
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Science and Technology (IFSP) | - |
| Autor(es): dc.creator | Gifalli, André | - |
| Autor(es): dc.creator | Bonini Neto, Alfredo | - |
| Autor(es): dc.creator | de Souza, André Nunes | - |
| Autor(es): dc.creator | de Mello, Renan Pinal | - |
| Autor(es): dc.creator | Ikeshoji, Marco Akio | - |
| Autor(es): dc.creator | Garbelini, Enio | - |
| Autor(es): dc.creator | Neto, Floriano Torres | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T18:08:57Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T18:08:57Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2024-06-01 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/asi7030041 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/298999 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/298999 | - |
| Descrição: dc.description | Aging, degradation, or damage to internal insulation materials often contribute to transformer failures. Furthermore, combustible gases can be produced when these insulation materials experience thermal or electrical stresses. This paper presents an artificial neural network for pattern recognition (PRN) to classify the operating conditions of power transformers (normal, thermal faults, and electrical faults) depending on the combustible gases present in them. Two network configurations were presented, one with five and the other with ten neurons in the hidden layer. The main advantage of applying this model through artificial neural networks is its ability to capture the nonlinear characteristics of the samples under study, thus avoiding the need for iterative procedures. The effectiveness and applicability of the proposed methodology were evaluated on 815 real data samples. Based on the results, the PRN performed well in both training and validation (for samples that were not part of the training), with a mean squared error (MSE) close to expected (0.001). The network was able to classify the samples with a 98% accuracy rate of the 815 samples presented and with 100% accuracy in validation, showing that the methodology developed is capable of acting as a tool for diagnosing the operability of power transformers. | - |
| Descrição: dc.description | School of Engineering São Paulo State University (UNESP), SP | - |
| Descrição: dc.description | School of Sciences and Engineering São Paulo State University (UNESP), SP | - |
| Descrição: dc.description | Federal Institute of Education Science and Technology (IFSP), SP | - |
| Descrição: dc.description | School of Engineering São Paulo State University (UNESP), SP | - |
| Descrição: dc.description | School of Sciences and Engineering São Paulo State University (UNESP), SP | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Applied System Innovation | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | artificial intelligence | - |
| Palavras-chave: dc.subject | classification | - |
| Palavras-chave: dc.subject | dissolved gas analysis (DGA) | - |
| Palavras-chave: dc.subject | power transformers | - |
| Título: dc.title | Fault Detection and Normal Operating Condition in Power Transformers via Pattern Recognition Artificial Neural Network | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: