
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 | Magrin, Fabiano Gustavo Silveira | - |
| Autor(es): dc.contributor | Fernandes, Leonardo Göbel | - |
| Autor(es): dc.contributor | Mello, Alexandre José Tuoto Silveira | - |
| Autor(es): dc.contributor | Magrin, Fabiano Gustavo Silveira | - |
| Autor(es): dc.contributor | Furucho, Mariana Antonia Aguiar | - |
| Autor(es): dc.creator | Correia, Carlos Eduardo Costa | - |
| Autor(es): dc.creator | Nogueira, Rhayron de Sousa | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T13:40:40Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T13:40:40Z | - |
| Data de envio: dc.date.issued | 2024-02-23 | - |
| Data de envio: dc.date.issued | 2024-02-23 | - |
| Data de envio: dc.date.issued | 2022-08-31 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/33466 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1117462 | - |
| Descrição: dc.description | With the constant growth of the electrical system, the Brazilian electrical system, efficiency in the method of performing maintenance in these environments becomes increasingly important. A thermographic inspection is one of these alternatives, and it is effective for predicting failures in power substations equipment. However, the operators’ safety and the need for a high degree of experience make the activation very expensive. The central idea of the present work is to propose automation of the thermographic inspection process of electric power substations using algorithms of convolutional neural networks and random forest to detect disconnecting switches. One of the most efficient neural networks nowadays is YOLO (You Only Look Once), this technique linked to the application of image segmentation through the random forest algorithm can automatically find the hot spot of given equipment. Using a database of images of switch-disconnectors from an electric power substation provided by COPEL from the research project PD-02866-0528/2020 for training, the technology can satisfactorily identify the objects and thus help the energy concessionaires in this process. The points to be improved are in the backgrounds and lighting effects in the images, which end up causing some confusion on the network. | - |
| Descrição: dc.description | Fundação de Apoio à Educação, Pesquisa e Desenvolvimento Científico e Tecnológico da Universidade Tecnológica Federal do Paraná (FUNTEF-PR) | - |
| Descrição: dc.description | Com o constante crescimento do sistema elétrico brasileiro, se torna cada vez mais importante a eficiência no método de execução das manutenções nesses ambientes. A inspeção termográfica é uma dessas alternativas, pois é eficaz para a previsão de falhas nos equipamentos das subestações de energia. Porém, a segurança dos operadores e a necessidade de um grau de experiência elevado, faz com que a atividade se torne muito dispendiosa. A ideia central do presente trabalho é propor uma automatização do processo das inspeções termográficas de subestações de energia elétrica utilizando algoritmos de redes neurais convolucionais e floresta aleatória para detecção de chaves seccionadoras. Uma das redes neurais com maior eficiência nos dias de hoje é a YOLO (You Only Look Once), essa técnica atrelada a aplicação da segmentação de imagens através do algoritmo de floresta aleatória é capaz de encontrar um ponto com temperatura atípica de um determinado equipamento de maneira automática. Utilizando um banco de dados de imagens de chaves seccionadoras de uma subestação de energia elétrica cedidas pela Copel a partir do Projeto de Pesquisa PD-02866-0528/2020 para treinamento, a tecnologia pode identificar de maneira satisfatória os objetos e com isso pode auxiliar as concessionárias de energia a tomarem decisões referentes à manutenção preditiva. A rede neural alcançou níveis de precisão acima dos 70%, o que mostra um desempenho satisfatório. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Curitiba | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Engenharia Elétrica | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0/ | - |
| Palavras-chave: dc.subject | Subestações elétricas | - |
| Palavras-chave: dc.subject | Termografia - Análise | - |
| Palavras-chave: dc.subject | Redes neurais (Computação) | - |
| Palavras-chave: dc.subject | Electric substations | - |
| Palavras-chave: dc.subject | Thermography - Analysis | - |
| Palavras-chave: dc.subject | Neural networks (Computer science) | - |
| Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA | - |
| Título: dc.title | Redes neurais artificiais aplicadas no monitoramento de ativos em subestações de energia elétrica | - |
| Título: dc.title | Artificial neural networks applied in asset monitoring in electric power substations | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
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: