[pt] INCERTEZA DE MEDIÇÃO EM REDES NEURAIS ARTIFICIAIS APLICADAS À MANUTENÇÃO PREDITIVA DE TRANSFORMADORES

[en] UNCERTAINTY OF MEASUREMENT IN ARTIFICIAL NEURAL NETWORKS APPLIED ON THE PREVENTATIVE MAINTENANCE OF TRANSFORMERS

[pt] CHRISTIANE SAMPAIO DE ALMEIDA GUSMAN

[pt] REDE NEURAL

[pt] INCERTEZA DE MEDICAO

[pt] METROLOGIA

[en] NEURAL NETWORKS

[en] UNCERTAINTY OF OF MEASUREMENT

[en] METROLOGY

[pt] Diversas pesquisas sobre monitoramento e diagnóstico de equipamentos do sistema elétrico foram iniciadas com o objetivo de elevar a garantia e confiabilidade no sistema. Autores, não somente no Brasil, desenvolveram pesquisas sobre o tema, dentre eles (Bengtson, 1996; Kovacevic & Dominelli, 2003; Freitas, 2000). O objetivo é garantir a confiabilidade dos equipamentos instalados e incrementar o desempenho aumentando a vida útil dos mesmos. Nesse contexto (Freitas, 2000; Cavaleiro, 2003; dentre outros) discorrem sobre o tema. As redes neurais artificiais são utilizadas como uma das possíveis ferramentas disponíveis para análise, diagnóstico e monitoramento de equipamentos. A inovação deste trabalho está em apresentar uma nova metodologia desenvolvida para analisar a propagação das incertezas de medição das variáveis de entrada em redes neurais artificiais aplicadas à Manutenção Preditiva de Transformadores. Com base nos conceitos da metrologia foram analisados não somente os dados de entrada como também a incerteza de medição associadas aos mesmos. O método desenvolvido permite que se estime a incerteza de medição das variáveis de saída, contribuindo para a avaliação da confiabilidade de modelagens baseadas em redes neurais. Também foi realizado um estudo de caso, no qual se avaliou a propagação das incertezas de medição em sete redes neurais destinadas a estimar a concentração dos gases (saídas das redes) dissolvidos no óleo de transformadores de potência, com base nas características físico-químicas do óleo (variáveis de entrada). A metodologia utilizada baseou-se na introdução de perturbações na entrada das redes analisadas e na consequente análise de como estas perturbações afetam a saída das redes, permitindo-se assim calcular os coeficientes de sensibilidade de cada entrada. Em seguida, combinando-se as incertezas de medição das variáveis de entrada (disponíveis nos certificados de calibração dos instrumentos utilizados nas respectivas medições), por meio dos coeficientes de sensibilidade, é possível estimar a incerteza de medição das variáveis de saída.

[en] Research about monitoring and diagnostics of electrical system equipment was initiated with the objective of upgrading the guarantee and trust of a system. Authors, not only in Brazil, have developed research about the subject, among them (Bengtson, 1996; Kovacevic & Dominelli, 2003; Freitas, 2000). The objective is to guarantee the confidence in the equipment installed and enhance the performance and increase the durability of the equipment. Within this context (Freitas, 2000; Cavaleiro, 2003; among others) talk about this subject. The artificial Neural Networks are used as one of the possible available tools for analysis, diagnostics and monitoring of equipment. The innovation of this paper is to present a new methodology developed to analyze the propagation of uncertainty measurement variables of input in artificial neural networks applied to predictive maintenance of transformers. Based on the concepts of metrology, not only the input data was analyzed but also the uncertainty measurements that were associated with the equipment. The method that was developed allows us to estimate the measurement of uncertainty of output variables, contributing to the evaluation of confidence of models based on neural networks. There was also a case study, in which the propagation of uncertainties of measurement were evaluated within seven designated neural networks to estimate the concentration of gases (output of the networks) dissolved in potency transformer oil, based on the physical-chemical characteristics of the oil (input variables). The methodology that was utilized was based on the introduction of perturbation at the input of the networks that were analyzed and the consequent analysis of how these perturbation affect the output of the networks, this way allowing the calculation of the coefficients of sensibility of each entry. Then we match the input variables of the uncertainty measurements (available on the calibration certificates of the instruments utilized on the respective measurements), through the coefficients of sensibility, it is possible to estimate the output variables of the uncertainty measurements.

CARLOS ROBERTO HALL BARBOSA

REINALDO CASTRO SOUZA

CARLOS ROBERTO HALL BARBOSA

KARLA TEREZA FIGUEIREDO LEITE

JORGE LUIS MACHADO DO AMARAL

2012-03-30

2011-09-16

[pt] TEXTO

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=19358@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=19358@2

https://doi.org/10.17771/PUCRio.acad.19358