dc.creator.ID |
SILVA, N. P |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/4955391782870684 |
pt_BR |
dc.contributor.advisor1 |
LIRA, George Rossany Soares de. |
|
dc.contributor.advisor1ID |
LIRA, G. R. S. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/7283717300126094 |
pt_BR |
dc.contributor.referee1 |
VILAR, Pablo Bezerra. |
|
dc.description.resumo |
Os isoladores são equipamentos responsáveis por fornecer isolamento elétrico e sustentação
mecânica aos condutores, sendo amplamente utilizados nos Sistemas Elétricos de Potência. A
confiabilidade e continuidade do sistema dependem que esses equipamentos operem de forma
correta. Devido à importância dos isoladores para o sistema elétrico, estudos que desenvolvam
técnicas capazes de realizar o diagnóstico/prognóstico desses equipamentos, fazem-se necessários.
Este trabalho apresenta uma técnica para classificação ou diagnóstico de isoladores a partir
de parâmetros da corrente de fuga. Inicialmente, o banco de dados foi construído, por meio de
ensaios elétricos para obtenção da corrente de fuga com isoladores de vidro poluídos artificialmente
em cinco diferentes níveis: limpo, muito leve, leve, moderado e pesado. Os parâmetros
da corrente de fuga que apresentaram maior correlação com a poluição foram: valor de pico,
valor eficaz e a componente harmônica fundamental. Os modelos de classificação utilizados
para determinar o nível de poluição, basearam-se em técnicas de inteligência artificial, sendo
elas: Máquinas de Vetor de Suporte, Mapas Auto-Organizáveis de Kohonen e Naive Bayes.
Indicadores de desempenho foram utilizados para avaliar a confiabilidade de cada uma das
técnicas como também realizar uma análise comparativa entre elas. Os indicadores utilizados
foram: acurácia, precisão, sensibilidade, f1-score e matriz de confusão. Verificou-se que os
modelos de classificação apresentaram ótimos resultados, principalmente o algoritmo baseado
em aprendizado não supervisionado, Mapas de Kohonen. Com isso, obteve-se um modelo de classificação
com desempenho satisfatório que pode ser utilizado em um sistema de monitoramento
e diagnóstico de isoladores capaz de auxiliar nos processos de tomada de decisão relacionados
ao gerenciamento de ativos. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Engenharia Elétrica e Informática - CEEI |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Engenharia Elétrica. |
pt_BR |
dc.title |
Metodologia para classificação de nível de poluição de isoladores com base na medição da corrente de fuga utilizando inteligência artificial. |
pt_BR |
dc.date.issued |
2022-04-01 |
|
dc.description.abstract |
Insulators are equipment responsible for providing electrical insulation and mechanical support to
conductors, and are widely used in the Electric Power Systems. System reliability and continuity
depend on these equipment operating correctly. Due to the importance of insulators for the
electrical system, studies that develop techniques capable of performing the diagnosis/prognosis
of this equipment are necessary. This work presents a technique for classification or diagnosis
of insulators based on leakage current parameters. Initially, the database was built, through
electrical tests to obtain the leakage current with artificially polluted glass insulators at five
different levels: clean, very light, light, moderate and heavy. The leakage current parameters
that presented the greatest correlation with pollution were: peak value, RMS value and the
fundamental harmonic component. The classification models used to determine the level of
pollution were based on artificial intelligence techniques, namely: Support Vector Machines,
Kohonen Self-Organizing Maps and Naive Bayes. Performance indicators were used to assess
the reliability of each of the techniques as well as perform a comparative analysis between them.
The indicators used were: accuracy, precision, recall, f1-score and confusion matrix. It was
verified that the classification models presented excellent results, mainly the algorithm based on
unsupervised learning, Kohonen Maps. Thus, we obtained a classification model with satisfactory
performance that can be used in an insulator monitoring and diagnosis system capable of assisting
in decision-making processes related to asset management. |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27428 |
|
dc.date.accessioned |
2022-09-23T19:07:21Z |
|
dc.date.available |
2022-09-23 |
|
dc.date.available |
2022-09-23T19:07:21Z |
|
dc.type |
Trabalho de Conclusão de Curso |
pt_BR |
dc.subject |
Inteligência artificial |
pt_BR |
dc.subject |
Poluição de isoladores |
pt_BR |
dc.subject |
Corrente de fuga - medição |
pt_BR |
dc.subject |
Isoladores |
pt_BR |
dc.subject |
Mapas de Kohonen |
pt_BR |
dc.subject |
Máquinas de vetor de suporte |
pt_BR |
dc.subject |
Mapas auto-organizáveis - Kohonen e Naive Bayes |
pt_BR |
dc.subject |
Kohonen e Naive Bayes - mapas |
pt_BR |
dc.subject |
Contaminação em isoladores |
pt_BR |
dc.subject |
Naive Bayes |
pt_BR |
dc.subject |
Modelo SVM |
pt_BR |
dc.subject |
Artificial intelligence |
pt_BR |
dc.subject |
Pollution of insulators |
pt_BR |
dc.subject |
Leakage current - measurement |
pt_BR |
dc.subject |
Insulators |
pt_BR |
dc.subject |
Maps of Kohonen |
pt_BR |
dc.subject |
Support vector machines |
pt_BR |
dc.subject |
Self-organizing maps - Kohonen and Naive Bayes |
pt_BR |
dc.subject |
Kohonen and Naive Bayes - maps |
pt_BR |
dc.subject |
Contamination in insulators |
pt_BR |
dc.subject |
Naive Bayes |
pt_BR |
dc.subject |
SVM model |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
SILVA, Nathanael Pereira. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Methodology for classifying the pollution level of insulators based on the measurement of the leakage current using artificial intelligence. |
pt_BR |
dc.identifier.citation |
SILVA, Nathanael Pereira. Metodologia para classificação de nível de poluição de isoladores com base na medição da corrente de fuga utilizando inteligência artificial. 2022. 63f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2022. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/27428 |
pt_BR |