Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
https://tedebc.ufma.br/jspui/handle/tede/tede/3105
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | ENRIQUEZ, Alex Rogelio Soto | - |
dc.creator.Lattes | http://lattes.cnpq.br/7699143047513151 | por |
dc.contributor.advisor1 | MENDEZ, Osvaldo Ronald Saavedra | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/6400934417933768 | por |
dc.contributor.advisor-co1 | LIMA, Shigeaki Leite de | - |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/1754927233855300 | por |
dc.contributor.referee1 | MENDEZ, Osvaldo Ronald Saavedra | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/6400934417933768 | por |
dc.contributor.referee2 | LIMA, Shigeaki Leite de | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/1754927233855300 | por |
dc.contributor.referee3 | SOUZA, André Nunes de | - |
dc.contributor.referee3Lattes | http://lattes.cnpq.br/8212775960494686 | por |
dc.contributor.referee4 | CASAS, Vicente Leonardo Paucar | - |
dc.contributor.referee4Lattes | http://lattes.cnpq.br/1155686983267102 | por |
dc.date.accessioned | 2020-03-13T17:21:45Z | - |
dc.date.issued | 2020-02-28 | - |
dc.identifier.citation | ENRIQUEZ, Alex Rogelio Soto. Diagnóstico de falhas em transformadores de potência através de análise de gases dissolvidos usando rede neural artificial. 2020. 99 f. Dissertação (Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís, 2020. | por |
dc.identifier.uri | https://tedebc.ufma.br/jspui/handle/tede/tede/3105 | - |
dc.description.resumo | Os transformadores de potência são equipamentos muito importantes na operação de sistemas elétricos, tendo como função insubstituível de transformar níveis de tensão e corrente para transmissão de energia elétrica do centro de geração até o usuário final. Essa importância é ainda maior do ponto de vista econômico, já que uma eventual condição de falha, com a consequente interrupção do serviço elétrico, pode levar a grandes perdas econômicas tanto para a concessionária como para o usuário final. É apresentada na literatura atualizada uma quantidade expressiva de bibliografias orientadas à manutenção de transformadores de potência em perfeitas condições de operação. Nesta dissertação de mestrado é desenvolvida uma metodologia de diagnóstico de falhas em transformadores de potência pela aplicação de Otimização de Enxame de Partículas Binária (em inglês, Binary Particle Swan Optimization - BPSO) no ajuste do classificador K-NN (k-Nearest Neighbor) para seleção de variáveis de avaliação de melhor agrupamento para um método (configuração cascata). No processo de treinamento e teste do método baseado na Rede Neural Artificial (RNA) é alcançado um desempenho de 100 %, constituindo desta forma uma alternativa competitiva de diagnóstico de falhas em transformadores de potência. | por |
dc.description.abstract | Power transformers are very important equipment in the operation of electrical systems, having the irreplaceable function of transforming voltage and current levels for transmission of electrical energy from generation center to end user. This importance is even greater from the economic point of view, since in the event of a failure condition with the consequent interruption of electrical service can lead to major economic losses for both the utility and the end user. An important amount of bibliographies oriented to the maintenance of power transformers in perfect operating conditions is presented in the updated literature. In this master's dissertation, a methodology for diagnosing power transformers failures is developed by applying Binary Particle Swan Optimization (BPSO) to adjust the K-NN classifier (k-Nearest Neighbor) selecting best grouping evaluation variables for a method (waterfall configuration). In the training and testing process for a method based on Artificial Neural Network (ANN) a performance of 100% is achieved, thus constituting a competitive alternative for power transformer fault diagnosis. | eng |
dc.description.provenance | Submitted by Sheila MONTEIRO (sheila.monteiro@ufma.br) on 2020-03-13T17:21:45Z No. of bitstreams: 1 ALEX-ENRIQUEZ.pdf: 1876798 bytes, checksum: a375dbbfecb4adb7e91f1ad8b1d186a6 (MD5) | eng |
dc.description.provenance | Made available in DSpace on 2020-03-13T17:21:45Z (GMT). No. of bitstreams: 1 ALEX-ENRIQUEZ.pdf: 1876798 bytes, checksum: a375dbbfecb4adb7e91f1ad8b1d186a6 (MD5) Previous issue date: 2020-02-28 | eng |
dc.format | application/pdf | * |
dc.language | por | por |
dc.publisher | Universidade Federal do Maranhão | por |
dc.publisher.department | DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFMA | por |
dc.publisher.program | PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET | por |
dc.rights | Acesso Aberto | por |
dc.subject | Transformador de potência | por |
dc.subject | BPSO | por |
dc.subject | K-NN | por |
dc.subject | Redes Neurais Artificiais | por |
dc.subject | Power Transformer | eng |
dc.subject | BPSO | eng |
dc.subject | K-NN | eng |
dc.subject | Artificial Neural Network | eng |
dc.subject.cnpq | Sistemas Elétricos de Potência | por |
dc.title | Diagnóstico de falhas em transformadores de potência através de análise de gases dissolvidos usando rede neural artificial | por |
dc.title.alternative | Fault diagnosis in power transformers through analysis of dissolved gases using artificial neural network | eng |
dc.type | Dissertação | por |
Aparece nas coleções: | DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
ALEX-ENRIQUEZ.pdf | Dissertação de Mestrado | 1,83 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.