Characterization of signal attributes for the use of pattern recognition techniques in the evaluation of the insulation of installations and electrical equipment.

Submitted by Ruth Quaresma de Freitas (ruth_quaresma@hotmail.com) on 2019-01-30T12:26:23Z No. of bitstreams: 1 JOSÉ MAURÍCIO DE BARROS BEZERRA TESE - PPGEE 2004..pdf: 15093852 bytes, checksum: 40e9b422610a52eb23f623fcc58b2224 (MD5)Made available in DSpace on 2019-01-30T12:26:23Z (GMT). No. of bitstreams: 1 JOSÉ MAURÍCIO DE BARROS BEZERRA TESE - PPGEE 2004..pdf: 15093852 bytes, checksum: 40e9b422610a52eb23f623fcc58b2224 (MD5) Previous issue date: 2004-04-23A contaminação de isoladores utilizados em linhas de transmissão de alta tensão é responsável por grande parte das falhas em um sistema de potência. Por outro lado, as descargas parciais no interior de materiais isolantes podem conduzir,cumulativamente, equipamentos elétricos a danos irreversíveis. Neste sentido, sistemas de aquisição de dados que viabilizem a monitoração de sinais relacionados com o nível de contaminação de isoladores ou com descargas parciais no interior de materiais isolantes podem ajudar na redução de falhas no sistema de potência. Diante das dificuldades de desenvolvimento de modelos analíticos específicos, foram utilizadas técnicas de reconhecimento de padrões para interpretar os sinais adquiridos e classificar o estado do isolamento sob monitoração. A principal ênfase das pesquisas desenvolvidas foi a caracterização dos atributos dos sinais monitorados, de tal forma a se obter um melhor desempenho do processo de reconhecimento. Com este propósito, foram utilizadas técnicas de processamento digital de sinais, transformações de Fourier e Wavelet para dar suporte à caracterização dos atributos. São descritas, ainda, diversas avaliações de sensibilidade quanto ao tipo e ao número de atributos caracterizados, como também são inseridos procedimentos para a escolha da wavelet mãe mais significativa para o reconhecimento dos sinais analisados. O trabalho apresenta dois estudos de caso. No primeiro deles, a metodologia é direcionada no sentido de se diagnosticar o nível de poluição em isoladores aéreos de alta tensão, através de técnicas lineares e não lineares de reconhecimento de padrões, a partir de sinais adquiridos de diversos sensores. Este caso pode ser caracterizado como uma análise de fusão de dados. No segundo, as técnicas de reconhecimento de padrões são utilizadas para o diagnóstico de defeitos presentes em isoladores poliméricos através do processamento de atributos de sinais de descargas parciais.Contamination of outdoor insulators employed in the overhead high voltage transmission lines in the polluted geographic regions is one of major causes of electric power system failure. The partial discharges within the body of an insulation material also progressively lead to the irreversible deterioration in the performance of the electrical equipment. Data acquisition systems for automatically monitoring the signals related with insulator contamination levels as well as partial discharges, can help in reducing the electrical system failures In view of the practical difficulties in the development of specific analytical models for these phenomena, signal, pattern recognition techniques have been employed to interpret the acquired signals to classify the state of insulator contamination and predict the potential occurrence of system failure. The main emphasis of the present investigation is the characterization of the attributes of the monitored signal, with a view to obtain improved performance the existing pattern recognition techniques. Digital signal processing techniques like digital Fourier transforms and Wavelet transforms have been employed as an aid to characterize the signal attributes. Various evaluations of the number and types of the characterized signal attributes are described. The procedures are outlined for choosing the most significant mother wavelet to be utilized in the recognition of the pattern of the attributes of the acquired signals. Two case studies are presented. In the first one, a method is developed to predict the level of contamination of the overhead high voltage transmission line insulator strings based on linear and nonlinear pattern recognition of the attributes of the acquired signals. This case can be considered to represent an analysis of data fusion originating from multiple sensors employed for data monitoring. In the second case study, signal pattern recognition techniques are employed to diagnose the defects in polymeric insulators utilizing the attributes of the partial discharge signals