Please use this identifier to cite or link to this item: https://bdm.ufpa.br:8443/jspui/handle/prefix/1185
Compartilhar:
metadata.dc.type: Trabalho de Conclusão de Curso - Graduação
Title: Classificação dos tipos de descargas parciais em barras estatóricas de hidrogeradores utilizando rede neural
metadata.dc.creator: LIMA, Wirlan Gomes
metadata.dc.contributor.advisor1: BARROS, Fabrício José Brito
Issue Date: 23-Feb-2017
Citation: LIMA, Wirlan Gomes. Classificação dos tipos de descargas parciais em barras estatóricas de hidrogeradores utilizando rede neural. Orientador: Fabrício José Brito Barros. 2017. 107 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Elétrica) – Campus Universitário de Tucuruí, Universidade Federal do Pará, Tucuruí, 2017. Disponível em: http://bdm.ufpa.br/jspui/handle/prefix/1185. Acesso em:.
metadata.dc.description.resumo: Descargas parciais (DPs) caracterizam-se por um fenômeno natural que ocorre em cavidades ou inclusões que, de modo parcial, rompe a rigidez dielétrica devido à ação de um campo elétrico de alta intensidade. Faz-se necessário o monitoramento dessas descargas, pois elas antecedem futuras falhas no isolamento das máquinas de alta tensão, permitindo um melhor planejamento e evitando paradas não-planejadas dos geradores, o que acarretaria grandes perdas socioeconômicas. As diversas e diferentes causas de fontes de DPs geram padrões específicos de descargas parciais classificadas de acordo com a natureza de sua origem. Cada padrão de DP pode ser plotado em um gráfico denominado de Phase Resolved Partial Diagrams (PRPD), mais conhecidos como mapas estatísticos. Devido a esta particularidade, este trabalho tem por objetivo utilizar inteligência artificial (RNA) para classificação das descargas parciais em barras estatóricas de hidrogeradores. A rede Perceptron de Múltiplas Camadas foi utilizada para a classificação. O banco de dados de DPs é constituído de medições feitas na usina hidrelétrica da Região Norte do Brasil, UHE-Tucuruí, no estado do Pará. O processamento do banco de dados utilizado na RNA encontra-se na metodologia do trabalho e, nos resultados, é possível observar o desempenho de cada configuração mediante análise através de matrizes de confusão e gráficos de desempenho.
Abstract: Partial discharges (PD) are characterized by a natural phenomenon that occurs in cavities or inclusions that, in a partial way, breaks the dielectric strength due to the action of a high-intensity electric field. It is necessary to monitor these discharges, since they precede future failures in the isolation of high voltage machines, allowing a better planning and avoiding unplanned shutdowns of generators, which would lead to great socioeconomic losses. The diverse and different causes of PD sources generate specific patterns of partial discharges classified according to the nature of their origin. Each PD pattern can be plotted on a graph called the Phase Resolved Partial Diagrams (PRPD), better known as statistical maps. Due to this particularity, this work aims to use artificial intelligence (ANN - Artificial Neural Network) to classify partial discharges in stator bars of hydro generators. The network Multilayer Perceptron was used for the classification. The PD database is made up of measurements made at the hydroelectric plant of the Northern Region of Brazil, UHE-Tucuruí, in the state of Pará. The processing of the database used in ANN is in the methodology of the work and, in the results, It is possible to observe the performance of each configuration through analysis through confusion matrices and performance graphs.
metadata.dc.subject.cnpq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA::MAQUINAS ELETRICAS E DISPOSITIVOS DE POTENCIA
Keywords: Geradores hidrelétricos - Manutenção e reparos
Enrolamento do estator
Descargas elétricas
Redes neurais (Computação)
metadata.dc.rights: Acesso Aberto
Appears in Collections:Faculdade de Engenharia Elétrica - FEE/CAMTUC

Files in This Item:
File Description SizeFormat 
TCC_ClassificacaoTiposDescargas.pdf3,71 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons