Please use this identifier to cite or link to this item: http://repositorio.ufpa.br/jspui/handle/2011/8038
metadata.dc.type: Dissertação
Issue Date: 24-Sep-2015
metadata.dc.creator: ALVES, Medillin Pereira
metadata.dc.contributor.advisor1: NUNES, Marcus Vinícius Alves
Title: Caracterização de padrões de descargas parciais em hidrogeradores utilizando técnicas de inteligência computacional
metadata.dc.description.sponsorship: CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico
Citation: ALVES, Medillin Pereira. Caracterização de padrões de descargas parciais em hidrogeradores utilizando técnicas de inteligência computacional. 2015. 105 f. Dissertação (Mestrado) - Universidade Federal do Pará, Instituto de Tecnologia, Belém. 2015. Programa de Pós-Graduação em Engenharia Elétrica.
metadata.dc.description.resumo: Esta dissertação apresenta os experimentos com aplicações de técnicas de Inteligência computacional para caracterização de descargas parciais em hidrogeradores. A classificação das descargas parciais contribui para uma análise prévia de problemas e permite a manutenção preditiva nas máquinas, reduzindo a possibilidade de falhas nas mesmas. Os dados foram coletados de modo online (máquina em operação) na Usina Hidrelétrica de Tucuruí, sendo observados os padrões de descarga interna, de laminação e entre barras. O software IMA-DP, desenvolvido em parceria entre Eletronorte e Cepel, permitiu que esses dados fossem medidos e registrados de maneira rápida, e organizados através dos mapas PRPD (Phase Resolved Partial Discharges). As técnicas de binarização, ANOVA (Analisys of Variance), ACI (Análise de Componentes Independentes) e ACP (Análise de Componentes Principais) foram aplicadas aos sinais para adequar os mesmos ao uso das técnicas de inteligência computacional. O trabalho foi desenvolvido no ambiente IPython usando a biblioteca scikit-learn, a qual possui eficientes algoritmos de inteligência. Os experimentos foram realizados fazendo-se uso das técnicas: KNN (K-Nearest Neighbors.), Floresta Randômica e MVS (Máquinas de Vetores de Suporte). Tais técnicas apresentaram bons resultados com os experimentos realizados, destacando-se aqueles obtidos para MVS que apresentaram os melhores resultados, atingindo uma acurácia de 96.07%, devido possuir mecanismos de seleção das principais variáveis durante o processo de treinamento.
Abstract: This master's thesis presents the experiments with applications of computational intelligence techniques for the characterization of partial discharges in hydrogenerators. The classification of the partial discharge contributes to a prior analysis problems and allows predictive maintenance on machinery, reducing the possibility of failures in them. Data were collected online mode (operation machine) in the Tucuruí Hydroelectric Power Plant, observed the internal discharge standards, delamination and between bars. The IMA-DP software, developed in partnership with Eletronorte and Cepel, allowed these data were measured and recorded quickly, and organized through PRPD maps (Phase resolved Partial Discharges). Binarization techniques, ANOVA (Analisys of Variance), ICA (Independent Component Analysis) and PCA (Principal Component Analysis) were applied to the signals to adapt them to the use of computational intelligence techniques. The study was developed in IPython environment using scikit-learn library, which has efficient intelligence algorithms. The experiments were performed making use of techniques: KNN (K-Nearest Neighbors), Random Forest and MVS (Support Vector Machines). Such techniques showed good results with the experiments, highlighting those obtained for MVS that showed the best results, achieving an accuracy of 96.07%, due possess selection mechanisms of the main variables during the training process.
Keywords: Descargas elétricas
Turbinas hidráulicas
Inteligência computacional
Medidas de segurança
Caracterização de descargas parciais
Hidrogeradores
metadata.dc.subject.cnpq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal do Pará
metadata.dc.publisher.initials: UFPA
metadata.dc.publisher.department: Instituto de Tecnologia
metadata.dc.publisher.program: Programa de Pós-Graduação em Engenharia Elétrica
metadata.dc.rights: Acesso Aberto
Appears in Collections:Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC

Files in This Item:
File Description SizeFormat 
Dissertacao_CaracterizacaoPadroesDescargas.pdf2,27 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons