UNIFEI - Campus 1: Itajubá PPG - Programas de Pós Graduação Dissertações
Use este identificador para citar ou linkar para este item: https://repositorio.unifei.edu.br/jspui/handle/123456789/2236
Tipo: Dissertação
Título: Algoritmo para estimativa do grau de severidade de descargas parciais em isoladores de alta tensão
Autor(es): PETRI, Lucas de Paula Santos
Primeiro Orientador: WANDERLY NETO, Estácio Tavares
metadata.dc.contributor.advisor-co1: ADAMI, José Feliciano
Resumo: O presente estudo utiliza redes neurais artificiais, uma ferramenta de aprendizado de máquina – subárea da inteligência artificial –, para a classificação de sinais de descargas parciais em isoladores de alta tensão. Além disso, estes sinais também são analisados por meio de implementações em linguagem de programação Python, visando a definição de um grau de severidade da atividade de descargas parciais por meio de um sistema de inferência fuzzy. O caso de estudo deste trabalho é a cidade de São Luís, capital do estado do Maranhão, cujo sistema elétrico está sob concessão da Equatorial Energia. A área de serviço da concessionária compreende um sistema de transmissão de 69 kV, cujas estruturas empregam, em sua maioria, isoladores compostos do tipo pilar ou suspensão. As descargas parciais, além de provocarem a degradação da superfície polimérica dos isoladores, podem evoluir para arcos mais extensos, podendo levar a descargas disruptivas (flashover) que resultem em faltas no sistema e interrupções no fornecimento de energia. A proposta deste trabalho foi o desenvolvimento de algoritmos de aquisição e análise de sinais de descargas parciais para compor um equipamento de inspeção que possa ser utilizado em campo por meio de um sistema software-hardware compacto e portátil e de uma antena para a coleta dos sinais de interferência de radiofrequência oriundos da atividade de descargas. Desta forma, a equipe de manutenção da concessionária terá à disposição uma ferramenta de apoio à decisão para avaliar a condição das estruturas, permitindo o agendamento de rotinas de manutenção preventiva quando necessário, visando prevenir eventos de interrupção no fornecimento de energia. A partir de dados coletados em ensaios em laboratório e em campo, são apresentados resultados que demonstram a coerência dos parâmetros selecionados para o cálculo da severidade. O aumento do grau de severidade é observado com a intensificação da poluição superficial e com a elevação da umidade relativa.
Abstract: This study makes use of artificial neural networks, a machine learning algorithm, for the classification of signals of partial discharges in high voltage insulators. In addition to that, these signals are further analyzed by means of implementations in Python programming language, seeking to define a severity degree for the partial discharge activity using a fuzzy inference system. The case study of this work is the city of São Luís, capital of the state of Maranhão, whose electric system is under concession of Equatorial Energia. The utility’s service area comprises a 69 kV transmission system, whose structures employ composite line post or suspension insulators. Partial discharges not only cause the degradation of the polymeric surface of the insulators, but can also evolve to extensive arcing, which can further cause flashovers that result in system faults and energy supply interruptions. This work has proposed the development of data acquisition and analysis algorithms for partial discharge signals, to compose an inspection instrument that can be used in the field by means of a compact and portable software-hardware system and an antenna for the acquisition of radiofrequency interference signals from discharge activity. Thus, the utility’s maintenance team will have a decision support tool to assess the structures condition, thus enabling the scheduling of preventive maintenance routines, if necessary, seeking to prevent power supply interruption events. From laboratory tests and field collected data, some results are presented, showing the consistency of the parameters selected to calculate the severity index. The increase of the severity degree is observed with the aggravation of surface pollution and rise of relative humidity.
Palavras-chave: Inteligência artificial
Aprendizado de máquina
Redes neurais artificiais
Descargas parciais
Isoladores de alta tensão
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA::SISTEMAS ELÉTRICOS DE POTÊNCIA
Idioma: por
País: Brasil
Editor: Universidade Federal de Itajubá
Sigla da Instituição: UNIFEI
metadata.dc.publisher.department: IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
metadata.dc.publisher.program: Programa de Pós-Graduação: Mestrado - Engenharia Elétrica
Tipo de Acesso: Acesso Restrito
URI: https://repositorio.unifei.edu.br/jspui/handle/123456789/2236
Data do documento: 25-Set-2020
Aparece nas coleções:Dissertações

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertação_2020118.pdf345,91 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.