Aplicação da mineração de dados à análise das condições de operação de transformadores.

Abstract

O processo de descoberta de conhecimento em bases de dados (Knowledge Discovery in Databases - KDD) vem sendo amplamente utilizado como ferramenta para auxiliar a tomada de decisão. Neste trabalho, esse processo é estudado tendo como objetivo avaliar a utilização de métodos de mineração de dados aplicados em áreas da Engenharia Elétrica, sendo a sua abordagem sobre uma base de dados oriunda de testes de cromatografia de transformadores de potência. A mineração de dados é aplicada para obter a classificação de tipos de defeitos dos transformadores. As técnicas abordadas são redes neurais e árvores de decisão. As estruturas de algoritmos escolhidas nessas técnicas foram, respectivamente, a rede MLP com treinamento através do algoritmo de retropropagação resiliente e a árvore gerada pelo algoritmo J4.8, simulada no aplicativo weka. O melhor resultado foi com a utilização da árvore de decisão, em que foram conseguidos resultados com acerto entre 75 e 90%. Através dos resultados, viu-se que o processo de mineração de dados pode ser aplicado em problemas na área da Engenharia Elétrica. Entretanto, devem ser feitos estudos sobre o domínio de cada base de dados a ser tratada.