Avaliação de ferramentas de Machine Learning para classificação de faltas em linhas de transmissão

Abstract

Este estudo propõe a aplicação de técnicas de Machine Learning para a classificação de faltas em linhas de transmissão no cenário pós-falta. O objetivo principal é desenvolver um sistema eficaz capaz de classificar diferentes tipos de faltas na rede elétrica de transmissão após a ocorrência de uma falha. Utilizando dados simulados, são comparados diversos modelos de aprendizado de máquina, como Regressão Logística, kNN, Random Forest, SVM e Rede Neural Artificial, para determinar qual apresenta maior precisão na classificação dos tipos de faltas. Este trabalho visa contribuir para a eficiência operacional e a confiabilidade do sistema elétrico, inserindo-se no âmbito da automação e monitoramento inteligente do setor elétrico brasileiro.