Dissertação

{pt_PT=Modelo Probabilístico para Estimativa da Probabilidade de Falha de Disjuntores de Muito Alta Tensão} {} EVALUATED

{pt=Os novos desafios enfrentados pelos operadores de redes de transporte de energia elétrica (ORT) caracterizam-se pela introdução em larga escala de fontes de energia renovável, assegurando a qualidade do serviço e a custo-eficiência dos investimentos. Por outro lado, a base de ativos dos ORT começa a envelhecer, o que introduz riscos adicionais ao nível da fiabilidade dos equipamentos, assim como custos de manutenção acrescidos. Neste sentido a monitorização dos ativos das redes elétricas tem vindo a adquirir uma importância cada vez mais acentuada ao longo dos últimos anos. Uma gestão de ativos baseada no estado destes, pretende ser a abordagem implementada. Os disjuntores são responsáveis pela proteção da rede e constituintes, adquirindo assim uma importância elevada. Desta forma o seu estudo, principalmente da tecnologia de disjuntores a hexafluoreto de enxofre (SF6) e a óleo permite obter conhecimentos e desenvolver metodologias de monitorização. O desenvolvimento de indicadores de probabilidade de falha (IPF) de disjuntores permite ter uma visão ampla sobre os equipamentos e alocar recursos financeiros para a sua manutenção/substituição. O IPF, aliado a novas metodologias de previsão baseadas em inteligência artificial, permitem perceber quais são as fragilidades presentes nos disjuntores. A criação de um modelo de aprendizagem, com base num IPF e numa série de atributos característicos dos disjuntores, permitiu simular vários cenários a 5 anos identificando equipamentos passíveis de falha. Os resultados finais realçam a importância do armazenamento contínuo de dados referentes a disjuntores no sentido de aprimorar cada vez mais o modelo de aprendizagem. , en=The new challenges faced by electricity transmission system operators (TSOs) are characterized by the large-scale introduction of renewable energy sources, ensuring quality of service and cost-efficiency of investments. On the other hand, the TSO assets begin to age, which introduces additional risks to the reliability of the equipment as well as increased maintenance costs. In this sense, the monitoring of the electric network assets has become increasingly important over the last years. Asset condition-based maintenance is intended to be the approach to implement. The circuit breakers (CBs) are responsible for the protection of the network and its elements, thus they acquire high importance in this context. The development of failure probability indicators for circuit breakers allows a broader view of the equipment and optimized budgeting for asset replacement and maintenance. The development of a failure probability index (IPF), coupled with new forecasting methods based on artificial intelligence, allows the prioritization of maintenance actions, bearing in mind the CBs condition. The creation of a learning model, based on a failure probability index and a set of circuit breakers attributes, allowed simulating several scenarios in a multi-year perspective. The final results highlight the importance of the continuous circuit breaker data storage in order to improve the learning. }
{pt=Gestão de Ativos, Disjuntores, Indicador de Probabilidade de Falha, Modelo de Aprendizagem, Inteligência Artificial, en=Asset Management, Circuit Breakers, Probability of Failure Index, Learning Model, Artificial Intelligence}

Novembro 29, 2018, 11:0

Orientação

ORIENTADOR

Antero Miguel Lopes Moreira da Silva

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Prof Auxiliar Convidado

ORIENTADOR

Jorge Casaca

REN

Engenheiro