Classificação de faltas em linhas de transmissão utilizando florestas aleatórias e filtro notch

  • Danton Diego Ferreira Universidade Federal Lavras
  • Gabriel Aparecido Fonseca Universidade Federal Lavras
  • Flávio Bezerra Costa Universidade Federal do Rio Grande do Norte
  • Aryfrance Rocha Almeida Universidade Federal do Piauí
Keywords: Florestas aleatórias, Redes neurais artificiais, Filtro notch, Linhas de transmissão, Classificação de faltas, Validação cruzada

Abstract

Sistemas de transmissão de energia elétrica externos estão altamente susceptı́veis a falhas. Alguns pesquisadores já investigaram o uso de técnicas de inteligência computacional como redes neurais artificiais e lógica fuzzy com etapas de pré-processamento que compreendem o uso de transformada wavelet, Fourier ou estatı́stica de ordem superior. Esse trabalho visa mostrar o uso do método de florestas aleatórias com uma etapa de pré-processamento com filtro notch para classificação de faltas em linhas de transmissão. O desempenho do modelo foi comparado com o obtido por uma rede neural para mostrar sua eficiência. Utilizando-se a validação cruzada k-fold para treinar, testar e comparar os modelos, obteve-se nesse processo a acurácia média de 89,59% para a rede neural e 91,96% para o modelo de florestas aleatórias. No processo de validação foi obtida acurácia de 96,49% para o primeiro modelo e 91,49% para o segundo.

Published
2020-12-07
Section
Articles