English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Fault diagnosis in power transformers (TP) is still an open area for the development of maintenance and operation tools for electric power systems. In recent research (2010 to 2018), Dissolved Gas Analysis (DGA) is still the most commonly approach to address the problem of fault diagnosis. Traditional techniques have a low hit rate and power transformers are a valuable asset for power systems. Thus, new methods involving mathematical and computational techniques of Artificial Intelligence (AI) have been developed to aid in the diagnosis with a higher hit rate. Nevertheless, the availability of data has been a limitation, not allowing to generalize the good performance of the algorithms. In this work an evaluation of seven classification algorithms using AGD in power transformers is carried out. From the tests performed, satisfactory results were obtained for two classification algorithms with a performance of approximately 95% using a database of 352 cases. Resumo: O diagnóstico de falhas em transformadores de potência (TP) ainda é uma área aberta para os pesquisadores no desenvolvimento de ferramentas para operação e manutenção de sistemas de energia elétrica. Nas pesquisas recentes (2010 a 2018), a Análise de Gases Dissolvidos (AGD) segue como a abordagem mais utilizada para tratar o problema de diagnóstico de falhas, considerando que as técnicas tradicionais apresentam uma baixa taxa de acerto e as unidades transformadoras constituem um ativo valioso para os sistemas de energia elétrica. Dessa forma, novos métodos envolvendo técnicas matemáticas e computacionais de Inteligência Artificial (IA) foram desenvolvidos com o objetivo de auxiliar no diagnóstico, possibilitando uma maior taxa de acerto. Não obstante, a disponibilidade de dados de falhas têm sido uma limitante, não permitindo generalizar o bom desempenho dos algoritmos. Neste trabalho é realizada uma avaliação de sete algoritmos de classificação de dados para análise AGD em transformadores de potência. Dos testes realizados, foram observados resultados satisfatórios para dois algoritmos de classificação com um desempenho de aproximadamente 95 % utilizando uma base de dados de 352 casos.

Análise Comparativa de Técnicas de Inteligência Artificial no Diagnóstico de Falhas em Transformadores de Potência