Banca de QUALIFICAÇÃO: GIELSON VITOR OLIVEIRA VERAS

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: GIELSON VITOR OLIVEIRA VERAS
DATA: 03/09/2018
HORA: 14:00
LOCAL: Engenharia Elétrica - UFPI
TÍTULO: Diagnóstico do Óleo de Transformador de Potência Através da Análise de Gases Dissolvidos Utilizando Redes Neurais Artificiais
PALAVRAS-CHAVES: Redes Neurais Artificiais. Óleo Mineral Isolante. Transformadores de Potência. Gases Dissolvidos.
PÁGINAS: 79
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
SUBÁREA: Medidas Elétricas, Magnéticas e Eletrônicas; Instrumentação
ESPECIALIDADE: Sistemas Eletrônicos de Medida e de Controle
RESUMO:

Este trabalho tem como objetivo aplicar Redes Neurais Artificiais (RNAs) para obter o diagnóstico da qualidade do óleo isolante de transformadores de potência a partir das concentrações de gases dissolvidos neste óleo. Tal diagnóstico é tradicionalmente obtido a partir da análise das propriedades físico-químicas do liquido, enquanto a concentração dos gases é utilizada para detectar as ocorrências de falhas incipientes no transformador. No entanto, existe uma dualidade entre essas duas características (BARBOSA, 2013). Análises de Óleo realizadas por mais de trinta anos em mais de 150 Transformadores de Potência do Brasil foram usadas para implementar e testar a ferramenta proposta. O objetivo principal é permitir um planejamento correto da manutenção de transformadores com menor custo, uma vez que apenas com a análise dos gases dissolvidos é possível inferir sobre a qualidade do óleo e a ocorrência de falhas. Quatro RNAs são testadas para realizar essa tarefa: Perceptron Multi Camadas, ou do inglês Multilayer Perceptron (MLP), Rede Função de Base Radial, ou do inglês Radial Basis Function (RBF), Rede Máquina de Aprendizado Extremo, ou do inglês Extreme Learning Machine (ELM), Rede Mapa Auto Organizável ou do inglês Self Organizated Map (SOM) e Rede Mapa Auto Organizável com K Vencedores, ou do inglês K-Winners Self Organizated Map (KSOM) . O desempenho das RNAs foi analisado e comparado entre elas e entre os métodos tradicionais de diagnósticos de óleo. Os resultados mostraram que a ferramenta proposta foi mais próspera que os métodos tradicionais de avaliação de óleo de transformadores.

MEMBROS DA BANCA:
Interno - 959.082.183-91 - HERMES MANOEL GALVÃO CASTELO BRANCO - UESPI
Interno - 1785470 - JOSE MARIA PIRES DE MENEZES JUNIOR