Descoberta de conhecimento em base de dados de eventos de desligamentos de empresas de distribuição
Autor(a) principal: | |
---|---|
Data de Publicação: | 2010 |
Outros Autores: | , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Sba: Controle & Automação Sociedade Brasileira de Automatica |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592010000200007 |
Resumo: | Este artigo explora a técnica de Descoberta de Conhecimento em Base de Dados (Knowledge Discovery in Databases - KDD) com o objetivo de qualificar a informação recolhida durante os trabalhos de recomposição de sistemas de distribuição por equipes de eletricistas. Esta qualificação possibilita a utilização de técnicas de Inteligência Artificial (IA) para apoiar decisões de investimentos em planejamento, operação e manutenção de sistemas de distribuição. Com o objetivo de ilustrar a importância dessa qualificação, este artigo apresenta, adicionalmente, a utilização dos resultados da aplicação de KDD para o treinamento de uma Rede Bayseana (RB). A meta principal da RB é auxiliar no diagnóstico de desempenho das redes elétricas, promovendo uma identificação indireta de causas de desligamentos forçados. A análise dos dados coletados durante uma interrupção forçada de energia elétrica indica que o principal objetivo dos eletricistas em campo é a rápida recomposição da rede e, por muitas vezes, as causas que cercam os eventos que originaram as interrupções possuem um alto nível de subjetividade e incerteza, impossibilitando a sua identificação direta. Para ilustrar essa metodologia é apresentado um caso com 570.000 eventos, ao qual o KDD proporciona um novo ambiente - com um número significativo de dados - mais apropriado para o treinamento e validação da RB para identificação de causas de desligamentos não programados. |
id |
SBA-2_1e7ea28b2fdf219d998cd4acb18014af |
---|---|
oai_identifier_str |
oai:scielo:S0103-17592010000200007 |
network_acronym_str |
SBA-2 |
network_name_str |
Sba: Controle & Automação Sociedade Brasileira de Automatica |
repository_id_str |
|
spelling |
Descoberta de conhecimento em base de dados de eventos de desligamentos de empresas de distribuiçãoDescoberta de conhecimento em base de dadosMineração de dadosBanco de dadosIdentificação da causa de desligamentos não programadosRedes BayesianasEste artigo explora a técnica de Descoberta de Conhecimento em Base de Dados (Knowledge Discovery in Databases - KDD) com o objetivo de qualificar a informação recolhida durante os trabalhos de recomposição de sistemas de distribuição por equipes de eletricistas. Esta qualificação possibilita a utilização de técnicas de Inteligência Artificial (IA) para apoiar decisões de investimentos em planejamento, operação e manutenção de sistemas de distribuição. Com o objetivo de ilustrar a importância dessa qualificação, este artigo apresenta, adicionalmente, a utilização dos resultados da aplicação de KDD para o treinamento de uma Rede Bayseana (RB). A meta principal da RB é auxiliar no diagnóstico de desempenho das redes elétricas, promovendo uma identificação indireta de causas de desligamentos forçados. A análise dos dados coletados durante uma interrupção forçada de energia elétrica indica que o principal objetivo dos eletricistas em campo é a rápida recomposição da rede e, por muitas vezes, as causas que cercam os eventos que originaram as interrupções possuem um alto nível de subjetividade e incerteza, impossibilitando a sua identificação direta. Para ilustrar essa metodologia é apresentado um caso com 570.000 eventos, ao qual o KDD proporciona um novo ambiente - com um número significativo de dados - mais apropriado para o treinamento e validação da RB para identificação de causas de desligamentos não programados.Sociedade Brasileira de Automática2010-04-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592010000200007Sba: Controle & Automação Sociedade Brasileira de Automatica v.21 n.2 2010reponame:Sba: Controle & Automação Sociedade Brasileira de Automaticainstname:Sociedade Brasileira de Automática (SBA)instacron:SBA10.1590/S0103-17592010000200007info:eu-repo/semantics/openAccessTronchoni,Alex B.Pretto,Carlos O.Rosa,Mauro A. daLemos,Flávio A. Beconpor2010-04-26T00:00:00Zoai:scielo:S0103-17592010000200007Revistahttps://www.sba.org.br/revista/PUBhttps://old.scielo.br/oai/scielo-oai.php||revista_sba@fee.unicamp.br1807-03450103-1759opendoar:2010-04-26T00:00Sba: Controle & Automação Sociedade Brasileira de Automatica - Sociedade Brasileira de Automática (SBA)false |
dc.title.none.fl_str_mv |
Descoberta de conhecimento em base de dados de eventos de desligamentos de empresas de distribuição |
title |
Descoberta de conhecimento em base de dados de eventos de desligamentos de empresas de distribuição |
spellingShingle |
Descoberta de conhecimento em base de dados de eventos de desligamentos de empresas de distribuição Tronchoni,Alex B. Descoberta de conhecimento em base de dados Mineração de dados Banco de dados Identificação da causa de desligamentos não programados Redes Bayesianas |
title_short |
Descoberta de conhecimento em base de dados de eventos de desligamentos de empresas de distribuição |
title_full |
Descoberta de conhecimento em base de dados de eventos de desligamentos de empresas de distribuição |
title_fullStr |
Descoberta de conhecimento em base de dados de eventos de desligamentos de empresas de distribuição |
title_full_unstemmed |
Descoberta de conhecimento em base de dados de eventos de desligamentos de empresas de distribuição |
title_sort |
Descoberta de conhecimento em base de dados de eventos de desligamentos de empresas de distribuição |
author |
Tronchoni,Alex B. |
author_facet |
Tronchoni,Alex B. Pretto,Carlos O. Rosa,Mauro A. da Lemos,Flávio A. Becon |
author_role |
author |
author2 |
Pretto,Carlos O. Rosa,Mauro A. da Lemos,Flávio A. Becon |
author2_role |
author author author |
dc.contributor.author.fl_str_mv |
Tronchoni,Alex B. Pretto,Carlos O. Rosa,Mauro A. da Lemos,Flávio A. Becon |
dc.subject.por.fl_str_mv |
Descoberta de conhecimento em base de dados Mineração de dados Banco de dados Identificação da causa de desligamentos não programados Redes Bayesianas |
topic |
Descoberta de conhecimento em base de dados Mineração de dados Banco de dados Identificação da causa de desligamentos não programados Redes Bayesianas |
description |
Este artigo explora a técnica de Descoberta de Conhecimento em Base de Dados (Knowledge Discovery in Databases - KDD) com o objetivo de qualificar a informação recolhida durante os trabalhos de recomposição de sistemas de distribuição por equipes de eletricistas. Esta qualificação possibilita a utilização de técnicas de Inteligência Artificial (IA) para apoiar decisões de investimentos em planejamento, operação e manutenção de sistemas de distribuição. Com o objetivo de ilustrar a importância dessa qualificação, este artigo apresenta, adicionalmente, a utilização dos resultados da aplicação de KDD para o treinamento de uma Rede Bayseana (RB). A meta principal da RB é auxiliar no diagnóstico de desempenho das redes elétricas, promovendo uma identificação indireta de causas de desligamentos forçados. A análise dos dados coletados durante uma interrupção forçada de energia elétrica indica que o principal objetivo dos eletricistas em campo é a rápida recomposição da rede e, por muitas vezes, as causas que cercam os eventos que originaram as interrupções possuem um alto nível de subjetividade e incerteza, impossibilitando a sua identificação direta. Para ilustrar essa metodologia é apresentado um caso com 570.000 eventos, ao qual o KDD proporciona um novo ambiente - com um número significativo de dados - mais apropriado para o treinamento e validação da RB para identificação de causas de desligamentos não programados. |
publishDate |
2010 |
dc.date.none.fl_str_mv |
2010-04-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592010000200007 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592010000200007 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/S0103-17592010000200007 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Sociedade Brasileira de Automática |
publisher.none.fl_str_mv |
Sociedade Brasileira de Automática |
dc.source.none.fl_str_mv |
Sba: Controle & Automação Sociedade Brasileira de Automatica v.21 n.2 2010 reponame:Sba: Controle & Automação Sociedade Brasileira de Automatica instname:Sociedade Brasileira de Automática (SBA) instacron:SBA |
instname_str |
Sociedade Brasileira de Automática (SBA) |
instacron_str |
SBA |
institution |
SBA |
reponame_str |
Sba: Controle & Automação Sociedade Brasileira de Automatica |
collection |
Sba: Controle & Automação Sociedade Brasileira de Automatica |
repository.name.fl_str_mv |
Sba: Controle & Automação Sociedade Brasileira de Automatica - Sociedade Brasileira de Automática (SBA) |
repository.mail.fl_str_mv |
||revista_sba@fee.unicamp.br |
_version_ |
1754824565167489024 |