Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/40378
Full metadata record
DC FieldValueLanguage
dc.creator.IDCARVALHO, I. F.pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/9353984961312841pt_BR
dc.contributor.advisor2COSTA, Edson Guedes da.-
dc.contributor.advisor2IDCOSTA, E. G.pt_BR
dc.contributor.advisor2Latteshttp://lattes.cnpq.br/3930289115658143pt_BR
dc.contributor.referee1FREIRE, Raimundo Carlos Silvério.-
dc.contributor.referee2LOPES, Ivan José da Silva.-
dc.contributor.referee3WANDERLEY NETO, Estácio Tavares.-
dc.description.resumoAstécnicas para diagnóstico de descargas parciais (DP) utilizando o método radiométrico requerem a amostragem dos sinais na ordem de nanosegundos. Em razão disso, é necessária uma alta taxa de amostragem do sistema de aquisição para obtenção da acurácia necessária do método e uma elevada capacidade de armazenamento de dados dos dispositivos de aquisição. A fim de reduzir os requisitos de hardware do sistema de aquisição e aumentar a aplicabilidade do método radiométrico no monitoramento de DP em subestações, foi proposta a utilização de um sistema de condicionamento de sinais entre a antena e o sistema de aquisição. Neste trabalho foi projetado, desenvolvido, e avaliado um sistema capaz de adquirir sinais radiométricos de DP, captar as envoltórias dos sinais, extrair os atributos mais relevantes e separar e classificar as DP, permitindo umaredução significativa na taxa de amostragem necessária para aquisição. Incialmente, a suavização dos sinais foi realizada e avaliada por meio do método de suavização de densidade por Kernel. Posteriormente, um sistema de condicionamento de sinal foi desenvolvido e validado em medições realizadas em laboratório e em subestações. Os atributos representativos das envoltórias dos sinais foram extraídos, selecionados e aplicados a algoritmos de agrupamento como K-means, GaussianMixtureModel (GMM) e Mean-shift, e a modelos de aprendizado de máquina supervisionados como Support VectorMachine(SVM),RandomForeste Regressãologística.Os resultadosdemonstram que o sistema proposto classifica e separa sinais de DP de maneira eficaz, com redução dos requisitos de hardware para os sistemas de aquisição, ampliando o potencial do método radiométrico para uso em subestações.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCentro de Engenharia Elétrica e Informática - CEEIpt_BR
dc.publisher.programPÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICApt_BR
dc.publisher.initialsUFCGpt_BR
dc.subject.cnpqEngenharia Elétrica.pt_BR
dc.titleDentificação de fontes de descargas parciais por atributos extraídos da envoltória do sinal.pt_BR
dc.date.issued2024-09-26-
dc.description.abstractThe techniques for diagnosing partial discharges (PD) using the radiometric method require signal sampling in the order of nanoseconds. Therefore, a high sampling rate of the acquisition system is required to obtain the required accuracy of the method and a high data storage capacity of the acquisition devices. In order to reduce the hardware requirements of the acquisition system and increase the applicability of the radiometric method in PD monitoring in substations, the use ofa signal conditioning system between the antenna and the acquisition system was proposed. In this work, a system capable of acquiring radiometric PD signals, capturing the signal envelopes, extracting the most relevant attributes and separating and classifying the PDs was designed, developed, and evaluated, allowing a significant reduction in the sampling rate required for acquisition. Initially, signal smoothing was performed and evaluated using the Kernel density smoothing method. Subsequently, a signal conditioning system was developed and validated in measurements performed in the laboratory and in substations. The representative features of the signal envelopes were extracted, selected and applied to clustering algorithmssuch as K-means, Gaussian MixtureModel(GMM)andMean-shift, and to supervised machine learning models such as Support Vector Machine (SVM), Random Forest and Logistic Regression. The results demonstrate that the proposed system classifies and separates PD signals effectively, reducing the hardware requirements for the acquisition systems, expanding the potential of the radiometric method for use in substations.pt_BR
dc.identifier.urihttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/40378-
dc.date.accessioned2025-02-17T14:12:31Z-
dc.date.available2025-02-17-
dc.date.available2025-02-17T14:12:31Z-
dc.typeTesept_BR
dc.subjectProcessamento da energiapt_BR
dc.subjectDescargas parciais (DP)pt_BR
dc.subjectClassificação e monitoramento de descargas parciaispt_BR
dc.subjectEnergy processingpt_BR
dc.subjectPartial discharges (PD)pt_BR
dc.subjectClassification and monitoring of partial dischargespt_BR
dc.rightsAcesso Abertopt_BR
dc.creatorCARVALHO, Itaiara Felix.-
dc.publisherUniversidade Federal de Campina Grandept_BR
dc.languageporpt_BR
dc.title.alternativeIdentifying partial discharge sources by attributes extracted from the signal envelope.pt_BR
dc.identifier.citationCARVALHO, Itaiara Felix. Dentificação de fontes de descargas parciais por atributo sextraídos da envoltória do sinal. 2024. 158 f. Tese (Doutorado em Engenharia Elétrica) – Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2024.pt_BR
Appears in Collections:Doutorado em Engenharia Elétrica.

Files in This Item:
File Description SizeFormat 
ITAIARA FELIX CARVALHO - TESE (PPGEE) 2024.pdf4.99 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.