Site alternativo:
http://www.ppgee.propesp.ufpa.brBanca de DEFESA: FREDERICO HENRIQUE DO ROSARIO LOPES
Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.DISCENTE: FREDERICO HENRIQUE DO ROSARIO LOPES
DATA: 29/02/2024
HORA: 10:00
LOCAL: Laboratório de NanofotÃÂnica e nanoeletrÃÂnica (LABNANO/ITEC)
TÍTULO:
Técnica semiautomática de rotulagem e sistema para geração artificial de PRPDs aplicados ao treinamento de classificador de descargas parciais em hidrogeradores
PALAVRAS-CHAVES:
PRPD, PCA, PaCMAP, kmeans, label propagation, GAN.
PÁGINAS: 70
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
SUBÁREA: Sistemas Elétricos de Potência
RESUMO:
Resumo
Hidrogeradores são ativos cruciais tanto para empresas geradoras de energia quanto para a população que depende desse abastecimento. No entanto, essas máquinas estão suscetíveis a vários tipos de defeitos que podem resultar em interrupções inesperadas, se nada for feito a respeito. A análise de descargas parciais é uma abordagem já consolidada para avaliar a condição de equipamentos de alta tensão, sendo essencial a detecção automática de diferentes tipos de defeitos, uma vez que diferentes níveis de risco à operação variam de acordo com o tipo de descarga. Redes neurais profundas têm sido propostas visando à classificação de descargas parciais usando diagramas PRPD (phase-resolved partial discharge). Contudo, a obtenção de conjuntos de dados rotulados com grande número de exemplos é um problema que impacta diretamente no desempenho de classificadores treinados de maneira supervisionada. Neste contexto, esta dissertação propõe uma técnica semiautomática para a rotulagem de PRPDs, baseada em estratégias de redução de dimensionalidade e agrupamento de dados, bem como investiga o uso de GAN (generative adversarial network) na ampliação artificial do conjunto de treinamento. O conjunto de dados usado no trabalho é composto por PRPDs reais obtidos por meio de procedimentos de monitoramento online de descargas parciais em hidrogeradores. O desempenho dos sistemas propostos é contrastado com resultados recentes representativos do estado da arte na área. Os resultados demonstram que a aplicação da técnica proposta para rotulagem semiautomática reduz consideravelmente a carga de trabalho e o tempo associados à classificação manual. Além disso, o uso de PRPDs artificiais gerados pela GAN resultou notável melhoria no desempenho do classificador que alcançou 94,72% de acurácia média, em comparação com 89,44% obtido com a melhor técnica concorrente. Foram observados ganhos semelhantes também nas acurácias por classe.
Artigos publicados:
[1] F. H. R. Lopes, R. F. Zampolo, R. M. S. Oliveira and V. Dmitriev, "Evaluation of transfer learning approaches for partial discharge classification in hydrogenerators," 2022 Workshop on Communication Networks and Power Systems (WCNPS), Fortaleza, Brazil, 2022, pp. 1-6, doi: 10.1109/WCNPS56355.2022.9969682.
http://dx.doi.org/10.1109/wcnps56355.2022.9969682
[2] de Oliveira, Rodrigo M. S., Ronaldo F. Zampolo, Licinius D. S. Alcantara, Gustavo G. Girotto, Frederico H. R. Lopes, Nathan M. Lopes, Fernando S. Brasil, Júlio A. S. Nascimento, and Victor Dmitriev. 2023. "Analysis of Ozone Production Reaction Rate and Partial Discharge Power in a Dielectric-Barrier Acrylic Chamber with 60 Hz High-Voltage Electrodes: CFD and Experimental Investigations", Energies, 16, no. 19: 6947. https://doi.org/10.3390/en16196947
(QUALIS A2)
https://doi.org/10.3390/en16196947
MEMBROS DA BANCA:
Presidente - 3611299 - RODRIGO MELO E SILVA DE OLIVEIRA
Interno - 2288432 - DMITRIEV VICTOR
Externo ao Programa - 2453419 - RONALDO DE FREITAS ZAMPOLO
Externo à Instituição - FERNANDO DE SOUZA BRASIL
Externo à Instituição - LICINIUS DIMITRI SA DE ALCANTARA