O diagnóstico de eventos que afetam a qualidade da energia elétrica tem se tornado preocupação de magnitude mundial, em especial em dois temas importantes que são: a localização relativa da origem do evento (LROE) e a classificação automática da causa fundamental de eventos (CACFE). O primeiro está relacionado com a identificação da fonte do evento, isto é, a montante ou a jusante do medidor de qualidade de energia (MQE). O segundo pode ser dividido em dois grupos: a classificação das causas internas e das causas externas. As causas internas estão relacionadas a eventos produzidos pela operação do sistema elétrico (energização ou desenergização do sistema, energização de transformador, chaveamento de capacitores dentre outros), e as causas externas estão vinculadas a eventos produzidos por faltas externas ao sistema elétrico (contato com galhos de árvore, animais, descargas atmosféricas, dentre outros). Ambos os temas, LROE e CACFE, são abordados nesta tese de doutorado. Para classificar eventos por causas internas ou externas é necessário antes definir se realmente trata-se ou não de um evento, para o qual é imprescindível conhecer a LROE. Este último necessita de um processo de segmentação das formas de onda de tensão e corrente para funcionar de forma correta. A segmentação identifica segmentos transitórios e não transitórios nas formas de onda e contribui também na extração de características para os diferentes algoritmos de classificação. Neste sentido, neste trabalho de pesquisa é proposta uma metodologia de diagnóstico da qualidade de eventos, focada em LROE e CACFE. Para isto foram desenvolvidos diferentes algoritmos de segmentação, extração de características e classificação, sendo criada uma ferramenta computacional em MatLab® que inclui pré-processamento de sinais de tensão e corrente de um banco de dados real fornecido por uma concessionária do Estado de São Paulo. Além disto, foram propostos novos algoritmos de LROE com resultados satisfatórios quando comparados com outros dois disponíveis na literatura científica. Para as causas internas, dois novos índices são propostos para separar eventos produzidos por faltas e energização de transformadores. Finalmente, são propostos novos algoritmos de extração de características baseados na energia dos coeficientes de decomposição da transformada wavelet bem como o algoritmo à trous modificado. São propostos dois novos vetores de descritores de energia (VDE) baseados no primeiro segmento transitório do evento. Para a classificação destes eventos foi utilizado um algoritmo de indução de regras de decisão (CN2), que gera regras de simples implementação. Todos os métodos de classificação utilizados nesta tese estão baseados em regras, sendo seu desempenho avaliado por meio da matriz de confusão. / Diagnosing events that affect power quality have become a worldwide concern, especially with respect to two important issues related to the relative location of the event origin (RLEO) and automatic cause classification of events (ACCE). The first one is related to the identification of the event source, i.e. either upstream or downstream in relation to the power quality meter (PQM). The second one can be subdivided into two groups, namely the classification of internal causes and of external causes. Internal causes are related to events produced by power system operation (connection or disconnection of feeders, power transformer inrush, capacitor switching, amongst others) and external causes that are related to events produced by external faults to the power system (network contacts to tree branches, animals contact, atmospheric discharges, amongst others). Both topics, RLEO and ACCE, are herein considered. In order to classify events due to internal or external causes, one should first define whether it is an actual event, what demands the RLEO. This makes use of a segmentation process applied to the voltage and current waveforms. The segmentation identifies the transient and stationary segments within the waveforms, contributing also to the feature extraction for different classification algorithms. Based on the aforementioned, this research proposes a methodology to diagnose power quality events, focusing on RLEO and ACCE. Different algorithms of segmentation, feature extraction and classification were then developed by the use of a computational tool implemented in MatLab®, that considers also the preprocessing of voltage and current signals in a real data base which was made available by a distribution company in Sao Paulo State. Besides that, new RLEO algorithms have shown satisfactory results when compared to algorithms published in the scientific literature. As for the internal causes, two new indices were proposed in order to separate events produced by faults or by the connection of power transformers. New algorithms for feature extraction are proposed, which are based on the energy of decomposition coefficients of the wavelet transform as well as the modified à trous algorithm. Two vectors of energy descriptors are proposed, which are based on the first transient segment of the event. The classification of such events was carried out by an induction algorithm of decision rules (CN2), that generates easily implementable rules. All classification methods utilized in this thesis are based on rules and their performances are assessed by the confusion matrix.

O diagnóstico de eventos que afetam a qualidade da energia elétrica tem se tornado preocupação de magnitude mundial, em especial em dois temas importantes que são: a localização relativa da origem do evento (LROE) e a classificação automática da causa fundamental de eventos (CACFE). O primeiro está relacionado com a identificação da fonte do evento, isto é, a montante ou a jusante do medidor de qualidade de energia (MQE). O segundo pode ser dividido em dois grupos: a classificação das causas internas e das causas externas. As causas internas estão relacionadas a eventos produzidos pela operação do sistema elétrico (energização ou desenergização do sistema, energização de transformador, chaveamento de capacitores dentre outros), e as causas externas estão vinculadas a eventos produzidos por faltas externas ao sistema elétrico (contato com galhos de árvore, animais, descargas atmosféricas, dentre outros). Ambos os temas, LROE e CACFE, são abordados nesta tese de doutorado. Para classificar eventos por causas internas ou externas é necessário antes definir se realmente trata-se ou não de um evento, para o qual é imprescindível conhecer a LROE. Este último necessita de um processo de segmentação das formas de onda de tensão e corrente para funcionar de forma correta. A segmentação identifica segmentos transitórios e não transitórios nas formas de onda e contribui também na extração de características para os diferentes algoritmos de classificação. Neste sentido, neste trabalho de pesquisa é proposta uma metodologia de diagnóstico da qualidade de eventos, focada em LROE e CACFE. Para isto foram desenvolvidos diferentes algoritmos de segmentação, extração de características e classificação, sendo criada uma ferramenta computacional em MatLab® que inclui pré-processamento de sinais de tensão e corrente de um banco de dados real fornecido por uma concessionária do Estado de São Paulo. Além disto, foram propostos novos algoritmos de LROE com resultados satisfatórios quando comparados com outros dois disponíveis na literatura científica. Para as causas internas, dois novos índices são propostos para separar eventos produzidos por faltas e energização de transformadores. Finalmente, são propostos novos algoritmos de extração de características baseados na energia dos coeficientes de decomposição da transformada wavelet bem como o algoritmo à trous modificado. São propostos dois novos vetores de descritores de energia (VDE) baseados no primeiro segmento transitório do evento. Para a classificação destes eventos foi utilizado um algoritmo de indução de regras de decisão (CN2), que gera regras de simples implementação. Todos os métodos de classificação utilizados nesta tese estão baseados em regras, sendo seu desempenho avaliado por meio da matriz de confusão. / Diagnosing events that affect power quality have become a worldwide concern, especially with respect to two important issues related to the relative location of the event origin (RLEO) and automatic cause classification of events (ACCE). The first one is related to the identification of the event source, i.e. either upstream or downstream in relation to the power quality meter (PQM). The second one can be subdivided into two groups, namely the classification of internal causes and of external causes. Internal causes are related to events produced by power system operation (connection or disconnection of feeders, power transformer inrush, capacitor switching, amongst others) and external causes that are related to events produced by external faults to the power system (network contacts to tree branches, animals contact, atmospheric discharges, amongst others). Both topics, RLEO and ACCE, are herein considered. In order to classify events due to internal or external causes, one should first define whether it is an actual event, what demands the RLEO. This makes use of a segmentation process applied to the voltage and current waveforms. The segmentation identifies the transient and stationary segments within the waveforms, contributing also to the feature extraction for different classification algorithms. Based on the aforementioned, this research proposes a methodology to diagnose power quality events, focusing on RLEO and ACCE. Different algorithms of segmentation, feature extraction and classification were then developed by the use of a computational tool implemented in MatLab®, that considers also the preprocessing of voltage and current signals in a real data base which was made available by a distribution company in Sao Paulo State. Besides that, new RLEO algorithms have shown satisfactory results when compared to algorithms published in the scientific literature. As for the internal causes, two new indices were proposed in order to separate events produced by faults or by the connection of power transformers. New algorithms for feature extraction are proposed, which are based on the energy of decomposition coefficients of the wavelet transform as well as the modified à trous algorithm. Two vectors of energy descriptors are proposed, which are based on the first transient segment of the event. The classification of such events was carried out by an induction algorithm of decision rules (CN2), that generates easily implementable rules. All classification methods utilized in this thesis are based on rules and their performances are assessed by the confusion matrix.

Submitted by Vinicius Machado Martinez null (vinicius@ipmet.unesp.br) on 2016-03-11T20:20:53Z No. of bitstreams: 1 defesa.pdf: 4478778 bytes, checksum: 15d0e211ad6c8ad44eabe8079cf63fa2 (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2016-03-15T17:11:38Z (GMT) No. of bitstreams: 1 martinez_vm_me_soro.pdf: 4478778 bytes, checksum: 15d0e211ad6c8ad44eabe8079cf63fa2 (MD5) / Made available in DSpace on 2016-03-15T17:11:38Z (GMT). No. of bitstreams: 1 martinez_vm_me_soro.pdf: 4478778 bytes, checksum: 15d0e211ad6c8ad44eabe8079cf63fa2 (MD5) Previous issue date: 2016-01-25 / O campo de refletividade de ecos observados por radares meteorológicos está sujeito a interferências de fenômenos físicos da atmosfera que podem resultar em interpretações não realísticas do fenômeno observado. Buscando ajustar o campo de refletividade de ecos detectados simultaneamente por dois radares meteorológicos ao longo da distância, este estudo desenvolveu um sistema baseado em regras fuzzy (SBRF), do tipo Takagi-Sugeno de primeira ordem, que combina as variáveis distância (km) e refletividade (dBZ) para expressar a refletividade ajustada de alvos mais distantes de um radar em relação a outro radar mais próximo, de modo que os efeitos das interferências nas medidas dos radares possam ser minimizados. Os dados utilizados são oriundos de dois radares meteorológicos do IPMet/UNESP, localizados nos municípios de Bauru (22,3583° S; 49,0278° W) e Presidente Prudente (22.175°1 S; 51.3743° W), no Brasil, no período de um ano de dados (2010) do produto CAPPI, faixa de 3.5km de altitude. A saída do sistema é nomeada refletividade fuzzy (RF) e é obtida através de um conjunto de nove curvas de regressão linear, cujos coeficientes angulares e lineares foram estimados pelo método dos mínimos quadrados. Dois parâmetros foram utilizados para análise das curvas obtidas: o coeficiente de correlação de Pearson e o coeficiente de determinação. O sistema foi aplicado a 20.514 dados referentes a 18 pixels distribuídos sobre uma faixa de comum cobertura dos radares. O modelo foi avaliado através das estatísticas de erro médio (BIAS), erro quadrático médio (MSE) e pelo teste de Kolmogorov-Smirnov. Os resultados obtidos demonstram a capacidade do sistema em aproximar o campo de refletividade de dois radares que operam sobre uma área de comum cobertura, devendo constituir-se como uma ferramenta alternativa de interpretação no monitoramento de chuvas, nos processos de modelagem ambiental e em sugestões futuras de estimativa de chuva por radar. / The reflectivity field of echoes observed by weather radars is subjected to the interference of physical phenomena of the atmosphere that can result in unrealistic interpretations on its characteristics. Aiming to adjust the reflectivity field of echoes simultaneously detected by two weather radars over a distance, this study developed a Takagi-Sugeno fuzzy rule-based system, whose input variables are the distance(km) and the reflectivity(dBZ) of the echoes, in order to obtain the adjusted reflectivity of echoes more distant from a radar in relation to another closer radar that is considered to be less susceptible to interference and, therefore, more realistic. The data used are from two weather radars of IPMet/UNESP, located in the municipalities of Bauru (22.3583° S; 49.0278° W) and Presidente Prudente (22.1751° S; 51.3743° W), Brazil, which collected data of the CAPPI product in the period of one year (2010), with a sampling altitude range of 3.5 km. The system output is named “Fuzzy Reflectivity” (FR), obtained through the fuzzy approach of a set of nine linear regression curves, whose angular and linear coefficients were estimated by the method of least squares. Two parameters were used for the analysis of the curves obtained: the Pearson correlation coefficient and the coefficient of determination. The system was applied to 20,514 data related to 18 pixels spread over a range of common coverage of the radars. We evaluated the system performance by means of statistical parameters: average error (bias), mean square error (MSE) and Kolmogorov-Smirnov test. The results obtained demonstrate the system ability to refine the modeling of the issue in question in relation to the traditional statistical approaches, properly adjusting the reflectivity field of the echoes observed by two radars that operate over an area of common coverage and serving as an alternative interpretation tool in the monitoring of rains, in processes of environmental modeling and in future suggestions of rain estimate by radar.

Submitted by Izabel Franco (izabel-franco@ufscar.br) on 2016-09-06T20:33:16Z No. of bitstreams: 1 DissFJJS.pdf: 1581721 bytes, checksum: f878dcc392455f0f3956326282aabe6a (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-12T14:27:05Z (GMT) No. of bitstreams: 1 DissFJJS.pdf: 1581721 bytes, checksum: f878dcc392455f0f3956326282aabe6a (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-12T14:27:10Z (GMT) No. of bitstreams: 1 DissFJJS.pdf: 1581721 bytes, checksum: f878dcc392455f0f3956326282aabe6a (MD5) / Made available in DSpace on 2016-09-12T14:27:36Z (GMT). No. of bitstreams: 1 DissFJJS.pdf: 1581721 bytes, checksum: f878dcc392455f0f3956326282aabe6a (MD5) Previous issue date: 2009-11-30 / Não recebi financiamento / The use of fuzzy logic and fuzzy sets theory applied to decision making process was initially proposed by Bellman and Zadeh (1970). Since then, the arisen of unstructured problems associated with multi-criteria characteristics and group decision making changed the way of dealing with these problems. The evolution of Decision Support Systems (DSS) allowed them, not only to provide data and information, but also to propose solutions to these problems. The goal of this work is to present a framework for the development of DSS that deal with Multi-Criteria Group Decision Making (MCGDM) problems through fuzzy rules. In this approach, we propose a method capable of automatically generating a Fuzzy Rule Base with multi-criteria characteristics for group decision making, that is, different influence degrees for each decider and different importance degrees assigned to each variable are considered in the model. This framework also contains a structural model of a Fuzzy System for Group Decision Support aiming at adding DSS characteristics found in literature to Fuzzy Systems. These characteristics include user/system interactivity and Model Management Subsystem (MMS) described in this work. Finally, a case study designed to validate the model is presented. / O uso da lógica fuzzy e da teoria de conjuntos fuzzy aplicadas ao processo de tomada de decisão foi proposto inicialmente por Bellman e Zadeh (1970). Desde então, os problemas não estruturados associados às características multicritério e de tomada de decisão em grupo alteraram sua forma de tratamento. A evolução presente nos Sistemas de Apoio à Decisão (SAD) fez com que estes sistemas deixassem de fornecer somente dados e informações e passassem também a propor soluções aos problemas analisados. O objetivo deste trabalho é apresentar um framework para o desenvolvimento de SAD que tratem problemas classificados como Multi-Criteria Group Decision Making (MCGDM) com o uso de regras fuzzy. Dentro desta abordagem é apresentado um método capaz de gerar automaticamente uma Base de Regras Fuzzy com características multicritério para tomada de decisão em grupo, ou seja, os diferentes graus de influência de cada decisor e os diferentes graus de importância atribuídos por eles a cada variável são considerados no modelo. Este framework ainda contempla um modelo estrutural de um Sistema Fuzzy para Apoio à Decisão em Grupo com o objetivo de agregar aos sistemas fuzzy as características dos SAD descritas na literatura como, por exemplo, a capacidade de interatividade usuário/sistema e a presença do Subsistema de Gestão de Modelos (SGM), descritos neste trabalho. Por fim, um estudo de caso é realizado para validar o modelo apresentado.