Classificação de distúrbios de qualidade da energia utilizando técnicas de aprendizado de máquina

O aumento da demanda por energia elétrica e a crescente presença de dispositivos eletrônicos conectados à rede elétrica tornaram a qualidade da energia elétrica (QEE) um tema de grande relevância. Dispositivos eletrônicos, especialmente aqueles baseados em eletrônica de potência, introduzem distorções nos sinais de tensão e corrente, podendo causar diversos problemas, como superaquecimento de equipamentos, interferências em sistemas de comunicação e redução da vida útil dos dispositivos. A identificação precisa dos distúrbios associados a esses problemas permite a tomada de medidas proativas para mitigar impactos negativos, prevenindo danos a equipamentos e prejuízos financeiros. Diante desse contexto, este trabalho propõe o estudo dos principais distúrbios de QEE, a identificação de parâmetros de referência e o desenvolvimento de um classificador capaz de diferenciá-los com base em suas características mais relevantes. Para isso, foram utilizados conceitos de aprendizado de máquina, treinando o modelo com uma base de dados sintética fornecida pelo IEEE Dataport e com o auxílio do software MATLAB®. Os resultados evidenciaram a possibilidade de classificar diversos distúrbios, tanto isolados quanto combinados, utilizando árvores de decisão, com acurácia superior a 99%. Ademais, a análise realizada enfatizou que a escolha correta dos parâmetros identificadores é essencial para a eficácia do classificador.