Use este identificador para citar ou linkar para este item:
https://repositorio.ufms.br/handle/123456789/1925
Tipo: | Dissertação |
Título: | Rede Bayesiana Aplicada ao Diagnóstico de Falhas Incipientes em Transformadores de Potência |
Autor(es): | Carita, Angel Javier Quispe |
Primeiro orientador: | Leite, Luciana Cambraia |
Abstract: | A importância da energia elétrica nesta sociedade moderna é vital
para o seu desenvolvimento; falhas ou anomalias deste recurso podem
gerar perdas incalculáveis tanto para concessionária como para o usuário
final. O transformador é parte fundamental nos sistemas de transmissão
e distribuição de energia elétrica: por isso o interesse de acompanhar
o bom funcionamento deste equipamento evitando a presença de
falhas incipientes. O presente trabalho descreve a estrutura, aprendizagem
e aplicação da Rede Bayesiana destinada ao diagnóstico de falhas
incipientes de transformadores mediante a análise de gases dissolvidos
(DGA) no óleo. A Rede Bayesiana utiliza as relações de concentração
de gases metano/hidrogênio (CH4=H2), etano/metano (C2H6=CH4), etileno/
etano (C2H4=C2H6) e acetileno/etileno (C2H2=C2H4), como elementos
causais que ativam o diagnóstico da rede: deterioração normal,
falha elétrica e falha térmica. A aprendizagem foi realizada a partir de
um banco de dados históricos, no qual a Rede Bayesiana apresentou um
acerto de 86.64% e 85.19% nos diagnósticos para os conjuntos de dados
avaliados, demonstrando assim a confiabilidade e consistência da Rede
Bayesiana. The importance of electricity in the modern society is vital for its development. Failures or malfunctions of this resource can cause incalculable losses for both Power Company and consumer. The transformer is a key part in the transmission and distribution of electricity: hence the interest to follow the proper functioning of this equipment, avoiding incipient faults. This work describes the structure, learning and application of Bayesian Network addressed to the diagnosis of faults in power transformer through the dissolved gases analysis (DGA) in oil. The Bayesian Network uses the concentration ratios of gases methane/hydrogen (CH4=H2), ethane / methane (C2H6=CH4), ethylene / ethane C2H4=C2H6) and acetylene / ethylene (C2H2=C2H4) as elements that activate the network diagnosis: normal deterioration, electrical failure and thermal failure. The learning was achieved from historical database, in which the Bayesian Network presented a diagnosis of 86.64% and 85.19% successfully for the evaluated groups of database what shows the reliability and consistency of the Bayesian Network. |
Palavras-chave: | Transformadores Elétricos Electric Transformers Energia Elétrica - distribuição Electric Power Distribution Sistemas de Energia Elétrica Electric Power Systems |
Tipo de acesso: | Acesso Aberto |
URI: | https://repositorio.ufms.br/handle/123456789/1925 |
Data do documento: | 2012 |
Aparece nas coleções: | Programa de Pós-graduação em Engenharia Elétrica |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Angel.pdf | 1,04 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.