[pt] O novo cenário competitivo, inaugurado com a reformulação
do Setor Elétrico Brasileiro, impõe a seus agentes,
principalmente as concessionárias de energia elétrica, a
necessidade de ferramentas que os possibilitem gerenciar
melhor seus recursos. No caso específico dos
ransformadores de potência, ativos cujo investimento
inicial é muito elevado,a otimização do retorno financeiro
envolve o balanço adequado entre as receitas advindas da
energia por ele transportada e os custos decorrentes da
depreciação real, principalmente os relacionados à perda de
vida útil do transformador como resultado da exposição do
isolamento sólido a níveis de temperatura prejudiciais. A
presente dissertação propõe o emprego de um modelo para
previsão de séries temporais, aplicado a séries de elevação
de temperatura do enrolamento de transformador de potência,
combinando modelos lineares e Redes Neurais Artificiais.
São revistos e analisados os principais métodos lineares de
previsão baseados em variáveis explicativas, sendo estes,
juntamente com o modelo proposto,aplicados à previsão da
elevação de temperatura de transformadores reais. Os
resultados obtidos comprovam o efeito sinérgico conseguido
com a combinação de modelos lineares com Redes Neurais. / [en] The new competitive scenario, that came up as result of the
restructuring of the Brazilian Electric Energy Sector,
imposes to its agents the need of tools suitable for better
resource management. On the specific case of power
transformers, which represent one of the most important
investment items, the optimal payback involves a suitable
balance between revenues related to the energy transported
and the actual depreciation costs, mainly those related to
the loss of the transformer s useful life, due the
degradation of solid insulation by temperature. The present
dissertation proposes a time series model, applied to power
transformer winding temperature rise forecasting, which
combines linear models and artificial neural networks. The
main linear forecast methods based on explanatory variables
are revised and analyzed, and, together with the proposed
model, applied to temperature forecast on real
transformers. The results confirm the synergic effect
obtained when using linear models with artificial neural
networks.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:3036 |
| Date | 23 September 2002 |
| Creators | RICARDO CUNHA DA FONTE |
| Contributors | REINALDO CASTRO SOUZA, CARLOS JULIO DUPONT |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.002 seconds