Relatório de produção acadêmica da Universidade Federal de São Carlos (UFSCar)
Departamento de Engenharia Elétrica (DEE)

• Total de projetos de pesquisa (3)
  
  1. 2019-Atual. Monitoramento via Sincrofasores, Analise de Seguranca Dinamica e Controle de Redes Eletricas do Futuro
     Descrição: Este projeto de pesquisa visa, frente aos desafios atuais da operação de sistemas elétricos, contribuir com a solução do difícil problema de desenvolver técnicas de monitoramento e análise de estabilidade para avaliação, em tempo real, da segurança dinâmica de sistemas elétricos de potência. As crescentes incertezas operacionais, provenientes do incremento de penetração de fontes renováveis não convencionais, que são intermitentes, variáveis e não despacháveis, fazem com que as análises de segurança, atualmente realizadas no ambiente de planejamento da operação, não consigam garantir a operação segura dos sistemas elétricos de potência. Este projeto de pesquisa busca, portanto, vencer um enorme desafio que é desenvolver e aplicar, no ambiente de operação, técnicas de avaliação de segurança dinâmica e monitoramento que sejam rápidas o suficiente para alertar e auxiliar o operador, em tempo real, a manter o sistema elétrico operando em um estado seguro, evitando interrupções de energia e a ocorrência de blecautes mesmo em condições de incertezas operacionais e considerando a crescente penetração de geração a partir de fontes de energia renováveis não convencionais. Para vencer este desafio, os objetivos deste projeto foram divididos em cinco tópicos principais: (i) desenvolvimento de ferramentas de monitoramento de segurança dinâmica utilizando medições fasoriais, (ii) incorporação de modelos de geração eólica nos estudos de estabilidade e avaliações de segurança dinâmica, (iii) desenvolvimento de técnicas rápidas de análises de contingência considerando incertezas operacionais, (iv) desenvolvimento de técnicas de seleção de controles preventivos e emergenciais e (v) integração das técnicas desenvolvidas de monitoramento (via medições fasoriais) e avaliação de segurança (baseada em modelos) explorando suas vantagens e complementariedades. Com estes estudos e desenvolvimentos, pretende-se fornecer, em tempo real, para o operador, informações de margem de estabilidade confiáveis e sugestões de controles preventivos e emergenciais que possam ajudá-lo a manter o sistema elétrico operando em condição segura mesmo em situações de incertezas operacionais e considerando os impactos da penetração da geração eólica nos estudos de estabilidade destes sistemas.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) / Mestrado acadêmico: (4) / Doutorado: (4) . Integrantes: Tatiane Cristina da Costa Fernandes - Integrante / Roman Kuiava - Integrante / Artur Bohnen Piardi - Integrante / Luis Fernando Costa Alberto - Coordenador / Rodrigo Andrade Ramos - Integrante / Ahda Pionkoski Grilo Pavani - Integrante / Daniel Dotta - Integrante / Edwin Choque Pillco - Integrante / Marcelo Favoretto Castoldi - Integrante.
     Membro: Tatiane Cristina da Costa Fernandes.
  2. 2019-Atual. Monitoramento Nao Invasivo de Cargas Baseado em Graficos de Recorrencia e Deep Learning no Contexto de Smart Homes.
     Descrição: Atualmente, há grande preocupação com o gerenciamento da energia elétrica, principalmente, em grandes centros consumidores. Neste sentido, muitas pesquisas têm sido destinadas ao gerenciamento de energia residencial, pois estas visam a obtenção de soluções que permitam o monitoramento e identificação não invasivo de cargas, bem como a melhor eficiência no consumo de energia elétrica. Em conformidade com esse contexto, este projeto de pesquisa busca aprimorar o monitoramento não invasivo de cargas residenciais, considerando que as alterações de estado das cargas ocorrem ao longo do tempo. Portanto, pode-se destacar um dos grandes desafios encontrados na literatura, que é a identificação de padrões não lineares na classificação de séries temporais, comumente presentes em sistemas dinâmicos ou processos estocásticos. Frequentemente, estes fenômenos são recorrentes, de modo que certas regiões de seu espaço de estados são corriqueiramente visitadas. Ademais, a visualização desses comportamentos geralmente é muito difícil no domínio do tempo. Seguindo esta premissa, o presente projeto visa conduzir um amplo estudo sobre a utilização conjunta de gráficos de recorrência e técnicas de Deep Learning para a classificação de séries temporais. Para tanto, serão propostas algumas modificações no algoritmo de geração dos gráficos de recorrência para que este se torne adequado ao propósito do monitoramento não invasivo de cargas. Essa etapa de pré-processamento realizada por meio dos gráficos de recorrência será analisada para dados obtidos em distintas taxas de amostragem. Assim, será considerado um conjunto de dados obtido por meio de experimentos do Laboratório de Inteligência Artificial Aplicada (LIAA) da Universidade Federal de São Carlos. Após o tratamento destes dados, serão consideradas técnicas de Deep Learning para a detecção de eventos (alterações de estado) e classificação das cargas.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Tatiane Cristina da Costa Fernandes - Integrante / Ricardo Augusto Souza Fernandes - Coordenador / Denis Vinicius Coury - Integrante.
     Membro: Tatiane Cristina da Costa Fernandes.
     Descrição: Este projeto de pesquisa busca aprimorar o monitoramento não invasivo de cargas residenciais, considerando que as alterações de estado das cargas ocorrem ao longo do tempo. Dessa forma, busca-se conduzir um amplo estudo sobre a utilização conjunta de gráficos de recorrência e técnicas de Deep Learning para a classificação de séries temporais.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (1) / Mestrado profissional: (0) / Doutorado: (1) . Integrantes: Ricardo Augusto Souza Fernandes - Coordenador / Diego Luiz Cavalca - Integrante / Anderson Luis de Moraes - Integrante / Mario Berges - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
     Membro: Ricardo Augusto Souza Fernandes.
  3. 2018-2019. Sistema De Autenticacao Por Reconhecimento Do Padrao De Digitacao
     Descrição: Neste mundo cada vez mais digital, cresce a necessidade de segurança e privacidade nos sistemas que usamos. Para que exista segurança, é necessário garantir a autenticidade do usuário, sendo o método de login com senha o mais utilizado. A desvantagem deste método é a necessidade de intervenção do usuário, assim como os métodos biométricos. Vários pesquisadores mostraram que o padrão de digitação pode ser usado para se reconhecer o usuário porém a tecnologia ainda não está madura, com poucos softwares desenvolvidos para tal fim. Este projeto tem como objetivo desenvolver um sistema que reconhece os usuários cadastrados baseado no seu perfil de digitação. Para isso, será desenvolvida uma API com interface em javascript e html5 que possa ser embarcada em sistemas web para coletar e enviar o padrão de digitação, autenticando ou negando o acesso ao usuário automaticamente. Para o aprendizado do padrão de digitação dos usuários, serão coletados 10 minutos de digitação de 50 usuários e uma rede neural desenvolvida com o framework tensorflow será utilizada para extrair características do padrão de digitação e criar a API de classificação. Espera-se que o sistema, depois de treinado, seja capaz de reconhecer o usuário pelo seu padrão de digitação, eliminando a necessidade de sessões expiradas por tempo de uso em que se precise digitar usuário e senha novamente. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) . Integrantes: Tatiane Cristina da Costa Fernandes - Integrante / Gustavo Voltani von Atzingen - Coordenador / Márcio Kassouf Crocomo - Integrante.
     Membro: Tatiane Cristina da Costa Fernandes.
  
  

Prêmios e títulos