Search

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica, 2011. As interrupções no fornecimento de energia ão extremamente indesejáveis nas esferas econômicas e produtivas da sociedade. Para evitá-las são realizados, periodicamente, vários procedimentos de inspeção e manutenção, nas diferentes etapas do processo de transmissão de energia. O objetivo deste trabalho é automatizar o processo de inspeção do estado de conservação das garras espaçadoras dos condutores presentes nas linhas de transmissão. Atualmente, tais inspeções são feitas por meio de sobrevôo das linhas de transmissão por um helicóptero tripulado, a partir do qual é feito um diagnóstico visual do estado das garras espaçadoras. Para automatizar tal processo o LARA/UnB desenvolve um Veículo Aéreo Não Tripulado (VANT), com um par de cameras embarcadas, com o objetivo de percorrer e inspecionar as linhas de transmissão. Uma vez adquirido um par de imagens da garra é realizado um processamento para que se possa obter a imagem tridimensional do contorno da garra separadora. Na seqüência, descritores de tal contorno são repassados à uma Rede Neural, devidamente treinada, para que a garra separadora seja considerada em bom estado,"ok", ou equerendo manutenção,"nok". A aplicação destes métodos é indicada porque os processos de inspeções visuais, realizadas por helicópteros tripulados, além de apresentarem elevados custos econômicos, ficam submetidos à imprecisão da atuação humana. Neste cenário, a automação dos processos de inspeção pode aumentar os índices de disponibilidade energética, minimizando perdas econômicas e interrupções de fornecimento de energia a sistemas críticos. Para a classificação do objeto de inspeção foi escolhida a visão estéreo, pois esta permite calcular as coordenadas 3D para do objeto e a posterior reprojeção dos pontos do mesmo sob uma perspectiva padronizada. Já as redes neurais artificiais foram escolhidas, pois as mesmas são amplamente utilizadas para classificação de padrões. Os resultados das classificações realizadas se mostraram corretos em cerca de 85% dos casos (tendo sido desconsiderados os pares de imagens que falharam nas etapas deteção de bordas ou de correspondência, nestes casos novas imagens foram adquiridas). _______________________________________________________________________________________ ABSTRACT The electrical energy disruptions are undesirable in the economy and productive areas. In order to avoid them, several procedures for inspection and maintenance are conducted periodically, in various stages of power transmission. This work's objective is to automate the process of examining the state of conservation of metal conductors separating claws present in transmission lines. Currently, such inspections are made by overflight of transmission lines by a manned helicopter, and a visual diagnosis is made regarding the state of the separating claws. To automate this process the LARA/UnB laboratory is developing an unmanned aerial vehicle (UAV) with an embedded pair of video cameras in order to travel and inspect the transmission lines. Once an pair of claw's images is acquired, image processing techniques are used to obtain a tridimensional image of the contour of the separating claw. Following, the boundary descriptors are passed to a properly trained neural network, so the separating claw is classified as being in proper conditions, "ok", or in need of maintenance, "nok". These methods are indicated because the processes of visual inspections performed by manned helicopters, in addition to having high economic costs, are subject to the imprecision of human performance. In this scenario, the automation of inspection processes may increase the rate of energy availability, minimizing economic losses and disruption of power supply to critical systems. For the object's classification was chosen stereo vision, because it allows to calculate the 3D coordinates of the object and the subsequent reprojection of points from a standard perspective. The artificial neural networks were chosen because they are widely used for pattern classification. The test results proved correct classification in about 85 % (disregarding the pairs of images that failed in the step of edge detection or correspondence, in these cases new images were acquired).

Agência Nacional de Energia Elétrica (ANEEL) Devido à crescente demanda de energia elétrica, programas de eficiência energética começaram a aderir a soluções de gerenciamento e conservação de energia. Para colaborar na conscientização e gerenciamento do uso da energia de consumidores, técnicas de monitoramento não-intrusivo de carga permitem que o consumo individualizado dos aparelhos de uma instalação sejam informados para o usuário. Para implementar tal abordagem existem quatro etapas fundamentais: aquisição de dados, detecção de eventos, extração de características e classificação de cargas. O desempenho da última etapa depende de como são realizadas as etapas anteriores, principalmente a etapa de extração de características que envolve a descrição quantitativa do comportamento, também denominado como assinatura de carga, de um aparelho elétrico. Nesse contexto, este trabalho se concentra no desenvolvimento de duas abordagens de extração de características baseadas nas assinaturas de cargas denominadas de trajetórias V-I. Pela abordagem tradicional de extração, novas características são propostas para utilização em estado estacionário e transitório dessa assinatura de carga. A segunda abordagem consiste no desenvolvimento de um método que descreve a própria assinatura de carga por meio dos descritores da Séries de Fourier bidimensional (2D). Com essas abordagens propostas, avaliaram-se os resultados na classificação de cargas com diferentes classificadores (k-vizinhos mais próximos, Ensemble, árvore de decisão, máquina de vetores suporte e análise de discriminante linear) para três bases de dados distintas e disponíveis publicamente. Além da avaliação dos recursos computacionais para os métodos propostos, como tempo e memória em um sistema embarcado, a robustez das metodologias à inserção de ruídos também foi avaliada. Os resultados obtidos para ambas as metodologias, na maioria dos casos, apresentam acurácias na etapa de classificação maiores que 90%. Adicionalmente, os resultados em termos de recursos computacionais se mostram competitivos quando comparados a outra metodologia existente na literatura, baseada na Transformada Wavelet. Due to the growing demand for electricity, energy efficiency programs have started to include energy management and conservation solutions. In order to collaborate in the awareness and management of consumers’ energy use, non-intrusive load monitoring techniques allow the individual consumption of devices in an installation to be informed to the user. To implement this approach, there are four main steps: data collection, event detection, feature extraction, and load identification. The performance of the last step depends on how the previous steps are performed, especially the feature extraction, which involves the quantitative description of the behavior of an electrical appliance, also defined as load signature. In this context, this work focuses on the development of two approaches based on load signatures called V-I trajectories. In the traditional extraction approach, new characteristics are proposed, for use in steady-state and transitory state of the load signature. The second approach consists in developing a method that describes the load signature itself, through the two-dimensional Fourier series (2D) descriptors. With those proposed approaches, the results in load identification are evaluated with different classifiers (k-nearest neighbors, Ensemble, decision tree, support vector machine, and linear discriminant analysis) for three distinct and publicly available databases. Besides the evaluation of computational resources of the proposed methods, such as time and memory in an embedded system, the robustness of the methods to noise insertion is evaluated. The results obtained for both methods, in most cases, present classification accuracy higher than 90%. Also, the use of computational resources provides competitive results when compared to another method in the literature (state-of-the-art), based on the Wavelet Transform.

Os benefícios econômicos e ambientais da geração de energia elétrica pelo vento fizeram com que a energia eólica se tornasse uma das fontes mais promissoras para a geração de energia elétrica no Brasil. No entanto, a incerteza associada aos dados do vento, matéria-prima desta fonte de geração, geralmente não pode ser desprezada. Assim, os dados devem ser avaliados com precisão para reduzir efetivamente os riscos da geração eólica nas operações do sistema de energia, portanto motiva o desenvolvimento de técnicas de previsão que tiram proveito de medições quase em tempo real, coletadas de instrumentos distribuídos geograficamente. Nessa abordagem, são comparados métodos de previsão, baseados em redes neurais artificiais e modelos autorregressivos lineares visando o horizonte de curtíssimo prazo. Uma nova abordagem está sendo proposta neste trabalho, um modelo autorregressivo linear e uma rede neural artificial para a previsão probabilística da amplitude do vento no período de curtíssimo prazo. A abordagem do conjunto proposto foi extensivamente avaliada, usando dados reais de cinco estações anemométricas instaladas na região metropolitana de Curitiba. Os resultados demonstram que as incertezas nos dados do vento podem ser previstas de forma confiável e que um desempenho competitivo é obtido. The economic and environmental benefits of wind power generation made wind energy one of the most promising sources for electric power generation in Brazil. However, the uncertainty associated with wind data, the source of this generation, generally cannot be overlooked. Thus, the data must be accurately evaluated to effectively reduce the risks of wind generation in energy system operations, therefore it motivates the development of forecasting techniques that take advantage of measurements in almost real time, collected from geographically distributed instruments. In this approach, forecasting methods, based on artificial neural networks and linear autoregressive models are compared, aiming at the very short term horizon. A new approach is being proposed in this work, a linear autoregressive model and an artificial neural network for the probabilistic forecast of wind speed in the very short term. The proposed set approach was extensively evaluated, using real data from five anemometric stations installed in the metropolitan region of Curitiba. The results demonstrate that the uncertainties in the wind data can be reliably predicted and that a competitive performance is obtained.

Agência Nacional de Energia Elétrica (ANEEL) Diante da crescente demanda por energia no mundo todo, pesquisadores vêm desenvolvendo diferentes soluções de gerenciamento e conservação de energia. Técnicas como as de monitoramento não intrusivo de cargas podem auxiliar na avaliação mais detalhada do consumo, permitindo aplicar medidas de eficiência energética, reduzindo o consumo de determinados equipamentos com maior impacto no consumo global de energia. Neste tipo de abordagem, quatro principais fases são consideradas: coleta de dados, detecção de eventos, extração de características e identificação da carga. Neste contexto, este trabalho tem como proposta duas frentes principais: o desenvolvimento de uma base de dados simulada baseada em cargas residenciais e a aplicação do método matemático de Prony para extração de características. Na base de dados, as cargas foram modeladas em um software de transitórios elétricos, buscando sanar as principais limitações em bases de dados existentes na literatura, como: identificação de eventos de forma precisa (a nível de amostra), classes balanceadas e inserção de ruídos e harmônicos na rede. Como resultado foi obtida uma base de dados com seis sub-bases, com um cenário ideal, com a presença de indutância parasita, harmônicos na rede e diferentes níveis de ruído. Em seguida, utilizando métodos de extração e classificação de cargas da literatura foi possível analisar que a presença de não idealidades interfere diretamente na atuação do extrator de características e na identificação da carga. No desenvolvimento do extrator de características a partir do método de Prony, cinco diferentes soluções matemáticas do método foram comparadas: polinomial, mínimos quadrados, mínimos quadrados totais, Matrix Pencil e com base em filtros com resposta ao impulso de duração infinita. Ao analisar os resultados de classificação a partir deste método utilizando diferentes classificadores (k-Vizinhos mais Próximos, Árvores de Decisão, Ensemble, Análise de Discriminantes Lineares e Máquina de Vetor Suporte), os resultados alcançaram valores superiores 90% de acurácia na grande maioria dos casos avaliados. Cabe ressaltar que essa análise foi feita com diferentes bases de dados públicas, além da base de dados aqui proposta, demonstrando a viabilidade do uso prático do método proposto no contexto de classificação de cargas por meio de monitoramento não intrusivo. In face of the growing demand for energy worldwide, researchers have been developing different energy management and conservation systems. Techniques such as non-intrusive load monitoring can assist in a more detailed assessment of consumption, allowing the application of energy efficiency measures, reducing the consumption of certain equipment with a greater impact on global energy consumption. In this type of approach, four main phases are considered: data collection, event detection, feature extraction, and load identification. In this context, this work proposes two main contributions: the development of a simulated database based on residential loads and the application of the Prony’s mathematical method to extract features. Regarding the database, loads are modeled in a software that allows electrical transients modeling, seeking to improve the main limitations in existing databases in the literature, such as: precise identification of events (at sample level), balanced classes, and insertion of noise and harmonics in the waveforms. As a result, a database with six sub-bases is obtained with: an ideal scenario; the presence of leakage inductance; harmonics in the network; and different noise levels. Then, using the extraction methods and load classification from the literature, it is possible to analyze whether the presence of non-idealities directly interferes on the performance of the feature extractor and load identification. In the development of the feature extractor using the Prony’s method, five different mathematical solutions are compared: polynomial, least squares, total least squares, matrix pencil and based on infinite response filters. By analyzing the classification results using this method with different classifiers (k-Nearest Neighbors, Decision Trees, Ensemble, Linear Discriminant Analysis, and Support Vector Machine), the results reached values above 90% accuracy in the vast majority of evaluated cases. It is worth mentioning that this analysis was carried out with different public databases, in addition to the database proposed here, demonstrating the feasibility of the practical use of the proposed method in the context of load classification through non-intrusive monitoring.

Tendo em vista que a demanda energética está em constante crescimento, torna-se necessário suprir a falta de geração através da expansão da matriz energética por meio de fontes sustentáveis. A utilização do Sol como fonte sustentável é uma opção que vem sendo escolhida por diversos países, inclusive o Brasil. Para extrair a energia elétrica através dos raios solares são utilizados, por exemplo, os sistemas fotovoltaicos (FV). À medida em que há um aumento das instalações de sistemas FV, também cresce o número de sistemas conectados à rede, e em consequência, tem-se, por exemplo, um aumento na instabilidade da rede, uma complexidade do despacho de energia elétrica, entre outros fatores. Para minimizar estes problemas, é possível desenvolver modelos matemáticos para representar e analisar um sistema e que seja capaz de simular problemas eventuais. Neste contexto, este trabalho tem o objetivo de modelar empiricamente um arranjo FV de forma a representá-lo de maneira dinâmica. O arranjo FV é composto por um conjunto de módulos FV, o qual é responsável pela geração de energia elétrica do sistema e, por isso, torna-se um componente fundamental do sistema FV. Além disso, o arranjo FV está exposto às condições climáticas que podem comprometer a sua geração de energia elétrica. Sendo assim, desenvolver um modelo que represente a geração FV é uma opção quando se deseja ter uma análise detalhada do sistema. Para desenvolver um modelo dinâmico da geração FV, é utilizada a Identificação de Sistemas através da modelagem caixa-preta. A Identificação caixa-preta se resume em observar a dinâmica do sistema através da medição e análise de correlação dos sinais de entrada e saída do sistema. Para este trabalho, serão considerados como sinais de entrada a irradiância e a temperatura do módulo, e como sinal de saída, a potência de corrente continua. Como estrutura do modelo, são desenvolvidos representações de modelos lineares e não lineares. Diante do estado da arte, a modelagem FV é normalmente desenvolvida por modelos baseados em diodo. Neste cenário, para comparar com os modelos propostos, os modelos de diodo único e duplo foram também desenvolvidos. Os resultados mostram que no melhor cenário a modelagem dinâmica proposta apresentou um Erro Quadrático Médio Normalizado e Erro Percentual Absoluto Médio de 0,8737 e 0,1446, respectivamente, contra 0,6962 e 0,3448, respectivamente dos modelos de diodo. Concluindo que, para esta aplicação, o modelo via caixa-preta apresentou resultados mais precisos que os modelos de diodo, o que torna a Identificação de Sistemas uma alternativa para a modelagem de sistemas FV. In view of the growth of energy demand, it becomes a necessity to expand the power grid though renewable energy sources. The solar energy as a renewable source is an option choosen by some countries including Brazil. In order to extract eletrict energy thought sunlights, photovoltaic systems (PV) are often used. As the number of PV systems installations increases, the number of systems connected on grid also grows. In this context, there is a raise of the instability of the grid, a higher complexity on energy dispatch, and others factors. In order to minimize these problems, it is possible to develop mathematical models to represent and analyze a system and to be able to simulate eventual issues. In this context, the goal of this work is to empirically model a PV panel in order to represent the system dynamically. The PV panel is composed by a set of PV module, in which is responsible to produce the power electricity and, thus, it becomes a fundamental component of the PV system. In addition, the PV panel is exposed to the climate environment and it may compromise the power generation. To develop a dynamic model in the PV generation, the system identification black box modelling is used. The black box model consists in observe the systems dynamic though measuring the input and output signals of the system. In this work, the irradiance and temperature of PV module are considered the input signals and the power is the output signal. By this model structure, linear and non linear models are developed. Based on the state of art, the PV modelling is normally developed by diode models. In this scenario, to compare the proposed models, single diode and double diode models are also developed. Results shown that in the best case the dynamic model presented a NRMSE and MAPE of 0.8737 and 0.1446, respectively, against of 0.6962 and 0.3448, respectively, of the diode models. Concluding that, in this application, the black box model presented better results. Which makes the system identification an alternative to modelling the PV panel.

Neste trabalho propõe-se um Sistema Híbrido de Localização para Ambientes Internos (H-IPS, do inglês Hybrid Indoor Positioning Sytem) baseado no mecanismo de beacons do Bluetooth Low Energy (BLE). Realiza-se a fusão das técnicas de Fingerprinting (FP) e Multilateração (MLT), ambas baseadas no Indicador de Intensidade de Sinal Recebido (RSSI, do inglês Received Signal Strength Indicator). O objetivo é estimar a localização de um objeto móvel em um ambiente fechado, considerando que este segue um modelo de movimento com velocidade constante. Aplica-se um Filtro de Kalman (FK) para cada saída (FP e MLT), com o objetivo de suavizar o erro associado a cada técnica. Finalmente, é realizada a fusão dos vetores de estado obtidos após a filtragem, para reduzir a incerteza do posicionamento obtido. Os resultados indicam que o esquema proposto apresenta um aumento na precisão da estimativa de posição de 46%, quando comparado com a técnica de FP, e de aproximadamente 54%, quando comparado com a técnica de MLT. Além disso, analisou-se a influência do tamanho da grade utilizada para estruturar o banco de dados de fingerprinting, o número de Pontos de Acesso (Aps, do inglês Access Points) e como o número de amostras utilizadas afeta a precisão do esquema apresentado. Por fim, os resultados mostram que a probabilidade de que o erro de distância do H-IPS desenvolvido seja menor do que 2 m é 92%, enquanto que para FP e MLT a mesma probabilidade é de 43% e 47%, respectivamente. In this work it was considered the Bluetooth Low Energy (BLE) beaconing mechanism to propose an Hybrid Indoor Positioning System (H-IPS) that fuses both multilateration (MLT) and fingerprinting (FP) RSSI-based approaches. The aim is to estimate the localization of an indoor target node, which is assumed to follow a uniform motion model. It was adopted Kalman Filtering (KF) to diminish the MLT and FP errors while performing a track-to-track fusion (TTF) of the two KF outputs to further improve the performance. The results indicate that the proposed H-IPS improves the estimation accuracy when individually compared to the standalone FP scheme in up to 46% in the considered scenarios, while the standalone MLT is outperformed in approximately 54%. Moreover, some insights on the influence of parameters such as the FP grid size, number of access points (Aps) and number of samples on the accuracy of the proposed scheme are provided. Finally, it is shown that the probability that the distance error of the proposed H-IPS is lower than 2 m is 92%, while for the FP and MLT the same probability is 43% and 47%, respectively.