Divulgação - Defesa Nº 277

Aluna: Maria Gabriely Lima da Silva

Título: "Sistema de predição de atividades de corrente de fuga em cadeias de isoladores de linhas de transmissão submetidas a diferentes ambientes e ciclos de poluição"

Orientador: Byron Leite Dantas Bezerra

Coorientador: Sérgio Campello Oliveira

Examinador Externo: Eduardo Fontana (UFPE)

Examinador Interno: João Fausto Lorenzato de Oliveira (PPGEC)

Data-hora: 17 de Agosto de 2023 às 16:00h.
Local: Formato Remoto

Resumo:

A presença de poluição em cadeias de isoladores de alta tensão nas linhas de transmissão de energia, combinada com um ambiente de alta umidade, resulta na formação de uma camada condutiva na superfície dos isoladores. O campo elétrico intenso aplicado sobre essa superfície pode romper a rigidez dielétrica do material isolante, gerando descargas parciais. Se a camada de poluentes estiver dentro de limites aceitáveis, as descargas parciais ocorrem de forma isolada e têm pouco impacto no isolamento da cadeia de isoladores. No entanto, se os poluentes não forem removidos e a deposição aumentar, em condições de alta umidade, pode ocorrer o fenômeno de flashover, que é a descarga completa da cadeia de isoladores, resultando na paralisação da linha de transmissão de energia e exigindo sua substituição. Uma das formas de medir o grau de poluição das cadeias de isoladores é por meio da monitoração da corrente de fuga. Um sistema de monitoramento de corrente de fuga por sensor óptico, foi desenvolvido e instalado em algumas localidades do Nordeste Brasileiro. Esta rede operou por aproximadamente dois anos e forneceu informações horárias sobre a ocorrência de pulsos de corrente de fuga, e dados climáticos médios de umidade e temperatura. A partir desses dados, é possível construir modelos de predição dos níveis de atividades das descargas parciais para se estimar o grau de contaminação nas cadeias de isoladores em ambientes de diferentes regiões. Neste trabalho foram experimentadas três técnicas de redes neurais para essa predição: rede neural artificial Multi Layer Perceptron, e as redes recorrentes Long Short-Term Memory e Gated Recurrent Units. As redes recorrentes conseguiram obter predições precisas dos níveis de atividade para as bases de dados testadas, obtendo valores de erros próximos e alcançando amplitudes de picos próximas aos reais. Por outro lado, a rede MLP não obteve resultados satisfatórios prevendo o comportamento com amplitude dos níveis de atividade abaixo do real e em poucos períodos dos cenários analisados. As redes recorrentes também demostraram alta capacidade de generalização para a previsão das taxas de atividade em diferentes localidades e contextos. Dessa forma, partir dos modelos desenvolvidos será possível antecipar as ações de manutenção nas linhas poluídas de transmissão de energia elétrica evitando sua interrupção no fornecimento de energia.