Tests sans déflecteur

Paralelamente às contribuições deste trabalho, cabem análises para expandir esta e outras áreas de estudo, dando continuidade de pesquisa aos problemas apresentados. São sugeridas oportunidades de melhoria nas seguintes propostas:

• para eventos de saídas múltiplas com mesma combinação de entradas, realização de diagnósticos dos desligamentos com apresentação de probabilidades de ocorrências das outras causas;

• detalhar um estudo identificando as principais variáveis que têm relação com cada causa, estimando o grau dessas influências e com a tentativa de incluir estas variáveis para evitar registros de múltiplas causas, aparentando mesmos cenários;

• utilização de outras classes de dados para compor as variáveis, de modo a constatar mais informações do comportamento do sistema elétrico e detalhar os modos de falhas da distribuição de energia;

• agregar na base de dados a variável temperatura para verificar sua influência em causas que provavelmente correlacionam-se com esta variação, como sobrecarga e falha em transformadores;

• inclusão do registro de nomes do eletricista responsável no momento da avaliação do reparo, a fim de realizar um estudo da variabilidade de atribuição de causas envolvendo diferentes pessoas. Esta medida possivelmente também aumentaria a confiabilidade dos registros, por exercer maior controle neste processo;

• estudo com formulações baseadas na estatística justificando o motivo de ocorrência de erro após realizar treino e inferência com o mesmo conjunto de dados;

• teste de outras topologias da Rede Bayesiana a fim de verificar o quanto isto influencia no problema do erro dos conjuntos de dados;

• aplicação de outros algoritmos de estimação dos parâmetros;

• desenvolvimento de outros sistemas inteligentes com métodos de detecção de eventos inverossímeis para um sistema elétrico.

REFERÊNCIAS

ANEEL (2010). Agência Nacional de Energia Elétrica. Brasília, DF. Disponível em:

<http://www.aneel.gov.br/aplicacoes/noticias/Output_Noticias.cfm?Identidade=3253&id_area=>.

Acesso em: 15 fev. 2010.

BORTONI, E.C.; HASSIN, E.S.; MASSELI, S. (2004). A Regulamentação da continuidade dos serviços de distribuição de energia elétrica no Brasil. In: IV Congresso Brasileiro de Planejamento Energético, Itajubá, 13p.

BROWN, R.E. (2002). Electric power Distribution reliability. New York, NY. Marcel Dekker, 355p.

CHIEN, C-F.; CHEN, S-L.; LIN, Y-S. (2002). Using Bayesian Network for fault location on distribution feeder. IEEE Transactions on Power Delivery, jul, v.17, n.13, p.785-793.

CHOW, M-Y.; YEE, S.O.; TAYLOR, L.S. (1993). Recognizing animal-caused faults in power distribution systems using artificial neural networks. IEEE Transactions on Power Delivery, v.8, n.3, p.1268-1274.

CHEN, G.; PHAM, T. T. (2001). Introduction to fuzzy Sets, fuzzy Logic and fuzzy Control Systems. CRC Press LLC, Boca Raton, FL, 316p.

CEEE (2009). Companhia Estadual de Energia Elétrica. Porto Alegre, RS. Disponível em:

<http://www.ceee.com.br/pportal/ceee/component/Controller.aspx?CC=25960>.

Acesso em: 26 nov. 2009.

DARWICHE, A. (2009). Modeling and Reasoning with Bayesian Networks. Cambridge University Press, New York, p.216-224.

DOBLE, 2010. Doble Engineerign Company. Watertown, MA, USA. Disponível em:

<http://www.doble.com/content/products/ACCA_3.pdf>. Acesso em: 20 jan. 2010.

DOLA, H.M.; CHOWDHURY, B.H. (2005). Data Mining for Distribution System Fault Classification. Proceeding of the 37th Annual North American Power Symposium, Missouri, 23-25 Oct, p.457- 462.

HARRIS, J. (2006). Fuzzy Logic Applications in Engineering Science – Microprocessor- based and Intelligent Systems Engineering. Vol. 29, Springer. Netherlands, 221p.

HAZZAN, S. (1977). Fundamentos de Matemática Elementar – Combinatória/Probabilidade. 3ª edição, Atual, São Paulo, SP, 149p.

MATHWORKS (1995). Fuzzy Logic Toolbox – User`s Guide, Version 2. Matlab.

JENSEN, F.V. (2001). Bayesian Networks and Decision Graphs. New York: Springer - Verlag. 268 p.

JOHNS, A.T. ; LAI, L.L. ; EL-HAMI, M. ; DARUVALA, D.J. (1991). New approach to directional fault location for overhead power distribution feeders. IEEE Proceedings, July, v.138, n.4, p.351-357.

LIU, Y.; SCHULTZ, N.N. (2002). Integrated fuzzy filter for distribution outage information. Electric Power Systems Research, Elsevier, n. 63, p.177-184.

NEILL, F. M.; THRO, E. (1994). Fuzzy Logic – A practical Approach, Academic Press, United Kingdom Edition, London, 279p.

MURPHY, K. (1998). A Brief Introduction to Graphical Models and Bayesian Networks. University of British Columbia, Vancouver, CA. Disponível em:

<http://people.cs.ubc.ca/~murphyk/Bayes/bayes_tutorial.pdf>. Acesso em: 20 jul. 2009. NASSAR, S.M.; COELHO, J.; WRONSCKI, V.R.; QUEIROZ, H.; GAUCHE, E. (2004). Identificação de condições climáticas adversas através de redes bayesianas. IX SEPOPE - Symposium of Specialists in Electrical Operational and Expansion Planning, Rio de Janeiro. Anais do IX SEPOPE, SP-132, v. 1, p.1-5.

OPRISAN, M.; FILIPPELLI, F.; CLARK, I.M.; BILLINTON, R. (1991). A Reliability data system for the reporting of forced outages of distribution equipment. In: WESCANEX '91 'IEEE Western Canada Conference on Computer, Power and Communications Systems in a Rural Environment', 29-30 May, p.267-270.

OSHA (2010). Work Hazards and Safety Practices in the Electric Power Industry, United States Department of Labor, Washington, D.C. Disponível em:

<http://www.osha.gov/SLTC/etools/electric_power/illustrated_glossary/substation_equipment/lightnin

PASKIN, M.A. (2003). A Short Course on Graphical Models: The Junction Tree Algorithms. Stanford AI Laboratory, Stanford, CA. Disponível em:

<http://ai.stanford.edu/~paskin/gm-short-course/lec3.pdf>. Acesso em: 15 ago. 2009.

PENG, J.T.; CHIEN, C.F. ; TSENG, T.L.B. (2004). Rough set theory for data mining for fault diagnosis on distribution feeder. Generation, Transmission and Distribution IEEE Proceedings, Nov, v.151, n.6, p.689-697.

PRETTO, C.O.; RANCICH, G.V. ; ROSA, M.A.; LEMOS, F.A.B. (2003). Forced outages information treatment system and cause identification based on mobile computing and neural networks. IEEE PowerTech Conference Proceedings, June, Bologna, v.1, 6p.

PRETTO, C.O. (2005). Sistema de Coleta e Tratamento de Informações sobre Desligamentos Não Programados Baseados em Computadores Móveis. Dissertação (Mestrado em Engenharia Elétrica) – Programa de Pós-Graduação em Engenharia Elétrica, Faculdade de Engenharia, Pontifícia Universidade Católica do Rio Grande do Sul, Porto Alegre, 87p.

ROSS, T. J. (2004). Fuzzy Logic with Engineering Applications. University of New Mexico, USA, Second Edition, pgs.15; 179.

SAVE B. (2010). Sociedade para conservação de aves do Brasil. São Paulo, SP. Disponível em: <http://www.savebrasil.org.br/>. Acesso em: 15 jan. 2010.

SRIDHARAN, K.; SCHULZ, N.N. (2001). Outage management through AMR systems using an intelligent data filter. IEEE Transactions on Power Delivery, v.16, n.4, p.669-675.

SU, C.-L.; TENG, J.-H. (2007) Outage costs quantification for benefit-cost analysis of distribution automation systems. Electrical Power & Energy Systems, Elsevier, June, n.29, p.767-774.

TECH, A.R.B; GUALAZZI, G.A.S. (2006). O processo decisório apoiado em técnicas e modelos de inteligência artificial. XIII Simposio de Engenharia de Produção - SIMPEP, Nov, Bauru, SP, 7 p.

TRONCHONI, A.B.; PRETTO, C.O.; ROSA, M.A.; LEMOS, F.A.B. (2010). Descoberta de Conhecimento em Base de Dados de Eventos de Desligamentos de Empresas de Distribuição. Revista SBA – Controle & Automação, Sociedade Brasileira de Automática. Vol 1.

TRONCHONI, A.B.; PRETTO, C.O.; LICKS, V.; ROSA, M.A.; LEMOS, F.A.B. (2007). Forced outage cause identification based on bayesian networks. Proceedings of 2007 IEEE Lausanne Powertech, Switzerland, v.1., p.1-6.

TRONCHONI, A.B. (2008). Identificação de causas de desligamentos não programados em redes de distribuição. Dissertação (Mestrado em Engenharia Elétrica) – Programa de Pós- Graduação em Engenharia Elétrica, Faculdade de Engenharia, Pontifícia Universidade Católica do Rio Grande do Sul, Porto Alegre, 131p.

TSO, S.K.; LIN, J.K.; HO, H.K.; MAK, C.M.; YUNG, K.M.; HO, Y.K. (2004). Data mining for detection of sensitive buses and influential buses in a power system subjected to disturbances. IEEE Transactions on Power Systems, Nov, v.19, n.1, p.563-568.

WU, Z.; ZHANG, B.; ZHU, Y.; ZHAO, W.; ZHOU, Y. (2009). Transformer fault portolio diagnosis based on the combination of the multiple Bayesian classifier and SVM. International Conference on Electronic Computer Technology, Proceedings…p.370-382. XU, L.; CHOW, M.-Y. (2006). A classification approach for power distribution systems fault cause identification. IEEE Transactions on Power Systems, v. 21, n.1, p.53-60.

XU, L.; CHOW, M.-Y.; TAYLOR, L.S. (2007). Power Distribution Fault Cause Identification with Imbalanced Data Using the Data Mining-Based fuzzy Classification E-Algorithm. IEEE Transactions on Power Delivery. v.22, n.1, p.164-171.

YONGLI, Z.; LIMIN, H.; JINLING, L. (2006). Bayesian network-based approach for power systems fault diagnosis. IEEE Transactions on Power Delivery, v.21, n.2, p.634-639.

ZADEH, L. A. (1994). Fuzzy Logic, Neural Networks, and Soft Computing. IEEE Computer Society Press, v.11, p.48-56.

ZADEH, L.A. (1994). Fuzzy logic, neural network and soft computing. Communications of the ACM, v.37, n.3.

ZEROHORA (2009). Jornal Zero Hora, Porto Alegre, RS. Disponível em:

<http://zerohora.clicrbs.com.br/zerohora/jsp/default.jsp?uf=1&local=1&section=Geral&newsID=a272

ANEXOS