Busca avançada
Ano de início
Entree

Resiliência de sistemas complexos com o uso de redes bayesianas dinâmicas: uma abordagem probabilística

Processo: 18/19150-6
Modalidade de apoio:Bolsas no Exterior - Pesquisa
Vigência (Início): 01 de dezembro de 2018
Vigência (Término): 31 de janeiro de 2019
Área do 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
Local de pesquisa: 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) no Pesquisa para Inovação FAPESP sobre a bolsa:
Tecnologia ajuda a reduzir o tempo de reparo em caso de falhas na rede elétrica 
Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (13)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
RIBEIRO, VITOR P.; CUNHA, ANGELA S. M.; DUARTE, SERGIO N.; PADOVANI, CARLOS R.; MARQUES, PATRICIA A. A.; MACIEL, CARLOS D.; BALESTIERI, JOSE ANTONIO P.; IEEE. Bayesian Network for Hydrological Model: an inference approach. 2022 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 7-pg., . (14/50851-0, 21/02464-0, 18/19150-6)
BATISTA TSUKAHARA, VICTOR HUGO; DE OLIVEIRA JUNIOR, JORDAO NATAL; BARTH, VITOR BRUNO DE OLIVEIRA; DE OLIVEIRA, JASIARA CARLA; COTA, VINICIUS ROSA; MACIEL, CARLOS DIAS. Data-Driven Network Dynamical Model of Rat Brains During Acute Ictogenesis. FRONTIERS IN NEURAL CIRCUITS, v. 16, p. 13-pg., . (14/50851-0, 18/19150-6)
DOURADO, JONAS R.; DE OLIVEIRA JUNIOR, JORDAO NATAL; MACIEL, CARLOS D.. Parallelism Strategies for Big Data Delayed Transfer Entropy Evaluation. ALGORITHMS, v. 12, n. 9, . (14/50851-0, 18/19150-6)
SANTOS, TALYSSON M. O.; JUNIOR, JORDAO N. O.; BESSANI, MICHEL; MACIEL, CARLOS D.; IEEE. CO2 Emissions Forecasting in Multi-Source Power Generation Systems Using Dynamic Bayesian Network. 2021 15TH ANNUAL IEEE INTERNATIONAL SYSTEMS CONFERENCE (SYSCON 2021), v. N/A, p. 8-pg., . (14/50851-0, 18/19150-6)
CAETANO, HENRIQUE O.; DESUO, N. LUIZ; FOGLIATTO, MATHEUS S. S.; MACIEL, CARLOS D.. Distribution systems cost reduction based on switches upgrades: A stochastic. Electric Power Systems Research, v. 216, p. 6-pg., . (14/50851-0, 21/12220-1, 19/06531-4, 18/19150-6)
SANT'ANNA FOGLIATTO, MATHEUS DE SOUZA; NETO, LUIZ DESUO; CAETANO, HENRIQUE DE OLIVEIRA; FANUCCHI, RODRIGO ZEMPULSKI; MACIEL, CARLOS DIAS; IEEE. A Multilevel Crews Patrolling Framework for Distribution System Recovering. SYSCON 2022: THE 16TH ANNUAL IEEE INTERNATIONAL SYSTEMS CONFERENCE (SYSCON), v. N/A, p. 8-pg., . (14/50851-0, 18/19150-6)
FOGLIATTO, MATHEUS S. S.; DESUO, LUIZ N.; RIBEIRO, RAFAEL R. M.; MONTEIRO, JOSE ROBERTO B. A.; LONDON, JOAO B. A.; BESSANI, MICHEL; MACIEL, CARLOS D.. Lifetime Study of Electrical Power Distribution Systems Failures. JOURNAL OF CONTROL AUTOMATION AND ELECTRICAL SYSTEMS, . (18/19150-6, 14/50851-0)
MASSIGNAN, JULIO A. D.; LONDON, JR., JOAO B. A.; BESSANI, MICHEL; MACIEL, CARLOS D.; FANNUCCHI, RODRIGO Z.; MIRANDA, VLADIMIRO. ayesian Inference Approach for Information Fusion in Distribution System State Estimatio. IEEE TRANSACTIONS ON SMART GRID, v. 13, n. 1, p. 526-540, . (18/19150-6, 18/00214-4, 14/50851-0)
FANUCCHI, RODRIGO Z.; BESSANI, MICHEL; CAMILLO, MARCOS H. M.; SOARES, ANDERSON DA S.; LONDON JR, JOAO B. A.; DESUO, LUIZ; MACIEL, CARLOS D.. Stochastic indexes for power distribution systems resilience analysis. IET GENERATION TRANSMISSION & DISTRIBUTION, v. 13, n. 12, p. 2507-2516, . (14/50851-0, 18/19150-6)
NATAL, JORDAO; AVILA, IVONETE; TSUKAHARA, VICTOR BATISTA; PINHEIRO, MARCELO; MACIEL, CARLOS DIAS. Entropy: From Thermodynamics to Information Processing. Entropy, v. 23, n. 10, . (18/19150-6, 14/50851-0)
FANUCCHI, RODRIGO Z.; BESSANI, MICHEL; CAMILLO, MARCOS H. M.; DESUO NETO, LUIZ; DA S. SOARES, ANDERSON; DE LIMA, TELMA W.; LONDON JR, JOAO B. A.; DANTAS, LUCIANO B.; MACIEL, CARLOS D.. A multi-objective algorithm to determine patrol sequences for out-of-service nodes in power distribution feeders. Electric Power Systems Research, v. 196, . (14/50851-0, 18/19150-6)
FOGLIATTO, M. S. S.; CAETANO, H. O.; DESUO N, L.; MASSIGNAN, J. A. D.; FANUCCHI, R. Z.; LONDON, J. B. A.; PEREIRA, B. R.; BESSANI, M.; MACIEL, C. D.. Power distribution system interruption duration model using reliability. Electric Power Systems Research, v. 211, p. 12-pg., . (18/19150-6, 21/12220-1, 14/50851-0)
DESUO, N. LUIZ; FOGLIATTO, MATHEUS S. S.; CAETANO, HENRIQUE O.; PEREIRA, J. BENVINDO R.; LONDON J, J. JOAO B. A.; MACIEL, CARLOS D.. A Multilayer System and Optimization Framework for Team Dispatch Towards Service Recovery. IEEE TRANSACTIONS ON RELIABILITY, v. N/A, p. 14-pg., . (19/07665-4, 21/12220-1, 14/50851-0, 18/19150-6)

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.