https://hdl.handle.net/1884/39829 Sat, 30 May 2026 23:18:48 GMT 2026-05-30T23:18:48Z https://hdl.handle.net/1884/105206 Estimação de estados desacoplada para sistemas de distribuição e sistemas integrados T&D via método do Tableau Esparso de Hachtel Resumo: Em decorrência do aumento significativo de geração distribuída (GD) nos sistemas de distribuição e subtransmissão, novos desafios surgem na análise dos sistemas elétricos de potência, entre os quais se destaca a intensificação da interação entre os sistemas de transmissão e distribuição (T&D), decorrente do caráter cada vez mais ativo das redes de distribuição. Nesse contexto, este trabalho propõe uma metodologia para estimação de estados em sistemas T&D baseada em uma formulação restrita com informações a priori, solucionada pelo método do Tableau Esparso de Hachtel combinado a técnicas de desacoplamento, aliando a eficiência computacional e esta bilidade numérica. A abordagem emprega uma nova interpretação da normalização complexa por unidade (cpu), que possibilita a representação explícita de alimentadores ativos e o processamento conjunto dos subsistemas, mesmo diante de diferenças de parâmetros e níveis de relação X/R. Como contribuições complementares, este trabalho também apresenta um estimador de estados restrito desacoplado para sistemas de distribuição (SD) e a incorporação de uma estratégia processamento de erros gros seiros na estimação de estados irrestrita para SD baseada na extensão dos testes geométricos para os resíduos desacoplados. Tal estratégia de processamento de erros elimina a necessidade de sucessivas reestimações típicas de procedimentos tradicio nais, evidenciando a redução do esforço computacional. Para validar e demonstrar a eficiência e desempenho das metodologias propostas, rotinas computacionais foram implementadas e diversos testes e simulações conduzidos em diferentes SD e T&D, considerando a representação monofásica e trifásica da rede elétrica; Abstract: Due to the significant increase of distributed generation (DG) in distribution and sub transmission systems, new challenges have emerged in electric power system analysis, among which the intensification of the interaction between transmission and distribution (T&D) systems stands out, driven by the increasingly active nature of distribution net works. In this context, this work proposes a state estimation methodology for integrated T&D systems based on a constrained formulation with a priori information, solved through the Sparse Hachtel Tableau method combined with decoupling techniques, thus achieving both computational efficiency and numerical stability. The proposed approach employs a novel interpretation of complex per-unit (cpu) normalization, which enables the explicit representation of active feeders and the joint processing of subsystems, even in the presence of differences in parameters and X/R ratio levels. As comple mentary contributions, this work also presents a restricted decoupled state estimator for distribution systems (DS) and the incorporation of a gross error processing strat egy for unrestricted DS state estimation based on the extension of geometric tests to decoupled residuals. This error-processing strategy eliminates the need for succes sive re-estimations typically required by conventional procedures, thereby reducing the overall computational burden. To validate and demonstrate the effectiveness and performance of the proposed methodologies, computational routines were implemented and several tests and simulations were carried out on different DS and integrated T&D systems, considering both single-phase and three-phase network representations Orientadora: Profª Draª Elizete Maria Lourenço; Coorientador: Profº Dr Odilon Luis Tortelli; Banca: Elizete Maria Lourenço (Presidente da Banca), Camila dos Anjos Fantin, Roman Kuiava e Julio Cesar Stacchini de Souza; Tese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa : Curitiba, 30/04/2026; Inclui referências Thu, 01 Jan 2026 00:00:00 GMT https://hdl.handle.net/1884/105206 2026-01-01T00:00:00Z https://hdl.handle.net/1884/105158 Enhancing detection in automotive environments with synthetic data and anonymization techniques Resumo: Esta pesquisa explora o uso de dados sintéticos e técnicas de anonimização para aprimorar e preservar a privacidade na detecção e segmentação de objetos no in terior de veículos, focando principalmente na detecção de pessoas e crianças. Um modelo de segmentação YOLOv9 foi treinado e avaliado em diversos cenários, in cluindo dados reais, dados sintéticos e dados reais anonimizados por meio de más caras semânticas e desfoque gaussiano. O objetivo foi avaliar como essas técnicas diferentes e transformações afetam o desempenho do modelo, especialmente em contextos relativos à privacidade. Para garantir uma análise abrangente e impar cial, adotou-se uma estratégia de validação cruzada com cinco divisões (five-fold cross-validation). O modelo foi treinado do zero utilizando a arquitetura GELAN C, e o desempenho foi avaliado com métricas padrão: precisão, recall, F1-score e acurácia, todas calculadas por classe. Essas métricas forneceram uma visão detalhada da capacidade do modelo em detectar e segmentar corretamente cada categoria de objeto, incluindo cadeirinhas de bebê, assentos elevados, pessoas e objetos em geral. Os resultados experimentais revelam que, apesar dos dados sin téticos serem eficazes, a combinação de dados reais e sintéticos tende a produzir melhor generalização. Além disso, a anonimização com uso de máscaras semânti cas preserva mais características do que o blur gaussiano, resultando em melhor acurácia do modelo. Isso sugere que a anonimização utilizando máscaras pode ser uma alternativa eficaz para preservar a privacidade sem comprometer significati vamente o desempenho. De modo geral, os resultados indicam que a aplicação de dados sintéticos e uso de técnicas de anonimização são ferramentas valiosas para o desenvolvimento de modelos de visão computacional robustos e que levam em consideração leis de privacidade em ambientes automotivos; Abstract: This research explores the use of synthetic data and anonymization techniques to enhance and preserve privacy in the detection and segmentation of objects inside vehicles, focusing mainly on the detection of people and children. A YOLOv9 segmentation model was trained and evaluated in several scenarios, including real data, synthetic data, and real data anonymized through semantic masks and Gaus sian blur. The objective was to evaluate how these different techniques and trans formations affect the model’s performance, especially in privacy-related contexts. To ensure a comprehensive and impartial analysis, a five-fold cross-validation strat egy was adopted. The model was trained from scratch using the GELAN-C archi tecture, and performance was evaluated with standard metrics: precision, recall, F1-score, and accuracy, all calculated per class. These metrics provided a detailed view of the model’s ability to correctly detect and segment each object category, including baby car seats, booster seats, people, and general objects. The exper imental results reveal that, although synthetic data is effective, the combination of real and synthetic data tends to produce better generalization. Furthermore, anonymization using semantic masks preserves more features than Gaussian blur, resulting in better model accuracy. This suggests that anonymization using masks can be an effective alternative for preserving privacy without significantly compro mising performance. Overall, the results indicate that the application of synthetic data and the use of anonymization techniques are valuable tools for developing robust computer vision models that take privacy laws into account in automotive environments Orientador: Prof. Dr. Eduardo Gonçalves de Lima; Banca: Eduardo Gonçalves de Lima (Presidente da Banca), Luis Schuartz e Juan Camilo Castellanos Rodriguez; Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa: Curitiba, 19/12/2025; Inclui referências; Área de concentração: This research explores the use of synthetic data and anonymization techniques to enhance and preserve privacy in the detection and segmentation of objects inside vehicles, focusing mainly on the detection of people and children. A YOLOv9 segmentation model was trained and evaluated in several scenarios, including real data, synthetic data, and real data anonymized through semantic masks and Gaus sian blur. The objective was to evaluate how these different techniques and trans formations affect the model’s performance, especially in privacy-related contexts. To ensure a comprehensive and impartial analysis, a five-fold cross-validation strat egy was adopted. The model was trained from scratch using the GELAN-C archi tecture, and performance was evaluated with standard metrics: precision, recall, F1-score, and accuracy, all calculated per class. These metrics provided a detailed view of the model’s ability to correctly detect and segment each object category, including baby car seats, booster seats, people, and general objects. The exper imental results reveal that, although synthetic data is effective, the combination of real and synthetic data tends to produce better generalization. Furthermore, anonymization using semantic masks preserves more features than Gaussian blur, resulting in better model accuracy. This suggests that anonymization using masks can be an effective alternative for preserving privacy without significantly compro mising performance. Overall, the results indicate that the application of synthetic data and the use of anonymization techniques are valuable tools for developing robust computer vision models that take privacy laws into account in automotive environments Wed, 01 Jan 2025 00:00:00 GMT https://hdl.handle.net/1884/105158 2025-01-01T00:00:00Z https://hdl.handle.net/1884/102096 Abordagens de inferência causal e aprendizado de máquina na otimização de alertas de deterioração clínica Resumo: Instituições hospitalares enfrentam o desafio crítico da identificação precoce de sinais clínicos de deterioração em pacientes internados em suas instalações. Embora existam soluções baseadas em aprendizado de máquina (ML) para monitoramento clínico, a maioria delas opera sob uma lógica estritamente correlativa, sem distinguir relações de causa e efeito, e que pode comprometer a interpretabilidade dos modelos e reduz a confiabilidade dos alertas. Esta dissertação propõe a integração de inferência causal computacional a técnicas de aprendizado de máquina, com o objetivo de superar essa limitação e aprimorar a compreensão dos fatores que levam à deterioração clínica. O objetivo consiste em modelar relações causais entre variáveis fisiológicas coletadas de pacientes hospitalizados, utilizando uma base de dados real proveniente de um sistema de inteligência clínica, com o propósito de identificar fatores diretamente associados à deterioração clínica e ao risco de óbito. A metodologia incluiu etapas de préprocessamento dos dados, modelagem causal e avaliação estatística dos efeitos estimados, complementadas por uma análise de interpretabilidade para validar a influência das variáveis mais relevantes do conjunto de dados. Os resultados demonstraram que a abordagem causal identificou fatores com impacto direto e estatisticamente significativo sobre o desfecho de óbito, como idade e internações em unidades de terapia intensiva, além de revelar variações de efeito entre subgrupos etários e condições hemodinâmicas associadas aos pacientes. As evidências reforçam o potencial da abordagem proposta para aprimorar sistemas de alerta clínico, oferecendo suporte à decisão médica baseado em relações de causa e efeito; Abstract: Hospitals face the critical challenge of early identification of clinical deterioration in hospitalized patients. Although machine learning (ML) based solutions are widely used for clinical monitoring, most operate under strictly correlative logic, without distinguishing cause-and-effect relationships, which can compromise model interpretability and reduce the reliability of alerts. This dissertation proposes the integration of computational causal inference with machine learning techniques to overcome this limitation and enhance the understanding of the factors leading to clinical deterioration. The objective is to model causal relationships among physiological variables collected from hospitalized patients, using a real dataset derived from a commercial clinical intelligence system, in order to identify factors directly associated with clinical deterioration and mortality risk. The methodology included data preprocessing, causal modeling, and statistical evaluation of the estimated effects, complemented by an interpretability analysis to validate the influence of the most relevant variables in the dataset. The results demonstrated that the causal approach identified factors with a direct and statistically significant impact on patient mortality—such as age and intensive care unit admission—while also revealing variations in effect across patient age subgroups and different hemodynamic conditions. The findings highlight the potential of the proposed approach to enhance clinical alert systems, providing medical decision support based on true cause-and-effect relationships Orientador: Leandro dos Santos Coelho; Banca: Leandro dos Santos Coelho (Presidente da Banca), Gideon Villar Leandro, Roberto Zanetti Freire, Luiz Henrique Assumpção Lolis; Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa : Curitiba, 23/02/2026; Inclui referências Thu, 01 Jan 2026 00:00:00 GMT https://hdl.handle.net/1884/102096 2026-01-01T00:00:00Z https://hdl.handle.net/1884/101977 Análise para implantação de parque eólico no litoral do Paraná Resumo: A energia eólica tem se mostrado uma alternativa à geração por fontes renováveis significativamente a nível mundial, com países como o Reino Unido, Alemanha, China e Dinamarca a liderarem em termos de capacidade instalada. O Brasil possui um grande potencial para instalações de parques eólicos, com o Nordeste e o Sul/Sudeste a serem regiões promissoras, pois apresentam vantagens como ventos mais fortes e constantes, maiores possibilidades de instalação e maior capacidade de turbinas, assim como enfrentam desafios, como maiores custos de construção e manutenção, além de questões de logísticas e regulamentares. Este trabalho consiste no estudo da viabilidade técnica da implantação de um parque de geração eólica no litoral do Paraná. A pesquisa situa o leitor no cenário eólico mundial, brasileiro e paranaense, baseando-se em dados da Empresa de Pesquisa Energética (EPE), do Instituto Brasileiro do Meio Ambiente (IBAMA) e da Confederação Nacional da Indústria (CNI), assim como toda a sua regulamentação. Além disso, aborda trabalhos publicados em nível nacional e internacional para validação do tema. São utilizados softwares para as simulações, como o COPERNICUS Climate Data Store, o WindSim, o Wind Speed Statistics, nos quais foram tratados os dados coletados, como a velocidade do vento e as curvas de Weilbul, para obtenção dos parâmetros estatísticos relevantes para as condições físicas do local e sobre a geração de energia, como por exemplo, potência do vento e turbinas eólicas. Como metodologia, foi desenvolvido um fluxograma, onde são apresentadas as etapas do projeto que devem ser satisfeitas em cada fase, para avaliar a viabilidade técnica para implantação. Nos resultados, as curvas características do aerogerador e de Weilbul foram apresentadas, sendo que os dados utilizados no estudo terão uma abrangência de três anos, entre janeiro de 2023 até setembro de 2025. Concluiu-se que uma implantação prática do parque eólico não seria viável. Essa negativa deve-se primeiro por descobrir que não existe a viabilidade técnica, comprovando-se que o litoral do Paraná não tem potencial eólico para geração eólica, fazendo-se também a demonstração que a velocidade do vento, simulada nos diversos softwares, não atinge os valores exigidos para o funcionamento da turbina eólica e que os valores encontrados para simular a geração eólica ficaram inferiores aos 30% exigidos pelas curvas de Weibull; Abstract: Wind energy has proven to be a significant alternative to renewable energy generation worldwide, with countries such as the United Kingdom, Germany, China, and Denmark leading in terms of installed capacity. Brazil has great potential for wind farm installations, with the Northeast and South/Southeast regions being particularly promising, offering advantages such as stronger and more consistent winds, greater installation possibilities, and higher turbine capacity. However, it also faces challenges such as higher construction and maintenance costs, as well as logistical and regulatory issues. This work consists of a study of the technical feasibility of implementing a wind power generation park on the coast of Paraná. The research situates the reader within the global, Brazilian, and Paraná wind energy scenario, based on data from the Energy Research Company (EPE), the Brazilian Institute of the Environment (IBAMA), and the National Confederation of Industry (CNI), as well as all its regulations. Furthermore, it addresses nationally and internationally published works to validate the topic. Software such as COPERNICUS Climate Data Store, WindSim, and Wind Speed Statistics are used for simulations, in which the collected data, such as wind speed and Weilbul curves, were processed to obtain statistical parameters relevant to the physical conditions of the site and energy generation, such as wind power and wind turbines. As a methodology, a flowchart was developed, presenting the project steps that must be met at each stage to assess the technical feasibility of implementation. In the results, the characteristic curves of the wind turbine and Weilbul curves were presented, and the data used in the study will cover a three-year period, from January 2023 to September 2025. It was concluded that a practical implementation of the wind farm would not be feasible. This refusal is due firstly to the discovery that there is no technical feasibility, proving that the coast of Paraná does not have wind potential for wind power generation, and also demonstrating that the wind speed, simulated in various software programs, does not reach the values required for the operation of the wind turbine, and that the values found to simulate wind power generation were below the 30% required by the Weibull curves Orientadora: Prof(a). Dr(a). Juliana Almansa Malagoli; Coorientador: Prof. Dr. Clodomiro Unsihuay Vila; Banca: Juliana Almansa Malagoli (Presidente da Banca), Breno Brito Miranda, Odilon Luis Tortelli; Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa : Curitiba, 11/12/2025; Inclui referências Wed, 01 Jan 2025 00:00:00 GMT https://hdl.handle.net/1884/101977 2025-01-01T00:00:00Z