Made available in DSpace on 2014-06-11T19:22:34Z (GMT). No. of bitstreams: 0 Previous issue date: 2010-03-02Bitstream added on 2014-06-13T18:08:32Z : No. of bitstreams: 1 ramos_cco_me_bauru.pdf: 615273 bytes, checksum: e67c9e65867e8155b656731b772bb8e1 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / A detecção de fraudes nos sistemas de energia provocados por consumidores ilegais é o principal alvo em estudos de perdas comerciais pelas empresas de energia. Comumente usadas entre as técnicas de reconhecimento de padrões, as Redes Neurais Artificiais e as Máquinas de Vetores de Suporte têm sido aplicadas para a identificação de fraudes de maneira automática, entretanto essas técnicas sofrem com a demora na convergência e no alto peso computacional. Este trabalho introduziu o classificador Floresta de Caminhos Ótimos para um rápido reconhecimento das perdas comerciais, que tem demonstrado ser superior às demais técnicas inteligentes, como as Redes Neurais e as Máquinas de Vetores de Suporte, sendo muito mais rápido. Neste trabalho, também foram apresentadas comparações entre esses classificadores. / Fraud detection in energy systems by illegal consumers is the most actively pursued study in non-technical losses by electric power companies. Commonly used supervised pattern recognition techniques, such as Artificial Neural Networks and Support Vector Machines have been applied automatic frauds identification, however they suffer from slow convergence and high computacional burden. This work introduced the Optimum-Path Forest classifier for a fast non-technical losses recognition, which has been demonstrated to be superior than Neural Networks and Support Vector Machines, but much faster. Comparisons among these classifiers are also presented.

Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2018-11-12T16:13:04Z No. of bitstreams: 1 marcoaureliojucadasilvajunior.pdf: 2424952 bytes, checksum: 8217d429e23695cdfd64e035686f02db (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-11-23T11:04:13Z (GMT) No. of bitstreams: 1 marcoaureliojucadasilvajunior.pdf: 2424952 bytes, checksum: 8217d429e23695cdfd64e035686f02db (MD5) / Made available in DSpace on 2018-11-23T11:04:13Z (GMT). No. of bitstreams: 1 marcoaureliojucadasilvajunior.pdf: 2424952 bytes, checksum: 8217d429e23695cdfd64e035686f02db (MD5) Previous issue date: 2018-09-11 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Sensores a fibra óptica tornaram-se uma alternativa popular aos sensores eletrônicos tradicionais devido às suas inúmeras vantagens. Um desafio importante no emprego de sensores ópticos é a interrogação do sensor, isto é, recuperar o valor da medição a partir da saída do sensor. Este trabalho visa a apresentar uma forma simples e eficaz de interrogar um sensor baseado em grade de Bragg em fibra (FBG) utilizando filtros ópticos e métodos computacionais convenientes. Como exemplo, foi escolhido um sensor de temperatura, embora o sistema de interrogação possa lidar com qualquer medição, sendo calibrado adequadamente. Esse sistema de interrogação é capaz de fornecer o valor preciso da temperatura sem medir diretamente o deslocamento do comprimento de onda de ressonância ou realizar qualquer cálculo de Fourier. Os métodos foram implementados e o treinamento realizado utilizando dados simulados. Resultados de simulação são apresentados e comparados a um método tradicional de interrogação. O sistema proposto neste trabalho mostrou um desempenho excelente ao identificar a temperatura a partir da saída do sensor e mostrou maior precisão em relação ao método tradicional apresentado. / Optical fiber sensors have become a popular alternative to traditional electronic sensors due to their numerous advantages. An important challenge in deploying optical sensors is the interrogation of the sensor, that is, recovering the measurement value from the sensor output. This work aims to present a simple yet effective way of interrogating a fiber Bragg grating (FBG) sensor using optical filters and suitable computational methods. As an example, a temperature sensor was analyzed, although the interrogation system is able to deal with any measurement, by calibrating it suitably. This interrogation system is capable of giving the precise temperature value without directly measuring the resonance wavelength shift or performing any Fourier calculations. The methods were implemented and the training was accomplished using simulated data. Simulation results are presented and compared to a traditional method of interrogation. The system proposed in this work showed excellent performance in identifying the temperature from the sensor output and showed higher precision than the traditional method presented.

A detecção de furtos e fraudes nos sistemas de energia provocados por consumidores irregulares é o principal alvo em análises de perdas não-técnicas ou comerciais pelas empresas de energia. Embora a identificação automática de perdas nãotécnicas tenha sido amplamente estudada, a tarefa de selecionar as características mais representativas em um grande conjunto de dados a fim de aumentar a taxa de acerto da identificação, bem como para caracterizar possíveis consumidores irregulares como um problema de otimização, não tem sido muito explorada neste contexto. Neste trabalho, visa-se o desenvolvimento de algoritmos híbridos baseados em técnicas evolutivas a fim de realizar a seleção de características no âmbito da caracterização de perdas não-técnicas, comparando as suas taxas de acerto e verificando as características selecionadas. Vários classificadores são comparados, com destaque para a técnica Floresta de Caminhos Ótimos por sua robustez, sendo ela a técnica escolhida para o cálculo da função objetivo das técnicas evolutivas, analisando o desempenho das mesmas. Os resultados demonstraram que a seleção de características mais representativas podem melhorar a taxa de acerto da classificação de possíveis perdas não-técnicas quando comparada à classificação sem o processo de seleção de características em conjuntos de dados compostos por perfis de consumidores industriais e comerciais. Isto significa que existem características que não são pertinentes e podem diminuir a taxa de acerto durante a classificação dos consumidores. Através da metodologia proposta com o processo de seleção de características, é possível caracterizar e identificar os perfis de consumidores com mais precisão, afim de minimizar os custos com tais perdas, contribuindo para a recuperação de receita das companhias de energia elétrica. / The detection of thefts and frauds in power systems caused by irregular consumers is the most actively pursued analysis in non-technical losses by electric power companies. Although non-technical losses automatic identification has been massively studied, the task of selecting the most representative features in a large dataset, in order to boost the identification accuracy, as well as characterizing possible irregular consumers as a problem of optimization, has not been widely explored in this context. This work aims at developing hybrid algorithms based on evolutionary algorithms in order to perform feature selection in the context of non-technical losses characterization. Although several classifiers have been compared, we have highlighted the Optimum-Path Forest (OPF) technique mainly because of its robustness. Thus, the OPF classifier was chosen to compute the objective function of evolutionary techniques, analyzing their performances. This procedure with feature selection is compared with the procedure without feature selection in datasets composed by industrial and commercial consumers profiles. The results demonstrated that selecting the most representative features can improve the classification accuracy of possible non-technical losses. This means that there are irrelevant features and they can reduce the classification accuracy of consumers. Considering the methodology proposed with feature selection procedure, it is possible to characterize and identify consumer profiles more accurately, in order to minimize costs with such losses, contributing to the recovery of revenue from electric power companies.

A ocorrência de faltas em sistemas elétricos de distribuição de energia é algo indesejável, porém, inerente ao mesmo devido a sua topologia normalmente aérea. Entre essas faltas, destacam-se as de alta impedância devido às características de corrente de baixa magnitude que surgem quando de sua ocorrência. No presente trabalho, um método baseado em três módulos é apresentado para a detecção e localização de faltas de alta impedância (FAI). No Módulo 1, é realizado um monitoramento contínuo dos sinais de corrente de forma a detectar a ocorrência de uma descontinuidade que pode estar vinculada a ocorrência de uma FAI. Caso haja essa detecção, o Módulo 2 é ativado de forma a analisar se o evento é realmente uma FAI. Por último, depois de detectada a FAI, o Módulo 3 é inicializado e a localização da falta, estimada. Para possibilitar a análise do método proposto e validar os resultados obtidos, um sistema de distribuição real, em conjunto com todas as etapas do sistema de aquisição de dados, foi modelado no software ATP/EMTP. Essa modelagem foi validada a partir de dados reais obtidos quando da ocorrência em campo de um curto-circuito bifásico. Vale ressaltar que um estudo de caso referente à importância da detecção e localização de um evento relacionado a uma FAI em uma concessionária de energia foi também analisado no início do trabalho de forma a mostrar o possível impacto da localização de FAIs nos indicadores de qualidade de serviço na mesma. Pelos resultados observados, a abordagem como um todo se mostra promissora e passível de aplicação no sistema real simulado e avaliado. / The occurrence of faults in overhead distribution networks is undesirable but common based on its topology. Among these events, High Impedance Faults (HIF) is one of the most important due to the fact that it has a small magnitude current. In this dissertation, a modular three-phase method is presented to enable HIF´s detection and location in a distribution system. In the Module 1, the phase currents are monitored in order to detect a discontinuity that can be associated with a HIF´s occurrence. If the Module 1 detected a discontinuity, the Module 2 is initiated and it analyses if the event can be classified as a HIF. Finally, if the Module 2 returns the event as a HIF, the Module 3 is initiated and the possible location of the HIF is estimated. To enable analysis of the proposed method and to validate the results, a real-based distribution system and the acquisition system of a digital relay were modeled in ATP/EMTP software. In order to validate the model, a simulated twophase fault were compared with the data obtained in a real event occurred in the analyzed distribution system. In order to present the importance of detecting and locating a HIF to a distribution utility, a case study was developed in the beginning of its work. Its importance is based on the improvement of the service quality indicators. Based on the results, the proposed method seems to be promising and applicable in a real distribution system.

A ocorrência de faltas em sistemas elétricos de distribuição de energia é algo indesejável, porém, inerente ao mesmo devido a sua topologia normalmente aérea. Entre essas faltas, destacam-se as de alta impedância devido às características de corrente de baixa magnitude que surgem quando de sua ocorrência. No presente trabalho, um método baseado em três módulos é apresentado para a detecção e localização de faltas de alta impedância (FAI). No Módulo 1, é realizado um monitoramento contínuo dos sinais de corrente de forma a detectar a ocorrência de uma descontinuidade que pode estar vinculada a ocorrência de uma FAI. Caso haja essa detecção, o Módulo 2 é ativado de forma a analisar se o evento é realmente uma FAI. Por último, depois de detectada a FAI, o Módulo 3 é inicializado e a localização da falta, estimada. Para possibilitar a análise do método proposto e validar os resultados obtidos, um sistema de distribuição real, em conjunto com todas as etapas do sistema de aquisição de dados, foi modelado no software ATP/EMTP. Essa modelagem foi validada a partir de dados reais obtidos quando da ocorrência em campo de um curto-circuito bifásico. Vale ressaltar que um estudo de caso referente à importância da detecção e localização de um evento relacionado a uma FAI em uma concessionária de energia foi também analisado no início do trabalho de forma a mostrar o possível impacto da localização de FAIs nos indicadores de qualidade de serviço na mesma. Pelos resultados observados, a abordagem como um todo se mostra promissora e passível de aplicação no sistema real simulado e avaliado. / The occurrence of faults in overhead distribution networks is undesirable but common based on its topology. Among these events, High Impedance Faults (HIF) is one of the most important due to the fact that it has a small magnitude current. In this dissertation, a modular three-phase method is presented to enable HIF´s detection and location in a distribution system. In the Module 1, the phase currents are monitored in order to detect a discontinuity that can be associated with a HIF´s occurrence. If the Module 1 detected a discontinuity, the Module 2 is initiated and it analyses if the event can be classified as a HIF. Finally, if the Module 2 returns the event as a HIF, the Module 3 is initiated and the possible location of the HIF is estimated. To enable analysis of the proposed method and to validate the results, a real-based distribution system and the acquisition system of a digital relay were modeled in ATP/EMTP software. In order to validate the model, a simulated twophase fault were compared with the data obtained in a real event occurred in the analyzed distribution system. In order to present the importance of detecting and locating a HIF to a distribution utility, a case study was developed in the beginning of its work. Its importance is based on the improvement of the service quality indicators. Based on the results, the proposed method seems to be promising and applicable in a real distribution system.

A detecção de furtos e fraudes nos sistemas de energia provocados por consumidores irregulares é o principal alvo em análises de perdas não-técnicas ou comerciais pelas empresas de energia. Embora a identificação automática de perdas nãotécnicas tenha sido amplamente estudada, a tarefa de selecionar as características mais representativas em um grande conjunto de dados a fim de aumentar a taxa de acerto da identificação, bem como para caracterizar possíveis consumidores irregulares como um problema de otimização, não tem sido muito explorada neste contexto. Neste trabalho, visa-se o desenvolvimento de algoritmos híbridos baseados em técnicas evolutivas a fim de realizar a seleção de características no âmbito da caracterização de perdas não-técnicas, comparando as suas taxas de acerto e verificando as características selecionadas. Vários classificadores são comparados, com destaque para a técnica Floresta de Caminhos Ótimos por sua robustez, sendo ela a técnica escolhida para o cálculo da função objetivo das técnicas evolutivas, analisando o desempenho das mesmas. Os resultados demonstraram que a seleção de características mais representativas podem melhorar a taxa de acerto da classificação de possíveis perdas não-técnicas quando comparada à classificação sem o processo de seleção de características em conjuntos de dados compostos por perfis de consumidores industriais e comerciais. Isto significa que existem características que não são pertinentes e podem diminuir a taxa de acerto durante a classificação dos consumidores. Através da metodologia proposta com o processo de seleção de características, é possível caracterizar e identificar os perfis de consumidores com mais precisão, afim de minimizar os custos com tais perdas, contribuindo para a recuperação de receita das companhias de energia elétrica. / The detection of thefts and frauds in power systems caused by irregular consumers is the most actively pursued analysis in non-technical losses by electric power companies. Although non-technical losses automatic identification has been massively studied, the task of selecting the most representative features in a large dataset, in order to boost the identification accuracy, as well as characterizing possible irregular consumers as a problem of optimization, has not been widely explored in this context. This work aims at developing hybrid algorithms based on evolutionary algorithms in order to perform feature selection in the context of non-technical losses characterization. Although several classifiers have been compared, we have highlighted the Optimum-Path Forest (OPF) technique mainly because of its robustness. Thus, the OPF classifier was chosen to compute the objective function of evolutionary techniques, analyzing their performances. This procedure with feature selection is compared with the procedure without feature selection in datasets composed by industrial and commercial consumers profiles. The results demonstrated that selecting the most representative features can improve the classification accuracy of possible non-technical losses. This means that there are irrelevant features and they can reduce the classification accuracy of consumers. Considering the methodology proposed with feature selection procedure, it is possible to characterize and identify consumer profiles more accurately, in order to minimize costs with such losses, contributing to the recovery of revenue from electric power companies.