Extração de conhecimento em forma de regras difusas a partir de mapas auto-organizáveis de Kohonen: aplicação em diagnóstico de faltas incipientes em transformadores

Apesar das diversas vantagens oferecidas pelas redes neurais artificiais (RNAs), algumas limitações ainda impedem sua larga utilização, principalmente em aplicações que necessitem de tomada de decisões essenciais para garantir a segurança em ambientes como, por exemplo, em Sistemas de Energia. Uma das principais limitações das RNAs diz respeito à incapacidade que estas redes apresentam de explicar como chegam a determinadas decisões; explicação esta que seja humanamente compreensível. Desta forma, este trabalho propõe um método para extração de regras a partir do mapa auto-organizável de Kohonen, projetando um sistema de inferência difusa capaz de explicar as decisões/classificação obtidas através do mapa. A metodologia proposta é aplicada ao problema de diagnóstico de faltas incipientes em transformadores, em que se obtém um sistema classificatório eficiente e com capacidade de explicação em relação aos resultados obtidos, o que gera mais confiança aos especialistas da área na hora de tomar decisões.

ABSTRACT: Despite the many advantages offered by the artificial neural networks, some limitations still prevent their widespread use, especially in applications that require making decisions essential to ensure safety in environments such as in Power Systems. A major limitation of artificial neural networks with respect to the inability of these networks is to explain how to arrive at certain decisions. This explanation must be humanly understandable. Thus, this paper proposes a method for extracting fuzzy rules from Kohonen self-organizing map, designing a fuzzy inference system capable of explaining the decisions taken by the map. To verify its effectiveness, the method is applied to solve the problem of classification for the diagnosis of incipient faults in power transformers used.