Identificação de Fase em Rede de Distribuição Habilitada por Aprendizado de Máquina

A rede de distribuição tem sido tipicamente o elemento menos observável e mais dinâmico e controlado localmente na rede elétrica. As informações completas sobre a topologia da rede estão em constante mudança e nem sempre estão prontamente disponíveis quando necessárias. Isso torna a identificação de fase e o reequilíbrio da rede uma tarefa difícil, custosa e demorada para as concessionárias de eletricidade, no entanto, é de grande importância para o planejamento futuro da rede e operações de sistemas de gerenciamento de distribuição avançados (ADMS). A identificação de fase é tradicionalmente executada manualmente, embora existam métodos baseados em medição de tensão que nem sempre são confiáveis. Este artigo desenvolve um método de mineração de dados baseado em aprendizado de máquina para uma identificação de fase precisa e eficiente de clientes residenciais em uma rede de distribuição, aproveitando os dados de consumo de energia coletados através da infraestrutura de medição avançada (AMI). O método proposto utiliza um filtro passa-alta para remover as partes redundantes e irrelevantes da série temporal de consumo de energia, identificando então a conectividade da fase dos clientes residenciais ao propor um algoritmo de agrupamento modificado. Os resultados da simulação mostram a eficácia do método proposto na identificação de fase em redes pequenas e grandes e em cenários de dados completos e incompletos.