Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.ufc.br/handle/riufc/72317
Tipo: TCC
Título : Uso de meios computacionais na detecção de falhas incipientes em transformadores de potência como método alternativo à análise de gases dissolvidos.
Autor : Vidal, Gladson Renato Queiroz
Tutor: Antunes, Fernando Marcelo
Palabras clave : Machine Learning;Falhas incipientes;Transformadores
Fecha de publicación : 2022
Citación : VIDAL, Gladson Renato Queiroz. Uso de meios computacionais na detecção de falhas incipientes em transformadores de potência como método alternativo à análise de gases dissolvidos. 2022. 51 f. Monografia (Graduação em Engenharia Elétrica) – Centro de tecnologia, Universidade Federal do Ceará, Fortaleza, 2022.
Resumen en portugués brasileño: Os transformadores de potência são equipamentos essenciais para a operação do sistema elétrico, tanto no sentido econômico quanto no técnico. Diante disso, qualquer esforço desprendido na identificação de falhas torna-se relevante. Este trabalho objetiva identificar os métodos computacionais com melhor desempenho na classificação de falhas incipientes em transformadores com base na concentração dos gases dissolvidos em óleo. Para tanto, foi utilizada uma base com 201 registros de análises cromatográficas (ou análise de gases dissolvidos) disponibilizadas no IEEE DATAPORT. Os dados foram tratados, segregados em dois conjuntos (um contendo o dataset original normalizado e outro contendo as razões entre os gases mediante metodologia definida por Rogers) e submetidos a classificação por método tradicional e computacionais (K-nearest neighbor, Naïve bayes e Multilayer perceptron). Para o dataset original, o Multilayer perceptron obteve precisão de 0,80, o K-nearest neighbor 0,60 e o Naïve bayes 0,36. Por sua vez, para o dataset das razões, o Multilayer perceptron obteve uma precisão menor (0,70), mas tanto o K-nearest neighbor, quanto o Naïve bayes melhoraram seu desempenho alcançando os valores de 0,70 e 0,63, respectivamente. É possível concluir que usar o método das razões no pré-processamento dos dados da análise dos gases dissolvidos, melhorou o desempenho de dois classificadores (K-nearest neighbor e Naïve bayes) e piorou o desempenho de um deles (Multilayer perceptron), além disso, dos classificadores implementados, o Multilayer perceptron e o K-nearest neighbor, obtiveram taxas de acerto superiores, respectivamente 0,80 e 0,70, ao método tradicional descrito por Rogers (0,69), sendo este melhor apenas que o Naïve Bayes (0,67).
Abstract: Power transformers are essential equipment for the operation of the electrical system, both economically and technically. In view of this, any effort devoted to identifying failures becomes relevant. This work aims to identify the computational methods with better performance in the classification of incipient failures in transformers based on the concentration of gases dissolved in oil. For this purpose, a database with 201 records of chromatographic analyzes (or dissolved gas analysis) available on the IEEE DATAPORT was used. The data were treated, segregated into two sets (one containing the original normalized dataset and the other containing the ratios between gases using a methodology defined by Rogers) and submitted to classification using traditional and computational methods (Knearest neighbor, Naïve bayes and Multilayer perceptron). For the original dataset, the Multilayer perceptron obtained a precision of 0.80, the K-nearest neighbor 0.60 and the Naïve bayes 0.36. In turn, for the ratios dataset, the Multilayer perceptron obtained a lower precision (0.70), but both the K-nearest neighbor and the Naïve bayes improved their performance reaching values of 0.70 and 0.63, respectively. It is possible to conclude that using the method of ratios in the pre-processing of data from the analysis of dissolved gases, improved the performance of two classifiers (K-nearest neighbor and Naïve bayes) and worsened the performance of one of them (Multilayer perceptron), in addition, of the implemented classifiers, the Multilayer perceptron and the K-nearest neighbor, obtained higher success rates, respectively 0.80 and 0.70, than the traditional method described by Rogers (0.69), which is only better than Naïve Bayes (0.67).
URI : http://www.repositorio.ufc.br/handle/riufc/72317
Aparece en las colecciones: ENGENHARIA ELÉTRICA - Monografias

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
2022_tcc_grqvidal.pdf844,29 kBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.