A carregar...
Publicação
A Plataform for Sharing Knowledge in Projects With Superconductors
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 5.32 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
The dependency on electrical energy is increasing every year, without any sign of slowing
down, worsening the changes in the climate. A more efficient way to combat energy losses
and increase energy efficiency comes through the introduction of High Temperatures
Superconductors (HTS) in the construction of electrical transformers. Unfortunately,
there is still no platform that can process data from experiments with the material used
in transformers. No previous work has been done to create a platform that integrates the
ability to collect data and process it. The existing platforms operate separately and do not
address HTS in transformers. In this thesis, a web application was developed to collect,
share and process data from HTS materials used in electrical transformer experiments.
To develop such a web application, it was necessary to create the front and back end of
the application with intuitive user interfaces, as it was necessary to integrate Data Science
methods, mainly Machine Learning to obtain patterns from the collected data. This work
is expected to improve HTS technology in electrical transformers and the ability to share
these same improvements with the community.
A dependência da energia elétrica está a aumentar todos os anos, sem nenhum sinal de desaceleração, agravando as mudanças no clima. Uma forma mais eficiente de combater as perdas de energia e aumentar a eficiência energética passa pela introdução de Supercondutores de Alta Temperatura na construção de transformadores elétricos. Infelizmente, ainda não existe uma plataforma que possa tratar os dados das experiências com estes transformadores. Ainda nenhum trabalho foi feito para criar uma plataforma que integre a capacidade de recolher dados e processá-los. Isto acontece separadamente e sem referenciar Supercondutores de Alta Temperatura em transformadores. Nesta tese, foi desenvolvida uma aplicação web para recolher, partilhar e processar dados de materiais Supercondutores de Alta Temperatura em experiências com transformadores elétricos. Para desenvolver tal aplicação web, será necessário criar o lado do cliente e o lado do servidor da aplicação com interfaces de utilizador intuitivas, e integrar métodos de Ciência de Dados, principalmente Aprendizagem Automática para obter padrões a partir dos dados recolhidos. Espera-se que este trabalho desenvolva a tecnologia de materiais Supercondutores de Alta Temperatura em transformadores elétricos e a capacidade de compartilhar esse progresso com a comunidade.
A dependência da energia elétrica está a aumentar todos os anos, sem nenhum sinal de desaceleração, agravando as mudanças no clima. Uma forma mais eficiente de combater as perdas de energia e aumentar a eficiência energética passa pela introdução de Supercondutores de Alta Temperatura na construção de transformadores elétricos. Infelizmente, ainda não existe uma plataforma que possa tratar os dados das experiências com estes transformadores. Ainda nenhum trabalho foi feito para criar uma plataforma que integre a capacidade de recolher dados e processá-los. Isto acontece separadamente e sem referenciar Supercondutores de Alta Temperatura em transformadores. Nesta tese, foi desenvolvida uma aplicação web para recolher, partilhar e processar dados de materiais Supercondutores de Alta Temperatura em experiências com transformadores elétricos. Para desenvolver tal aplicação web, será necessário criar o lado do cliente e o lado do servidor da aplicação com interfaces de utilizador intuitivas, e integrar métodos de Ciência de Dados, principalmente Aprendizagem Automática para obter padrões a partir dos dados recolhidos. Espera-se que este trabalho desenvolva a tecnologia de materiais Supercondutores de Alta Temperatura em transformadores elétricos e a capacidade de compartilhar esse progresso com a comunidade.
Descrição
Palavras-chave
Data Science Machine Learning Web Application High Temperature Superconductors