SISTEMA PARA CLASSIFICAÇÃO AUTOMÁTICA DE DESCARGAS PARCIAIS EM BOBINAS ESTATÓRICAS DE HIDROGERADORES USANDO REDES NEURAIS ARTIFICIAIS E MAPAS PRPD
Manutenção Preditiva, Hidrogeradores, Descargas Parciais, Filtragem de PRPDs, Múltiplas fontes de DP simultâneas, Inteligência Artificial, Redes Neurais Artificiais.
Neste trabalho, são propostos uma metodologia e um sistema de classificação de múltiplas fontes de descargas parciais (DPs) em enrolamentos estatóricos de hidrogeradores, utilizando Redes Neurais Artificiais (RNAs). A base de dados é composta de mapas PRPD (Phase-Resolved Partial Discharges) provenientes de medições de DP online de hidrogeradores operando em ambiente real. No trabalho, são propostas as seguintes contribuições: (i) desenvolvimento de nova métrica de desempenho de classificadores, que remove o viés introduzido por distribuições heterogêneas das classes de saída na base de dados; (ii) desenvolvimento de novos atributos extraídos dos padrões PRPD, objetivando facilitar a tarefa de reconhecimento utilizando menos variáveis; (iii) nova técnica de filtragem de padrões PRPDs, os quais são tratados como imagens; e (iv) rejeição de padrões inválidos, contendo apenas ruídos. Tais contribuições foram desenvolvidas ao longo do trabalho considerando dois cenários, de diferentes graus de complexidade. No primeiro, realizou-se o reconhecimento de padrões com uma única fonte de DP, ainda não utilizando a filtragem supramencionada. Atributos baseados no conceito de projeção de imagens são extraídos dos PRPDs, e utilizados como entrada das RNAs para treinamento. Taxas de acerto acima de 94% foram obtidas pela melhor RNA. No segundo cenário, os PRPDs apresentam múltiplas fontes de DP simultâneas. A técnica de filtragem desenvolvida foi aplicada para remoção de ruídos e separação dos múltiplos tipos de descargas. A tarefa de classificação foi decomposta em problemas menores, cada qual solucionado por uma RNA treinada com atributos de entrada específicos. Taxas de acerto globais em torno de 90% foram obtidas para as classes de DP. Por fim, a metodologia também foi validada mediante reconhecimento de DPs em tempo real na Usina Hidrelétrica de Tucuruí, sem quaisquer intervenções manuais.