dc.creator.ID |
MACÊDO, E. C. T. |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/1567664152355721 |
pt_BR |
dc.contributor.advisor1 |
COSTA, Edson Guedes da. |
|
dc.contributor.advisor1ID |
COSTA, E. G. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/3930289115658143 |
pt_BR |
dc.contributor.advisor2 |
FREIRE, Raimundo Carlos Silvério. |
|
dc.contributor.advisor2ID |
FREIRE, R. C.S. |
pt_BR |
dc.contributor.advisor2Lattes |
http://lattes.cnpq.br/4016576596215504 |
pt_BR |
dc.contributor.referee1 |
NEVES, Washington Luiz Araújo. |
|
dc.contributor.referee1ID |
NEVES, W. L. A. |
pt_BR |
dc.contributor.referee2 |
JÚNIOR, Aldebaro Barreto da Rocha Klautau. |
|
dc.contributor.referee2ID |
JÚNIOR, A. B. R. K. |
pt_BR |
dc.contributor.referee3 |
VASCONCELOS, Flávio Henrique. |
|
dc.contributor.referee3ID |
VASCONCELOS, F. H. |
pt_BR |
dc.contributor.referee4 |
LOPES, Waslon Terllizzie Araújo. |
|
dc.contributor.referee4ID |
LOPES, W. T. A. |
pt_BR |
dc.description.resumo |
As Descargas Parciais se caracterizam por pulsos de corrente de alta frequência, que ocorrem
no interior dos equipamentos elétricos de alta tensão e são originadas pelo processo de ionização
do meio gasoso submetido a um campo elétrico elevado. Elas são tidas como fontes potenciais
de defeitos nos isolamentos elétricos. Inicialmente o fenômeno ocorre no isolamento elétrico de
forma parcial e existe a tendência, devido a fragilização do meio isolante, de se tornar total, o
que causa um curto-circuito entre as partes energizadas e o referencial de terra, danificando
o equipamento elétrico. Portanto, os níveis de ocorrência de descargas parciais devem ser
acompanhados periodicamente em toda vida útil do equipamento. Durante muitos anos, a
avaliação dos padrões obtidos a partir de medições de sinais de descargas parciais foi feita
de forma visual, por meio da representação gráfica em forma de elipses dos sinais de corrente e
tensão utilizando osciloscópios. O emprego de computadores e técnicas de inteligencia artificial,
em medições de descargas parciais, permitiram o reconhecimento automático de padrões obtidos
a partir das medições de descargas parciais, tanto em campo quanto em laboratório. Nesta Tese
de doutorado, é proposta uma metodologia baseada em ferramenta computacional, que permite
realizar a geração, processamento e identificação de tipos de defeitos em isolamentos elétricos
por meio da classificação de sinais de descargas parciais. Para a geração de descargas parciais
em laboratório, desenvolveu-se uma estrutura baseada em célula hermética, que possibilitou a
geração de sinais de descargas parciais com características bem definidas. Verificou-se durante as
medições que os sinais de descargas parciais eram bastante susceptíveis à interferências existentes
no ambiente de medição, e para mitigar esse problema, utilizou-se a Transformada Wavelet.
Foram avaliadas descargas parciais medidas em laboratório e verificou-se uma redução do nível de
ruído significativa após o processo de filtragem. Dentre as wavelet mãe avaliadas, as Daubechies
apresentaram desempenho relativamente superior, além de um tempo de processamento inferior
em comparação às demais. A partir da medição e filtragem dos sinais de descargas parciais
foram obtidos sinais que possuem padrões estatísticos bem definidos, os quais foram utilizados
para identificar o tipo de defeito existente no equipamento de alta tensão. Verificou-se também
a possibilidade de automatizar a identificação de defeitos a partir da utilização dos operadores
estatísticos, por meio de técnicas de inteligência artificial. Foram implementadas três topologias
de redes neurais artificiais, uma contendo apenas uma camada oculta, e outras contendo duas
e três camadas ocultas. O desempenho das RNA para esse tipo de identificação de padrões foi
satisfatório, principalmente utilizando a topologia composta por 2 camadas ocultas. Verificou-se
que a taxa de acerto global médio desta topologia foi de aproximadamente 96%, apresentando
um aumento significativo na taxa de acerto global e por classe em comparação com as topologias
contendo uma e três camadas ocultas. O desempenho das topologias de RNA foi avaliado
principalmente pelo emprego do erro quadrático médio e matrizes de confusão. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Engenharia Elétrica e Informática - CEEI |
pt_BR |
dc.publisher.program |
PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Engenharia Elétrica. |
pt_BR |
dc.title |
Metodologia para a classificação de descargas parciais utilizando redes neurais artificias. |
pt_BR |
dc.date.issued |
2014-03-17 |
|
dc.description.abstract |
Insulation failure in power systems plant may be caused by manufacturing defects or by electrical,
mechanical, thermal and chemical process which occur during operation. These processes
create defects, including voids in solids, which locally reduces the dielectric insulation strength.
Electrical discharge, may occur in these regions of reduced dielectric strength without discharge
occurring in the regions of non-degraded insulation. A category of this electrical discharges is
labeled Partial Discharges. The Partial Discharges measurement has long been used to evaluate
insulation system design and as a quality assurance test for High Voltage apparatus prior to
installation and during the equipment operational time. Partial Discharge is characterized by
high frequency current pulses originating in gas ionization processes when damaged insulation
is submitted to high values of electric field. The aim of this thesis is to present a comprehensive
methodology for emulation, processing, and automatic classification of several types of partial
discharge signals. For the generation of partial discharges in laboratory it was developed a
hermetic cell that allowed the generation of well defined partial discharges signals. It was verified
during the measurements that the partial discharges signal were susceptible to noise existing
in measurement area. To mitigate this problem, it was used the Wavelet Transform. Several
partial discharges signals obtained in laboratory were evaluated and was verified a significat
noise level reduction after the filtering process. Among the evaluated wavelets families, the
Daubechies have presented the best performance, besides a lower computational processing
time in relation to the other wavelet families. In the sequence, feature extraction was performed
using statistical parameters calculation for each insulation defect configuration. The obtained
feature data was used as input in a variety of Artificial Neural Network (ANN) topologies for an
automatic identification and interactive determination of the most suitable ANN topology (i.e.
number of artificial neurons and hidden layers) for this purpose. Three topologies of ANN were
implemented, the first was based in one hidden layes, the second in two hidden layes and the
last in tree hidden layers. The performance of classification was satisfatory, mainly the topology
based on two hidden layers. It was obtained a global recognition rate of aproximatedely 96%,
presenting a better result in comparison with the other topologies. The performance of the ANN
topologies was evaluated using the mean squared error and confusion plots. |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18180 |
|
dc.date.accessioned |
2021-04-19T17:22:00Z |
|
dc.date.available |
2021-04-19 |
|
dc.date.available |
2021-04-19T17:22:00Z |
|
dc.type |
Tese |
pt_BR |
dc.subject |
Descargas parciais |
pt_BR |
dc.subject |
Redes neurais artificiais |
pt_BR |
dc.subject |
Classificação de descargas parciais |
pt_BR |
dc.subject |
Processamento estático |
pt_BR |
dc.subject |
Diagnóstico de isolamentos |
pt_BR |
dc.subject |
Medições clássicas |
pt_BR |
dc.subject |
Inteligência artificial |
pt_BR |
dc.subject |
Partial discharges |
pt_BR |
dc.subject |
Artificial neural networks |
pt_BR |
dc.subject |
Classification of partial discharges |
pt_BR |
dc.subject |
Static processing |
pt_BR |
dc.subject |
Insulation diagnostics |
pt_BR |
dc.subject |
Classic measurements |
pt_BR |
dc.subject |
Artificial intelligence |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
MACÊDO, Euler Cássio Tavares de. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Methodology for the classification of partial discharges using artificial neural networks. |
pt_BR |
dc.identifier.citation |
MACÊDO, Euler Cássio Tavares. Metodologia para a classificação de descargas parciais utilizando redes neurais. 2014. 154f. http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18180 |
pt_BR |