Acceso usuarios
José David Moposita, Deysi Gabriela Pujos, Secundino Marrero Ramírez, Roberto Salazar Archig
El enfoque primordial de la investigación residía en el desarrollo de una herramienta de análisis, de gases disueltos presentes en transformadores, basada en redes neuronales y la norma IEEE C57-104, para la detección e interpretación de fallas. Esto permite contribuir al mantenimiento preventivo, ya que con la aplicación de este método ayuda a reducir hasta en un 90 % en la prevención de fallas El aprendizaje adquirido durante el entrenamiento se valida mediante la matriz de confusión, que abarca cuatro clases de diagnósticos: descargas de baja energía o alta energía, sobrecalentamiento y estado normal. Los resultados muestran una precisión del 94.4 %, con sensibilidad y especificidad del 100 %, y una exactitud del 92.5 %. Finalmente, se incorporó una interfaz de fácil accesibilidad para facilitar el trabajo del personal de mantenimiento.
The focus of the research was the development of a specialized tool for the analysis of dissolved gases present in transformers, based on neural networks and the IEEE C57-104 standard, for the detection and interpretation of faults. This allows informed decisions to be made in preventive maintenance. The learning acquired during training is validated by the confusion matrix, which encompasses four classes of diagnostics: low-energy or high-energy discharges, overheating, and normal state. The results show an accuracy of 94.4%, with sensitivity and specificity of 100%, and an accuracy of 92.5%. Finally, an easily accessible interface was incorporated to facilitate the work of the maintenance staff.
