| Processo: | 18/19150-6 |
| Modalidade de apoio: | Bolsas no Exterior - Pesquisa |
| Data de Início da vigência: | 01 de dezembro de 2018 |
| Data de Término da vigência: | 31 de janeiro de 2019 |
| Área de conhecimento: | Engenharias - Engenharia Elétrica - Sistemas Elétricos de Potência |
| Pesquisador responsável: | Carlos Dias Maciel |
| Beneficiário: | Carlos Dias Maciel |
| Pesquisador Anfitrião: | Marco Aiello |
| Instituição Sede: | Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil |
| Instituição Anfitriã: | University of Stuttgart, Alemanha |
| Vinculado ao auxílio: | 14/50851-0 - INCT 2014: Instituto Nacional de Ciência e Tecnologia para Sistemas Autônomos Cooperativos Aplicados em Segurança e Meio Ambiente, AP.TEM |
| Assunto(s): | Modelagem de sistemas Redes bayesianas Distribuição de energia elétrica Sistemas complexos |
| Palavra(s)-Chave do Pesquisador: | Modelagem de Sistemas | Projeto resiliente | Redes Bayesianas Dinâmicas | Sistemas de distribuição de energia | Modelagem de Sistemas |
Resumo Os sistemas complexos são compostos de diferentes elementos, mas em oposição a outros sistemas, seu comportamento global surge como uma combinação não trivial de suas partes. Como são organizados sem qualquer regra geral, tais fenômenos são vistos tanto na natureza quanto em modernos sistemas de engenharia, e seu comportamento está relacionado à conectividade e a dinâmica dos elementos. A resiliência está relacionada à capacidade de um determinado sistema em ser robusto a perda de performance, superar as consequências de danos após eventos prejudiciais e ser melhorado para futuras ocorrências de danos. O aumento da complexidade dos sistemas impõe limitações à observabilidade e modelagem, e suas variáveis e o processo interno precisam ser tratados como variáveis aleatórias. Pearl (2016) mostra que a busca de dependência entre esses processos indica os conceitos de causalidade e possibilidade de uma compreensão mais profunda do comportamento do sistema. O uso de modelos probabilísticos tornou-se uma das principais abordagens para avaliar sistemas complexos - usando as informações pregressas dos sistemas, juntamente com dados coletados (ou evidências) podem ser determinadas as possíveis causas de falhas e as ações futuras. O uso de modelos gráficos para representar as informações de causalidade é conhecido como redes bayesianas (dinâmicas) RBD. As redes bayesianas dinâmicas são modelos gráficos que usam um grafo acíclico direcionado para a representação dos modelos de causa e efeito e, sua evolução temporal. O aprendizado de redes bayesianas apresenta muitos desafios, uma vez que esses modelos têm um crescimento super-exponencial, necessitando de algoritmos computacionalmente intensos e utilizando de abordagens paralelas. O presente projeto visa o uso de RBD para modelar o desempenho de sistemas críticos, em especial o de distribuição de energia, visando melhor uso dos conceitos de resiliência. (AU) | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |