Comparação de Classificadores na Análise de Gases Dissolvidos

José Jorge  de Oliveira Neto; George Victor  Rocha Xavier; Diego  Oliveira Cardoso; Jânio  Coutinho Canuto

doi:10.48011/sbse.v1i1.2163

José Jorge de Oliveira Neto Universidade Federal de Sergipe
George Victor Rocha Xavier Universidade Federal de Campina Grande
Diego Oliveira Cardoso Universidade Federal da Bahia
Jânio Coutinho Canuto Universidade Federal de Sergipe

DOI: https://doi.org/10.48011/sbse.v1i1.2163

Keywords: Discriminante linear de Fisher, Redes neurais artificiais, Comparação de classificadores

Abstract

A Análise de Gases Dissolvidos (AGD) é uma poderosa técnica para diagnóstico de falhas incipientes em transformadores isolados a óleo. A utilização de classificadores inteligentes tem se tornado uma prática cada vez mais recorrente nesta área, sendo a Rede Neural Artificial (RNA) um dos algoritmos mais populares. Neste trabalho, busca-se comparar três classificadores de rápida implementação com a RNA, método já estabelecido, porém mais complexo. Os classificadores são: o k-ésimo vizinho mais próximo (KNN), um baseado no Discriminante Linear de Fisher e um na métrica de Mahalanobis. Dentre esses, os melhores resultados foram obtidos pelo KNN e a RNA, com 81,97% e 85,25% de acertos durante a validação, seguidos pelo Discriminante de Fisher e Mahalanobis, ambos com 70,05%. Todos os classificadores tiveram um bom desempenho, mostrando superioridade a algumas técnicas clássicas como a de Rogers e Doernenburg para os dados analisados. Dessa forma, os três algoritmos se mostraram uma alternativa à RNA, com implementação mais rápida e com menor peso computacional, cabendo dar destaque ao KNN.