Esta pesquisa teve como objetivo o desenvolvimento de um algoritmo computacional capaz de diagnosticar as condições operativas de transformadores de potência. As variáveis tomadas como base para classificar as condições apresentadas se referem às usualmente empregadas pela lógica de proteção diferencial, ou seja, a corrente diferencial e o conteúdo harmônico presente nos sinais em análise. Além disto, foi também verificada a relação entre alguns dos fenômenos associados à falta de qualidade da energia elétrica originados pelos consumidores conectados no secundário e refletidos ao primário do transformador. O algoritmo desenvolvido utilizou-se da Transformada Wavelet e de técnicas de inteligência artificial (Lógica Fuzzy e Redes Neurais Artificiais), com o objetivo de inferir sobre os relacionamentos supracitados. Todos os testes para validação da metodologia proposta foram realizados dispondo de um sistema elétrico simulado no software ATP (Alternative Transients Program). Os resultados encontrados denotam que, frente às condições analisadas, correntes diferenciais e conteúdo harmônico indesejado podem vir a surgir, fazendo com que a lógica implementada venha a diagnosticar erroneamente a condição de operação enfrentada. Os resultados avaliam ainda a propagação destas condições do secundário para o primário do transformador em análise. / This research aimed to develop an algorithm able to diagnose the operating conditions of power transformers. The variables considered to classify the presented conditions were the normally used by differential protection logic, i.e., the differential current and the harmonic content in the signals in analysis. Moreover, the relationship between some phenomena associated to a poor power quality originated from consumers connected to the secondary and reflect to the primary side of the transformer was also verified. In order to infer the relationships above mentioned, the developed algorithm used the Wavelet Transform and artificial intelligence techniques (Fuzzy Logic and Artificial Neural Networks). All the tests applied to validate the proposed methodology were performed making use of the ATP (Alternative Transients Program). In face of the analyzed conditions, the results show that differential currents and undesired harmonic content can arise and the implemented logic will erroneously diagnose the operation condition addressed. The results also illustrate the propagation of these conditions from secondary to primary side of the analyzed transformer.

Este trabalho traz a aplicação da transformada wavelet (TW) para analisar os transitórios de alta freqüência em um sistema de transmissão causados por uma falta sustentada, com o objetivo de se determinar a precisa localização da mesma. A TW, ferramenta matemática empregada neste trabalho, é uma transformação linear muito parecida com a transformada de Fourier, com uma importante diferença: ela permite a localização no tempo de diferentes componentes de freqüência de um dado sinal. Esta localização permite a detecção no tempo da ocorrência de distúrbios abruptos, tais como os transitórios ocasionados por situações de faltas. Os sinais de ondas viajantes geradas pela ocorrência da falta aparecem como distúrbios superpostos aos sinais de freqüência fundamental que são registrados pelos relés. Processando-se estes sinais pelo emprego da TW, esta pode revelar o tempo de propagação dos sinais analisados entre o ponto de ocorrência do distúrbio e a localização física do relé. Conseqüentemente, dispondo-se do intervalo de tempo entre as ondas sobre uma dada linha de transmissão, a distância do ponto de falta pode então ser facilmente determinada, sendo esta a filosofia adotada neste trabalho. O problema delineado é abordado através da implementação prática de um algoritmo computacional. Nesta implementação, o usuário pode escolher a técnica de localização a ser empregada, utilizando-se de dados registrados em um ou em ambos os terminais da linha, conforme a sua necessidade e/ou disponibilidade dos recursos necessários. Com o objetivo de testar e validar a aplicabilidade do algoritmo de localização de faltas, utilizou-se de dados de sinais faltosos obtidos através de simulações do software ATP (Altenative Transients Program), levando-se em conta vários tipos de falta em diferentes localizações ao longo da linha, com diferentes ângulos de incidência, resistências de falta, freqüência de amostragem do sinal, etc. Também foi verificada a influência do acoplamento mútuo em caso de circuitos duplos de transmissão. Os resultados alcançados pelo algoritmo são promissores e demonstram uma ótima precisão e aplicabilidade do método proposto. / This work presents a wavelet transform (WT) application to analyze the high frequency transients in a transmission line caused by a fault, with the purpose of determining its accurate location. The WT is very similar to Fourier Transform (FT), with an important difference: it allows the time determination of different frequency components of a signal. This skill allows the detection of the time of the disturbance occurrence, such as fault transients. The traveling waves generated by the fault occurrence appear as superimposed disturbances on the power frequency signals recorded by the relay. By processing these signals using the WT, the propagation time between the fault point and the relay location can be determined. Consequently, the distance of the fault point can be easily calculated. The delineated problem is boarded through the practical implementation of a computational algorithm. In this implementation, the user can choose the location technique to be employee, using data registered in one or both the terminals of the line, according to the necessity and/or availability of the data. In order to evaluate the applicability of the proposed scheme, the simulation of the transmission line in a faulty condition was utilized. This work makes use of a digital simulator of a faulted EHV (Extra High Voltage) transmission lines known as Alternative Transients Program (ATP). A typical transmission line from CESP (Companhia Energética de São Paulo) were utilized. The simulated data obtained was very close to that found in practice. This study takes into account single phase to ground faults, phase-to-phase faults, phase-phase to ground and three phase faults. The data set was composed of various fault situations considering different fault locations, fault resistances and fault inception angles. The influence of the sampled rate used was also verified as well as the mutual coupling in case of double transmission circuits. The test results reached for the algorithm are promising and demonstrate a highly satisfactory degree of accuracy and applicability of the proposed method.

Este trabalho apresenta um estudo sobre transformada Wavelet aplicada à qualidade da energia elétrica com o intuito de detectar, localizar e classificar eventuais distúrbios que ocorrem no sistema elétrico. Inicialmente é apresentada uma introdução sobre qualidade da energia, mostrando fatos, evoluções e explicando o conceito dos principais fenômenos que interferem na qualidade da energia do sistema elétrico brasileiro, devido, principalmente, à grande demanda de aparelhos eletrônicos produzidos atualmente. Em seguida é mostrada uma revisão dos principais métodos e modelos aplicados atualmente no mundo a respeito do assunto. A transformada Wavelet vem como uma grande ajuda nesta área de análise de sinais, já que é capaz de extrair simultaneamente informações de tempo e freqüência, diferentemente da transformada de Fourier. A simulação dos diversos distúrbios ocorridos no sistema foi realizada através do software ATP (Alternative Transients Program), cujas características seguem corretamente um sistema de distribuição real da concessionária CPFL. Os distúrbios de tensão gerados e analisados foram detectados e localizados através da técnica de Análise Multiresolução e, posteriormente, classificados, utilizando para isto o método da Curva de Desvio Padrão / This dissertation presents a study of Wavelet transform applied to power quality in order to detect, locate and classify disturbances that may occur in the power system. Initially an introduction of power quality is presented, showing facts, evolutions and explaining the concept of the main phenomena that interfere the on power quality of the brazilian power system, due to, mainly, a great demand for electronic devices produced nowadays. A revision of the main methods and models currently applied in the world regarding this subject is also show. The Wavelet transform comes as a great support in the area of signal assessment, as it can extract information about time and frequency simultaneously, differently from the Fourier transform. The simulation of the diverse disturbances occurred in the system was accomplished through ATP software (Alternative Transients Program), whose characteristics correctly follow a system of real distribution of CPFL eletric utility. The generated and analyzed voltage disturbances were detected and located by Multiresolution Analysis technique and later classified by the method of the Standard Deviation

A Qualidade da energia elétrica é caracterizada pela disponibilidade da energia através de uma forma de onda senoidal pura, sem alterações na amplitude e freqüência. No entanto situações transitórias em sistemas de potência são comuns e estas podem provocar inúmeras interferências indesejáveis. Neste contexto, este trabalho tem como objetivo desenvolver um algoritmo para detectar, localizar no tempo e classificar diversos distúrbios que ocorrem no sistema elétrico através da aplicação da transformada wavelet (TW). Foi realizado um estudo teórico desde a origem até os recentes avanços sobre a TW. Para a detecção e localização no tempo foi utilizada apenas a TW. Com relação à classificação foram comparadas três ferramentas matemáticas: TW, TRF (Transformada Rápida de Fourier) e RNA (Redes Neurais Artificiais). Através do software ATP (Alternative Transients Program) foi modelado um sistema de distribuição, cujas características seguem um sistema real. Todos os distúrbios de tensão gerados e analisados puderam ser detectados e localizados no tempo através da técnica de análise multiresolução. Em relação à classificação, foi realizada uma comparação entre a TW, a TRF e RNA com resultados satisfatórios, destacando dentre elas a TRF e a RNA. Pode-se concluir que os resultados obtidos através do algoritmo mostraram-se eficientes tanto no aspecto da detecção, localização e classificação, assim como na estimação da amplitude do distúrbio e da duração do distúrbio. / A perfect power supply would be one that is always available, maintaining the supply voltage and frequency within certain limits, and supplying pure noise free sinusoidal waveform. Nevertheless, transient events are usual in power systems, resulting in several interferences. The purpose of this study is for detecting, locating in time and to classifying with wavelet transform (WT) several disturbances that occur on power systems. A WT theoretical revision, referring to the first mention in wavelet up to the recent research advances is presented. Only WT was used in order to detect and locate in time the power system disturbances. For classification, three mathematical tools were compared: WT, FFT (Fast Fourier Transform) and ANN (Artificial Neural Networks). A distribution System, with identical characteristics as the real distribution system, was performed with ATP software (Alternative Transients Program). The results showed that multiresolution analysis technique is able to detect and locate all the generated and analyzed voltage disturbances. For classification the results were similar for the WT, FFT and ANN, however FFT and ANN results presented a better performance. The results conclude that the WT algorithm is efficient at detecting, localizing and classifying power system disturbances, as well as, at estimating the amplitude and duration of the voltage disturbance.

Este trabalho apresenta um método de predição não linear de séries temporais econômicas. O método baseia-se na análise técnica e fundamentalista de cotação de ações, filtragem wavelet, seleção de padrões e redes neurais artificiais. No modelo técnico emprega-se a transformada wavelet para filtrar a série temporal econômica de comportamentos aleatórios ou não econômicos. Após a filtragem dos dados o algoritmo de projeções sucessivas é utilizado para a seleção de padrões de treinamento para a rede neural artificial, com o objetivo de selecionar os padrões de comportamento mais importantes na série. No modelo fundamentalista utiliza-se variáveis econômicas que podem estar correlacionadas com a série, com o objetivo de aprimorar a predição da série na rede neural artificial. Para avaliação do método são utilizados dados de séries temporais econômicas referentes à cotação de preços de ações negociadas na bolsa de valores de São Paulo, onde os resultados da predição do comportamento futuro são comparados com modelos matemáticos clássicos e com o modelo convencional, que se baseia somente na análise técnica. Apresenta-se uma comparação dos resultados entre modelos técnicos, modelos matemáticos e o método proposto. O modelo matemático utilizado (ARIMA) apresentou seu melhor desempenho em séries com pouca variância, porém com desempenho inferior quando comparado com o modelo técnico e com o método proposto. A avaliação do erro de predição em termos de RMSEP evidenciou que o método proposto apresenta os melhores resultados em relação aos demais métodos. / This work presents a method for predicting nonlinear economic time series. The method is based on fundamental and technical analysis of script quotation, a multiscale wavelet filtering, pattern selection and artificial neural networks. In the technical model is used the wavelet transform in order to filter the economic time series from random or not economic behaviors. After the data filtering, the successive projections algorithm was used for the training pattern selection to the artificial neural network. In the fundamentalist model is used financial and macroeconomics variables that is correlated with the time serie in order to improve the network forecasting. For the evaluation of the proposed method are used temporal series data related to scrips prices quotation of São Paulo stock market. It presents a comparison of the results between technical model, mathematical model and proposed method. The mathematical model (ARIMA) presented better results in series with few variance, however have low performance when compared with the technical model and with the proposed method. The prediction error evaluation shows that the proposed method has better results than the other methods.

Este trabalho apresenta um método de predição não linear de séries temporais econômicas. O método baseia-se na análise técnica e fundamentalista de cotação de ações, filtragem wavelet, seleção de padrões e redes neurais artificiais. No modelo técnico emprega-se a transformada wavelet para filtrar a série temporal econômica de comportamentos aleatórios ou não econômicos. Após a filtragem dos dados o algoritmo de projeções sucessivas é utilizado para a seleção de padrões de treinamento para a rede neural artificial, com o objetivo de selecionar os padrões de comportamento mais importantes na série. No modelo fundamentalista utiliza-se variáveis econômicas que podem estar correlacionadas com a série, com o objetivo de aprimorar a predição da série na rede neural artificial. Para avaliação do método são utilizados dados de séries temporais econômicas referentes à cotação de preços de ações negociadas na bolsa de valores de São Paulo, onde os resultados da predição do comportamento futuro são comparados com modelos matemáticos clássicos e com o modelo convencional, que se baseia somente na análise técnica. Apresenta-se uma comparação dos resultados entre modelos técnicos, modelos matemáticos e o método proposto. O modelo matemático utilizado (ARIMA) apresentou seu melhor desempenho em séries com pouca variância, porém com desempenho inferior quando comparado com o modelo técnico e com o método proposto. A avaliação do erro de predição em termos de RMSEP evidenciou que o método proposto apresenta os melhores resultados em relação aos demais métodos. / This work presents a method for predicting nonlinear economic time series. The method is based on fundamental and technical analysis of script quotation, a multiscale wavelet filtering, pattern selection and artificial neural networks. In the technical model is used the wavelet transform in order to filter the economic time series from random or not economic behaviors. After the data filtering, the successive projections algorithm was used for the training pattern selection to the artificial neural network. In the fundamentalist model is used financial and macroeconomics variables that is correlated with the time serie in order to improve the network forecasting. For the evaluation of the proposed method are used temporal series data related to scrips prices quotation of São Paulo stock market. It presents a comparison of the results between technical model, mathematical model and proposed method. The mathematical model (ARIMA) presented better results in series with few variance, however have low performance when compared with the technical model and with the proposed method. The prediction error evaluation shows that the proposed method has better results than the other methods.

O fresamento do aço inoxidável austenítico é um processo importante para a produção de peças em que se deseja alta resistência mecânica e à corrosão. No entanto, a usinagem desse material representa um desafio por suas características adversas ao corte. A alta taxa de encruamento e a alta dureza relativa fazem-no resistente ao corte, podendo gerar vibrações em diferentes faixas de frequência. Uma técnica importante ao processamento de sinais de vibração é a Transformada de Wavelet que permite analisar diferentes frequências do sinal através da subdivisão em aproximações e detalhamentos. Neste trabalho analisaram-se vibrações em alta e baixa frequência geradas no fresamento frontal do aço inoxidável austenítico AISI 316 a partir de sinais de força, coletados por meio de um dinamômetro piezelétrico e processados via Transformada de Wavelet Discreta. Também se fez a investigação dos perfis de rugosidade, dos parâmetros de rugosidade média (Ra) e média parcial (Rz) e das ondulações gerados na superfície fresada. Nos ensaios, foram utilizados insertos com três raios de ponta distintos, hastes da fresa com três diferentes comprimentos em balanço e foram variadas a rotação do eixo-árvore e a profundidade de corte axial em três níveis cada, totalizando 81 combinações de parâmetros. Constatou-se que a profundidade de corte representou a maior influência na vibração. Na usinagem com rotações abaixo do valor mínimo recomendado pelo fabricante (1600 rpm), houve dificuldades na formação e remoção do cavaco. A modificação do raio de ponta influenciou mais a vibração em pequenas profundidades de corte ou em zonas próximas às condições de instabilidade. O comprimento da haste mostrou comportamentos diferentes para a vibração, podendo estar relacionado com a mudança das frequências naturais do sistema e também pode definir entrada em regime instável. Verificou-se correlação do detalhamento (D1) da força resultante (vibração em altas frequências) com o parâmetro Ra para condições de vibrações intensas (maiores amplitudes), mas em regime estável. Assim, o parâmetro D1 pode ser utilizado na detecção de vibrações chatter no processo de fresamento frontal do aço inoxidável AISI 316. / The milling of austenitic stainless steel is important process for the production of part that require mechanical and corrosion resistance. However, the machining of this steel represents a challenge by its adverse features. The high hardening rate and the high relative hardness make it resistant to cutting and can generate vibrations in different frequency ranges. An important technique for the processing of vibration signals is the Wavelet Transform that allows the analysis of different signal frequencies through the subdivisions into approximations and details. In this work, high and low frequency vibration generated in end milling of AISI 316 stainless steel were analyzed from force signals collected through a piezoelectric dynamometer and processed via Wavelet Discrete Transform. Besides, the roughness profiles were investigated, as well as average (Ra) and partial mean (Rz) roughness parameters, and waviness generated on the milled surface. Three different insert nose radius, end mill tool lengths, depths of cut and spindle speeds were used in the experiments, totaling 81 combinations of parameters. It was found that depth of cut represented the greatest influence on vibration. In end milling with spindle speed below the minimum recommended by the tool manufacturer (1600 rpm) it occurred difficulties in the chip formation and removal. The modification of tool nose radius greater influenced the vibration at small depths of cut or in regions close to the stability limit. The end mill tool length showed different behaviors for the vibration, which may be related to the change of natural frequencies of the mechanical system and may also define an unstable state. The correlation of detail (D1) of the resulting force (vibration at high frequencies) with the parameter Ra for intense vibration conditions (larger amplitudes) was verified, but in stable state. Thus, D1 can be used for detecting chatter in end milling process of AISI 316 stainless steel.

Neste trabalho, foram utilizadas as vantagens da ferramenta matemática de análise temporal e espectral, a transformada wavelet discreta (DWT), além dos coeficientes de predição linear (LPC) e do algoritmo de inteligência artificial, Least Squares Support Vector Machines (LS-SVM), para aplicações em análise de sinais de voz e classificação de vozes patológicas. Inúmeros trabalhos na literatura têm demonstrado o grande interesse existente por ferramentas auxiliares ao diagnóstico de patologias da laringe. Os componentes da DWT forneceram parâmetros de medida para a análise e classificação das vozes patológicas, principalmente aquelas provenientes de pacientes com edema de Reinke e nódulo nas pregas vocais. O banco de dados com as vozes patológicas foi obtido do Departamento de Otorrinolaringologia e Cirurgia de Cabeça e Pescoço do Hospital das Clínicas da Faculdade de Medicina de Ribeirão Preto (FMRP-USP). Utilizando-se o algoritmo de reconhecimento de padrões, LS-SVM, mostrou-se que a combinação dos componentes da DWT de Daubechies com o filtro LP inverso levou a um classificador de bom desempenho alcançando mais de 90% de acerto na classificação das vozes patológicas. / The main objective of this work was to use the advantages of the time-frequency analysis mathematical tool, discrete wavelet transform (DWT), besides the linear prediction coefficients (LPC) and the artificial intelligence algorithm, Least Squares Support Vector Machines (LS-SVM), for applications in voice signal analysis and classification of pathological voices. A large number of works in the literature has been shown that there is a great interest for auxiliary tools to the diagnosis of laryngeal pathologies. DWT components gave measure parameters for the analysis and classification of pathological voices, mainly that ones from patients with Reinke\'s edema and nodule in the vocal folds. It was used a data bank with pathological voices from the Otolaryngology and the Head and Neck Surgery sector of the Clinical Hospital of the Faculty of Medicine at Ribeirão Preto, University of Sao Paulo (FMRP-USP), Brazil. Using the automatic learning algorithm applied in pattern recognition problems, LS-SVM, results have showed that the combination of Daubechies\' DWT components and inverse LP filter leads to a classifier with good performance reaching more than 90% of accuracy in the classification of the pathological voices.

Submitted by Irvana Coutinho (irvana@ufpa.br) on 2012-03-05T17:10:33Z No. of bitstreams: 2 Tese_Raimundo_Machado(DisEngEl2006).pdf: 1575420 bytes, checksum: ba6be75f831b6d7221f5c885c4892df2 (MD5) license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) / Approved for entry into archive by Irvana Coutinho(irvana@ufpa.br) on 2012-03-05T17:12:55Z (GMT) No. of bitstreams: 2 Tese_Raimundo_Machado(DisEngEl2006).pdf: 1575420 bytes, checksum: ba6be75f831b6d7221f5c885c4892df2 (MD5) license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) / Made available in DSpace on 2012-03-05T17:12:55Z (GMT). No. of bitstreams: 2 Tese_Raimundo_Machado(DisEngEl2006).pdf: 1575420 bytes, checksum: ba6be75f831b6d7221f5c885c4892df2 (MD5) license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Previous issue date: 2006 / A análise de ocorrências no sistema de energia elétrica é de fundamento mportância para uma operação segura, e para manter a qualidade da energia elétrica lornecida aos consumidores. As concessionárias do setor de energia elétrica usam equipamentos, chamados registradores de perturbação (RP's), para monitora diagnosticar problemas nos sistemas elétrico e de proteção. As formas de onda normalmente analisadas nos centros de operação das concessionárias, são aquelas geradas por eventos que quase sempre causam a aocrtul je linhas devido a operação dos relés comandados pelos dispositivos de proteção .Contudo, uma grande quantidade de registros armazenados que podem conte informações importantes sobre o comportamento e desempenho do sistema elétricl jeixa de ser analisada. O objetivo desse trabalho é usar os dados disponíveis nos centros de ontrole, operação das concessionárias de energia elétrica obtidos pelos RP's, para classificar e quantificar de forma automática sinais que caracterizem problemas de qualidade da energia, quanto a variações de tensão de curta duração: afundamentos, elevações e interrupções. O método proposto usa a transformada wavelet para obter um vetor característico para as tensões das fases A, B e C, e uma rede neural probabilística para classificação. Os sinais classificados como apresentando variações de curta duração são quantilicados quanto a duração e amplitude, usando-se as propriedades da análise nultiresolução da decomposição do sinal. Esses parâmetros, então, irão formar uma Jase de dados onde procedimentos de análise estatística podem ser usados para gerar relatórios com as características da qualidade da energia. Os resultados obtidos com a metodologia proposta para um sistema real são também apresentados. / The analysis of occurrences in electric power systems is of fundamental importance for secure operation of the system, and to maintain quality of the electric energy supplied to the consumers. The electric power utilities use equipments called disturbance registers (DR’s) for monitoring and diagnose of problems in the electric and protection systems. The waveforms usually analyzed in the electric power utilities operation centers, are those generated by events that usually cause the opening of lines due to circuitbreakers operation commanded by the protection devices. However, a great amount of stored data that can contain important information on the behavior and the performance of the system is not analyzed. The proposal of this work is to use the available data in electric power utilities control and operation centers obtained from DR’s equipments, to classify and quantify of automatic form signals that characterize power quality problems, such as, short duration voltage variations: sags, swells and interruptions. The proposed method uses wavelet transform to obtain a characteristic vector for voltages in phases A, B and C, and a probabilistic neural network is used for classification. The classified signals as presenting short-duration variation are quantified for duration and magnitude of the event, using the multiresolution decomposition signal analysis properties. Those parameters, then, will form a database where statistical procedures of analysis can be used to prepare reports regarding power quality features. The results obtained with the application of this proposed methodology to a real system are also presented.

Orientador: Macelo Zanchetta do Nascimento. / Dissertação (mestrado) - Universidade Federal do ABC. Programa de Pós-Graduação em Engenharia da Informação, 2009.