Diferentes produtos de sensoriamento remoto no mapeamento visual de drenagens e nascentes na microbacia hidrográfica do Ceveiro

O uso de imagens de satélite e fotografias aéreas são cada vez mais comuns na obtenção de dados sobre recursos ambientais, como os cursos d?água. Deste modo, o presente trabalho objetivou comparar três diferentes produtos de Sensoriamento Remoto no mapeamento visual de drenagens e nascentes: imagens do satélite SPOT/Ikonos, imagens do programa Google Earth® e fotografias aéreas, na Microbacia Hidrográfica do Córrego do Ceveiro (MHC), localizada em Piracicaba/SP. Utilizou-se rede de drenagem presente em cartas topográficas do IGC/SP, escala 1:10.000, como base para comparação. Foram analisados dois fatores: comprimento de drenagem (CD) e número de nascentes (NN), sendo as análises realizadas apenas em caráter quantitativo. Para o CD, o produto SPOT se mostrou mais semelhante às cartas 1:10.000, apresentando 1,43% acima do CD existente nas cartas. Para o NN, a fotografia aérea mostrou o coeficiente mais alto, sendo esse o produto analisado que apresentou maior equivalência com o valor das nascentes observadas nas cartas.

Deep Learning applicato alla diagnostica dei trasformatori

Il trasformatore è uno degli elementi più importanti di una rete di trasmissione; essendo il tramite fra reti di alta e media tensione, il suo corretto funzionamento garantisce l’alimentazione di tutti i dispositivi e carichi connessi alla linea. Oltre a questo, il trasformatore è anche l’elemento più costoso di tutta la linea elettrica; la sua manutenzione è di vitale importanza per evitare costi elevati per la sostituzione e disagi lungo la linea. Qui entra in gioco il ruolo della diagnostica; attraverso misure periodiche e mirate sul trasformatore è possibile agire tempestivamente ed evitare tutti i fenomeni precedentemente elencati. Nell’elaborato si tratterà l’analisi del trasformatore elettrico trifase durante il suo funzionamento, evidenziando i sottocomponenti e le rispettive criticità; inoltre, verranno mostrate le varie tecniche di diagnostica del trasformatore, in modo tale da poter estrarre un indice legato allo stato di vita, ossia l’Health Index. Ad oggi esistono diverse tecniche di approccio al calcolo dell’Health Index, quella che viene presentata è una tecnica del tutto innovativa, ossia sviluppare una rete neurale artificiale (Artificial Neural Network, ANN) in grado di prevedere lo stato del trasformatore basandosi su misure effettuate sullo stesso. Dunque, verranno presentante le basi per lo sviluppo di una rete neurale, partendo dall’analisi e formattazione dei dati, fino alla fase di ottimizzazione delle prestazioni. Infine, si attraverseranno tutte le fasi intermedie di realizzazione del progetto da cui l’elaborato prende il titolo; osservando l’evoluzione di una rete neurale che si trasforma da un programma scritto in ambiente Python a una applicazione pronta all’uso per gli operatori durante le operazioni di diagnostica.