Caracterização de padrões de descargas parciais em hidrogeradores utilizando técnicas de inteligência computacional

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.