Metodologia para avaliação de transformadores de até 24,2 kv através de técnicas de aprendizado de máquina para determinação do índice de saúde
Carregando...
Data
2023-06-30
Autores
Orientador
Marafão, Fernando Pinhabel 
Coorientador
Pós-graduação
Engenharia Elétrica - FESJBV/ICTS 33004170002P2
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Dissertação de mestrado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
Transformadores de potência têm importância fundamental para o sistema elétrico de potência e a avaliação de suas condições de saúde é essencial para a operação confiável desses equipamentos, possibilitando ações de manutenção em tempo adequado e melhorando o planejamento de recursos energéticos e financeiros. Este trabalho apresenta uma metodologia para avaliação da condição de transformadores de potência de até 24,2 kV em termos do índice de saúde, ou Health Index, com aplicação de três algoritmos de aprendizado de máquina (AM) supervisionados na abordagem de regressão baseados em modelos múltiplos, denominados Random Forest (RF), Categorical Boosting (CatBoost) e Light Gradient Boosted Machine (LightGBM). A metodologia proposta utiliza um conjunto de dados formado por resultados de análises de qualidade do óleo isolante e cromatográfica, que é a base para geração de dados sintéticos, tendo como referência a evolução dos parâmetros de teste ao longo de 14 meses de operação de um transformador real da mesma classe de tensão. Dessa maneira, dobrando o número de amostras do conjunto, passando de 531 para 1062 amostras, as quais são aplicadas como os recursos de entrada para a determinação de valores de índice de saúde a partir da metodologia clássica e posteriormente pelas técnicas de aprendizado de máquina propostas. Para a implementação dos modelos propostos, o conjunto de dados passou pela etapa de pré-processamento
e divisão, com 80% das amostras destinadas para treinamento dos modelos e 20% reservadas para testes. Os indicadores de desempenho e métricas de avaliação adequados para abordagem de regressão foram considerados nos resultados dos algoritmos para verificar os melhores desempenhos. A abordagem de regressão com os 13 atributos do conjunto de dados apresentou bons resultados em comparação com outros trabalhos da literatura, e o modelo Categorical Boosting (CatBoost) apresentou o melhor desempenho entre os propostos. A metodologia foi aplicada a um estudo de caso, utilizando os dados de análises físico-químicas e cromatográficas de oito transformadores de potência da mesma classe de tensão do conjunto de dados analisado, obtendo os estados de saúde e comparando com a avaliação de estado de saúde feita por especialistas. Como resultado, a metodologia indicou os transformadores a serem priorizados em intervenções de manutenção e o fatores ligados a degradação de transformadores, mostrando-se uma ferramenta estratégica para a
gestão de transformadores.
Resumo (inglês)
Power transformers are of fundamental importance for the electric power system and the assessment of their health conditions is essential for the management of this equipment, enabling maintenance actions in a timely manner and improving the planning of energy and financial resources. This work presents a methodology for evaluating the condition of power transformers up to 24.2 kV in terms of the health index, with the application of three supervised machine learning (ML) algorithms in the regression approach based on models multiple, called Random Forest (RF), Categorical Boosting (CatBoost) and Light Gradient Boosted Machine (LightGBM). The proposed methodology uses a dataset formed by the results of the insulating oil and chromatographic quality analysis, which is the basis for generating synthetic data, having as reference the evolution of the test parameters over 14 months of operation of a transformer of the same voltage class. In this way, doubling the number of samples in the set, going from 531 to 1062 samples,
which are applied as input resources for the determination of health index values from the classical methodology and later by the proposed machine learning techniques . For the implementation of the proposed models, the data set went through the pre-processing and division stage, with 80% of the samples destined for model training and 20% reserved for testing. The performance indicators and evaluation metrics suitable for the regression approach are considered in the results of the algorithms to verify the best performances. The regression approach with the 13 attributes of the data set presents good results compared to other works in the literature, and the Categorical Boosting model (CatBoost) presented the best performance among the proposed ones. The methodology was applied to a case study, using data from physical-chemical and chromatographic analyzes of eight power transformers of the same voltage class as the analyzed data set, obtaining the health states and comparing them with the state of health assessment. health by experts. As a result, the methodology indicated the transformers to be prioritized in maintenance interventions and the factors linked to the degradation of transformers, being a strategic tool for the management of transformers.
Descrição
Idioma
Português
Como citar
MATIAS JUNIOR, Valdemir Sales. Metodologia para avaliação de transformadores de até 24,2 kv através de técnicas de aprendizado de máquina para determinação do índice de saúde. 2023. 86 p. Dissertação (Mestrado em Engenharia Elétrica) – Instituto de Ciência e Tecnologia, Universidade Estadual Paulista, Sorocaba, 2023.