Metodologia para Estimar a Vida Útil de Para-raios de Óxido de Zinco Baseada na Aplicação do Sistema Neuro-Fuzzy Adaptativo

Abstract

This work presents a methodology to be used to estimate the Metal Oxide Surge Arresters' (MOSAs') useful life, based on the prediction model based on the Adaptive Neuro-Fuzzy Inference System (ANFIS). For this purpose, a database consisting of MOSA's total leakage current was used. Thus, it was possible to build a time series composed of values of the third harmonic component of the leakage current. This component is one of the indicators of the MOSAs' degradation level most used in the surge arresters monitoring. Subsequently, the forecasting models based on artificial intelligence (ANFIS and Support Vector Regression -SVR) were implemented, evaluated, and compared. During implementations, the ANFIS model was tested with three distinct membership functions: Gaussian, Generalized Bell-Shaped, and Pi-Shaped; and the SVR model was tested with three different kernel functions: Gaussian, Linear, and Polynomial. The performance of each implemented model was evaluated using the determination coefficient in the training phase of the models and the mean absolute percentage error, in the validation phase. Considering the results obtained by the ANFIS e SVR models, it was found that the forecasts made using the ANFIS model with Gaussian membership function were the most accurate forecasts. Thus, the proposed methodology, which applies the ANFIS model with Gaussian function, was used to estimate the MOSA's useful life.Resumo: Este trabalho apresenta uma metodologia para ser utilizada na estimação da vida útil de pararaios de Óxido de Zinco (ZnO), utilizando um modelo de previsão baseado no Sistema de Inferência Neuro-Fuzzy Adaptativo (ANFIS, do inglês Adaptive Neuro-Fuzzy Inference System). Para tanto, um banco de dados foi utilizado, o qual foi constituído por sinais da corrente de fuga total de para-raios. Assim, foi possível construir uma série temporal composta por valores da terceira componente harmônica da corrente de fuga. Essa componente é um dos indicadores do nível de degradação de para-raios mais empregados no monitoramento desses equipamentos. Em seguida, modelos de previsão baseados em inteligência artificial, os modelos ANFIS e Regressão por Vetores de Suporte (SVR, do inglês Support Vector Regression), foram implementados, avaliados e comparados, a fim de identificar o modelo que apresenta o melhor desempenho. Durante as implementações, o modelo ANFIS foi testado com três funções diferentes de pertinência: Gaussiana, Sino Generalizada e Pi; e o modelo SVR foi testado com três funções diferentes de kernel: Gaussiana, Linear e Polinomial. A avaliação do desempenho de cada um dos modelos implementados foi realizada mediante o emprego do coeficiente de determinação, na fase de treinamento, e a utilização do erro percentual absoluto médio, na fase de validação. Considerando os resultados obtidos pelos modelos ANFIS e SVR, constatou-se que as previsões realizadas por meio do modelo ANFIS com função de pertinência Gaussiana apresenta as previsões mais exatas. Dessa forma, a metodologia proposta, que aplica o modelo ...