˜ao de faltas ´e realizado a partir da

aplica¸c˜ao de wavelets ou de classificadores tais como rede neural.

Estimados o in´ıcio e fim da falta, ´e comum se processar tamb´em um dado n´umero de ciclos de amostras antes e depois da falta. A Figura 3.8 ilustra um caso de aplica¸c˜ao de trigger com 3 ciclos antes e depois da falta.

Neste trabalho o trigger usa diretamente a informa¸c˜ao proveniente do ATP, para assim segmentar a falta a partir do seu in´ıcio e fim. O software para isso foi implementado como um m´etodo de uma classe em Java (Apˆendice B). Este m´etodo recebe como parˆametro o in´ıcio e

Figura 3.7: Exemplo de formas de onda de tens˜ao (fs = 2kHz) ap´os a aplica¸c˜ao das normal-

iza¸c˜oes prefault (a) e allfault (b). Em (a) o pico maior do que 1 pode ser visto enquanto que em (b) o maior pico ´e exatamente 1.

o fim da falta fornecidos pela simula¸c˜ao utilizando AmazonTP, e converte os dados de entrada em outros arquivos de dados somente com as amostras correspondente `a falta.