Neste trabalho, é apresentado e discutido um novo modelo para proteção de Linhas de Transmissão. O sistema proposto executa, individualmente, as etapas tradicionais da filosofia de proteção de distância: detecção, classificação e localização. Este modelo emprega Estatísticas de Ordem Superior (EOS) como ferramenta de extração de características, para posterior aplicação das Redes Neurais Artificiais (RNAs). As RNAs são responsáveis pelas tomadas de decisões do sistema, no sentido de identificar a ocorrência da falta e o tipo da mesma, além de localizar a falta no que tange às zonas de proteção consideradas. O processamento com tais estatísticas é responsável pela transformação dos dados para um domínio onde as diferentes faltas são evidenciadas através de agrupamentos de dados (padrões). O banco de dados disponível com sinais elétricos de LTs em condições de falta é utilizado para cálculo das estatísticas e o posterior treinamento supervisionado (e validação) das redes. A junção das etapas de proteção em um único modelo permitiu o desenvolvimento de um protótipo de relé, sendo executada uma bateria extensiva de testes, com as mais diversas condições de faltas possíveis. Apesar de operar apenas com sinais de corrente, o método proposto alcançou resultados que, em comparação com a técnica tradicional de proteção de distância, baseada na impedância aparente, aumenta consideravelmente o desempenho da proteção de LTs. Especialmente para as faltas monofásicas, de ocorrência mais comum, o desempenho obtido com o algoritmo proposto é largamente superior ao obtido com um relé de distância tradicional normalmente empregado em proteção de LTs, evidenciando a relevância da técnica empregada em aplicações de proteção. / A novel method of Transmission Lines (TLs) protection is presented and discussed in this work. The proposed algorithm performs the traditional steps of distance relaying, such as: fault detection, classification and location. The new method applies the Higher Order Statistics (HOS), also known as cumulants, as a tool for feature extraction in order to apply Artificial Neural Networks (ANN) for pattern classification. These networks are responsible for the processing of information, identifying a possible fault condition, the type of fault and, finally, its location in terms of fault zones considered for the problem. The application of HOS in a protection scheme is responsible for the transformation of electrical data, such as current signals, to a different domain where the different types of faults are highlighted by different classes of samples. The available database was obtained by simulating an Electric Power System and it is used for computing the statistics and training/validating the distinct neural networks of each step of the distance protection. A relay prototype is obtained by combining these steps in a synchronized operation. This prototype allowed the execution of extensive tests, simulating the operation of a protective system in real-time. Despite the use of currents signals only, the proposed method provided efficient protection for the EPS under study. In fact, comparing the results with a traditional method applied to distance protection, based on apparent impedance, an improvement of the protection performance was demonstrated. Especially for faults involving one phase and the ground, the most common in power systems, the results of the new methodology was significantly superior to that of the conventional relay. It can be concluded that the technique presents a high relevance for applications in transmission line protection.

Neste trabalho, é apresentado e discutido um novo modelo para proteção de Linhas de Transmissão. O sistema proposto executa, individualmente, as etapas tradicionais da filosofia de proteção de distância: detecção, classificação e localização. Este modelo emprega Estatísticas de Ordem Superior (EOS) como ferramenta de extração de características, para posterior aplicação das Redes Neurais Artificiais (RNAs). As RNAs são responsáveis pelas tomadas de decisões do sistema, no sentido de identificar a ocorrência da falta e o tipo da mesma, além de localizar a falta no que tange às zonas de proteção consideradas. O processamento com tais estatísticas é responsável pela transformação dos dados para um domínio onde as diferentes faltas são evidenciadas através de agrupamentos de dados (padrões). O banco de dados disponível com sinais elétricos de LTs em condições de falta é utilizado para cálculo das estatísticas e o posterior treinamento supervisionado (e validação) das redes. A junção das etapas de proteção em um único modelo permitiu o desenvolvimento de um protótipo de relé, sendo executada uma bateria extensiva de testes, com as mais diversas condições de faltas possíveis. Apesar de operar apenas com sinais de corrente, o método proposto alcançou resultados que, em comparação com a técnica tradicional de proteção de distância, baseada na impedância aparente, aumenta consideravelmente o desempenho da proteção de LTs. Especialmente para as faltas monofásicas, de ocorrência mais comum, o desempenho obtido com o algoritmo proposto é largamente superior ao obtido com um relé de distância tradicional normalmente empregado em proteção de LTs, evidenciando a relevância da técnica empregada em aplicações de proteção. / A novel method of Transmission Lines (TLs) protection is presented and discussed in this work. The proposed algorithm performs the traditional steps of distance relaying, such as: fault detection, classification and location. The new method applies the Higher Order Statistics (HOS), also known as cumulants, as a tool for feature extraction in order to apply Artificial Neural Networks (ANN) for pattern classification. These networks are responsible for the processing of information, identifying a possible fault condition, the type of fault and, finally, its location in terms of fault zones considered for the problem. The application of HOS in a protection scheme is responsible for the transformation of electrical data, such as current signals, to a different domain where the different types of faults are highlighted by different classes of samples. The available database was obtained by simulating an Electric Power System and it is used for computing the statistics and training/validating the distinct neural networks of each step of the distance protection. A relay prototype is obtained by combining these steps in a synchronized operation. This prototype allowed the execution of extensive tests, simulating the operation of a protective system in real-time. Despite the use of currents signals only, the proposed method provided efficient protection for the EPS under study. In fact, comparing the results with a traditional method applied to distance protection, based on apparent impedance, an improvement of the protection performance was demonstrated. Especially for faults involving one phase and the ground, the most common in power systems, the results of the new methodology was significantly superior to that of the conventional relay. It can be concluded that the technique presents a high relevance for applications in transmission line protection.

Made available in DSpace on 2014-06-12T15:55:34Z (GMT). No. of bitstreams: 2 arquivo2265_1.pdf: 2206873 bytes, checksum: 40af7f6131b3c67b98302383ab7f63e7 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2011 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / A geração e manutenção de soluções distintas em Algoritmos Evolucionários Multiobjetivo (MOEAs), sobretudo em ambientes dinâmicos nos quais os critérios de avaliação das soluções podem variar ao longo do tempo, é um problema em aberto, em que há poucos estudos sobre a influência das diferentes maneiras de gerar diversidade na qualidade do conjunto de soluções ótimas. A inclusão de geradores de diversidade em MOEAs pode aumentar o custo do processo evolucionário e prejudicar seu desempenho. Surge, então, a necessidade de buscar meios para atenuar a repercussão negativa do aumento dos níveis de dispersão da população de soluções candidatas no caminhamento à superfície onde se situam os pontos ótimos, conhecida como a Frente de Pareto (PF). Em sistemas biológicos, regimes de imigração aumentam as possíveis combinações de trocas genéticas, promovendo diversidade de caminhos evolucionários. Inspirada na modelagem de imigração natural, esta pesquisa investiga a inserção de soluções atípicas (imigrantes) em populações de soluções candidatas como forma de gerar diversidade em MOEAs aplicados à otimização dinâmica multiobjetivo. A dissertação também propõe e formaliza as Paisagens de Não-Dominância (NDL) para guiar a inserção dos imigrantes gerados na população. As NDLs proveem os MOEAs das probabilidades dos imigrantes serem não-dominados em uma população a partir da estimação de funções densidade de probabilidade e de estatísticas de ordem multivariadas no espaço de objetivos. Após caracterizar a influência da diversidade na dinâmica de aproximação da PF em MOEAs, incorporaram-se as NDLs a geradores de imigrantes. A validação experimental do Gerador de Diversidade baseado em NDL (NDL-DG) expressa o potencial da abordagem proposta no aumento da qualidade média dos conjuntos de soluções não-dominadas evoluídas. A análise dos resultados da incorporação do NDL-DG ao algoritmo NSGA2 revela a obtenção de soluções de maior qualidade média com significância estatística em 79% dos cenários de otimização dinâmica estudados, em termos do indicador de Hipervolume offline, quando comparado com populações evoluídas sem o uso das NDLs. Em seguida, identificaram-se os cenários de otimização em que o NDL-DG se mostra mais promissor. Finalmente, indicaram-se direções de pesquisa para ampliar o alcance da aplicação das NDLs para outros problemas em aberto na otimização multiobjetivo evolucionária

Este trabalho apresenta uma nova metodologia para otimizar carteiras de ativos financeiros. A metodologia proposta, baseada em interpoladores universais tais quais as Redes Neurais Artificiais e a Krigagem, permite aproximar a superfície de risco e consequentemente a solução do problema de otimização associado a ela de forma generalizada e aplicável a qualquer medida de risco disponível na literatura. Além disto, a metodologia sugerida permite que sejam relaxadas hipóteses restritivas inerentes às metodologias existentes, simplificando o problema de otimização e permitindo que sejam estimados os erros na aproximação da superfície de risco. Ilustrativamente, aplica-se a metodologia proposta ao problema de composição de carteiras com a Variância (controle), o Valor-em-Risco (VaR) e o Valor-em-Risco Condicional (CVaR) como funções objetivo. Os resultados são comparados àqueles obtidos pelos modelos de Markowitz e Rockafellar, respectivamente. / This work presents a new methodology for optimizing financial asset portfolios. The proposed methodology, based on universal interpolators such as Artificial Neural Networks and the Kriging Method, allows for approximating the risk surface - and thus the optimal solution to the problem - in a generalized fashion and applicable to any risk measure known in literature, relaxing every restrictive hypothesis inherent to the available methods and with the ability to estimate the error in the approximation. Illustratively, the proposed methodology is applied to the portfolio problem with the Variance (control), Value-at-Risk and Conditional Value-at-Risk as objective functions. Results are compared to those obtained by Markowitz and Rockafellar models, respectively.

Este trabalho apresenta uma nova metodologia para otimizar carteiras de ativos financeiros. A metodologia proposta, baseada em interpoladores universais tais quais as Redes Neurais Artificiais e a Krigagem, permite aproximar a superfície de risco e consequentemente a solução do problema de otimização associado a ela de forma generalizada e aplicável a qualquer medida de risco disponível na literatura. Além disto, a metodologia sugerida permite que sejam relaxadas hipóteses restritivas inerentes às metodologias existentes, simplificando o problema de otimização e permitindo que sejam estimados os erros na aproximação da superfície de risco. Ilustrativamente, aplica-se a metodologia proposta ao problema de composição de carteiras com a Variância (controle), o Valor-em-Risco (VaR) e o Valor-em-Risco Condicional (CVaR) como funções objetivo. Os resultados são comparados àqueles obtidos pelos modelos de Markowitz e Rockafellar, respectivamente. / This work presents a new methodology for optimizing financial asset portfolios. The proposed methodology, based on universal interpolators such as Artificial Neural Networks and the Kriging Method, allows for approximating the risk surface - and thus the optimal solution to the problem - in a generalized fashion and applicable to any risk measure known in literature, relaxing every restrictive hypothesis inherent to the available methods and with the ability to estimate the error in the approximation. Illustratively, the proposed methodology is applied to the portfolio problem with the Variance (control), Value-at-Risk and Conditional Value-at-Risk as objective functions. Results are compared to those obtained by Markowitz and Rockafellar models, respectively.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-04-20T18:23:07Z No. of bitstreams: 1 laryssaramosamado.pdf: 2344885 bytes, checksum: 4328135ddbd0305fc11aa0bf0f8f8b61 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-04-24T16:50:29Z (GMT) No. of bitstreams: 1 laryssaramosamado.pdf: 2344885 bytes, checksum: 4328135ddbd0305fc11aa0bf0f8f8b61 (MD5) / Made available in DSpace on 2017-04-24T16:50:29Z (GMT). No. of bitstreams: 1 laryssaramosamado.pdf: 2344885 bytes, checksum: 4328135ddbd0305fc11aa0bf0f8f8b61 (MD5) Previous issue date: 2011-08-29 / CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico / A presente dissertação tem como objetivos principais a discussão e a análise do uso de técnicas de monitoramento de espectro aplicadas a sistemas PLC, para que a ocupação deste espectro seja explicitada. Neste contexto, diversas técnicas de processamento de sinais e inteligência computacional são utilizadas para extrair e selecionar o menor número de características que sejam mais representativas para detecção, a fim de projetar o melhor e menos complexo detector de sinais a ser utilizado inicialmente na faixa de frequência entre 1,705 e 100 MHz, mas que permita futuras modificações para aplicações na faixa entre 1,705 e 250 MHz. Além disso, o problema de monitoramento de espectro para sistemas PLC é formalizado, e questões de investigação são analisadas tanto para dados simulados em MATLAB quanto para dados medidos em campo. O processo de medição destes dados é descrito e suas características são explicitadas. Finalmente, a análise dos resultados obtidos indica a adequabilidade das técnicas aplicadas ao problema em questão, porém indicam necessidade do aprofundamento desta investigação. Desta maneira, este trabalho consiste em um estudo inicial sobre importantes questões pertinentes ao monitoramento de espectro de sistemas PLC. / This master thesis aims to discuss and analyze the use of spectrum sensing techniques applied to PLC systems, in order to explicit the spectrum occupation. These techniques extract and select the least quantity of the most representative signal features in order to project the best detector that presents the lowest computational complexity. In addition to that, the spectrum sensing problem is formalized, and a few investigation questions are analyzed for both synthetic and measured data. The measurement of PLC signals and their characterization is also exposed. Although the analysis of the attained results indicate that the techniques used are suitable for the examined problems, their further investigation is necessary, in order to better understand the PLC environment and the spectrum sensing issues related to it. This work is, therefore, an initial study about the mentioned matters.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-04-24T15:28:35Z No. of bitstreams: 1 paolajohanasaboyalopez.pdf: 1042873 bytes, checksum: a46dd95de00e062cba39ef4b9b642462 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-04-24T17:09:24Z (GMT) No. of bitstreams: 1 paolajohanasaboyalopez.pdf: 1042873 bytes, checksum: a46dd95de00e062cba39ef4b9b642462 (MD5) / Made available in DSpace on 2017-04-24T17:09:24Z (GMT). No. of bitstreams: 1 paolajohanasaboyalopez.pdf: 1042873 bytes, checksum: a46dd95de00e062cba39ef4b9b642462 (MD5) Previous issue date: 2013-06-03 / A presente dissertação tem por objetivo propor e avaliar cinco técnicas de detecção de ruídos impulsivos para a melhoria da transmissão digital de dados via redes de energia elétrica (do inglês, Power Line Communications) (PLC). As técnicas propostas contemplam a detecção de ruídos impulsivos no domínio do tempo discreto, no domínio da transformada wavelet discreta (do inglês, Discrete Wavelet Transform) (DWT) e no domínio da transformada discreta de Fourier (do inglês, Discrete Fourier Transform) (DFT). Tais técnicas fazem uso de métodos de extração e seleção de características, assim como métodos de detecção de sinais baseados na teoria de Bayes e redes neurais. Análises comparativas explicitam as vantagens e desvantagens de cada uma das técnicas propostas para o problema em questão, e ainda indicam que estas são bastante adequadas para a solução do mesmo. / This dissertation aims to propose and evaluate five techniques for impulsive noise detection in order to improve digital communications through power line channels. The imput signals for the proposed detection techniques are impulsive noise signals on discrete-time domain, on the Discrete Wavelet Transform domain and on the Discrete Fourier Transform domain and it makes use of feature extraction and selection techniques, as well as detection techniques supported on Bayes Theory and Multi-layer Perceptron Neural Networks. Comparative analysis show some advantages and disadvantages of each proposed technique and the relevance of them to solve the impulsive noise detection problem.