SIMPÓSIO DE AUTOMAÇÃO DE SISTEMAS ELÉTRICOS

25 a 28 de agosto de 2013

Belo Horizonte – MG

(*) Rua Paraná, n˚ 1350 – Bairro Santa Rita – CEP 68.900-529 Macapá, AP – Brasil Tel: (+55 96) 3198-4404 – Fax: (+55 96) 3198-4453 – Email: benedito.rodrigues@eletronorte.gov.br

MONITORAMENTO DA SEGURANÇA ESTÁTICA EM TEMPO REAL DE SISTEMAS EL ÉTRICOS UTILIZANDO

ÁRVORE DE DECISÃO.

Benedito G. D. Rodrigues* Eletrobras Eletronorte

Dieigo S. Gaia UFPA

Bernard C. Bernardes UFPA

Dione J. A. Vieira UFPA

Werbeston D. de Oliveira UFPA

João Paulo A. Vieira UFPA

Ubiratan H. Bezerra UFPA

Vilson Castro Eletrobras Eletronorte

RESUMO Este trabalho apresenta uma metodologia para monitoramento da segurança estática em tempo real de sistemas elétricos utilizando árvore de decisão. A partir de exaustivas simulações off-line via Anarede foi gerada a base de dados relacionada aos aspectos da segurança, para as diversas condições operacionais, para identificar os atributos do sistema e fornecer um modelo de predição rápido e preciso para aplicação em tempo real utilizando as medições do sistema Scada/EMS. A metodologia foi testada no sistema elétrico do Amapá, cujos resultados mostraram ser uma importante ferramenta para avaliação da segurança estática no centro de operação do sistema. PALAVRAS-CHAVE Árvore de decisão, Máquina de aprendizagem, Avaliação da segurança estática, Sistemas elétricos de Potência.

1.0 - INTRODUÇÃO

A crescente demanda por energia elétrica tem tornado os sistemas de geração transmissão e distribuição cada vez mais complexos e mais vulneráveis a ocorrências de perturbações que podem levá-lo a desligamentos de carga. Para garantir o atendimento de energia elétrica aos seus consumidores com qualidade e confiabilidade, as empresas concessionárias de serviços que operam estes sistemas enfrentam grandes desafios para melhorar cada vez mais o serviço prestado. Neste contexto, para garantir uma operação segura do sistema elétrico de potência é necessário o acompanhamento da sua operação em tempo real, bem como avaliar as suas margens de segurança para as diversas configurações de carga. Assim, a segurança estática de um sistema elétrico está relacionada a um determinado ponto de equilíbrio da rede, para o qual são avaliados os níveis de tensão e carregamento dos seus principais elementos. Atualmente, a ferramenta mais utilizada para a análise da segurança estática é constituída por algoritmos para solução de fluxo de carga; que avalia se para um dado ponto de operação, o sistema é considerado estaticamente seguro, se os níveis de tensão em todas as barras do sistema estão dentro de uma faixa predeterminada e, se os fluxos de potência nos principais elementos da rede estão respeitando os seus limites térmicos. Os efeitos das contingências que poderão ocorrer, devem ser levados em consideração de forma que os critérios de segurança de regime permanente sejam respeitados, mesmo que alguns dos elementos do sistema estejam fora de operação. A utilização de métodos tradicionais de solução de fluxo de carga para simular as possíveis contingências, demandam um longo tempo de execução, e grande esforço computacional que podem comprometer a ação dos operadores do sistema elétrico de executarem os controles preventivos necessários para garantir a segurança operacional. Para superar essas limitações, o uso de técnicas de aprendizado automático de máquina, tal como a árvore de decisão, apresenta-se como uma alternativa viável para avaliação da segurança de sistemas de potência em tempo real. Esta técnica aproveita as exaustivas simulações off-line para gerar a base de dados rotulada relacionada aos aspectos da segurança, considerando um conjunto de condições operacionais predeterminadas para identificar os atributos próprios do sistema e fornecer um modelo de predição rápido e com bastante precisão para aplicação em tempo real utilizando as medições disponíveis no sistema elétrico, adquiridas via o sistema Scada/EMS (Supervisory Control and Data Acquisition/Energy Management System). A técnica da árvore de decisão é uma ferramenta de mineração de dados supervisionada para solucionar problemas de classificação em uma grande massa de dados. O banco de dados criado é constituído pelas diferentes contingências que são representadas por um vetor de variáveis juntamente com um objetivo, e assim, a árvore de decisão é projetada para classificar este objetivo, como seguro ou inseguro.

2

A literatura relacionada ao uso de árvore de decisão para avaliação da segurança de sistemas elétricos de potência, mostra em (2) essa metodologia como proposta para solução de problemas de segurança de tensão sob dois aspectos, preventiva e emergência, e mostram a sua viabilidade e grande potencial para aplicação no mundo real. Em (11), a aplicação de um método de inferência indutiva para avaliação de segurança estática em tempo real é apresentado, onde para cada contingência, regras de decisão na forma de árvore de decisão são construídas off-line a partir de um conjunto de aprendizagem pré-classificado constituido de pontos de operação do sistema. Mais recentemente foi proposto em (3) o método da árvore de decisão para classificar os estados de operação dos sistemas de potência como seguro/inseguro utilizando fluxos de potência ativa (MW), tensões nas barras e o nível de severidade das violações. Em (1) é feita uma abordagem dos trabalhos em curso de aplicação de máquina de aprendizagem para avaliação de segurança estática onde os resultados obtidos indicam que o método é comparável em precisão e tempo computacional ao método de fluxo de carga de Newton Raphson. O presente artigo mostra o desenvolvimento de uma metodologia para o monitoramento da segurança estática em tempo real de sistema elétrico utilizando árvore de decisão, testada no sistema elétrico do Amapá, e que se constitui em uma poderosa ferramenta de suporte na tomada de decisão disponivel aos operadores do centro de operação local para realização de ações de controle preventivo para garantir a segurança do sistema elétrico.

2.0 - SEGURANÇA DE SISTEMAS ELÉTRICOS DE POTÊNCIA

A segurança de um sistema elétrico de potência refere-se ao grau de risco contido em sua habilidade para sobreviver a iminentes perturbações (contingências) sem a interrupção do serviço. Assim, ela reflete a robustez do sistema elétrico em relação a perturbações, sendo que o nível de sua robustez depende das condições operativas (patamares de carga, despacho e intercambio de geração, além da topologia da rede), assim como da probabilidade de ocorrência das perturbações (5). Dependendo do aspecto de interesse, a avaliação da segurança pode ser classificada como estática ou dinâmica, porém, neste trabalho será feita a abordagem da segurança estática, onde serão analisadas as condições do sistema em regime permanente no que se refere aos níveis de tensão nas barras e aos limites térmicos dos circuitos da rede elétrica. A partir de uma lista de contingências prováveis, onde são simuladas a ocorrência de cada uma delas, o resultado do processamento fornecerá aos operadores a informação de quais medidas devem ser tomadas para aumentar o nível de segurança do sistema. A avaliação da segurança geralmente tem como base critérios pré-definidos no que se refere às análises e métodos utilizados na determinação do estado de segurança (seguro/inseguro), assim como quais contingências são avaliadas.

3.0 - ÁRVORE DE DECISÃO A Árvore de Decisão é um algoritmo de classificação no ambiente da Mineração de Dados, e tem a habilidade de aprender por meio de exemplos com o objetivo de classificar registros em uma base de dados. Uma de suas características mais importantes é a função de partição de forma recursivo de um conjunto complexo de dados, em diversos subconjuntos até que eles contenham apenas os casos de uma única classe desejada para uma melhor análise do problema. A árvore de decisão assim construida, os resultados obtidos são apresentados de forma gráfica, e são constituidos pelos dados organizados de forma simples e de fácil interpretação que poderão ser utilizados com uma ferramenta de suporte a tomada de decisão. Uma árvore de decisão é essencialmente uma série de declarações "if-then", e a sua construção é baseada no modelo hierárquico, isto é, do nó raiz para as folhas. Os nós correspondem a nomes de atibutos, as ligações de um nó representam os valores dos atributos, e as folhas representam as diferentes classes. A classificação ocorre seguindo o caminho que vai do nó raiz até as folhas onde está a classe atribuida, conforme indicado na área em destaque da Figura 2.

Figura 2 – Exemplo de uma árvore de decisão.

3

Os primeiros classificadores baseados em árvores de decisão surgiram no final da década de 50, a partir do trabalho de Hunt, foram apresentados vários experimentos para indução de regras. Posteriormente, foi desenvolvido o algoritmo CART (Classication and Regression Trees) por Friedman, e Quinlan desenvolveu o algoritmo ID3 e como seus sucessores surgiram os algoritmos C4.5 e C5.0 (8).

4.0 - METODOLOGIA PROPOSTA

Para que seja possivel o desenvolvimento de uma ferramenta para a avaliação da segurança estática de um sistema elétrico de potência, é necessária a obtenção de uma base de dados suficientemente grande e eficiente, que considere todas as possiveis condições operacionais e contingências as quais o sistema está sujeito. As simulações para geração dessa base de dados para treinamento das árvores de decisão foram realizadas com o uso do programa Anarede do CEPEL (14). A partir de um conjunto de contingências críticas, e topologias da rede, o Anarede executou o fluxo de carga para diversos níveis de carregamento, seguindo uma curva de carga de dados históricos do sistema em estudo, com variações de ±20% do caso base. 4.1. Classificação e seleção de contingências O estudo das contingências é necessário para avaliação da segurança estática, onde deseja-se saber se após uma contingência, em regime permanente, os fluxos de potencia nos elementos da rede, não estão causando sobrecargas ou violações nos níveis de tensão nas barras do sistema. Estas condições foram simuladas, para formação do banco de dados rotulado para treinamento das árvores de decisão. Inicialmente foram realizadas as simulações para as configurações do sistema na topologia completa (N) e em contingência com desligamento de um elemento da rede (N-1). Os casos de ilhamento identificados para contingências N-1, são filtrados da base de dados, e estes casos não são simulados no Anarede. 4.2. Rotulação da base de dados Para rotulação da base de dados são adotadas as restrições de desigualdade que representam os limites físicos relacionados à capacidade térmica de geração e transmissão de potência dos componentes da rede ou limites operacionais relacionados com aspectos de segurança da operação do sistema. Para melhor caracterizar as restrições de operação, são descritos a seguir como elas se apresentam nos principais componentes de um sistema elétrico. a. Para as tensão nas barras:

min maxi i iV V V≤ ≤ , onde: min

iV e maxiV valores mínimo e máximo permitido para a tensão na barra i.

b. Para a potência ativa gerada (PG):

min maxGi Gi GiP P P≤ ≤ , onde: min

GiP e maxGiP : mínima e máxima geração de P(MW) no gerador i.

c. Para a potência reativa gerada (QG):

min maxGi Gi GiQ Q Q≤ ≤ , onde: min

GiQ e maxGiQ mínima e máxima geração de Q(MVAr) no gerador i.

d. Para a circuitos de transmissão (Linhas e Transformadores):

2 2 2max max maxij ij ijP Q S+ ≤ , onde: max

ijP e maxijQ : máximo fluxo de P(MW) e Q(MVAr) no trecho ij.

4.3. Definição dos atributos para a base de dados A metodologia tem como objetivo avaliar se após uma contingência o sistema estará em um estado operacional seguro ou inseguro, para isso, é necessário definir os atributos, que para este caso, serão as variáveis do sistema que refletem estes estados, e que possam ser perfeitamente identificadas no ambiente de tempo real. A tabela abaixo mostra os atributos definidos para avaliação estática do estado do sistema.

Tabela 1 - Atributos para classificação do estado do sistema

Atributos Tipo barra Critério de Avaliação Classificação do Estado

Se min maxi i iV V V≤ ≤ Seguro

Tensão nas barras PV, PQ Se min

i iV V< ou maxi iV V> Inseguro

Se min maxGi Gi GiP P P≤ ≤ Seguro Potência Ativa Gerada

(PG) PV Se min

Gi GiP P< ou maxGi GiP P> Inseguro

Se min maxGi Gi GiQ Q Q≤ ≤ Seguro Potência Reativa Gerada

(QG) PV Se min

Gi GiQ Q< ou maxGi GiQ Q> Inseguro

4

4.4. Treinamento e validação das árvores de decisão O software RapidMiner 5.0 (15) foi utilizado para realizar a classificação, utilizando a árvore de decisão. Esta tarefa foi realizada a partir da base de dados geradas nas simulações do fluxo de carga executado via Anarede. O RapidMiner 5.0 possui diversos algoritmos, que estão disponíveis em forma de operadores, por exemplo, os algoritmos de classificação, associação, agrupamentos, seleção de atributos, testes e validações, funções de tratamentos de dados e diversas outras ferramentas. Para este estudo foi utilizado o algoritmo CART. A Figura 3 mostra o fluxograma da metodologia de construção da ferramenta de avaliação da segurança estática em tempo real.

Figura 3 - Fluxograma da metodologia de Avaliação da Segurança Estática [23]

5.0 - RESULTADOS

Para aplicação da técnica de árvore de decisão na avaliação da segurança estática de sistema elétricos, foi adotado como exemplo o sistema elétrico do Amapá. O Sistema elétrico do Amapá é constituído atualmente por um sistema de geração de natureza hidrotérmico e um sistema de transmissão come 10 subestações e 47 barras conforme mostrado na Figura 4.

Figura 4 - Sistema Elétrico do Amapá, incluindo futura interligação ao SIN.

5

A partir da execução das simulações de fluxo de carga para as configurações do sistema na topologia completa (N) e em contingência com desligamento de um elemento da rede (N-1), para os diversos patamares de carga do sistema, foi gerada a base de dados rotulada, que para efeito de simplificação, neste trabalho, foram considerados somente os seguintes atributos: Potências Reativas Geradas (Qg) e Transmitidas nos elementos da rede elétrica (Q) e Módulos das Tensões (V) nas barras, sendo que a avaliação do estado operacional como seguro ou inseguro foi considerado apenas para as violações de tensão. A base de dados assim configurada foi utilizada para gerar as árvores de decisão no software RapidMiner (algoritmo CART), onde para cada local de contingência foi gerada uma árvore de decisão com as suas respectivas regras. Devido a grande quantidade de contingências simuladas onde cada uma delas produziu uma árvore de decisão, neste trabalho apresentaremos os resultados obtidos com RapidMiner de apenas duas delas que correspondem as contingências de retirada de um ramo de circuito da rede elétrica entre as barras: Trecho_151_451 e Trecho_441_402 (ver Figura 4). As Figuras 5 e 6 abaixo mostram duas árvores de decisão criadas considerando somente como atributos as potencias reativas Qg e Q e os módulos das tensões V nas barras do sistema, por se tratarem de resultados que apresentam características distintas na classificação do estado do sistema (seguro ou inseguro) para as contingências consideradas.

Figura 5 - Árvore de Decisão Trecho 151-451 Figura 6 - Árvore de Decisão Trecho 441-402 Com os resultados obtidos mostrados nas duas árvores de decisão ilustradas nas Figuras 5 e 6, verifica-se que as regras encontradas pelo algoritmo correlacionando os atributos críticos que possuem maior influência na definição da segurança estática para as contingências em análise, são os módulos de tensão nas barras 821 e 351 respectivamente, onde pode-se concluir que para que o sistema seja classificado como seguro, para as contingências, é necessário que satisfaça as condições definidas por ordem hierárquica: Trecho_151_451: Módulo da tensão V_821 ≤ 1,042pu � V_523 > 0,950pu � V_421 ≤ 1,050pu � V_321 ≤ 1,028pu � V_402 ≤ 1,047pu � Sistema Seguro. Trecho_441_402: Módulo da tensão V_351 ≤ 0,996pu � Potência reativa Q_496_421 � Se > 5,700pu � Qg_101 ≤ -10,650pu � V_321 ≤ 1,022pu � Sistema é Seguro; ou se Q_496_421 ≤ 5,700pu � Qg_103 > 4,800pu � V_103 ≤ 1,026pu � Sistema é Seguro. Os resultados apresentados pelas árvores de decisão mostradas nas Figuras 5 e 6 mostram uma característica importante dessa forma de apresentação em árvore, pois ficam muito claras as interrelações entre os atributos críticos identificadas pelo algoritmo, o que possibilita definir com boa precisão quais as medidas de controle preventivo deverão ser adotadas para levar o sistema para a condição operacional segura. Estas medidas que visam manter os limites operacionais dentro de uma faixa de valores predefinida, poderão ser tanto ações locais como injeção de reativo nas barras ou variação de tap de transformadores, como ações de controle remotas como atuação nos sistemas de excitação das unidades geradoras. A tabela 2, apresenta o resultado da classificação realizada para o presente estudo, e mostra um desempenho satisfatório para aplicação na avaliação da segurança. Resultados com maior precisão poderão ser obtidos com o

6

aumento de casos gerados na base de dados.

Tabela 2 - Resultados da classificação pela árvore de decisão

Acerto 89,84% Inseguro Verdadeiro

Seguro Verdadeiro

Precisão de Classe

Predito Inseguro 753 100 88,28% Predito Seguro 118 1175 90,87% Sensibilidade 86,45% 92,16%

6.0 - CONCLUSÃO

Este trabalho apresentou o desenvolvimento de uma metodologia para monitoramento da segurança estática em sistemas elétricos de potência utilizando a técnica de árvore de decisão. Os resultados alcançados, mostraram que o uso da árvore de decisão é uma excelente alternativa para aplicação na avaliação da segurança estática em tempo real, devido a suas características que simplificam consideravelmente a apresentação dos resultados das simulações das contingências críticas e que possibilitam realizar uma avaliação com elevado grau de precisão, se o estado operacional do sistema elétrico é seguro ou inseguro. Os resultados das simulações apresentados, aplicado ao Sistema Elétrico do Amapá, objetivaram demonstrar que a metodologia proposta é aplicável na avaliação da segurança estática em tempo real, se constituindo como uma importante ferramenta de suporte na tomada de decisão para os operadores do centro de operação local, pois permite identificar quais as medidas de controle mais adequadas devem ser tomadas para prevenir que o sistema passe para o estado inseguro, mesmo nos casos de ocorrência de alguma contingência crítica. A solução completa em desenvolvimento para aplicação no monitoramento da segurança estática em tempo real, consiste das ferramentas de classificação do estado (seguro ou inseguro), cálculo das margens para o estado seguro e ações remediais locais e remotas; onde todas estas ferramentas estão sendo integradas ao sistema Scada/EMS do centro de operação do Amapá.

7.0 - REFERÊNCIAS BIBLIOGRÁFICAS

(1) SAEH, I.S.; KHAIRUDDIN, A., "Decision Tree for Static Security Assessment Classification" - Future Computer and Communication, 2009. ICFCC 2009. International Conference. (2) L. WEHENKEL, M. PAVELLA. "Decision tree approach to power systems security assessment". - University of Liege- Institut Montefiore, Department of Electrical Engineering, Liege. Belgium, February.1993. (3) SWARUP, K. S.; MASTAKAR, R.; REDDY K. V. P.; "Decision Tree for Steady State Security Assessment and Evaluation of Power Systems". - Procedings of ICISIP, 2005. (4) I. S. SAEH, M. W. MUSTAFA, "Machine Learning Classifiers for Steady State Security Evaluation in Power System". International Journal of Computer Science Issues, Vol. 9, Issue 2, No 3, March 2012. (5) KUNDUR, P. "Definition and classification of power system stability", IEE/CIGRE joint task force on stability terms and definitions” 2004. (6) CARPENTIER, J., "Static Security Assessment and Control : a Short Survey" Athens Power Tech, 1993. APT 93. Proceedings. Joint International Power Conference. (7) BALU, N.; BERTRAM, T.; BOSE, A.; BRANDWAJN, V.; CAULEY, G.; CURTICE, D.; FOUAD, A.; FINK, L.; LAUBY, M.G.; WOLLENBERG, B.F.; WRUBEL, J.N., "On-line power system security analysis". Proceedings of the IEEE, Volume: 80. 1992. (8) GARCIA, S. C. “O Uso de Árvores de Decisão na Descoberta de Conhecimento na Área da Saúde”, Dissertação Mestrado, Ciência da Computação, PPGC da UFRGS, Outubro 2003. (9) CASTANHEIRA, L. G. "Aplicação de técnicas de mineração de dados em problemas de classificação de padrões". Dissertação de Mestrado, UFMG, Belo Horizonte - MG, Setembro de 2009. (10) OLIVEIRA, W. D. "Comparação dos algoritmos C4.5 e MLP usados na avaliação da segurança dinâmica e no auxílio ao controle preventivo no contexto da estabilidade transitória de sistemas de potência." Dissertação de mestrado, Universidade Federal do Pará - UFPA, 2013. (11) HATZIARGYRIOU, N. D.; CONTAXIS, G. C.; SIDERIS, N. C. "A decision tree method for on-line steady state security assessment", Power Systems, IEEE Transactions on, Volume: 9, 1994, Page: 1052-1061.

7

(12) MONTICCELI, A. "Fluxo de carga em redes de energia elétrica" – Edgard Blücher Ltda, 1a Edição, SP, 1983. (13) ROKACH, L., MAIMON, O., "Data Mining with Decision Trees: Theory and Applications", Series in Machine Perception and Artifical Intelligence - Vol. 69, World Scientific Publishing Co. Ltd., 2008. (14) MANUAL DO USUÁRIO DO PROGRAMA DE ANÁLISE DE REDES - ANAREDE, CEPEL – Centro de Pesquisa de Energia Elétrica - V07-08/99. (15) RAPIDMINER 5.0 - USER MANUAL, 2010 by Rapid-I GmbH. disponível em www.rapid-i.com.

8.0 - DADOS BIOGRÁFICOS

Benedito das Graças Duarte Rodrigues - Nascido em Breves-PA, 1960, graduado em Engenharia Elétrica, Especialista em Automação e Controle, Mestrando em Sistemas de Energia pela Universidade Federal do Pará, em 1988, 2005 e 2013 respectivamente. Possui grande experiência profissional nas áreas de Sistemas de Controle e automação, Proteção e Operação de sistemas elétricos.Atualmente exerce a função de Gerente da Divisão de Engenharia de Operação e manutenção da Regional de Geração e Transmissão da Eletrobras Eletronorte no Amapá. É membro do IEEE PES.

Dieigo Sá Gaia - Possui graduação em Engenharia Elétrica pela Universidade Federal do Pará (2012) e curso-tecnico-profissionalizante pelo Instituto Federal de Educação, Ciência e Tecnologia do Pará (2011). Tem experiência na área de Engenharia Elétrica. Atuando principalmente nos seguintes temas: Avaliação da segurança estática e dinâmica de sistemas de potência. Estabilidade Transitória.

Bernard Carvalho Bernardes - Possui Graduação e mestrado em Engenharia Elétrica pela Universidade Federal do Pará, Campus de Tucuruí, em 2011 e 2013, respectivamente. Participa de pesquisas no CEAMAZON, fazendo parte da equipe do Laboratório de Modelagem e Simulação de Sistemas Elétricos.

Dione José Abreu Vieira - Nascido em Macapá-AP, 1983, possui graduação em Engenharia Elétrica pela Universidade Federal do Pará, UFPA, Belém-PA, Brasil em 2011. Atualmente é mestrando do programa de pós-graduação em Engenharia Elétrica da Universidade Federal do Pará. Possui experiência na área de Sistemas Elétricos de Potência com ênfase em Dinâmica e Controle de Sistemas de Potência. Atualmente atua em projetos de pesquisa de convênio Eletronorte – UFPA/CEAMAZON. Suas áreas de atuação são: modelagem (estática e dinâmica), controle e segurança de sistemas de potência.

Werbeston Douglas de Oliveira - Possui graduação e mestrado em Engenharia Elétrica pela Universidade Federal do Pará (2011) e (2013), respectivamente, com ênfase em Sistemas de Energia Elétrica. Atualmente é doutorando do Programa de Pós-Graduação em Engenharia Elétrica (PPGEE) da UFPA. Tem experiência na área de Geração, Segurança de SEP, Mineração de Dados aplicados em SEP, Modelagem, Simulação e Estabilidade, Sistemas Fotovoltaicos atuando como pesquisador no Laboratório de Modelagem e Simulação de SEP do Centro de Excelência em Eficiência Energética da Amazônia (CEAMAZON). É membro do IEEE PES.

João Paulo Abreu Vieira - Nascido em Macapá-AP, 1980, possui graduação, mestrado e doutorado em Engenharia Elétrica pela Universidade Federal do Pará em 2004, 2006 e 2009, respectivamente. Atualmente exerce a função de Professor Adjunto 2 da Universidade Federal do Pará. Tem experiência na área de Engenharia Elétrica, com ênfase em Sistemas Elétricos de Potência, atuando principalmente nos seguintes temas: Modelagem, simulação, estabilidade, controle e segurança de sistemas elétricos. Geração distribuída, aerogeradores. Medição fasorial sincronizada e suas aplicações. É membro do IEEE PES.

Ubiratan Holanda Bezerra - Nascido em Ceará, 1950, possui graduação em Engenharia Elétrica Opção Eletrônica pela Universidade Federal do Pará (1976), mestrado em Engenharia Elétrica pela Universidade Federal de Itajubá (1980) e doutorado em Engenharia Elétrica pela Universidade Federal do Rio de Janeiro (1988). Atualmente é professor titular da Universidade Federal do Pará. Seus interesses em pesquisa estão focados em avaliação estática e dinâmica da segurança de sistemas elétricos, geração distribuída, e qualidade da energia elétrica.

Vilson Castro - Atualmente exerce o cargo de Analista de Sistemas na Assessoria Técnica Superintendência de Engenharia de Operação de Sistema na Eletrobras Eletronorte em Brasília - DF