Defesa de Dissertação de Mestrado de Luiz Phillip Quintanilha da Silva, em 02/04/2024, às 14:00 horas, por videoconferência
Link para defesa: https://us06web.zoom.us/j/84504715563
Geração de Pseudomedidas Através de Modelos Generativos na Supervisão de Redes Elétricas de Distribuição
Resumo:
As redes elétricas estão passando por transformações significativas devido à introdução de novos agentes e dispositivos, o que torna o monitoramento adequado cada vez mais crucial. Nesse contexto, entender as medidas elétricas disponíveis na rede torna-se essencial para o seu pleno funcionamento. Embora tenham ocorrido avanços no monitoramento, as redes de comunicação continuam a representar um desafio significativo. Portanto, a construção de modelos matemáticos para gerar medidas emerge como uma alternativa viável para compreender o estado operacional da rede elétrica. Esta dissertação explora a aplicação de modelos de Codificadores Automáticos para a geração de pseudomedidas. Três tipos de Codificadores Automáticos foram testados e combinados com a Otimização Bayesiana para a seleção da arquitetura mais promissora. Os resultados obtidos superam os limites atuais, e a combinação desses modelos com a seleção de medidas a serem reconstruídas mostrou-se adequada para aplicações práticas.
Abstract:
The electrical system is undergoing significant transformations due to the introduction of new agents and devices, rendering appropriate monitoring increasingly crucial. In this context, understanding the electrical measurements available in the network becomes essential for its proper functioning. Despite advancements in monitoring, communication networks continue to pose a significant challenge. Therefore, the construction of mathematical models to generate measurements emerges as a viable alternative for comprehending the operational state of the electrical grid. This dissertation explores the application of AutoEncoder models for the generation of pseudo-measurements. Three types of Automatic Encoders were tested and combined with Bayesian Optimization for selecting the most promising architecture. The results obtained surpass current limits, and the combination of these models with the selection of measurements to be reconstructed proved suitable for practical applications.
Banca examinadora:
Prof. Julio Cesar Stacchini de Souza, UFF – Presidente
Prof. Milton Brown Do Coutto Filho, UFF
Prof. José Viterbo Filho, UFF
Profa. Marley Maria Bernardes Rebuzzi Vellasco, PUC-Rio