Algoritmos de Aprendizado de Máquina Embarcados para Determinação da Contribuição Harmônica em Pontos de Acoplamento Comum de Microrredes

• Processo: 25/15061-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de outubro de 2025
• Data de Término da vigência: 30 de setembro de 2026
• Área de conhecimento: Engenharias - Engenharia Elétrica - Medidas Elétricas, Magnéticas e Eletrônicas, Instrumentação
• Pesquisador responsável: Ricardo Augusto Souza Fernandes
• Beneficiário: Pedro Chiusoli Montagnoli
• Instituição Sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Inteligência artificial Microrredes Sistemas embarcados
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Distorções Harmônicas | Inteligência Artificial | Microrredes | Sistemas Embarcados

Resumo

A presença de cargas não lineares em microrredes tem contribuído para o aumento das distorções harmônicas nos sistemas de distribuição de energia elétrica. Desse modo, identificar corretamente a fonte dessas distorções, especialmente em pontos de acoplamento comum entre a microrrede e a rede de média tensão de responsabilidade da concessionária, é essencial para garantir a qualidade da energia elétrica entregue aos consumidores. Este trabalho propõe o desenvolvimento e a implementação embarcada de algoritmos de aprendizado de máquina, utilizando classificadores baseados em ensembles de árvores de decisão (Random Forest e Extreme Gradient Boosting - XGBoost), com a finalidade de determinar o lado onde se encontra a fonte harmônica de maior contribuição às distorções medidas/calculadas no ponto de acoplamento comum. A pesquisa tem como foco a viabilização de modelos preditivos robustos e compactos, capazes de operar em plataformas de hardware com recursos limitados. Utilizando sinais trifásicos de tensão e corrente simulados do sistema teste IEEE de 34 barras, serão extraídas informações relevantes para o treinamento dos modelos. Busca-se, assim, equilibrar acurácia e simplicidade computacional, com ênfase na robustez e implementação em hardware, visando a validação dos modelos compatíveis com a execução embarcada, oferecendo uma solução prática para o monitoramento de microrredes.