Orientador: Paulo de Oliveira Camargo / Resumo: A determinação da componente altimétrica por meio do GNSS (Global Navigation Satellite System) vem ganhando destaque e tem sido utilizada para fins de nivelamento com auxílio de modelos geoidais. Todavia, a desvantagem desse método está na qualidade dos modelos geoidais utilizados, que degradam as altitudes e limitam as aplicações do método. Com intuito de proporcionar ao nivelamento/GNSS uma melhor qualidade na transformação de altitudes, essa pesquisa objetiva o desenvolvimento de uma metodologia de hibridização dos modelos geoidais gravimétricos EGM08, MAPGEO2015 e GEOIDSP2014 para o Estado de São Paulo, proporcionando modelos mais consistentes com a tecnologia GNSS. As redes neurais RBF (Radial Based Function) foram utilizadas na obtenção das superfícies de distorção, baseadas nas diferenças entre as ondulações geoidais dos modelos e as ondulações obtidas por rastreamento em referencias de nível. Para geração dos modelos híbridos foram considerados somente os pontos da Rede Altimétrica Fundamental Brasileira. A partir das distorções obtidas foi realizada uma filtragem, com objetivo de minimizar as inconsistências altimétricas. Os modelos geoidais híbridos HYDEGM, HYDMAPEO e HYDGEOIDSP foram gerados utilizando 319, 317 e 315 pontos, respectivamente. Os experimentos permitiram concluir que o interpolador mais indicado para modelagem das distorções é o RBF linear. Para validação dos modelos foi utilizado 10% dos pontos altimétricos, enquanto 90% dos dados foram utilizados na... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Determination of the altimetric component using GNSS (Global Navigation Satellite System) is becoming better known and used for purposes of leveling with the aid of geoid models. However, the disadvantage of this method is the quality of the geoid models, which degrade heights and limit the application of the method. In order to provide better quality in transforming height using GNSS/leveling, this research aims to develop a hybridization methodology of gravimetric geoid models EGM08, MAPGEO2015 and GEOIDSP2014 for the State of São Paulo, providing more consistent models with GNSS technology. RBF (Radial Basis Function) neural networks were used to obtain the surface distortion, based on differences between geoid model undulations and the undulations obtained by GNSS tracking in benchmarks. Only points from the Altimetric Fundamental Brazilian Network were considered for the generation of hybrid geoids. Filtering was carried out from the offsets obtained in order to minimize altimetric inconsistencies. The hybrid geoid models HYDEGM, HYDMAPGEO and HYDGEOIDSP were generated using, respectively, 319, 317 and 315 points. The experiments showed that the most suitable interpolation for modeling distortions is the linear RBF. 10% of the altimetric points were used for validation of the models, while 90% of the data was used in offset surface generation. Checkpoints indicate that the geoid hybrid models feature RMS ± 0,107, 0,104 and ± 0,098 m, respectively. The results are promisi... (Complete abstract click electronic access below) / Mestre

Orientador: Anna Diva Plasencia Lotufo / Co-orientador: Jozué Vieira Filho / Banca: Nobuo Oki / Banca: Lilian Yuli Isoda / Banca: José Guilherme Mangalini Santos Decanini / Banca: Fabricio Guimarães Baptista / Resumo: O reconhecimento de padrões aplicado a sinais cerebrais é essencial para a implementação de interfaces computacionais que permitam comandar dispositivos de auxílio a indivíduos com limitações motoras. A identificação de características relacionadas com movimentos dos membros do corpo, tal como os dos dedos das mãos, exige uma sequência de etapas que inclui a aquisição e o pré-processamento dos sinais, a extração de características e classificação de dados do sinal. Esses sinais, chamados ECoGs, podem ser obtidos diretamente do cérebro através de implantes na região que gera as decisões de movimento, que é o córtex motor primário. Tais sinais são superiores em informação, qualitativa e quantitativamente, em relação aos sinais chamados EEG, obtidos na superfície do couro cabeludo. O pré-processamento consiste na preparação dos sinais para serem processados através de técnicas de seleção de canais relevantes, janelamento e filtragem para seleção de bandas de frequência portadoras de informação. A extração de características pode ser feita utilizando-se estes sinais no domínio da frequência e em seguida submetendo-os a autoregressão. A classificação se deu com o uso de redes neurais artificiais do tipo ARTMAP-Nebulosa, tendo como entrada matrizes compostas por dados processados provenientes dos sinais ECoG e de luva de dados, obtidos simultaneamente do mesmo indivíduo, durante uma seção experimental. Esse trabalho conseguiu ao final, gerar os sinais da luva a partir dos sinais ECoG. O coeficiente de correlação médio obtido foi de 0,91, evidenciando a eficiência do modelo proposto / Abstract: The pattern recognition signals applied to the brain is essential for the implementation of computational interfaces allowing control devices to aid people with physical limitations. The identification of features associated with body movements of the members, such as the fingers, requires a sequence of steps which includes the acquisition and pre-processing of signals, extraction of features and classification of signal data. These signals, called ECoG can be obtained directly from the brain through implants in the region that generates the motion decisions, which is the primary motor cortex. Such signs are superior in information qualitatively and quantitatively compared to the known EEG signals obtained on the surface of the scalp. The pre-processing consists in preparation of the signals to be processed through the relevant channel selection techniques, windowing and filtering for selecting frequency band information carrier. The feature extraction can be done by using these signals in the frequency domain and then subjecting them to autoregression. The classification is made using artificial neural networks ARTMAP-Fuzzy type, having as input matrices composed of processed data from the ECoG signals and data glove, both obtained from the same subject during the experimental section. This work could ultimately, generate sleeve signals from the ECoG signals. The average correlation coefficient obtained was 0.91, showing the efficiency of the proposed model / Doutor

Orientador: Carlos Roberto Minussi / Banca: Francisco Villarreal Alvarado / Banca: Fernando Cezar Vieira Malange / Resumo: Nesta pesquisa, apresenta-se uma nova abordagem para o diagnóstico de distúrbios de tensão em sistemas de distribuição de energia elétrica, usando como ferramenta um algoritmo Imuno-Neural. Trata-se, basicamente, de realizar a junção de um algoritmo imunológico de seleção negativa com uma rede neural artificial ARTMAP-Fuzzy. Partindo-se das medições realizadas em uma subestação de distribuição por um sistema de aquisição de dados SCADA, um módulo imunológico é empregado para realizar a detecção, identificando anormalidades por meio de um janelamento das curvas oscilográficas, separando, desta forma, o sinal em parcelas menores para a análise. Assim, no módulo neural, a classificação das anormalidades é realizada. A principal aplicação desta nova ferramenta é auxiliar na tomada de decisões e facilitar a operação do sistema durante a ocorrência de perturbações de tensão. Visando ilustrar a eficiência do método proposto, foram realizadas simulações de sistemas de distribuição de energia elétrica contendo 33, 84 e 134 barras, respectivamente, usando-se o aplicativo EMTP. Os resultados obtidos com esta nova abordagem evidenciam uma melhoria em termos de eficiência e de precisão, quando comparados à literatura / Abstract: In this research we present a new approach to the diagnosis of voltage disturbances in power distribution systems, using as one tool Immune Neural algorithm. This proposal is basically to hold the junction of an immune negative selection algorithm with an artificial neural network ARTMAP-Fuzzy. Thus, starting from measurements made in a distribution substation for SCADA system for acquiring data, an immunological module performs the detection process, identifying abnormalities through a windowing performed by the oscillographic curves, thereby separating the signal into smaller portions for analysis module and so on neural classification of abnormality is performed. The main application of this new tool is to assist in decision making and facilitate the operation of the system for failures. To evaluate the efficiency of the proposed method simulations of electric power distribution systems were performed in three systems EMTP software distribution containing 33, 84 and 134 bar, respectively. The results obtained with this new approach demonstrate accuracy and efficiency when compared to literature / Mestre

Orientador: Aluir Porfirio Dal Poz / Banca: Maria de Lourdes Bueno Trindade Galo / Banca: Erivaldo Antonio da Silva / Banca: Edson Aparecido Mitishita / Banca: Carlos Antônio Oliveira Vieira / Resumo: O problema de extração automática da malha viária urbana é extremamente complexo, uma vez que em cenas urbanas as vias apresentam forte interação com outros objetos, como obstruções provocadas por árvores, veículos e sombras de edificações e árvores. Esse problema pode ser simplificado se regiões que correspondem às vias forem previamente isoladas. Na sequência, a malha viária urbana pode ser extraída baseando-se apenas nessas regiões detectadas, obtendo resultados mais confiáveis e com redução da área de busca e do esforço computacional. A classificação de imagens pode ser usada no intuito de isolar as regiões de via, mas em cenas urbanas complexas a utilização de apenas dados espectrais pode não ser suficiente para separar com confiabilidade classes com comportamento espectral similar, por exemplo, vias e edificações de telhado cinza. Com a evolução tecnológica dos sistemas de Varredura a LASER Aerotransportado (VLA), os dados provenientes destes sistemas possuem potencial para serem usados como informações complementares contribuindo para a distinção entre essas classes. O método proposto baseia-se em duas etapas principais. A primeira etapa consiste da detecção e isolamento da classe via por meio de um método de classificação por Redes Neurais Artificiais (RNA) integrando dados... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The problem of automated urban road network extraction is extremely complex, as roads in urban scenes interact strongly with other object such as occlusions caused by trees, vehicles and shadow of buildings and trees. This problem can be simplified if regions corresponding to roads were previously isolated. Next, the urban road network can be extracted using the detected road regions, providing more reliable results and reducing the search area and the computational effort. The classification procedure can be used in order to isolate the road regions, but in complex urban scenes the use of only spectral data may not be sufficient for a reliable separation of classes with similar spectral characteristics, like roof and road classes. With the technological evolution of the Airborne LASER Scanning (ALS) systems, data from these systems has potential to be used as additional information contributing to distinction between these classes. The proposed method is based on two stages. The first stage consists in detecting and isolating the road class by means of image classification method by the Artificial Neural Network... (Complete abstract click electronic access below) / Doutor

Orientador: João Paulo Papa / Coorientador: Kelton Augusto Pontara da Costa / Banca: Roberta Spolon / Banca: Tiago Agostinho de Almeida / Resumo: O aprendizado de características tem sido um dos grandes desafios das técnicas baseadas em Redes Neurais Artificiais (RNAs), principalmente quando se trata de um grande número de amostras e características que as definem. Uma técnica ainda pouco explorada nesse campo diz respeito as baseadas em RNAs derivada das Máquinas de Boltzmann Restritas, do inglês Restricted Boltzmann Machines (RBM), principalmente na área de segurança de redes de computadores. A proposta deste trabalho visa explorar essas técnicas no campo de aprendizado não-supervisionado de características para detecção de conteúdo malicioso, especificamente na área de segurança de redes de computadores. Experimentos foram conduzidos usando técnicas baseadas em RBMs para o aprendizado não-supervisionado de características visando a detecção de conteúdo malicioso utilizando meta-heurísticas baseadas em algoritmos de otimização, voltado à detecção de spam em mensagens eletrônicas. Nos resultados alcançados por meio dos experimentos, observou-se, que com uma quantidade menor de características, podem ser obtidos resultados similares de acurácia quando comparados com as bases originais, com um menor tempo relacionado ao processo de treinamento, evidenciando que técnicas de aprendizado baseadas em RBMs são adequadas para o aprendizado de características no contexto deste trabalho / Abstract: The features learning has been one of the main challenges of techniques based on Artificial Neural Networks (ANN), especially when it comes to a large number of samples and features that define them. Restricted Boltzmann Machines (RBM) is a technique based on ANN, even little explored especially in security in computer networks. This study aims to explore these techniques in unsupervised features learning in order to detect malicious content, specifically in the security area in computer networks. Experiments were conducted using techniques based on RBMs for unsupervised features learning, which was aimed to identify malicious content, using meta-heuristics based on optimization algorithms, which was designed to detect spam in email messages. The experiment results demonstrated that fewer features can get similar results as the accuracy of the original bases with a lower training time, it was concluded that learning techniques based on RBMs are suitable for features learning in the context of this work / Mestre

Orientador: Anna Diva Plasencia Lotufo / Co-orientador: Mara Lúcia Martins Lopes / Banca: Lilian Yuli Isoda / Banca: Alessandra Bonato Altran / Resumo: Nesta pesquisa apresenta-se o desenvolvimento de uma metodologia híbrida utilizando a rede neural artificial perceptron multicamadas e os modelos estatísticos ARIMA com a abordagem de Box e Jenkins, com o objetivo de prever séries temporais de velocidade dos ventos. Os modelos estatísticos ARIMA realizam a previsão das séries de dados, que ainda conservam os padrões não lineares, juntamente com a rede MLP e o algoritmo de aprendizagem retropropagação que, através do erro de previsão obtido, desenvolvem um Modelo Híbrido aditivo para previsão de séries temporais. Os testes de validação foram realizados com dois bancos de dados de séries de velocidade dos ventos. No Teste 1 os dados foram fornecidos de um banco de dados agrometereológicos localizado na região de Ilha Solteira - SP, e no Teste 2 os dados são oriundos de um projeto desenvolvido pelo INPE (Instituto Nacional de Pesquisas Espaciais) que fornece dados anemométricos e solarimétricos em alturas de 25 e 50 metros, possuindo bases em várias regiões do Brasil. Analisando os erros médios quadráticos (MAPE) conclui-se que estão dentro dos limites encontrados na literatura / Abstract: This work presents a hybrid methodology using MLP (multilayer perceptron) neural network and statistical ARIMA of Box and Jenkins to predict wind time series. The ARIMA models predict the time series data that are nonlinear, and the error obtained is introduced in the MLP by backpropagation training, forming the hybrid additive model. Tests were done with two data sets. Test 1 uses data from Ilha Solteira, SP region developed by an Agrometheorogical project of UNESP Campus of Ilha Solteira. Test 2 the data are from a project developed by INPE (National Space Research Institute) which provides solar and wind data in adequate high to energy generation in several regions of Brazil. Results are analyzed by MAPE (mean absolute percent error) and are in accordance with those found in the specialized literature / Mestre

Orientador: Paula da Cruz Landim / Banca: João Eduardo Guarnetti dos Santos / Banca: Leonardo Augusto Gomes Castilho / Banca: Léa Cristina Lucas de Souza / Banca: João Roberto Gomes de Faria / Resumo: Este estudo se insere em um ambiente globalizado no qual as empresas investem em inovação em busca de diferenciação, a fim de se destacar perante os concorrentes. Essa diferenciação tem como importante componente a seleção de materiais, pois para criar um produto em condições de competir com os já existentes é necessário inovar nos materiais, design e processos de fabricação. O desenvolvimento de um produto, portanto, exige dos projetistas amplo conhecimento dos materiais e processos de fabricação. Ressalta-se o design, como elemento relevante do projeto nesse processo e que tem exercido uma crescente participação nas equipes multidisciplinares de projeto. Além disso, convém destacar que Ashby & Johnson (2011) ratificam que não há abundância de suporte para o ensino de materiais na área de design; e Kindlein et. al. (2006) definem como "apenas um contato básico", a relação que os definem como "apenas um contato básico", a relação que os designers tem com a ciência e tecnologia de materiais na graduação. Nesse contexto, o objetivo deste trabalho é propor um método com base na técnican das Redes Neurais ritificiais para estruturar e avaliar um modelo de previsão dos materiais e processos industriais a fim de auxiliar designer na seleção de materiais no projeto de produtos. Pretende-se materializar o resultado da aplicação do MÉTODO proposto em uma planilha do Microsoft Excel 2010 capaz de replicar o modelo de rede neural treinado e validado. Nesta ferramenta, a partir de atributos pré-determinados, serão fornecidas opções de materiais e processos de fabricação compatíveis com o uso requerido e com base em atributos pré-estabelecidos. Espera-se obter como variáveis de saída, opções que abordem o tipo de material e o processo de fabricação associado, considerando atributos pré-estabelecidos como variáveis de entrada. Busca-se com isso por um lado oferecer ao estudante e/ou profissional de... / Abstract: This study is part of a globalized environment in which companies invest in innovations in search of differention in order to stand out from competittors. This differentiation is an important component material selection, because to create a product to compete with the existing ones is necessary to innovate in materials, design and manufacturing processes. However, the development of a product designers require extensive knowledge of the materials and manufacturing processes. It is worth mentioning the design, as an important considerations in the design process and that this has had a growing involvement in the design of multidisciplinary teams. In addition, it should be noted that Ashby & Johnson (2011) confirm that there is plenty of support for teaching materials in design; an Kindlein et al. (2006) define it as "just a basic contact", the relationship that designers have with science and tecnology materials at graduation. In this context, the objective of this work is to propose a method based on the technique of Artificial Neural Networks to design and evaluate a model for predicting the materials and industrial processes to assist the designer in material selection in product design. The aim is to materialize the result of aplying the method proposed in a Microsoft Excel 2010 spreadsheet able to replicate the trained and validated neural network model. In this tool, based on predetermined attributes, manufactuing processes and materials compatible with the required use and based on predetermined attributes options will be provided. It is expected to obtain as output variables, options to address the type of material and the associated manufacturing process, considering predetermined attributes as input variables. Search up with that on the one hand offer the student and/or professional design options appropriate to the type of product to be designed and on the other to optimize the search of materials for product design / Doutor

Orientador: Carlos Roberto Minussi / Banca: Francisco Villarreal Alvarado / Banca: Sandra Cristina Marchiori de Brito / Resumo: Neste trabalho, apresenta-se uma nova abordagem para a detecção e classificação de distúrbios de tensão em sistemas de distribuição de energia elétrica, utilizando como ferramenta um algoritmo híbrido Neural-Imuno. Trata-se, basicamente, da junção de uma rede neural artificial ARTMAP-Fuzzy com o algoritmo imunológico de seleção negativa, gerando o método híbrido. Desta forma, partindo-se das medições realizadas em um alimentador de distribuição de energia elétrica por um sistema de aquisição de dados SCADA, um módulo neural realiza o processo detecção, identificando anormalidades (falhas), e um módulo imunológico realiza a classificação das anormalidades detectadas. A principal aplicação desta nova abordagem é auxiliar a tomada de decisões, de modo a automatizar o processo de operação do sistema durante a ocorrência de falhas. Para avaliar a eficiência do método proposto foram realizadas simulações de distúrbios de tensão em quatro sistemas de distribuição de energia elétrica no software ATP/EMTP, sendo os sistemas testes de 5, 33 e 84 barras e o sistema real de 134 barras. Os resultados obtidos demonstram eficiência e precisão quando comparados à literatura / Abstract: In this work, is presented a new approach for the detection and classification of voltage disturbances in distribution electrical systems using a hybrid algorithm as a tool Neural- Immune. This is, the junction of an artificial neural network ARTMAP-Fuzzy with the negative selection immune algorithm, creating the hybrid method. Thus, starting from measurements made on a power distribution feeder for SCADA data acquisition system, a Neural module performs the detection process, identifying abnormalities (disturbances), and an Immune module performs classification of detected abnormalities. The main application of this new approach is to assist decision making in order to automate the system operation process during the occurrence of failures. To evaluate the efficiency of the proposed method, were performed simulations of voltage disturbances in distribution electric systems in the ATP/EMTP software, using the test systems of 5, 33 and 84 bars and the real system of 134 bars. The results demonstrate efficiency and accuracy when compared to literature / Mestre

Orientador: Anna Diva Plasencia Lotufo / Coorientador: Maria do Carmo Gomes da Silveira / Banca: Lilian Yuli Isoda / Banca: Gelson da Cruz Junior / Resumo: Nos dias atuais, a previsão de cargas elétricas tem se mostrado cada vez mais importante às empresas distribuidoras de tal serviço, especialmente para que sejam possibilitados o planejamento, análise e operação dos sistemas elétricos, restando clara a necessidade de se antever o comportamento da carga, tornando possível o fornecimento eficiente de energia aos consumidores, visando que isso ocorra de forma econômica e contínua, valendo ressaltar ainda que, a tais empresas resta o interesse na lucratividade do setor para que se mantenham sólidas no mercado. Em um primeiro momento, a solução para tais problemas foi a utilização de técnicas matemáticas e estatísticas, podendo citar como exemplo, as séries numéricas, com resultados satisfatórios, mas de difícil modelagem. A inteligência artificial tem se mostrado uma técnica que supera os resultados anteriormente obtidos e, como prova de tal afirmação, a presente dissertação apresenta uma metodologia baseada em redes neurais, possibilitando a obtenção de resultados bastante satisfatórios, demonstrando ser um modelo robusto, com baixo custo computacional, rápido e eficiente. O objetivo deste trabalho é a utilização do hibridismo de redes neurais, sendo a primeira delas, uma rede ART Fuzzy e a segunda, a Perceptron multicamadas, via algoritmo backpropagation, aproveitando as melhores características de cada uma delas para a obtenção de resultado viável quando de sua utilização. A metodologia utilizada apresenta níveis de erro aceitáveis comparado a outros métodos que se encontram na literatura ou, até mesmo, em uso pelas empresas distribuidoras do setor elétrico brasileiro. No intuito de se obter a previsão de cargas citada acima, foi utilizado um banco de dados histórico de uma empresa distribuidora nacional, valendo-se de técnicas como o janelamento, entre outras que serão devidamente descritas no decorrer do texto / Abstract: Electrical load forecasting is very important to the electrical companies to advice in planning, operation and analysis of electrical power systems. Knowing the load in advance leads to provide energy efficiently, continuously and economically. Firstly the solution for such problems was executed with mathematical and statistical techniques, e.g. time series analysis with good results but with difficult modeling. The use of Artificial Intelligence overcomes these problems and the proposal of this work is to present a robust hybrid method using neural networks providing good results with low computational costs. The hybrid model proposed in this work uses a Fuzzy ART neural network and a MLP (multi layerPerceptron) by backpropagation training emphasizing the best characteristics of each one. The errors obtained are compatible with those found in the literature. Results are shown for data from a Brazilian electrical company / Mestre

Orientador: Jose Roberto Sanches Mantovani / Banca: Rubén Augusto Romero Lázaro / Banca: Carlos Roberto Minussi / Banca: Oriane Magela Neto / Banca: Julio Cesar Stacchini de Souza / Resumo: Neste trabalho é proposta uma metodologia para a análise e interpretação de alarmes em tempo real em sistemas de distribuição de energia elétrica, considerando o diagnóstico em nível de subestações e redes. A metodologia busca superar as dificuldades e desvantagens dos métodos já propostos na literatura especializada para resolver o diagnóstico de faltas em sistemas de potência. O método proposto emprega um modelo matemático original bem como um novo algoritmo genético para efetuar o diagnóstico dos alarmes de maneira eficiente e rápida. O modelo matemático é dividido em duas partes fundamentais: (1) modelo de operação do sistema de proteção; e (2) modelo de Programação Binária Irrestrita (PBI). A parte (1) é composta por um conjunto de equações de estados esperados das funções de proteção dos relés do sistema, modeladas com base na lógica de operação de funções de proteção tais como sobrecorrente, diferencial e distância, bem como na filosofia de proteção de sistemas de potência. A parte (2) é estabelecida através de uma função objetivo formulada com base na teoria de cobertura parcimoniosa (parcimonious set covering theory), e busca a associação ou "match" entre os relatórios de alarmes informados pelo sistema SCADA (Supervisory Control and Data Acquisition) e os estados esperados das funções de proteção formuladas na parte (1) do modelo. O novo algoritmo genético proposto é empregado para minimizar o modelo de PBI e possui como característica a utilização de dois parâmetros de controle. O algoritmo possui taxas de recombinação e mutação automática e dinamicamente calibradas, baseadas na saturação da população corrente, possuindo uma imediata resposta à possível convergência prematura para ótimos locais. A metodologia desenvolvida para o diagnóstico... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: This work proposes a methodology for the analysis and interpretation of real-time alarms in electric power distribution systems in the substation level and network level. The methodology seeks to overcome the difficulties and disadvantages of the methods already proposed in the literature to solve the fault diagnosis in power systems. The proposed method employs a novel mathematical model and a genetic algorithm to carry out the diagnosis of alarms efficiently and quickly. The model is divided into two main parts: (1) a protection system operation model; and (2) Unconstrained Binary Programming (UBP) model. Part (1) provides a set of expected state equations of the protective relay functions established based on the protection operation logic such as overcurrent, differential and distance as well as the protection philosophy. Part (2) is established through an objective function formulated based on parsimonious set covering theory for associating the alarms reported by SCADA (Supervisory Control and Data Acquisition) system with the expected states of the protective relay functions. The novel genetic algorithm use only two control parameters and is employed to minimize the UBP model. In addition the algorithm has recombination and mutation rates automatically and dynamically calibrated based on the saturation of the current population and it presents an immediate response to possible premature convergence to local optima. The methodology developed for the diagnosis of substations is extended to distribution networks considering that the network has sufficient level of automation for remote monitoring of the primary feeders. In this way a new paradigm for protection of distribution networks developed based on Smart Grid concept is proposed. Extensive tests are performed with the methodology applied to distribution... (Complete abstract click electronic access below) / Doutor