Detecção de arco tipo série : estudo de caso atraés do uso da transformada wavelet e máquinas de vetores de suporte
Danos na fiação e em conexões elétricas podem resultar em incêndios através das chamadas faltas arco. Os dispositivos de proteção convencionais, como disjuntores, fusíveis e disjuntores diferenciais residuais não são capazes, muitas vezes, de identificar esse defeito. Os equipamentos chamados AFDI,...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2021 |
| País: | Brasil |
| Institución: | Universidade Federal do Rio Grande do Sul (UFRGS) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da UFRGS |
| Idioma: | portugués |
| OAI Identifier: | oai:www.lume.ufrgs.br:10183/230184 |
| Acceso en línea: | http://hdl.handle.net/10183/230184 |
| Access Level: | acceso abierto |
| Palabra clave: | Arco elétrico Transformadas wavelet AFDI Electric fires Series arc fault detection Support Machine Vectors (SVM) Wavelet transform |
| Sumario: | Danos na fiação e em conexões elétricas podem resultar em incêndios através das chamadas faltas arco. Os dispositivos de proteção convencionais, como disjuntores, fusíveis e disjuntores diferenciais residuais não são capazes, muitas vezes, de identificar esse defeito. Os equipamentos chamados AFDI, do inglês, Arc Fault Device and Interrupter, surgiram nas últimas duas décadas buscando suprir essa lacuna. Contudo, a sua aplicação e eficiência ainda são restritas devido, entre outros motivos, ao chamado efeito de mascaramento gerado por alguns tipos de carga, que dificultam a identificação da ocorrência da falta arco. Para este fim, novas técnicas de detecção vêm sendo estudadas com o objetivo de desenvolver dispositivos mais confiáveis. Estudos relacionados a ferramentas estatísticas e de análise de sinais no domínio da frequência, associadas a metodologias de aprendizagem de máquina, demonstram resultados promissores no desenvolvimento de técnicas alternativas de detecção do arco. Nesse contexto, o objetivo deste trabalho é avaliar o potencial dos dados extraídos a partir da transformada wavelet na detecção da falta arco. Para isto foi construído um gerador de arco possibilitando o ensaio de cargas variadas na presença do fenômeno. Com base nos resultados obtidos foi possível construir um modelo inteligente, através da Máquina de Vetores de Suporte (SVM), que atingiu uma accuracy próxima a 90% na identificação da falta arco, mesmo em condições críticas de detecção. |
|---|