@MASTERSTHESIS{ 2020:1243922732,
 	title = {Diagnóstico de falhas em transformadores de potência através de análise de gases dissolvidos usando rede neural artificial},
 	year = {2020},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/3105",
 	abstract = "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.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}