Rede Bayesiana Aplicada ao Diagnóstico de Falhas Incipientes em Transformadores de Potência

Detalhes bibliográficos
Autor(a) principal: Carita, Angel Javier Quispe
Data de Publicação: 2012
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFMS
Texto Completo: https://repositorio.ufms.br/handle/123456789/1925
Resumo: 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.
id UFMS_5511ce109e34df09df04d1ad240aa313
oai_identifier_str oai:repositorio.ufms.br:123456789/1925
network_acronym_str UFMS
network_name_str Repositório Institucional da UFMS
repository_id_str 2124
spelling 2014-02-27T18:20:24Z2021-09-30T19:56:17Z2012https://repositorio.ufms.br/handle/123456789/1925A 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.porTransformadores ElétricosElectric TransformersEnergia Elétrica - distribuiçãoElectric Power DistributionSistemas de Energia ElétricaElectric Power SystemsRede Bayesiana Aplicada ao Diagnóstico de Falhas Incipientes em Transformadores de Potênciainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisLeite, Luciana CambraiaCarita, Angel Javier Quispeinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMSinstname:Universidade Federal de Mato Grosso do Sul (UFMS)instacron:UFMSTHUMBNAILAngel.pdf.jpgAngel.pdf.jpgGenerated Thumbnailimage/jpeg1117https://repositorio.ufms.br/bitstream/123456789/1925/4/Angel.pdf.jpg86fd90ff9343f428172ceac56c2e7e68MD54ORIGINALAngel.pdfAngel.pdfapplication/pdf1067662https://repositorio.ufms.br/bitstream/123456789/1925/1/Angel.pdf5eb38dff6080259e9888a143e2862b9eMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ufms.br/bitstream/123456789/1925/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTAngel.pdf.txtAngel.pdf.txtExtracted texttext/plain0https://repositorio.ufms.br/bitstream/123456789/1925/3/Angel.pdf.txtd41d8cd98f00b204e9800998ecf8427eMD53123456789/19252021-09-30 15:56:17.687oai:repositorio.ufms.br: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Repositório InstitucionalPUBhttps://repositorio.ufms.br/oai/requestri.prograd@ufms.bropendoar:21242021-09-30T19:56:17Repositório Institucional da UFMS - Universidade Federal de Mato Grosso do Sul (UFMS)false
dc.title.pt_BR.fl_str_mv Rede Bayesiana Aplicada ao Diagnóstico de Falhas Incipientes em Transformadores de Potência
title Rede Bayesiana Aplicada ao Diagnóstico de Falhas Incipientes em Transformadores de Potência
spellingShingle Rede Bayesiana Aplicada ao Diagnóstico de Falhas Incipientes em Transformadores de Potência
Carita, Angel Javier Quispe
Transformadores Elétricos
Electric Transformers
Energia Elétrica - distribuição
Electric Power Distribution
Sistemas de Energia Elétrica
Electric Power Systems
title_short Rede Bayesiana Aplicada ao Diagnóstico de Falhas Incipientes em Transformadores de Potência
title_full Rede Bayesiana Aplicada ao Diagnóstico de Falhas Incipientes em Transformadores de Potência
title_fullStr Rede Bayesiana Aplicada ao Diagnóstico de Falhas Incipientes em Transformadores de Potência
title_full_unstemmed Rede Bayesiana Aplicada ao Diagnóstico de Falhas Incipientes em Transformadores de Potência
title_sort Rede Bayesiana Aplicada ao Diagnóstico de Falhas Incipientes em Transformadores de Potência
author Carita, Angel Javier Quispe
author_facet Carita, Angel Javier Quispe
author_role author
dc.contributor.advisor1.fl_str_mv Leite, Luciana Cambraia
dc.contributor.author.fl_str_mv Carita, Angel Javier Quispe
contributor_str_mv Leite, Luciana Cambraia
dc.subject.por.fl_str_mv Transformadores Elétricos
Electric Transformers
Energia Elétrica - distribuição
Electric Power Distribution
Sistemas de Energia Elétrica
Electric Power Systems
topic Transformadores Elétricos
Electric Transformers
Energia Elétrica - distribuição
Electric Power Distribution
Sistemas de Energia Elétrica
Electric Power Systems
description 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.
publishDate 2012
dc.date.issued.fl_str_mv 2012
dc.date.accessioned.fl_str_mv 2014-02-27T18:20:24Z
dc.date.available.fl_str_mv 2021-09-30T19:56:17Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufms.br/handle/123456789/1925
url https://repositorio.ufms.br/handle/123456789/1925
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFMS
instname:Universidade Federal de Mato Grosso do Sul (UFMS)
instacron:UFMS
instname_str Universidade Federal de Mato Grosso do Sul (UFMS)
instacron_str UFMS
institution UFMS
reponame_str Repositório Institucional da UFMS
collection Repositório Institucional da UFMS
bitstream.url.fl_str_mv https://repositorio.ufms.br/bitstream/123456789/1925/4/Angel.pdf.jpg
https://repositorio.ufms.br/bitstream/123456789/1925/1/Angel.pdf
https://repositorio.ufms.br/bitstream/123456789/1925/2/license.txt
https://repositorio.ufms.br/bitstream/123456789/1925/3/Angel.pdf.txt
bitstream.checksum.fl_str_mv 86fd90ff9343f428172ceac56c2e7e68
5eb38dff6080259e9888a143e2862b9e
8a4605be74aa9ea9d79846c1fba20a33
d41d8cd98f00b204e9800998ecf8427e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFMS - Universidade Federal de Mato Grosso do Sul (UFMS)
repository.mail.fl_str_mv ri.prograd@ufms.br
_version_ 1818603580644392960

Registros relacionados