Search

The presented development is an intelligent diagnostic system for transformers that studied machine learning techniques to determine the operational status of these transformers. The study of these techniques is initiated by observing the quantities that define the operational behavior of large transformers, aiming to identify anomalies in their operation from data from sensors that equipment it in the functioning environment. This large power transformer has a theoretical service life of above 20 years and a low failure rate. Thus, obtaining failure values, which have their evolution monitored for large transformers, is almost nil. Therefore, a supervised machine training methodology to diagnose these cases is practically unfeasible. The study carried out with several traditional intelligent techniques can verify this. Several supervised methods (Closest Neighbor K-th Neighbor, Support Vector Machine, Radial Base Function, Decision Trees, Random Forest, Neural Network, AdaBoost, Gaussian Naive Bayes, and Quadratic Discriminant Analysis) were studied.

Durante todo o processo de tomada de decisão muitos fatores diferentes devem ser levados em consideração. Estes fatores podem ser heurísticos ou baseados em uma análise numérica. Geralmente, os fatores heurísticos são devido às experiências precedentes do planejador e tem uma estrutura não numérica, isto é, podem ser expressos por valores linguísticos. O problema que os planejadores enfrentam em seu trabalho diário é como incorporar estes valores linguísticos na análise numérica. Geralmente, os pacotes computacionais existentes no mercado não incluem a possibilidade de usar valores não numéricos. Assim, os planejadores têm duas possibilidades ao usar este tipo de ferramenta. Uma possibilidade é numerar o conhecimento linguístico e outra é esquecer este conhecimento durante a análise numérica e então, após obter o resultado final, modificá-lo para fazer uma adaptação para o cliente. O problema é que ambas as aproximações não são boas, pois muita informação é perdida durante estes processos. O objetivo principal deste trabalho é propor um novo método de tomada de decisão conhecida como a metodologia dos multicritérios - Processo de Análise Hierárquica Paraconsistente - PAHP. O PAHP indica o uso da Lógica de Paraconsistente nos processos de avaliação do método como uma ferramenta para tratar os comportamentos não clássicos do processo. O principal benefício alcançado com a aplicação do PAHP foi tratar de forma natural as inconsistências nas matrizes comparação ampliando assim a aplicabilidade do método. O PAHP mostrou eficácia no processo de tomada de decisão complexo dos multicritérios porque, além de requisitar as alternativas, o método fornece o grau da inconsistência da decisão. Um exemplo de aplicação da arquitetura proposta foi implementado no Planejamento de Sistema de Distribuição Elétrica da Companhia Energética de Brasília – CEB.