CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior / O diagnÃstico de falhas incipientes em transformadores de potÃncia imersos em Ãleo està diretamente relacionado à avaliaÃÃo das condiÃÃes do sistema de isolamento. Este estudo aborda a relaÃÃo entre os gases dissolvidos no Ãleo e a qualidade do Ãleo mineral isolante utilizado em transformadores de potÃncia. As redes neurais artificiais sÃo utilizadas na abordagem da avaliaÃÃo das condiÃÃes operacionais do Ãleo isolante em transformadores de potÃncia, que à caracterizada por um comportamento dinÃmico nÃo-linear. As condiÃÃes de operaÃÃo e a integridade do sistema de isolamento de um transformador de potÃncia podem ser inferidas atravÃs das anÃlises fÃsico-quÃmicas e cromatogrÃficas (AnÃlise de GÃs Dissolvido). Estes ensaios permitem estabelecer procedimentos de operaÃÃo e manutenÃÃo do equipamento e normalmente sÃo realizados simultaneamente. Esta tese de doutorado propÃe um mÃtodo que pode ser usado para extrair informaÃÃes cromatogrÃficas usando as anÃlises fÃsico-quÃmicas atravÃs de redes neurais artificiais. As anÃlises atuais das propriedades fÃsico-quÃmicas fornecem apenas diagnÃstico do estado do Ãleo, o que nÃo permite o diagnÃstico de falhas incipientes. Acredita-se que, as concessionÃrias de energia podem melhorar a confiabilidade na previsÃo de falhas incipientes a um custo menor com este mÃtodo, uma vez que apenas um ensaio à necessÃrio. Os resultados mostraram que esta estratÃgia à promissora com mÃdia de acertos em diagnÃsticos de falhas maiores que 72%. O objetivo deste trabalho à a aplicaÃÃo direta do diagnÃstico de falhas incipientes atravÃs da utilizaÃÃo de propriedades fÃsico-quÃmicas, sem a necessidade de fazer uma cromatografia do Ãleo. / The diagnosis of incipient fault in power transformers immerses in oil are directly related to the assessment of the isolation system conditions. This search is about the relationship between dissolved gases and the quality of the insulating mineral oil used in power transformers. Artificial Neural Networks are used to approach operational conditions assessment issue of the insulating oil in power transformers, which is characterized by a nonlinear dynamic behavior. The operation conditions and integrity of a power transformer can be inferred by analysis of physicochemical and chromatographic (DGA â Dissolved Gas Analysis) profiles of the isolating oil. This tests allow establishing procedures for operating and maintaining the equipment and usually are performed simultaneously. This work proposes a method that can be used to extract chromatographic information using physicochemical analysis through Artificial Neural Networks. The present analysis of physicochemical properties only provide a diagnostic tool for the oil quality, which does not allow the diagnosis of incipient faults. ItÂs believed that, the power utilities could improve reliability in the prediction of incipient failures at a lower cost with this method, since only one test is required. The results show this strategy might be promising with an average accuracy for diagnosis of faults greater than 72%. The purpose of this work is the direct implementation of the diagnosis of incipient faults through the use of physicochemical properties without the need to make an oil chromatography.