Estudo de uma ferramenta computacional inteligente para auxiliar a análise de ensaios de impulsos atmosféricos em transformadores de distribuição

• Autor(a) principal: Amaral, Fernando Carneiro Lyra [UNESP]
• Data de Publicação: 2010
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/87177
• topic: Transformadores eletricos; Redes neurais (Computação); Ensaio de impulso atmosférico; Forma de onda; Transformers; Neural networks; Impulse Tests; Waveform

A proposta deste trabalho consiste em investigar o comportamento de transformadores de distribuição de 25 KVA e de 45 KVA submetidos a ensaios de impulsos atmosféricos. Essa investigação consistiu da verificação da influência dos valores de tempos de frente e de cauda, da forma de onda do impulso, na amplitude das correntes produzidas nos enrolamentos do transformador durante o ensaio. Tais correntes são usualmente empregadas para avaliar o desempenho elétrico dos transformadores e, nessa dissertação, foram usadas para o treinamento e tese de Redes Neurais Artificiais desenvolvidas como ferramentas inteligentes computacionais. Neste contexto, o desempenho de duas Redes Neurais foi avaliado. A primeira rede usou como variável de entrada, os valores de tempo de frente, de caula e da tensão máxima (crista) e, como saída, a corrente máxima no transformador. Na segunda rede neural, a entrada correspondente ao valor da tensão máxima, da primeira rede neural, é substituída pelo valor da taxa de crescimento da tensão. Com base nos resultados obtidos, pode-se verificar que, para determinados valores de tempos de frente e de cauda, a amplitude da corrente máxima, aumenta ou diminui, apresentando um comportamento não-linear. A utilização das Redes Neurais desenvolvidas neste trabalho poderá auxiliar na escolha das características das formas de onda de impulso que tornem mais sensíveis os ensaios de impulsos atmosféricos em transformadores de distribuição. O objetivo é que esse aumento da sensibilidade do ensaio minimize o empirismo e erros de avaliação, contribuindo para tornar mínima a taxa de falha em transformadores