Determination of the temperature of Rolling up of transformers the dry and of their total losses based on nets artificial neurais

Transformadores devem ser projetados e construídos de modo a manter os limites de temperatura prescritos em normas, bem como a atenderem as necessidades específicas de sua utilização. Evidentemente, isso deve ser atingido ao menor custo possível. No caso de projeto de transformadores a óleo, redes neurais artificiais já vem sendo utilizadas com sucesso. Estas são úteis ao projetista, pois permitem um projeto inteligente, com o qual obtém-se parâmetros próximos aos ideais para as condições de fabricação e ao equilíbrio "custo vs. rendimento". Por outro lado, o uso de redes neurais artificiais ainda não foi utilizado para estimação de perdas e temperatura em transformadores a seco. O presente trabalho utiliza três redes neurais para avaliação da temperatura a partir dos parâmetros geométricos do transformador, bem como a avaliação das perdas a vazio e a curto-circuito. Os resultados mostram que o sistema proposto apresenta erros menores que 1% e, dessa forma, pode ser de grande ajuda no projeto de novos transformadores desse tipo.Transformers should be projected and built in way to maintain the temperature limits prescribed in norms, as well as they assist her the specific needs of it use. Evidently, that should be reached at the smallest possible cost. In the case of transformers to oil, nets artificial neurais have already been used with success. These are useful to the planner, because they allow an intelligent project, with which is obtained close parameters to the ideals for the production conditions and to the balance "cost vs. income." On the other hand, the use of nets artificial neurais still was not used for estimate of losses and temperature in transformers the dry. The present work uses three nets neurais for evaluation of the temperature starting from the geometric parameters of the transformer, as well as the evaluation of the losses to emptiness and short circuit. The results show that the proposed system presents smaller mistakes than 1% and, in that way, it can be of great help in the project of new transformers of that type