Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/2350
Title: Diagnóstico de falha em transformador imerso a óleo isolante usando uma rede neural artificial.
Authors: Caldeira, Pedro Henrique Cassimiro
metadata.dc.contributor.advisor: Galvis Manso, Juan Carlos
metadata.dc.contributor.referee: Galvis Manso, Juan Carlos
Tiago, Marcelo Moreira
Baracho, Francisco Ricardo Abrantes Couy
Keywords: Transformadores elétricos
Isoladores e isolamentos elétricos - óleos
Redes neurais - computação
Issue Date: 2019
Citation: CALDEIRA, Pedro Henrique Cassimiro. Diagnóstico de falha em transformador imerso a óleo isolante usando uma rede neural artificial. 2019. 55 f. Monografia (Graduação em Engenharia Elétrica) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2019.
Abstract: O monitoramento e diagnóstico de falhas incipientes em transformadores de potência imersos em óleo isolante relaciona-se à avaliação das condições do sistema de isolamento. Esse sistema necessita de um programa de manutenção periódico que visa detectar possíveis falhas, tais como: deterioração da celulose do isolamento dos enrolamentos, curto circuito entre espiras e gases dissolvidos no óleo devido à sua degeneração, entre outros. Esses programas de manutenção preventiva evitam que essas falhas provoquem a retirada do equipamento em operação, o que acarretaria em grandes perdas, principalmente em casos não planejados. Uma maneira utilizada para se diagnosticar transformadores em funcionamento é o método de análise cromatográfica do líquido isolante, por exemplo o Metódo de Rogers. Utiliza-se esse tipo de análise devido ao contato direto do óleo isolante com a parte ativa do equipamento e, de acordo com a quantidade de gases imersas nesse óleo, é possível diagnosticar falhas específicas no equipamento. Existem alguns métodos que visam padronizar o diagnóstico, tais como os métodos de: Duval, Dornenburg e de Rogers. Para evitar avaliações equívocos na hora de diagnosticar e interpretar laudos cromatográficos, técnicas de inteligência artificial (IA) que fazem o uso de redes neurais artificiais podem auxiliar na definição e classificação do resultado final. Assim a rede apresenta importância para a confiabilidade do sistema elétrico de potência, pois se apresenta como uma ferramenta para auxiliar técnicas preditivas de manutenção em transformadores imersos em óleos isolantes, garantido a vida útil do dispositivo. Diante do exposto, este trabalho investigou o uso das redes neurais artificiais (RNA) no diagnóstico de falhas de transformadores imersos em óleo isolante. A RNA foi treinada e validada, a partir de dados de combinações de concentrações gasosas do óleo isolante disponíveis de uma empresa do ramo siderúrgico. Para implementação da RNA foram utilizadas duas abordagens: a primeira implementando a rede via código em ambiente Matlab e a segunda usando o Toolbox para RNAs do próprio Matlab. Ambas as redes utilizadas conseguiram um nível de acerto acima de 80 por cento e conseguiram diferenciar quanto ao tipo de falha (elétrica ou química) e se o transformador se encontra ou não em falha.
metadata.dc.description.abstracten: Monitoring and diagnosis of incipient faults in insulating oil immersed power transformers is related to the assessment of the insulation system conditions. This system needs a periodic maintenance program to detect possible failures such as: cellulose deterioration of winding insulation, short circuit between turns and gases dissolved in the oil due to its degeneration, among others. These preventive maintenance programs prevent these failures from causing the equipment to be taken out of operation, which would result in large losses, especially in unplanned cases. One way used to diagnose transformers in operation is the chromatographic analysis method of the insulating liquid, for example the Rogers Method. This type of analysis is used due to the direct contact of the insulating oil with the active part of the equipment and, according to the amount of gases immersed in this oil, it is possible to diagnose specific equipment failures. There are some methods that aim to standardize the diagnosis, such as: Duval, Dornenburg and Rogers. To avoid misleading assessments when diagnosing and interpreting chromatographic reports, artificial intelligence (AI) techniques that use artificial neural networks can assist in defining and classifying the final result. Thus the network is important for the reliability of the power system, as it is a tool to assist predictive maintenance techniques in transformers immersed in insulating oils, ensuring the useful life of the device. Given the above, this work investigated the use of artificial neural networks (RNA) in the diagnosis of transformer failures immersed in insulating oil. RNA was trained and validated from data on gaseous concentrations of insulating oil available from a steel company. For the implementation of the RNA two approaches were used: the first one implementing the network via code in Matlab environment and the second one using the Toolbox for Matlab’s own RNAs. Both networks used achieved a level of accuracy above 80 percent and were able to differentiate as to the type of failure (electrical or chemical) and whether or not the transformer is in failure.
URI: http://www.monografias.ufop.br/handle/35400000/2350
Appears in Collections:Engenharia Elétrica - JMV

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_DiagnósticoFalhaTransformador.pdf2,85 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons