Detalhes bibliográficos
| Ano de defesa: |
2017 |
| Autor(a) principal: |
Brunini, Danilo de Melo [UNESP] |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Estadual Paulista (Unesp)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://hdl.handle.net/11449/151110
|
Resumo: |
Os transformadores são equipamentos importantes do sistema elétrico de potência, possuem alto custo e suas falhas tem influência direta na qualidade da energia entregue aos consumidores. Uma das principais causas de falhas em transformadores imersos em líquido isolante, as descargas parciais, advém da degradação física e química do sistema de isolação devido à diversos fatores tais como sobrecarga, cargas não-lineares, chaveamento e superaquecimento. Essas descargas parciais aceleram a degradação do dielétrico do transformador e podem levar à destruição do equipamento, ocasionando elevado prejuízo financeiro. Dessa forma, são necessárias ações de prevenção de falhas causadas por descargas parciais em transformadores, através de métodos de monitoramento e localização. Este trabalho teve por objetivo apresentar um método de localização de descargas parciais em transformadores de potência imersos em óleo mineral isolante utilizando o método de emissão acústica e sistemas inteligentes do tipo redes neurais artificiais e algoritmos genéticos. Foram aplicadas métricas de processamento de sinais aos sinais acústicos gerados a partir de descargas parciais e obtidos através de sensores piezelétricos de baixo custo instalados no lado externo do tanque do transformador. Estas métricas foram utilizadas para treinamento das redes neurais a fim de obter a distância euclidiana entre os sensores e as descargas parciais. Essas distâncias euclidianas foram utilizadas em um sistema não-linear de localização o qual foi solucionado através de um algoritmo genético a fim de obter as coordenadas tridimensionais da descarga parcial. A análise dos resultados obtidos nas etapas de treinamento das redes neurais e execução do algoritmo genético foi realizada através de critérios estatísticos como erro absoluto médio, erro relativo percentual, desvio padrão e coeficiente de correlação. Esta técnica de localização mostrou resultados promissores uma vez que as coordenadas tridimensionais de duas descargas parciais, escolhidas para validação, apresentaram erros absolutos médios inferiores a 3 cm. |
