dc.contributor.advisor | Oliveira, Aécio de Limas | |
dc.creator | Quatrin, Artur Dala Nora | |
dc.date.accessioned | 2023-04-12T12:59:38Z | |
dc.date.available | 2023-04-12T12:59:38Z | |
dc.date.issued | 2023-02-15 | |
dc.date.submitted | 2023 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/28641 | |
dc.description.abstract | The electric power system comprises generation, transmission and distribution systems. To
ensure the operation of this complex system, it is crutial to verify the operation condition of the
involved components. Thus, the power equipment insulation is subject to degradation due to
the possibility by partial discharges. The ultrasonic measurement is a non-invasive inspection
technique of power equipment, which allows checking the insulation degradation through the
analysis of acoustic emission data. This work proposes a methodology for partial discharge
detection and classifying through the Hilbert-Huang Transform and generalized regression
neural networks. The Hilbert-Huang Transform is used to verify behavioral patterns in partial
discharges within time frequency domain. In this sense, variables that presented relevant
patterns to describe this phenomenon were extracted. A statistical analysis is applied on patterns
and analyzed by artificial neural networks in order to classify the database thereby, determinate
the existence of partial discharges according to severity by the acoustic signal. As a result, it is
noted that the acoustic pulses of partial discharges are more evident with the increase in voltage.
Furthermore, the categorization of three behavior patterns was allowed through the
investigation of frequency spectrum of the acoustic signals, which were recognized as
Background Noise, Moderate Discharge and Several Discharge. | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Acesso Aberto | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Transformada Hilbert-Huang | por |
dc.subject | inspeção acústica | por |
dc.subject | desvio padrão | por |
dc.subject | GRNN | por |
dc.subject | padrões | por |
dc.subject | Hilbert-Huang transform | eng |
dc.subject | acoustic inspection | eng |
dc.subject | standard deviation | eng |
dc.subject | GRNN | eng |
dc.subject | patterns | eng |
dc.title | Análise de medidas ultrassônicas de descargas parciais em sistema ponta-plano por meio da tranformada hilbert-huang e de redes neurais de Regressão generalizada | por |
dc.title.alternative | Analysis of ultrassonic measurements of partial discharges in tip-flat system by hilbet-huang transforma and generalized regression neural networks | eng |
dc.type | Trabalho de Conclusão de Curso de Graduação | por |
dc.degree.local | Santa Maria, RS, Brasil. | por |
dc.degree.graduation | Curso de Engenharia Elétrica. | por |
dc.description.resumo | O sistema elétrico de potência é composto por sistemas de geração, transmissão e de
distribuição. Para garantir a operação desse complexo sistema, é crucial verificar a condição
operativa dos componentes envolvidos. A isolação de equipamentos de potência está sujeita a
degradação por descargas parciais. A medição ultrassônica é uma técnica de inspeção nãoinvasiva,
que permite averiguar a degradação da isolação por meio da análise dos dados de
emissões acústicas. Esse trabalho propõe uma metodologia para detecção e classificação de
descargas parciais por meio do uso conjunto da Transformada Hilbert-Huang e de redes neurais
de regressão generalizada. A Transformada Hilbert-Huang é utilizada para verificar padrões de
comportamento das descargas parciais domínio do tempo e da frequência. Com isso, foram
extraídas variáveis que apresentavam padrões relevantes para descrever o fenômeno. Uma
análise estatística é aplicada aos padrões e utilizando redes neurais artificiais afim de classificar
o banco de dados e, assim, determinar a existência ou não de descargas parciais de acordo com
a severidade apontada pelo sinal acústico. Dessa forma, a técnica de reconhecimento de padrões
foi implementada. Como resultados, nota-se que os pulsos acústicos de descargas parciais se
tornaram mais evidentes com o aumento de tensão. Além disso, permitiu-se a categorização de
três padrões de comportamento por meio da investigação do espectro de frequência dos sinais
acústicos, sendo eles reconhecidos como Ruído de Fundo, Descarga Moderada e Descarga
Severa. | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFSM | por |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | por |
dc.publisher.unidade | Centro de Tecnologia | por |