???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tedebc.ufma.br/jspui/handle/tede/tede/3105
Tipo do documento: Dissertação
Título: Diagnóstico de falhas em transformadores de potência através de análise de gases dissolvidos usando rede neural artificial
Título(s) alternativo(s): Fault diagnosis in power transformers through analysis of dissolved gases using artificial neural network
Autor: ENRIQUEZ, Alex Rogelio Soto 
Primeiro orientador: MENDEZ, Osvaldo Ronald Saavedra
Primeiro coorientador: LIMA, Shigeaki Leite de
Primeiro membro da banca: MENDEZ, Osvaldo Ronald Saavedra
Segundo membro da banca: LIMA, Shigeaki Leite de
Terceiro membro da banca: SOUZA, André Nunes de
Quarto membro da banca: CASAS, Vicente Leonardo Paucar
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.
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.
Palavras-chave: Transformador de potência
BPSO
K-NN
Redes Neurais Artificiais
Power Transformer
BPSO
K-NN
Artificial Neural Network
Área(s) do CNPq: Sistemas Elétricos de Potência
Idioma: por
País: Brasil
Instituição: Universidade Federal do Maranhão
Sigla da instituição: UFMA
Departamento: DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET
Programa: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET
Citação: 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.
Tipo de acesso: Acesso Aberto
URI: https://tedebc.ufma.br/jspui/handle/tede/tede/3105
Data de defesa: 28-Feb-2020
Appears in Collections:DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE

Files in This Item:
File Description SizeFormat 
ALEX-ENRIQUEZ.pdfDissertação de Mestrado1,83 MBAdobe PDFDownload/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.