Este trabalho foca o desenvolvimento de algoritmos de otimização para o problema de PSP puramente ab initio. Algoritmos que melhor exploram o espaço de potencial de soluções podem, em geral, encontrar melhores soluções. Esses algoritmos podem beneficiar ambas abordagens de PSP, tanto o modelo ab initio quanto os baseados em conhecimento a priori. Pesquisadores tem mostrado que Algoritmos Evolutivos Multiobjetivo podem contribuir significativamente no contexto do problema de PSP puramente ab initio. Neste contexto, esta pesquisa investiga o Algoritmo Evolutivo Multiobjetivo baseado em Tabelas aplicado ao PSP puramente ab initio, que apresenta interessantes resultados para proteínas relativamente simples. Por exemplo, um desafio para o PSP puramente ab initio é a predição de estruturas com folhas-. Para trabalhar com tais proteínas, foi desenvolvido procedimentos computacionalmente eficientes para estimar energias de ligação de hidrogênio e solvatação. Em geral, estas não são consideradas no PSP por abordagens que combinam métodos de otimização e conhecimento a priori. Considerando somente van der Waals e eletrostática, as duas energias de interação que mais contribuem para a definição da estrutura de uma proteína, com as energias de ligação de hidrogênio e solvatação, o problema de PSP tem quatro objetivos. Problemas combinatórios (tais como o PSP), com mais de três objetivos, geralmente requerem métodos específicos capazes de lidar com muitos critérios. Para resolver essa limitação, este trabalho propõe um novo método para a otimização dos muitos objetivos, chamado Algoritmo Evolutivo Multiobjetivo com Muitas Tabelas (AEMMT). Esse método executa uma amostragem mais adequada do espaço de funções objetivo e, portanto, pode mapear melhor as regiões promissoras deste espaço. A capacidade de lidar com muitos objetivos capacita o AEMMT a utilizar melhor a informação oriunda das energias de solvatação e de ligação de hidrogênio, e então predizer estruturas com folhas- e algumas proteínas relativamente mais complexas. Do ponto de vista computacional, o AEMMT é um novo método que lida com muitos objetivos (mais de dez) encontrando soluções relevantes / This work focuses on the development of optimization algorithms for the purely ab initio Protein Structure Prediction (PSP) problem. Algorithms that better explore the space of potential solutions can in general find better solutions. Such algorithms can benefit both ab initio and template-based PSP, that uses priori knowledge. Researches have shown that Multiobjective evolutionary algorithms can contribute significantly in the context of purely ab initio PSP. In this context, this research investigates the Multiobjective Evolutionary Algorithm based on Tables applied to purely ab initio PSP, which has shown interesting results for relatively simple proteins. For example, one challenge for purely ab initio PSP is the prediction of structures with -sheets. To work with such proteins, this research has developed computationally efficient procedures to estimate hydrogen bond and solvation energies. In general, they are not considered by PSP approaches combining optimization methods with priori knowledge. Only by considering van der Waals and electrostatic, the two interaction energies that mostly contribute to defining a protein structure, and the hydrogen bond and solvation energies, the PSP problem has four objectives. Combinatorial problems (such as the PSP) with more than three objective usually require specific methods capable of dealing with many goals. To address this limitation, we propose a new method for many objective optimization, called Multiobjective Evolutionary Algorithm with Many Tables (MEAMT). This method performs a more adequate sampling of the space of objective functions and, therefore, can better map the promising regions of this space. The ability of dealing with many objectives enables the MEANT to better use information generated by solvation and hydrogen bond energies, and then predict structures with -sheets and some relatively complex proteins. From the computational point of view, the MEAMT is a new method for dealing with many objectives (more than ten) finding relevant solutions

Esta dissertação trata do problema de restabelecimento de energia em sistemas de distribuição de grande porte (com milhares de linhas, barras de carga e chaves seccionadoras) em situações de contingência. Este problema consiste basicamente na determinação de chaves seccionadoras que devem ser operadas para permitir a transferência de blocos de carga a fim de re-conectar consumidores fora de serviço atendendo às restrições operacionais do sistema. Diversas metodologias têm sido desenvolvidas para lidar com o problema de restabelecimento de energia. Entretanto, a maioria perde eficiência computacional quando aplicadas em sistemas de distribuição de grande porte e/ou não fazem distinção entre chaves manuais e automáticas (controladas remotamente). Propõe-se uma metodologia para obtenção, em tempo-real, de planos de restabelecimento de energia em sistemas de distribuição de grande porte, que priorize a utilização de chaves seccionadoras controladas remotamente. Priorizar a utilização de chaves controladas remotamente permite a obtenção de planos de restabelecimento mais rápidos de serem implantados. Para lidar com os múltiplos objetivos e restrições do problema de restabelecimento de energia, a metodologia proposta será baseada em Algoritmos Evolutivos Multi-Objetivo, enquanto que a eficiência computacional para possibilitar o tratamento de sistemas de grande porte será proporcionada através da utilização da codificação de dados denominada Representação Nó-Profundidade. Para validar a metodologia proposta realizar-se-ão diversas simulações computacionais no sistema de distribuição real da cidade de São Carlos-SP, e nas suas versões duplicada, quadruplicada e octuplicada, considerando-se a ocorrência tanto de falta única quanto de múltiplas faltas. / This thesis focuses on the service restoration problem in large scale distribution systems (distribution systems with thousands of switches and load buses) in contingency situations. This problem consists basically in determining the sectionalizing switches that must be operated in order to reconnect the out of service loads without violating any operational constraints. Several methodologies have been developed to deal with the service restoration problem in distribution systems. However, the majority of them demand high running time when used for large scale distribution systems and/or do not consider the existence of switches that can be remotely operated. It is proposed a methodology for determining, in real time, service restoration plans in large scale distribution systems. In order to determine service plans that can be implemented faster, the methodology will give priority to use remotely controlled switches. To deal with the multiple objectives and constraints of the service restoration problem, the proposed methodology will be based on Multi-objective Evolutionary algorithms. To guarantee computational efficiency to treat large scale distribution systems, the data encoding called Node-Depth Encoding will be used. The real distribution system of the São Carlos-SP city, and its doubled, quadruplicated and octuplicate versions will be used to validate the proposed methodology. It will be simulated cases considering one and multiple faults.

Nesta dissertação é apresentada uma nova metodologia para tratar o problema de restabelecimento de energia em Sistemas de Distribuição (SD) de grande porte, possibilitando a obtenção de planos de restabelecimento a partir exclusivamente de chaves automáticas após a ocorrência de faltas permanentes. Este procedimento é realizado através da Reconfiguração de Redes (RR), que consiste basicamente na alteração da topologia do sistema elétrico através da mudança de estados (aberto/fechado) das chaves seccionadoras. Para isso, vários pontos de carga do SD são agrupados em blocos separados por chaves, formando setores. Assim, a partir da RR é possível a troca de cargas entre alimentadores em caso de interrupção em algum ponto da rede. A metodologia aqui proposta divide o processo de restabelecimento de energia em duas etapas. Na primeira a troca de cargas entre alimentadores é realizada utilizando apenas chaves automáticas, e a segunda etapa utiliza-se qualquer tipo de chave, automática ou não. O problema de restabelecimento de energia em SDs de grande porte envolve múltiplos objetivos, e alguns deles são conflitantes, além disto, devido à grande quantidade de variáveis envolvidas nesse problema, ele está sujeito ao fenômeno de explosão combinatória. Dessa forma, metas-heurísticas têm sido propostas como alternativas para tratar o problema, e dentre essas, os Algoritmos Evolutivos (AEs) têm se mostrado a mais eficiente. Face ao exposto, neste trabalho de mestrado utiliza-se de um AE Multi-Objetivo, juntamente com a estrutura de dados denominada Representação Nó-Profundidade (RNP), que permite uma representação computacional eficiente da topologia elétrica dos SDs. Para validar a metodologia proposta foram realizadas simulações computacionais no SD real da cidade de Londrina-PR, em atual operação. Os resultados que serão apresentados nessa dissertação mostraram um ganho substancial em comparação com outra metodologia. / This dissertation presents a new methodology to address service restoration problem in Large Scale Distribution Systems (DS), that allow the obtaining of service restoration plans considering only automatic switches after the occurrence of interruption. This procedure is performed through the Network Reconfiguration (NR), which basically consists in changing the topology of the electrical system by changing states (open/closed) of the switches. For this, various load points DS are grouped into blocks separated by switches, forming sectors. Thus, from the NR is possible to exchange charges between feeders in case of interruption somewhere in the DS. The methodology proposed here divides the process of service restoration in two stages. The first exchange of charges between feeders is performed using only automatic switches, and the second stage uses any type of switches, automatic or not. The problem of service restoration in Large-Scale DS involves multiple objectives, some of which are conflicting, moreover, due to the large number of variables involved in this problem, it is subject to the combinatorial explosion phenomenon. Thus, meta-heuristics have been proposed as alternatives to address the problem, and among these, the Evolutionary Algorithms (EAs) have shown to be more efficient. Given the above, this work uses Multi-Objective Evolutionary Algorithms, along with the graph encoding called Node-Depth Representation, which allows an efficient computational representation of DS topology. To validate the proposed methodology were performed computer simulations in real DS city of Londrina, in actual operation. The results will be presented in this thesis showed a substantial gain compared to other methods.

Encontrar a configuração de mínimas perdas ôhmicas ou que forneça um adequado plano de restabelecimento aptos a ocorrência de faltas permanentes são problemas de natureza combinatorial, com múltiplos objetivos e restrições, que envolvem funções cujas características, em geral, dificultam o uso de técnicas de programação matemática. Algoritmos Evolutivos têm apresentado resultados animadores para esses problemas, especialmente quando aplicados em sistemas de distribuição de grande porte. Neste trabalho são propostas duas novas metodologias, baseadas em Algoritmos Evolutivos Multi-Objetivo, para reconfiguração de redes em sistemas de distribuição, que podem ser aplicadas para o tratamento dos problemas de redução de perdas ôhmicas e restabelecimento de energia em sistemas de grande porte (com milhares de barras, linhas e chaves). Para o desenvolvimento dessas metodologias, foi utilizado uma estrutura de dados para manipular grafos produzindo exclusivamente configurações radiais e conexas, chamada Representação Nó-profundidade. As metodologias propostas foram testadas para diversos sistemas, dentre os quais destaca-se um com 30:880 barras, tendo sido satisfatórios os resultados obtidos. Para o problema de restabelecimento de energia foram testados falta única e múltiplas faltas. / Find the distribution system configuration of minimum power losses or that provides an adequate service restoration plan is a combinatorial, multi-objective and multi constraint problems, which involves functions whose characteristics, in general, difficult the use of mathematical programming techniques. Evolutionary Algorithms have shown relevant results for these problems, especially for Large-Scale Distribution Systems. This work proposes two methodologies for network reconfiguration based on Multi-Objective Evolutionary Algorithms, which can be applied to treat the problems of power loss reduction and service restoration in large scale distribution systems (with thousands of buses, lines and switches). In order to develop these methodolgies, it was used a data structure to manipulate graphs producing exclusively radial and connected connections, called Node Depth Encoding. The proposed methodologies were successfully tested in several distribution systems, among them one with 30,880 buses. The problem of service restoration is analyzed considering cases of single and multiple faults.

O restabelecimento de energia em sistemas de distribuição de energia elétrica radiais geralmente envolve a reconfiguração de redes para restaurar eletricidade à(s) área(s) fora de serviço. As principais técnicas para restabelecimento de energia em sistemas de distribuição de grande porte têm sido os algoritmos evolutivos (AEs). Após a falta ter sido identificada e a zona em falta ter sido isolada do sistema, o algoritmo deve encontrar soluções em que: 1) supra com energia o maior número de consumidores possível, 2) minimize o número de operações de chaveamentos, 3) não viole restrições operacionais do sistema, 4) reduza o total de perdas resistivas, 5) a configuração da rede seja radial e, 6) obtenha tal solução em tempo real. Este projeto emprega uma nova estrutura de dados para manipular grafos produzindo exclusivamente configurações radiais e conexas, chamada representação nó-profundidade (RNP), garantindo que todas as soluções potenciais geradas pelo algoritmo satisfaçam os itens (1) e (5). Além disso, propõe-se um AE utilizando a RNP capaz de encontrar planos de restabelecimento adequados para sistemas de distribuição de larga-escala, com milhares de chaves e barras, em tempo real. / Energy restoration in radial distribution systems usually involves the network reconfiguration to restore the electricity to the out-of-service areas. The main approaches for energy restoration in large-scale distribution systems have been the evolutionary algorithms (EAs). After a fault has been identified and isolated, the algorithm must find solutions that: 1) supply energy to the larger number of consumers, 2) reduce the number of switching operations, 3) respect operational constraints of the system, 4) reduce the amount of power losses, 5) generate exclusively radial configurations and 6) find solutions in real time. This work uses a new data structure, called node-depth encoding (NDE), to manipulate graphs producing exclusively radial and connected configurations, and guaranteeing that all potential solutions generated by the algorithm satisfy items (1) and (5). Moreover, we propose an EA using the NDE that is capable of finding adequate restoration plans in real time for large-scale distribution systems, with thousands of switches and buses.

Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2014-10-06T15:00:35Z No. of bitstreams: 2 Dissertação - Gustavo Siqueira Vinhal - 2013.pdf: 543638 bytes, checksum: 0cfeff261acd147877fc67035e17c1fb (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2014-10-06T15:58:27Z (GMT) No. of bitstreams: 2 Dissertação - Gustavo Siqueira Vinhal - 2013.pdf: 543638 bytes, checksum: 0cfeff261acd147877fc67035e17c1fb (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2014-10-06T15:58:27Z (GMT). No. of bitstreams: 2 Dissertação - Gustavo Siqueira Vinhal - 2013.pdf: 543638 bytes, checksum: 0cfeff261acd147877fc67035e17c1fb (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2013-08-19 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Many relevant problems to NP-Hard class are present in the real world. Among them we can mention the problems of network design (PNDs) that involve electricity distribution, vehicle traffic, and others. There are not algorithms which provide a exact solution for these types of problems with an acceptable computation time. Over the years, research has been developed used evolutionary algorithms (EAs) to provide an efficient solution with a acceptable computation time for these problems. In addition, appropriate data structures may further improve the performance of EAs to PNDs. The node-depth-degree (NDDE) representation have show significant results for PNDs. The application of EAs in hardware can improve the performance of the algorithm. In this sense, this work presents the implementation of a EA in Nios II processor of a FPGA board to solving the PND minimum spanning tree with degree constraint. The results demonstrate that the implementation of EAs in hardware brings significant results with better performance, due to the power of parallelism present in the FPGA. / Diversos problemas pertinentes a classe NP-Difícil estão presentes no mundo real. Dentre eles pode-se citar os problemas de projeto de redes (PPRs) que envolvem distribuição de energia elétrica, tráfego de veículos, entre outros. Não existem algoritmos que forneçam uma solução exata para esses tipos de problemas com um tempo de computação aceitável. Ao longo dos anos pesquisas estão sendo desenvolvidas utilizado algoritmos evolutivos (EAs) para fornecer uma solução eficiente com tempo de computção aceitável para tais problemas. Além disso, estruturas de dados adequadas podem melhorar ainda mais o desempenho dos EAs para PPRs. A representação nó-profundidade-grau (NDDE) apresenta resultados significativos para PPRs. A aplicação de EAs em hardware pode melhorar o desempenho do algoritmo. Nesse sentido, este trabalho apresenta a implementação de um EA no processador Nios II de uma placa FPGA para solução do PPR da árvore geradora mínima com restrição de grau. Os resultados demonstram que a implementação de EAs em hardware traz resultados significativos com melhor desempenho, devido ao poder de paralelismo presente no FPGA.

Métodos de identificação de pessoas sempre foram muito importantes para toda a sociedade. Atualmente, as pesquisas em biometria vêm sendo amplamente incentivadas por diversos setores da indústria mundial com o objetivo de melhorar ou substituir os atuais sistemas de segurança e de identificação de pessoas. O campo da biometria abarca uma grande variedade de tecnologias usadas para identificar e verificar a identidade de uma pessoa por meio da mensuração e análise de diversas características físicas e/ou comportamentais do ser humano. Diversas modalidades biométricas têm sido propostas para reconhecimento de pessoas, como impressão digital, íris, face e fala. Estas modalidades biométricas possuem características distintas em termos de desempenho, mensurabilidade e aceitabilidade. Uma questão a ser considerada com a aplicação biométrica é sua robustez a ataques por circunvenção, repetição e ofuscação. Esses ataques estão se tornando cada vez mais frequentes e questionamentos estão sendo levantados a respeito dos níveis de segurança das formas de reconhecimento. Sinais biomédicos como eletrocardiograma (ECG), eletroencefalograma (EEG) e eletromiograma (EMG) têm sido cada vez mais estudados e aplicados ao reconhecimento biométrico. Em específico, os sinais de ECG têm sido largamente adotados para o reconhecimento biométrico em diversos trabalhos. Por outro lado, análise de séries temporais tem sido usada com sucesso em muitas diferentes aplicações para identificar padrões temporais nos dados. Embora dinâmica simples possa ser observada com ferramentas analíticas tradicionais tais como transformada de fourier, transformada wavelet, a representação simbólica pode melhorar a análise de processos que são complexos e possivelmente caótico. Além disso, representação simbólica pode também reduzir a sensibilidade a ruído e melhorar bastante a eficiência computacional. No entanto, existem aspectos estruturais e paramétricos de projeto que podem conduzir a uma degradação de desempenho. Na ausência de uma metodologia sistemática e de baixo custo para a proposição de técnicas de representação simbólicas otimamente especificadas, os comitês de máquinas, mais especificamente ensemble, se apresentam como alternativas promissoras. Neste estudo, os componentes do ensemble, que correspondem as técnicas de representação simbólicas, e seus respectivos parâmetros foram selecionados via algoritmos evolutivos. O objetivo é explorar conjuntamente potencialidades advindas das técnicas de representação simbólicas e comitê de máquinas para reconhecimento biométrico baseado em sinais de ECG. Resultados experimentais conduzidos sobre dois conjuntos de dados disponíveis publicamente indicam que a abordagem proposta pode melhorar o desempenho do reconhecimento quando comparada com as técnicas tradicionais / Identification people methods have been very important for the whole society. Currently, research on biometrics have been widely encouraged by various sectors of the industry worldwide in order to improve or replace existing security systems and people identification. The field of biometrics includes a variety of technologies used to identify or verify the identity of a person by measuring and analyzing various physical and/or behavioral aspects of the human being. Several biometric methods have been proposed for recognition of people, such as fingerprint, iris, face and speech. These biometric modalities have different characteristics in terms of performance, measurability and acceptability. One issue to be considered with the biometric application in the real world is its robustness to attacks by circumvention, repetition and obfuscation. These attacks are becoming more frequent and more questions are being raised about the levels of security that this technology can offer. Biomedical signals such as electrocardiogram (ECG), electroencephalogram (EEG) and electromyogram (EMG) have been increasingly studied and applied to biometric recognition. Specifically, ECG signals have been widely adopted for biometric recognition in various works. On the other hand, time series analysis has been used successfully in many different applications to identify temporal patterns in the data. Although simple dynamics can be observed with traditional analytical tools such as fourier transform, wavelet transform, the symbolic representation can improve the analysis of processes that are complex and possibly chaotic. In addition, symbolic representation can also reduce noise sensitivity and greatly improve computational efficiency. However, there are structural and parametric design aspects that can lead to performance degradation. In the absence of a systematic and inexpensive methodology for proposing optimally specified symbolic representation techniques, machine committees, more specifically ensemble, present themselves as promising alternatives. In this study, the components of the committee, which correspond to techniques of symbolic representation, and their respective parameters were selected via evolutionary algorithms. The objective is to jointly explore the potentialities of both symbolic representation techniques and machine committee for biometric recognition based on ECG signals. Experimental results conducted on two publicly available datasets indicate that the proposed approach may improve recognition performance when compared to traditional techniques

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 tendência crescente na geração de harmônicos nos sistemas elétricos de potência tem ganhado atenção especial no planejamento das redes de transporte de energia elétrica, uma vez que os crescimentos observados acontecem em regiões que antes não representavam qualquer tipo de preocupação. Um dos principais fatores que contribuíram para esse novo contexto é a característica distribuída da geração de harmônicos. Devido a essa nova realidade, métodos mais aprimorados para avaliação de desempenho e modelos mais precisos para a representação de equipamentos tornaram-se necessários. Sendo assim, a pesquisa realizada para a elaboração da presente tese fundamentou a sua investigação em três tópicos com o intuído de fornecer contribuições que permitissem uma avaliação mais precisa das redes elétricas, proporcionando, assim, resultados mais aderentes com a realidade existente: Modelagem Agregada de Carga; Equivalentes de Redes; Estimação de Estados das Distorções Harmônicas. Através das contribuições feitas nesses tópicos, torna-se possível a consideração de aspectos que antes eram ignorados na avaliação harmônica das redes de transporte de energia elétrica e, assim, permite-se uma verificação precisa dos impactos da característica distribuída da geração de harmônicos nos sistemas elétricos de potência. / The growing rate of harmonic generation present in the electric power systems has gained special attention in the planning process of power networks. The major factor that contributed for this new context is the increasing harmonic generation observed in regions that did not use to represent any concern in the past. One of the main causes for this new trend is the distributed characteristic of the harmonic generation. In this new environment, sophisticated methods and models have become necessary, in order to precisely represent the electric elements behaviour and to accurately evaluate the systems performance. As a result, the research work presented in this thesis focused in three different topics, in order to provide contributions that would lead to a more accurate performance evaluation of the power networks and that would provide results closer to the values found in the field: Aggregate Load Modeling; Network Equivalents; Harmonic State Estimation. These contributions would allow the consideration of aspects that normally are ignored in the harmonic assessment of power systems. Consequently, the evaluation of the impacts caused by the distributed generation of harmonics becomes more accurate.

Modelos para aprendizado não supervisionado podem fornecer restrições complementares úteis para melhorar a capacidade de generalização de classificadores. Baseando-se nessa premissa, um algoritmo existente, denominado de C3E (Consensus between Classification and Clustering Ensembles), recebe como entradas estimativas de distribuições de probabilidades de classes para objetos de um conjunto alvo, bem como uma matriz de similaridades entre esses objetos. Tal matriz é tipicamente construída por agregadores de agrupadores de dados, enquanto que as distribuições de probabilidades de classes são obtidas por um agregador de classificadores induzidos por um conjunto de treinamento. Como resultado, o C3E fornece estimativas refinadas das distribuições de probabilidades de classes como uma forma de consenso entre classificadores e agrupadores. A ideia subjacente é de que objetos similares são mais propensos a compartilharem o mesmo rótulo de classe. Nesta tese, uma versão mais simples do algoritmo C3E, baseada em uma função de perda quadrática (C3E-SL), foi investigada em uma abordagem que permitiu a estimação automática (a partir dos dados) de seus parâmetros críticos. Tal abordagem faz uso de um nova estratégia evolutiva concebida especialmente para tornar o C3E-SL mais prático e flexível, abrindo caminho para que variantes do algoritmo pudessem ser desenvolvidas. Em particular, para lidar com a escassez de dados rotulados, um novo algoritmo que realiza aprendizado semissupervisionado foi proposto. Seu mecanismo explora estruturas intrínsecas dos dados a partir do C3E-SL em um procedimento de autotreinamento (self-training). Esta noção também inspirou a concepção de um outro algoritmo baseado em aprendizado ativo (active learning), o qual é capaz de se autoadaptar para aprender novas classes que possam surgir durante a predição de novos dados. Uma extensa análise experimental, focada em problemas do mundo real, mostrou que os algoritmos propostos são bastante úteis e promissores. A combinação de classificadores e agrupadores resultou em modelos de classificação com grande potencial prático e que são menos dependentes do usuário ou do especialista de domínio. Os resultados alcançados foram tipicamente melhores em comparação com os obtidos por classificadores tradicionalmente usados. / Unsupervised learning models can provide a variety of supplementary constraints to improve the generalization capability of classifiers. Based on this assumption, an existing algorithm, named C3E (from Consensus between Classification and Clustering Ensembles), receives as inputs class probability distribution estimates for objects in a target set as well as a similarity matrix. Such a similarity matrix is typically built from clusterers induced on the target set, whereas the class probability distributions are obtained by an ensemble of classifiers induced from a training set. As a result, C3E provides refined estimates of the class probability distributions, from the consensus between classifiers and clusterers. The underlying idea is that similar new objects in the target set are more likely to share the same class label. In this thesis, a simpler version of the C3E algorithm, based on a Squared Loss function (C3E-SL), was investigated from an approach that enables the automatic estimation (from data) of its critical parameters. This approach uses a new evolutionary strategy designed to make C3E-SL more practical and flexible, making room for the development of variants of the algorithm. To address the scarcity of labeled data, a new algorithm that performs semi-supervised learning was proposed. Its mechanism exploits the intrinsic structure of the data by using the C3E-SL algorithm in a self-training procedure. Such a notion inspired the development of another algorithm based on active learning, which is able to self-adapt to learn new classes that may emerge when classifying new data. An extensive experimental analysis, focused on real-world problems, showed that the proposed algorithms are quite useful and promising. The combination of supervised and unsupervised learning yielded classifiers of great practical value and that are less dependent on user-defined parameters. The achieved results were typically better than those obtained by traditional classifiers.