Submitted by Bruno Albuquerque de Castro null (bruno.castro@feb.unesp.br) on 2016-06-01T17:52:34Z No. of bitstreams: 1 Bruno_Albuquerque_de_Castro_MestradoEE.pdf: 3788528 bytes, checksum: 28b69717116921fa999eda08254ac160 (MD5) / Approved for entry into archive by Ana Paula Grisoto (grisotoana@reitoria.unesp.br) on 2016-06-02T19:10:47Z (GMT) No. of bitstreams: 1 castro_ba_me_bauru.pdf: 3788528 bytes, checksum: 28b69717116921fa999eda08254ac160 (MD5) / Made available in DSpace on 2016-06-02T19:10:47Z (GMT). No. of bitstreams: 1 castro_ba_me_bauru.pdf: 3788528 bytes, checksum: 28b69717116921fa999eda08254ac160 (MD5) Previous issue date: 2016-05-25 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O monitoramento e a localização precoce de descargas parciais em aparelhos de alta tensão, como nos transformadores de potência, são de fundamental importância para a prevenção de problemas funcionais associados à degradação contínua dos materiais que compõe o isolamento elétrico destes tipos de aparelho. Alguns fatores críticos na operação dos transformadores, como o funcionamento em sobrecarga, superaquecimento, transitórios e sinais elétricos de grande conteúdo harmônico vinculados a sistemas chaveados, em longo prazo, fazem com que o sistema de isolação de um transformador apresente degradação de suas propriedades físicas e químicas intrínsecas aos diversos tipos de materiais utilizados para esta finalidade e, deste modo, surjam descargas parciais. Este trabalho teve como objetivo aplicar sensores piezelétricos de baixo custo para a identificação e localização de descargas parciais em transformadores de potência por meio de sistemas inteligentes do tipo Redes Neurais e sistema de inferência neuro fuzzy adaptativos. Ambos os sistemas foram treinados com algumas métricas de processamento de sinais e os resultados de erro médio de localização chegaram na casa dos milímetros. Variou-se o número de sensores acoplados e foi realizado um estudo sobre os resultados de localização obtidos. / Partial discharge damages in power transformers require high cost monitoring procedures based on corrective maintenance or even interruptions of the power system. The development of online non-invasive monitoring systems to detect partial discharges in power transformers has great relevance since it can reduce significant maintenance costs. Some critical factors in the operation of transformers such as overload, nonlinear loads, transient voltage surges by atmospheric origin and switching, can make the insulation system of transformers to lose their physical and chemical properties. Therefore, these operating conditions can cause early deterioration of the insulation, causing internal partial discharges that may develop into major defects and thus shorten the useful life of electrical equipment. This research aimed to apply a low cost piezoelectric sensors for partial discharge identification and location in power transformers through intelligent systems such as neural networks and adaptive fuzzy inference system. Both systems were trained with some signal processing metrics and the results for location error was in the region of millimeters. It was varied the number of coupled sensors and a study was conducted on the obtained location results.