Melhorias no Modelo de Classificação

Devido à baixa disponibilidade de bases de dados contendo informação sobre faltas e seus eventos causadores o modelo foi gerado a partir de um número reduzido de ocorrên- cias. É trabalho futuro aplicar o modelo gerado a outras bases de dados com diferentes causas de faltas para para observar se a impedância também pode ser aplicada para a identificação de outros eventos.

Outra linha a ser seguida é a avaliação de outras características que possam ser adicionadas ao modelo de classificação. Parâmetros extraídos a partir de representa- ções geométricas dos sinais, como os apresentados nos trabalhos de Gomes [2011] e Lovisolo et al. [2012] podem ser avaliados em trabalhos futuros.

Um aumento da base avaliada pode influenciar na busca por novas representações dos dados, com o objetivo de se obter um novo hiperplano de separação no modelo SVM. Consequentemente, a identificação de melhores parâmetros para funções kernel pode ser tornar mais complexa. Para auxiliar nesse problema alguns métodos podem

6.1. Trabalhos Futuros 55

ser incorporados ao processo para configuração dos parâmetros, como apresentado em Lorbert & Ramadge [2010].

Referências Bibliográficas

ANEEL (2013). Agência Nacional de Energia Elétrica - http://www.aneel.gov.br/. Belegundu, A. D. & Chandrupatla, T. R. (2011). Optimization Concepts and Applica-

tions in Engineering. Cambridge University Press.

Bishop, C. (1995). Neural Networks for Pattern Recognition. Oxford University Press. Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Information Science

and Statistics). Springer-Verlag.

Blackburn, J. L. (1993). Symmetrical Components for Power Systems Engineering. CRC Press.

Chen, P.-H.; Lin, C.-J. & Scholkopf, B. (2005). A tutorial on v-support vector machines. Applied Stochastic Models in Business and Industry, 21(2):111 – 136.

Daubechies, I. (1998). Orthonormal bases of compactly supported wavelets. Commu- nications on Pure and Applied Mathematics, 41(7):909 –996.

Ekici, S. (2012). Support vector machines for classification and locating faults on transmission lines. Applied Soft Computing, 12:1650–1658.

Ekici, S.; Yildirim, S. & Poyraz, M. (2008). Energy and entropy-based feature extrac- tion for locating fault on transmission lines by using neural network and wavelet packet decomposition. Expert Systems with Applications, 34:2937–2944.

Eristi, H. & Demir, Y. (2012). Automatic classification of power quality events and disturbances using wavelet transform and support vector machines. IET Generation, Transmission & Distribution, 6:968 –976.

Fernandez, R. C. & Rojas, H. N. D. (2002). An overview of wavelet transforms appli- cation in power systems. Proceedings 14th. PSCC, Sevilla, Spain, pp. 24–28.

58 Referências Bibliográficas

Girgis, A.; Hart, D. & Peterson, W. (1992). A new fault location technique for two and three-terminal lines. IEEE Transactions on Power Delivery, 7:98--107.

Gomes, A. S. (2011). Detecção e classificação de faltas em linhas de transmissão utilizando análise funcional e inteligência computacional. Dissertação de mestrado, Universidade Federal de Minas Gerais.

Grotschel, M.; Lovasz, L. & Schrijver, A. (1988). Geometric algorithms and combina- torial optimization. Springer-Verlag.

Huang, G.-B.; Zhu, Q.-Y. & Siew, C.-K. (2006). Extreme learning machine: Theory and applications. Neurocomputing, 70:489 –501.

Johns, A. T. & Jamali, S. (1990). Accurate fault location technique for power trans- mission lines. IEE Proceedings, 137:395--402.

K. Kira, L. A. R. (1992). A practical approach for feature selection. Proceedings of the ninth international workshop on Machine Learning, pp. 249–256.

Kizilcay, M. (2010). Alternative transients program. http://www.emtp.org/.

Kohavi, R. (1995). A study of cross-validation and bootstrap for accuracy estimation and model selection. Proceedings of the Fourteenth International Joint Conference on Artificial Intelligence, 12:1137 –1143.

Lorbert, A. & Ramadge, P. J. (2010). Descent methods for tuning parameter refine- ment. Em Proceedings of the 13th International Conference on Artificial Intelligence and Statistics.

Lovisolo, L.; Neto, J. M.; Figueiredo, K.; de Menezes Laporte, L. & dos Santos Rocha, J. (2012). Location of faults generating short-duration voltage variations in distri- bution systems regions from records captured at one point and decomposed into damped sinusoids. IET Generation, Transmission & Distribution, 6:1225 –1234. Malathi, V.; Marimuthub, N. & Baskar, S. (2010). Intelligent approaches using sup-

port vector machine and extreme learning machine for transmission line protection. Neurocomputing, 73:2160 –2167.

Misiti, M.; Misiti, Y.; Oppenheim, G. & Poggi, J. M. (2004). Wavelet toolbox for use with Matlab, User’s Guide, 3 edição.

Referências Bibliográficas 59

Morchen, F. (2003). Time series feature extraction for data mining using dwt and dft. Relatório técnico 33, Department of Mathematics and Computer Science, University of Marburg, Germany.

Oliveira, C. C. B.; Schmidt, H. P.; Kagan, N. & Robba, E. J. (1996). Introdução a Sistemas Elétricos de Potência - Componentes Simétricas. Ed. Edgard Blutcher. ONS (2013). Operador Nacional do Sistema Elétrico - http://www.ons.org.br/. Queiroz, F. A. A.; Vieira, D. A. G. & Travassos, X. L. (2013). Analyzing the rele-

vant features of gpr scattered waves in time- and frequency-domain. Research in Nondestructive Evaluation, pp. 0934–9847.

Radojevic, Z. M.; Kim, C. H.; Popov, M.; Preston, G. & Terzija, V. (2009). New approach for fault location on transmission lines not requiring line parameters. IEEE Transactions on Power Delivery, 19:554--559.

Saha, M. M.; Izykowski, J. & Rosolowski, E. (2010). Fault Location on Power Networks. Springer-Verlag.

Shannon, C. (1948). A mathematical theory of communication. Bell System Technical Journal, 27:379 –423.

Silveira, E. G. (2007). Localização de Faltas em Linhas de Transmissão: Desenvolvi- mento de novos Algoritmos e Implementação de Sistema Computacional para Apli- cações Práticas. Tese de doutorado, Universidade Federal de Minas Gerais.

Takagi, K.; Yomakoshi, Y.; Yamaura, M.; Kondow, R. & Matsushima, T. (1982). Development of a new type fault locator using the one terminal voltage and current data. IEEE Trans. Power App. Syst., pp. 2892--2898.

Tizouvaras, D. A.; Roberts, J. & Benmouyal, G. (2001). New multi-ended fault lo- cation design for two- or three-terminal lines. Em Developments in Power System Protection, 2001, Seventh International Conference on (IEE).

Vieira, D. A. G.; Oliveira, D. B. & Lisboa, A. C. (2013a). A closed form solution for transmission line fault location without the need of terminal synchronization or line parameters. IEEE Transactions on Power Delivery, 28(2):1238--1239.

Vieira, D. A. G.; Oliveira, D. B. & Lisboa, A. C. (2013b). A closed form solution for untransposed transmission lines fault location with non-synchronized terminals. IEEE Transactions on Power Delivery, 28(1):524--525.

60 Referências Bibliográficas

Vieira, D. A. G.; Takahashi, R. H. C.; Palade, V.; Vasconcelos, J. A. & Caminhas, W. M. (2008). The q-norm complexity measure and the minimum gradient method: A novel approach to the machine learning structural risk minimization problem. IEEE Transactions on Neural Networks, 19:1415–1430.