Defesa de: Tese de Doutorado
Candidato(a): João Victor Daher Daibes
Link para defesa: https://meet.google.com/rrd-bhie-ztj
Será defendida no dia 10 de novembro de 2026, às 9h, por videoconferência, a Tese de Doutorado intitulada “Compressão de Dados para Uso na Estimação de Estado em Redes de Distribuição”, do candidato ao título de Doutor em Computação: João Victor Daher Daibes.
Compressão de Dados para Uso na Estimação de Estado em Redes de Distribuição
Resumo:
Historicamente, Redes de Distribuição (RDs) de energia são elementos passivos, com monitoramento limitado, onde a potência elétrica flui unidirecionalmente da subestação até cada unidade consumidora. Estudos de planejamento e operação são geralmente baseados em poucas medidas de grandezas da rede e dados históricos de consumo que apresentam grande incerteza. O conceito de smart grid compreende um conjunto de transformações necessárias às RDs para englobar expectativas modernas relacionadas ao acolhimento de fontes de geração distribuída, cargas menos previsíveis e requisitos operativos mais estritos. Dentre os avanços em curso destaca-se grandes investimentos na infraestrutura de medição dos sistemas de distribuição, com a crescente instalação de medidores inteligentes, tornando possível a aquisição e coleta de um grande volume de dados sobre a operação da rede de distribuição. Este é um passo essencial para que estudos em ambiente de planejamento e operação sejam realizados de forma mais confiável, balizando tomadas de decisão quanto a investimentos, automação e controle de uma rede que se torna cada vez mais complexa. Apesar dos crescentes avanços na infraestrutura de medição das redes de distribuição, o que em princípio torna possível a disponibilização de um amplo conjunto de medidas para processamento, a disponibilidade de canais de comunicação com largura de banda suficiente permanece um dos desafios para a concretização da smart grid. Nesse contexto, esse trabalho tem como objetivo explorar a aplicação de técnicas de compactação de dados a medidas elétricas típicas de uma RD e os efeitos que o uso de medidas com distorções advindas do processo de compactação traz ao processo de Estimação de Estado (EE). São consideradas diversas situações típicas de operação e como elas afetam a qualidade da reconstrução dos dados e dos resultados do processo de EE ao processá-los. No contexto deste trabalho, a EE não é aplicada em tempo real, mas sim como um filtro para processamento de lotes de dados que são periodicamente comprimidos e enviados para o centro de operação. A EE acrescenta uma camada de refinamento dos dados reconstruídos e permite a determinação de outras grandezas, não medidas, que também passam a compor a base de dados para estudos elétricos. Resultados de simulações realizadas com um sistema de distribuição padrão da literatura e utilizando um estimador de estado trifásico são apresentados e discutidos
Data: 10 de novembro de 2026, às 9h
Local: Por videoconferência
Link para a defesa: https://meet.google.com/rrd-bhie-ztj
Resumo
Historicamente, Redes de Distribuição (RDs) de energia são elementos passivos, com monitoramento limitado, onde a potência elétrica flui unidirecionalmente da subestação até cada unidade consumidora. Estudos de planejamento e operação são geralmente baseados em poucas medidas de grandezas da rede e dados históricos de consumo que apresentam grande incerteza. O conceito de smart grid compreende um conjunto de transformações necessárias às RDs para englobar expectativas modernas relacionadas ao acolhimento de fontes de geração distribuída, cargas menos previsíveis e requisitos operativos mais estritos. Dentre os avanços em curso destaca-se grandes investimentos na infraestrutura de medição dos sistemas de distribuição, com a crescente instalação de medidores inteligentes, tornando possível a aquisição e coleta de um grande volume de dados sobre a operação da rede de distribuição. Este é um passo essencial para que estudos em ambiente de planejamento e operação sejam realizados de forma mais confiável, balizando tomadas de decisão quanto a investimentos, automação e controle de uma rede que se torna cada vez mais complexa. Apesar dos crescentes avanços na infraestrutura de medição das redes de distribuição, o que em princípio torna possível a disponibilização de um amplo conjunto de medidas para processamento, a disponibilidade de canais de comunicação com largura de banda suficiente permanece um dos desafios para a concretização da smart grid. Nesse contexto, esse trabalho tem como objetivo explorar a aplicação de técnicas de compactação de dados a medidas elétricas típicas de uma RD e os efeitos que o uso de medidas com distorções advindas do processo de compactação traz ao processo de Estimação de Estado (EE). São consideradas diversas situações típicas de operação e como elas afetam a qualidade da reconstrução dos dados e dos resultados do processo de EE ao processá-los. No contexto deste trabalho, a EE não é aplicada em tempo real, mas sim como um filtro para processamento de lotes de dados que são periodicamente comprimidos e enviados para o centro de operação. A EE acrescenta uma camada de refinamento dos dados reconstruídos e permite a determinação de outras grandezas, não medidas, que também passam a compor a base de dados para estudos elétricos. Resultados de simulações realizadas com um sistema de distribuição padrão da literatura e utilizando um estimador de estado trifásico são apresentados e discutidos.
Abstract
Historically, power Distribution Networks (DNs) have been passive elements with limited monitoring, where electrical power flows unidirectionally from the substation to each consumer unit. Planning and operation studies are generally based on a limited number of network measurements and historical consumption data, which present high uncertainty. The smart grid concept comprises a set of necessary transformations in DNs to meet modern expectations related to the integration of distributed generation sources, less predictable loads, and stricter operational requirements. Among the ongoing advances, significant investments in the measurement infrastructure of distribution systems stand out, particularly with the increasing installation of smart meters. This makes it possible to acquire and collect a large volume of data regarding the operation of the distribution network. This is an essential step to ensure that planning and operation studies are conducted more reliably, guiding decision-making regarding investments, automation, and control of an increasingly complex network. Despite the growing advances in the measurement infrastructure of distribution networks, which in principle enables the availability of a wide range of measurements for processing, the availability of communication channels with sufficient bandwidth remains one of the challenges for realizing the smart grid. In this context, this work aims to explore the application of data compression techniques to typical electrical measurements of a DN, as well as the effects that using measurements with distortions arising from the compression process have on the State Estimation (SE) process. Several typical operational situations are considered, along with how they affect the quality of data reconstruction and the results of the SE process when processing them. In the context of this work, SE is not applied in real time, but rather as a filter for processing batches of data that are periodically compressed and sent to the operation center. SE adds a refinement layer to the reconstructed data and allows the determination of other unmeasured quantities, which then also become part of the database for electrical studies. Simulation results performed on a standard distribution system from the literature using a three-phase state estimator are presented and discussed.
Banca Examinadora
- Prof. Milton Brown Do Coutto Filho, UFF – Presidente
- Prof. Julio Cesar Stacchini de Souza, UFF
- Prof. Alexandre Plastino de Carvalho, UFF
- Profa. Aura Conci, UFF
- Prof. Leonardo Willer de Oliveira, UFJF
- Prof. Helder Roberto de Oliveira Rocha, UFES
Leitura Recomendada em Metodologia de Pesquisa
Para quem está iniciando ou revisando os fundamentos metodológicos de uma pesquisa em Ciência da Computação, seguem algumas referências clássicas e amplamente utilizadas em Mestrados e Doutorados da área:
- Wazlawick, R. S. (2017). Metodologia de Pesquisa para Ciência da Computação. Editora Campus/Elsevier.
- Creswell, J. W., & Creswell, J. D. (2018). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches. SAGE Publications.
- Yin, R. K. (2018). Case Study Research and Applications: Design and Methods. SAGE Publications.
- Wohlin, C., Runeson, P., Höst, M., Ohlsson, M. C., Regnell, B., & Wesslén, A. (2012). Experimentation in Software Engineering. Springer.
- Basili, V. R., Caldiera, G., & Rombach, H. D. (1994). The Goal Question Metric Approach. Encyclopedia of Software Engineering, Wiley.
- Glass, R. L., Ramesh, V., & Vessey, I. (2004). An Analysis of Research in Computing Disciplines. Communications of the ACM, 47(6).
- Shaw, M. (2003). Writing Good Software Engineering Research Papers. Proceedings of the 25th International Conference on Software Engineering (ICSE).
- Easterbrook, S., Singer, J., Storey, M.-A., & Damian, D. (2008). Selecting Empirical Methods for Software Engineering Research. In Guide to Advanced Empirical Software Engineering, Springer.
- Kitchenham, B., & Charters, S. (2007). Guidelines for Performing Systematic Literature Reviews in Software Engineering. EBSE Technical Report.
- Booth, W. C., Colomb, G. G., & Williams, J. M. (2016). The Craft of Research. University of Chicago Press.
Publicado por Maiquel Gomes — maiquelgomes.com.br
Graduado em Ciências Atuariais pela Universidade Federal Fluminense (UFF), Pós-Graduado em Inteligência Artificial, Pós-Graduado em Marketing Digital, Mestrando em IA no Instituto de Computação da UFF (nota máxima no CAPES). Palestrante e Professor de Inteligência Artificial e Linguagem de Programação; autor de livros, artigos e aplicativos.
Professor do Grupo de Trabalho em Inteligência Artificial da UFF (GT-IA/UFF), do Laboratório de Inovação, Tecnologia e Sustentabilidade (LITS/UFF), da Pós-Graduação na Universidade Estácio de Sá, entre outras iniciativas.
Conheça outros projetos:
💫 Apaixonado pela vida, pelas amizades, pelas viagens, pelos sorrisos, pela praia, pelas baladas, pela natureza, pelo jazz e pela tecnologia.
