TCC - Engenharia Elétrica (UACSA)
URI permanente para esta coleçãohttps://arandu.ufrpe.br/handle/123456789/2923
Navegar
2 resultados
Resultados da Pesquisa
Item Aplicação de aprendizado de máquinas na detecção de anomalias em componentes de linhas de transmissão(2025-03-21) Melo, Isadora Rodrigues de; Ferreira, Felipe Alberti Barbosa Simão; http://lattes.cnpq.br/9939255113143786; https://lattes.cnpq.br/3445765194031185O avanço da tecnologia ao longo dos anos mudou bastante o Sistema Elétrico de Potência (SEP) e a indústria, melhorando a segurança na entrega de energia para todos. A inspeção de linhas de transmissão é um processo essencial que garante o funcionamento do sistema elétrico, mas apresenta desafios. Tradicionalmente, as inspeções são realizadas por equipes que se deslocam até locais de difícil acesso, que envolve altos riscos e custos financeiros. Com os novos recursos de inteligência artificial, usar aprendizado de máquina tem se mostrado uma solução viável para otimizar o processo na identificação de problemas estruturais nas linhas de transmissão. Neste projeto, foi desenvolvido um sistema baseado em aprendizado de máquina para detectar e analisar equipamentos nas linhas de transmissão. O sistema usa o modelo YOLOv5 para encontrar as peças e identificar onde elas estão na imagem. Em seguida, a rede neural convolucional ResNet, que permite uma análise eficiente das imagens, classifica cada peça identificada, determinando se existe avaria ou não. Os componentes da linha de transmissão sem avaria possuem uma caixa delimitadora da cor verde, e as com avarias da cor vermelha. Nos testes feitos, o sistema acertou 90,6% das vezes ao encontrar as peças e 81% ao dizer se tinham defeito. No entanto foi constado alguns desafios, como a falta de certas amostras do próprio banco de dados, o que pode impactar o desempenho do modelo para determinados componentes. Assim, obter um conjunto de dados com mais imagens e robusto é fundamental para melhorar a eficácia do sistema. Este trabalho ajuda na modernização da manutenção das linhas de transmissão usando técnicas avançadas de aprendizado de máquina. Quando usado junto com sistemas de monitoramento remoto, pode diminuir gastos e riscos das inspeções feitas por pessoas. Além disso, permite a identificação de problemas previamente, tornando o sistema elétrico mais confiável e eficiente.Item Impacto da medição de sinais de tensão em métodos de localização de curtos-circuitos baseados no domínio do tempo(2019-12-12) Silveira, Mirella Ilka Pereira da; Reis, Raphael Leite de Andrade; http://lattes.cnpq.br/1139577841043865; http://lattes.cnpq.br/0341519550011359Neste trabalho, avaliações acerca do impacto da utilização de medições de sinais de tensão no desempenho de métodos de localização de curtos-circuitos em linhas de transmissão (LT) baseados no domínio do tempo são realizadas. Para tanto, algoritmos de localização de faltas considerando medições de um e dois terminais da LT foram implementados no software Matlab®, sendo os dados de entrada das rotinas fornecidas por meio de medições de tensão e corrente provenientes de um transformador de potencial capacitivo (TPC) e de um transformador de corrente (TC), respectivamente. O desempenho das técnicas de localização de faltas é investigado por meio de várias simulações de curtos-circuitos em um sistema elétrico de potência (SEP) de 230 kV, considerando-se variações nos parâmetros de falta, como a resistência e o ângulo de incidência, além da resposta dinâmica do TPC em algoritmos de um terminal, a qual normalmente não é reportada na literatura. Dos resultados obtidos, constata-se que o algoritmo de dois terminais mostrou-se como mais robusto, uma vez que mais informações do SEP são utilizadas como dados de entrada da rotina, muito embora dependa de um canal de comunicação. No que tange ao algoritmo de um terminal, a resposta dinâmica do TPC pode alterar a polaridade das ondas viajantes detectadas no terminal monitorado, comprometendo, desta forma, a confiabilidade deste tipo de método caso mecanismos para compensar a resposta em frequência do dispositivo de medição não estejam disponíveis.