APLICACIÓN DE ALGORITMOS DE APRENDIZAJE AUTOMÁTICO EN LA PREDICCIÓN DE FALLAS EN REDES ELÉCTRICAS

Resumo

A previsão precoce de falhas em redes elétricas por meio de técnicas de aprendizado de máquina constitui um campo de pesquisa de crescente interesse, devido à sua capacidade de melhorar a confiabilidade e eficiência dos sistemas elétricos. Este estudo avalia e compara o desempenho de algoritmos supervisionados e não supervisionados, incluindo redes neurais artificiais (RNA), random forest (RF), máquinas de vetores de suporte (SVM) e análise de componentes principais (PCA). Os resultados indicam que as RNA e RF alcançam os melhores resultados, com uma precisão de 92% e 89%, respectivamente. As RNA se destacam na sensibilidade (90%), enquanto RF e SVM alcançam uma maior especificidade (90%). A área sob a curva ROC confirma as RNA como o classificador mais efetivo (0,95), seguido por RF e SVM (0,94 ambos). As análises também revelam uma relação direta entre o volume de dados e o desempenho do modelo. Além disso, a qualidade dos dados impacta significativamente na precisão. Em conclusão, as técnicas de aprendizado profundo, especificamente as RNA, são alternativas promissoras para a implementação de sistemas inteligentes de gestão de redes elétricas. No entanto, a curadoria de dados e a combinação de abordagens complementares continuam sendo necessárias para fortalecer os modelos.