Previsão de Perda de Vida do Transformador Baseada em Ensemble Empilhado Melhorado por Algoritmo Genético Por IJISRT

A previsão da perda de vida do transformador é muito importante para garantir a confiabilidade e eficiência do sistema de energia elétrica. Neste artigo, é proposto um modelo inovador para melhorar a precisão da previsão de perda de vida do transformador utilizando ensembles empilhados aprimorados com algoritmo genético (GA). O objetivo é desenvolver um modelo robusto para estimar a vida restante de um transformador a fim de aumentar, de modo geral, a confiabilidade do sistema de distribuição de energia elétrica. Esta abordagem envolve a integração de vários modelos de aprendizado de máquina como modelos básicos, a saber, Máquinas de Vetores de Suporte (SVM) e K-Vizinhos Mais Próximos (KNN). Uma estrutura de ensemble empilhado é então usada para combinar as previsões desses modelos base por meio de um meta-modelo denominado Regressão Logística (LR). Os resultados mostram uma melhoria significativa em ambos os transformadores usando stacking-GA, TR-A e TR-B, com cada avaliação de previsão alcançando 99% e com uma taxa de erro mínima, aproximando-se de 0. A estrutura desenvolvida apresenta uma solução promissora para previsão precisa e confiável da vida útil do transformador. Ao integrar uma variedade de modelos básicos e aplicar configurações de empilhamento aprimoradas com GA, esses modelos oferecem insights valiosos para melhorar estratégias de manutenção e confiabilidade do sistema em redes elétricas.