Banca de DEFESA: INGRID THAÍS AZEVÊDO DANTAS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : INGRID THAÍS AZEVÊDO DANTAS
DATA : 28/03/2025
HORA: 14:00
LOCAL: Online
TÍTULO:

Power Transformer Fault Classification Using Industry 4.0-Compliant Machine Learning Under Data Missing Conditions

PALAVRAS-CHAVES:

Fault classification; Power transformers; Machine Learning; wavelet transform; Missing data; Industry 4.0.

PÁGINAS: 50
RESUMO:

Faltas em transformadores de potência podem ocorrer devido à degradação do isolamento em seus enrolamentos e devem ser rapidamente eliminadas pelos sistemas de proteção para preservar a integridade do transformador. Além da proteção do transformador, a classificação de faltas é uma tarefa essencial, pois permite uma melhor compreensão do seu estado ao longo do tempo. Este trabalho apresenta uma abordagem inovadora para a classificação de faltas em transformadores de potência, combinando a Transformada Wavelet Estacionária com Bordas em Tempo Real (RT-BSWT) com técnicas de Aprendizado de Máquina. O método proposto se destaca por sua robustez, mesmo diante da perda de dados em tempo real, um desafio crítico na detecção de faltas nesses sistemas. A abordagem emprega algoritmos de aprendizado de máquina para classificar as faltas, mesmo quando a qualidade e disponibilidade dos dados são comprometidas por falhas na transmissão ou possíveis interferências no circuito de conexão entre os transformadores de corrente e o relé de proteção do transformador. Sua capacidade de adaptação à perda de dados o torna altamente adequado para aplicações industriais reais, alinhando-se aos princípios da Indústria 4.0—especialmente em ambientes onde a integridade dos dados é essencial para análises e tomadas de decisão em tempo real. A eficácia da abordagem foi validada por meio de uma avaliação abrangente de um conjunto de dados diversificado, cobrindo vários tipos e condições de faltas. Os resultados demonstraram altas taxas de precisão tanto em cenários com dados completos quanto em situações com dados ausentes, reforçando a viabilidade do método para operações industriais desafiadoras.

MEMBROS DA BANCA:
Presidente - 1807863 - FLAVIO BEZERRA COSTA
Interno - 1543191 - LUIZ FELIPE DE QUEIROZ SILVEIRA
Interno - 1141792 - RODRIGO PRADO DE MEDEIROS
Externo à Instituição - MÁRIO OLESKOVICZ - USP