|
Abstract:
|
O presente trabalho de dissertação aborda o desenvolvimento de uma ferramenta computacional para o diagnóstico de Descargas Parciais (DP) que ocorrem em Subestações Isoladas à Gás (GIS), em especial ao gás hexafluoreto de enxofre (SF6). Esta ferramenta computacional é baseada nas Redes Neurais Artificiais (RNA), com arquitetura do tipo Multi-Camadas (MLP). O objetivo da ferramenta é fornecer a causa para a ocorrência da Descarga Parcial que é capturada pelo sistema de monitoramento através da emissão de altíssimas freqüências (UHF), dando suporte ao operador para melhores procedimentos em relação à GIS. Para a validação da ferramenta foram utilizados dados gerados a partir do catálogo do sistema de monitoramento instalado na SE Machadinho, pertencente à ELETROSUL. Esse diagnóstico é de grande valia para a manutenção preditiva de uma GIS, pois indica a atividade da DP que dependendo da intensidade e das características destas descargas degradam as características de isolação elétrica do gás SF6. Assim, a equipe de manutenção responsável pela GIS, com a utilização das informações deste diagnóstico, pode atuar de forma mais eficaz nesta subestação. This master#s thesis research results in the development of a computational tool for Partial Discharge (PD) diagnosis taking place at Gas Insulated Substation (GIS), especially with sulphur hexafluoride (SF6). This computational tool is based on an Artificial Neural Network (ANN), with a Multi-Layer Perceptron (MLP) architecture. The target of this tool is to give the cause of occurrence of Partial Discharge captured by system monitoring through emission of ultra high frequency (UHF) signals, giving support to the operator for better procedures about GIS. The tool is validated with data generated from the catalog of a monitoring system installed at Machadinho Substation, owned by the Transmission Company of Electric Energy ELETROSUL. This diagnostic is of great value for GIS preventive maintenance because of given PD activity. Depending on the discharge intensity and characteristic it can destroy the electric isolation of the SF6 gas. With this diagnostic, the responsible maintenance team can work more effectively at this substation. |
