Sistemas de diagnóstico de faltas em transformadores de potência utilizando análise de gases dissolvidos e técnicas de inteligência computacional/Michel Bortolini Hell ; orientador: Pyramo Pires da Costa Júnior
| Autor: | Hell, Michel Bortolini |
|---|---|
| Přispěvatelé: | Costa Júnior, Pyramo Pires da Orientador, Pontifícia Universidade Católica de Minas Gerais.Programa de Pós-Graduação em Engenharia Elétrica,Instituição |
| Jazyk: | portugalština |
| Rok vydání: | 2002 |
| Předmět: | |
| Zdroj: | Biblioteca Digital de Teses e Dissertações da PUC_MINAS Pontifícia Universidade Católica de Minas Gerais (PUC MINAS) instacron:PUC_MINS |
| Popis: | Dissertação (mestrado) - Pontifícia Universidade Católica de Minas Gerais, Programa de Pós-Graduação em Engenharia Elétrica Bibliografia: f. 90-92 Resumo: Neste trabalho tratou-se do problema de diagnosticar faltas incipientes em transformadores através da análise dos gases que se encontram dissolvidos no óleo isolante. Na solução do problema foram aplicadas técnicas de inteligência computacional com a finalidade de desenvolver sistemas de diagnóstico que pudessem reconhecer os padrões de defeito apresentados pelos transformadores analisados. O primeiro sistema desenvolvido foi baseado em uma rede neural Perceptron de múltiplas camadas, treinada pelo algoritmo backpropagation. O segundo sistema desenvolvido foi baseado em uma abordagem de rede neural de função de base radial. A terceira técnica aplicada resultou no desenvolvimento de uma rede neural de Kohonen. O quarto sistema desenvolvido baseava-se em um sistema de inferência fuzzy e o quinto sistema implementou um sistema de inferência fuzzy neuro-adaptativo. A partir dos resultados, conclui-se que a rede neural de Kohonen é mais indicada para a classificação de defeitos, obtendo um grande percentual de acertos com baixo custo computacional. O trabalho também apresenta uma aplicação do algoritmo de Adeli-Hung no problema de agrupamento dos transformadores analisados, como forma de melhor tratar a base de dados usada no desenvolvimento dos sistemas, obtendo assim melhores resultados quando validados através de diagnósticos reais coletados em campo. Abstract: In this work the problem of diagnosis incipient faults in power transformers through the dissolved gas analysis in the insulation oil was treated. In the solution of the problem was used five techniques of computational intelligence to develop diagnosis systems that could recognize the faults presented in the analyzed transformers. The first developed system was based on a multi layer Perceptron neural network, trained with backpropagation algorithm. The second developed system was based on a radial basis function neural network approach. The third applied technique resulted in the development of a Kohonen neural network. The fourth developed system was based on a fuzzy inference system and the fifth system implemented was a adaptive neuro fuzzy inference system. From the obtained results was possible conclude that the Kohonen neural network is the most indicated system to classify faults in power transformers. The work also presented an application of Adeli-Hung algorithm to cluster the analyzed transformers, with the purpose of classify the utilized data base to obtain better results when these results will be validate by real diagnosis collected in field. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|