Discente: RUBEN FELIPE GONCALVES DE ARAUJO

Título: CARACTERIZAÇÃO DA CORRENTE DE FUGA SUPERFICIAL EM ISOLADORES DE ALTA TENSÃO: EXTRAÇÃO DE CARACTERÍSTICAS DE FORMAS DE ONDA 

Orientador: PROF. DR. SÉRGIO CAMPELLO OLIVEIRA

Coorientador: PROF. DR. JOSÉ PAULO G. DE OLIVEIRA

Examinador Externo: PROF. DR. JOAQUIM FERREIRA MARTINS FILHO

Examinador Interno: PROF. DR. GUSTAVO OLIVEIRA CAVALCANTI

Data: 19 DE DEZEMBRO DE 2025

Horário: 09:00

Local: On-line

Resumo do projeto: 

Em redes de transmissão de energia elétrica, o acúmulo de poluentes solúveis e não solúveis em água sobre a superfície de componentes isolantes, submetidos à umidade do ar, gera um dos principais problemas que desafiam a manutenção da qualidade de energia. O problema de descargas parciais sobre cadeias de isoladores surge quando a corrente de fuga, que flui naturalmente sobre o material, na ordem de microamperes, é intensificada pelo acúmulo de energia em campo elétrico gerado entre bandas secas e regiões eletricamente condutoras na superfície isolante. O desencadeamento dessas reações sobre uma cadeia poluída causa pequenas descargas elétricas, na ordem de miliamperes, com degradação mínima e cumulativa, as quais, não sendo contidas, evoluem para descargas na escala de amperes até uma descarga disruptiva, conhecida como flashover, que invalida a propriedade dielétrica do material e interrompe o fluxo de energia da rede. Diante disso, a literatura especializada propõe soluções para o monitoramento contínuo dessas estruturas isolantes. Dentre as soluções está a captação e registro da forma de onda da corrente de fuga superficial de cadeias de isoladores a partir da transdução óptica, possibilitando a captação do sinal, sem a interferência de campo eletromagnético, e o seu processamento em ambiente isolado para a análise do comportamento elétrico e apoio à manutenção preditiva. A partir de sinais registrados por esse tipo de monitoramento, e objetivando-se contribuir com a obtenção de dados para o aprimoramento do estudo, este trabalho propõe uma estratégia, fundamentalmente no domínio do tempo, apoiada por ferramentas da linguagem Python3, para a caracterização morfológica dessas formas de onda, incluindo: pré-processamento para padronização dos sinais; aplicação da técnica KDE para estimativa e subtração do nível CC do sistema sensor; filtragem de ruído com Wavelets; segmentação em regiões com e sem eventos de interesse por limiar adaptativo; identificação de picos; e a extração de características da componente fundamental, senoidal retificada em meia onda, e da componente impulsiva da corrente, onde se apresentam descargas parciais sobrepostas à parte fundamental. A aplicação da estratégia permitiu identificar relações significativas entre essas componentes.

Palavras-chave: Forma de Onda; Morfologia; Corrente de Fuga; Descargas Parciais; Extração de Característica; Rede Elétrica; Isolador, Wavelet.

Discente: DOURIVAN DIEGO DE MELO PEREIRA 

Título: VIABILIDADE DO USO DE MODELOS DE GRANDE ESCALA COMO DESCRITORES DE IMAGEM NA CLASSIFICAÇÃO DE RESÍDUOS SÓLIDOS 

Orientador: PROF. DR. CARMELO JOSÉ ALBANEZ BASTOS FILHO 

Coorientador: PROFA. DRA. MÁRCIA REJANE OLIVEIRA BARROS CARVALHO MACEDO

Examinador Externo: PROF. DR. CLAUDEMIRO LIMA JÚNIOR

Examinador Interno: PROF. DR. MANOEL HENRIQUE DA NÓBREGA MARINHO 

Data: 10 DE DEZEMBRO DE 2025

Horário: 14:00

Local: On-line

Resumo do projeto: 

A gestão eficiente de resíduos sólidos urbanos representa um dos maiores desafios para a sustentabilidade nas cidades inteligentes, sendo historicamente limitada pela dependência da triagem manual e pela ineficácia de tecnologias convencionais em lidar com a heterogeneidade e a desordem visual dos materiais. Diante das limitações das Redes Neurais Convolucionais (CNNs) em fornecer descrições contextuais, esta dissertação investiga a viabilidade e o desempenho de Modelos de Linguagem de Grande Escala (LLMs) multimodais como descritores automáticos de imagem para a classificação de resíduos. O objetivo principal foi avaliar a capacidade dessas arquiteturas em gerar descrições semânticas precisas em cenários complexos. A metodologia adotou uma abordagem exploratória e experimental, utilizando um dataset intencional de 10 imagens que representam desafios visuais críticos, como alta sobreposição e homogeneidade em Resíduos Sólidos Urbanos (RSU), Resíduos de Construção e Demolição (RCD) e Resíduos Mistos. Foram avaliados três modelos: Gemini 2.5 Pro, GPT-4o e LLaVA 1.5 7b, submetidos a prompts simples e elaborados. A análise de desempenho baseou-se em uma avaliação a parti de um formulario, utilizando os critérios de Completude e Corretude. Os resultados estatísticos, validados por análise de clustering e árvore de decisão, demonstraram uma hierarquia de desempenho clara. O modelo Gemini 2.5 Pro apresentou a maior robustez operacional, com mediana de completude superior a 4.3, seguido pelo GPT-4o, que exibiu um comportamento conservador. Em contrapartida, o modelo open-source LLaVA 1.5 7b revelou-se inadequado para aplicações críticas devido à inconsistência e à ocorrência de alucinações semânticas graves. Conclui-se que o uso de LLMs como descritores é tecnicamente viável e promissor para a automação da triagem.

Palavras-chave: Inteligência artificial, modelos de larga escala, sustentabilidade.

Discente: EMANOEL SOARES CÂNDIDO SILVA

Título: GESTÃO TÉRMICA DE BATERIAS CILÍNDRICAS LI-ÍON PARA VEÍCULOS ELÉTRICOS COM NANOFLUIDOS E NEPCMS HÍBRIDOS: NOVOS INSIGHTS E MODELAGEM

Orientador: PROF. DR. JORNANDES DIAS DA SILVA

Examinador Externo: PROF. DR. ANTÔNIO MENDES DA SILVA FILHO

Examinador Interno: PROF. DR. DEIVSON CESAR SILVA SALES

Data: 05 DE DEZEMBRO DE 2025

Horário: 14:30

Local: On-line

Resumo do projeto: 

O modelo matemático desenvolvido neste estudo integra três modelos acoplados para fornecer uma simulação abrangente do comportamento térmico de baterias de íons de lítio. Esses modelos incluem um modelo térmico de bateria de íons de lítio, um modelo térmico NeCPCM e um modelo híbrido de transferência de calor de nanofluido. Sua integração permite a previsão precisa de distribuições de temperatura, mitigação eficaz de pontos quentes e gerenciamento térmico otimizado, melhorando assim o desempenho da bateria e a segurança operacional. O modelo térmico da bateria de íons de lítio, o modelo térmico NeCPCM (RT-42 + CuO/Al2O3) e o modelo híbrido (CuO-Fe/H2O) de transferência de calor de nanofluido são formulados usando uma geometria cilíndrica bidimensional (radial-axial) para prever com precisão o comportamento térmico acoplado e a dinâmica de transferência de calor dentro do sistema de bateria. A bateria de íons de lítio exibe uma distribuição de temperatura progressivamente mais uniforme com o aumento do tempo de resfriamento, indicando maior dissipação de calor e redução de pontos quentes localizados. Os resultados quantitativos mostram que as temperaturas diminuíram de aproximadamente 38,24°C a 900s para 35,24°C a 3600s, demonstrando que a exposição prolongada ao canal de resfriamento helicoidal remove eficientemente o calor do núcleo da bateria, levando à melhoria da uniformidade térmica e do desempenho geral da bateria. O módulo NeCPCM equipado com um canal de resfriamento helicoidal demonstra uniformidade de temperatura significativamente melhorada, caracterizada por dissipação de calor aprimorada e mitigação eficaz de pontos de calor. A configuração helicoidal direciona o refrigerante ao longo de uma trajetória espiral, maximizando assim o contato com a superfície, intensificando a transferência de calor por convecção e minimizando os gradientes térmicos em todo o módulo. A análise quantitativa revela uma redução progressiva da temperatura, diminuindo de aproximadamente 41,17 °C a 900 s para 36,52 °C a 3600 s, indicando remoção de calor cada vez mais eficiente e distribuição térmica uniforme ao longo do tempo. Essas melhorias na regulação térmica não apenas otimizam o desempenho de resfriamento do módulo, mas também contribuem para maior confiabilidade da bateria, segurança operacional e maior vida útil do ciclo.

Palavras-chave: Análise térmica; carregamento; descarregamento; armazenamento de energia.