Técnicas Não Supervisionadas de Aprendizado de Máquina Aplicadas na Avaliação da Confiabilidade Composta de Sistemas Elétricos de Potência

  • Fernando A. Assis Universidade Federal de São João del-Rei
  • Alex Júnior C. Coelho Universidade Federal de São João del-Rei
  • Lucas D. Rezende Universidade Federal de São João del-Rei
  • Leonidas C. Resende Universidade Federal de São João del-Rei
  • Armando M. Leite da Silva Pontifícia Universidade Católica do Rio de Janeiro
Keywords: Algoritmos de classificação, Aprendizado de máquina não supervisionado, Confiabilidade composta, Reconhecimento de padrão, Simulação Monte Carlo

Abstract

Neste artigo é proposta uma metodologia simples e nova para avaliação da confiabilidade composta de sistemas elétricos de potência. O método de simulação Monte Carlo não sequencial é combinado com técnicas não supervisionadas de aprendizado de máquina com o intuito de reduzir o esforço computacional envolvido no processo de estimativa dos índices de confiabilidade composta. A metodologia permite que diferentes técnicas não supervisionadas sejam empregadas, tendo em vista a obtenção de reduções significativas nos tempos de processamento, sem que haja perda de precisão dos índices de desempenho estimados. Os resultados obtidos com a utilização de três diferentes técnicas de classificação (Kohonen self-organizing map, K-means, and K-medoids) são apresentados e amplamente analisados.

Published
2020-12-08
Section
Articles