| Summary: | Submitted by Lucienne Costa (lucienneferreira@ufcg.edu.br) on 2018-04-25T18:49:44Z
No. of bitstreams: 1
GIRLENE LIMA RIBEIRO – DISSERTAÇÃO (PPGEE) 2017.pdf: 3769966 bytes, checksum: 1e2c04beeac23084837591c1bfec0869 (MD5) === Made available in DSpace on 2018-04-25T18:49:44Z (GMT). No. of bitstreams: 1
GIRLENE LIMA RIBEIRO – DISSERTAÇÃO (PPGEE) 2017.pdf: 3769966 bytes, checksum: 1e2c04beeac23084837591c1bfec0869 (MD5)
Previous issue date: 2017-03-31 === CNPq === Nesta pesquisa é desenvolvida uma metodologia para aprimoramento da classificação de isoladores poliméricos por medições termográficas e radiação UV utilizando o Processamento Digital de Imagens (PDI) e Redes Neurais Artificiais (RNAs). A metodologia é baseada na análise da ocorrência de descargas corona e nas variações de temperatura ao longo do isolador a fim de classificá-los quanto seu estado de degradação. Cada isolador utilizado foi submetido à tensão de 133 kV fase-terra durante um período de 30 minutos, com o objetivo de ocasionar aquecimento e evidenciar descargas corona nos isoladores. As medições foram realizadas utilizando um detector de corona para medição de UV e os dados de temperatura foram adquiridos utilizando-se um termovisor. As imagens adquiridas pelos instrumentos de monitoramento, durante os ensaios, foram submetidas a um processamento digital de imagem, para extrair informações de densidade de pixels, persistência das descargas e distâncias relativas das áreas de descargas ao isolador. A partir de informações obtidas de imagens de infravermelho (temperatura) foi aplicada a estatística descritiva e o teste discriminante de Fisher, para apresentar ao sistema de classificação, parâmetros objetivos e com alto nível de separabilidade. O sistema de classificação utilizou RNA para determinar o estado de degradação dos isoladores. A classificação foi realizada de forma individual e combinada, com vetores formados pelos atributos UV e infravermelho. O sistema desenvolvido permitiu o auxílio à tomada de decisões quanto à necessidade de intervenção ou não aos isoladores. A classificação dos isoladores, de forma individual, obteve acurácia média para temperatura de 80,00% e UV 74,05%. A classificação dos isoladores, de forma combinada (UV e infravermelho), obteve acurácia média de 92,58%, evidenciando o aprimoramento na classificação. === This research presents a methodology for the improvement of the classification of polymeric insulators by using thermographic measurements and UV radiation in combination with Digital Image Processing (DIP) and Artificial Neural Networks (ANNs). The methodology is based on the analysis of the occurrence of corona discharges and temperature variations along the insulator in order to classify their stage of degradation. Each insulator was subjected to the 133 kV phase-to-ground voltage over a period of 30 minutes, in order to cause heating and corona discharges in the insulators. The experiments were performed using a corona detector for UV measurement and the temperature data were acquired using a thermal imager. The images acquired by the monitoring instruments during the tests were subjected to digital image processing to extract information of pixel density, persistence of discharges and relative distances from the discharge areas to the insulator. From information obtained through infrared (temperature) images descriptive statistics and Fisher's discriminant test were applied to present objective parameters with high level of separability to the classification system. The classification system used ANN to determine the insulators degradation state. The classification was performed in individual and in combination ways, with vectors formed by UV and infrared attributes. The developed system helped on the decision making, concerning to the necessity of intervention or not to the insulators. The classification of the insulators, in an individual way, obtained accuracy for temperature of 80.00% and UV 74.05%. The classification of the isolators, combined (UV and infrared), obtained an average accuracy of 92.58%, evidencing the improvement in the classification.
|
|---|
