Use este identificador para citar ou linkar para este item:
https://repositorio.unifei.edu.br/jspui/handle/123456789/2559
Tipo: | Dissertação |
Título: | Diagnóstico de falhas em transformadores de potência pela análise de gases dissolvidos em óleo isolante através de redes neurais |
Autor(es): | ARANTES, José Geraldo |
Primeiro Orientador: | BORTONI, Edson da Costa |
metadata.dc.contributor.advisor-co1: | TORRES, Germano Lambert |
Resumo: | Equipamentos de Subestação que utilizam o óleo isolante para a isolação de suas partes internas necessitam de um programa de manutenção periódico que visa detectar possíveis falhas tais como a deterioração da celulose do isolamento dos enrolamentos, curto circuito entre espiras destes, gases dissolvidos no óleo devido a sua degeneração, etc. Normalmente, programas de manutenção preventiva têm sido utilizados por empresas de geração, transmissão e distribuição de energia elétrica buscando evitar que estas falhas venham a provocar a retirada do equipamento do sistema elétrico o que significa grandes perdas financeiras, seja pela diminuição do faturamento, seja pelo pagamento de multas à agência reguladora, além da diminuição da confiabilidade do sistema. Para evitar estes inconvenientes, sensores on-line e técnicas de inteligência artificial (IA) têm encontrado aplicação na engenharia de sistemas elétricos. Esta dissertação é um estudo de uma dessas técnicas – cromatografia de gases associada a redes neurais – visando apoiar o diagnóstico de falhas presentes e futuras baseando-se nos resultados obtidos através de cromatografia pela análise de gases dissolvidos em óleo isolante ao longo da vida útil dos transformadores de potência, prevenindo desta forma os inconvenientes acima relatados, facilitando assim a decisão de técnicos e engenheiros de manutenção para a manutenção preditiva daqueles equipamentos servindo também de base para o diagnóstico da atuação de sensores on-line se instalados naqueles, permitindo ainda uma estimativa do grau de envelhecimento e, portanto da vida útil do transformador. Técnicas como estas do estudo podem ser associadas a outras ferramentas de IA como a lógica fuzzy, algoritmos genéticos, sistemas especialistas e outras, constituindo assim os sistemas chamados híbridos, na tentativa de se obter a melhor solução para o problema. |
Abstract: | Substation Equipments that use insulation oil for isolate their internal parts needs a periodic maintenance program to detect possible fails like cellulose deterioration of coils insulation, short circuit between their springs, dissolved gas in oil caused by its deterioration, etc. Actually, preventive maintenance programs have been used by generation, transmission and distribution companies, as a fundamental tool to identify incipient faults, trying to avoid that these faults come to take away the equipment from electrical system, carrying out great financial losses caused by decreasing invoicing, payment of fines to regulatory agency or by decreasing of system reliability. Trying to avoid these inconvenient, on-line sensors and intelligent artificial (IA) techniques has been found application on electrical system engineering. This dissertation is a study of one of these techniques – gas chromatography associated with neural networks – looking to support presents and futures fault diagnosis based on results from chromatography by the analysis of dissolved insulation oil gases during the useful power transformer life, avoiding this way the inconvenient related above, making easy the decision of engineers and technicians about the predictive maintenance of these equipment and also serving as a base for the on-line sensors actuation diagnosis if installed on these allowing yet an estimated old age degree and so the useful age of transformer. Techniques like that from this study may be associated with other IA tools like fuzzy logic, genetic algorithms, expert system and others, consisting the system called hybrid, attempted to get the best solution for the problem. |
Palavras-chave: | Transformadores de potência Diagnóstico de falhas DGA Redes neurais |
CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA MECÂNICA::ENGENHARIA DE ENERGIA |
Idioma: | por |
País: | Brasil |
Editor: | Universidade Federal de Itajubá |
Sigla da Instituição: | UNIFEI |
metadata.dc.publisher.department: | IEM - Instituto de Engenharia Mecânica |
metadata.dc.publisher.program: | Programa de Pós-Graduação: Mestrado - Engenharia de Energia |
Tipo de Acesso: | Acesso Aberto |
URI: | https://repositorio.unifei.edu.br/jspui/handle/123456789/2559 |
Data do documento: | 15-Dez-2005 |
Aparece nas coleções: | Dissertações |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Dissertação_200529504.pdf | 794,21 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.