Analises de Oleo

Ministrio da Educao
UNIVERSIDADE FEDERAL DE ITAJUB

Criada pela Lei n10.435, de 24 de abril de 2002
Pr-Diretoria de Pesquisa e Ps-Graduao
DIAGNSTICO DE FALHAS EM
TRANSFORMADORES DE
POTNCIA PELA ANLISE DE
GASES DISSOLVIDOS EM LEO
ISOLANTE ATRAVS DE REDES
NEURAIS
JOS GERALDO ARANTES
Diagnstico de Falhas em Transformadores de

Potncia pela Anlise de Gases Dissolvidos em leo
Isolante Atravs de Redes Neurais
JOS GERALDO ARANTES
Orientador: Prof. EDSON DA COSTA BORTONI
Dissertao apresentada
Universidade Federal de Itajub para
obteno do grau de Mestre em
Cincias
ITAJUB
Estado de Minas Gerais Brasil
2005
ii
Arantes, Jos Geraldo.

Diagnstico de Falhas em Transformadores de Potncia pela
Anlise de Gases Dissolvidos no leo Isolante Atravs de Redes
Neurais. / Jos Geraldo Arantes: UNIFEI, 2005.
76p.
Monografia apresentada a UNIFEI para obteno do grau de
mestre em cincias em engenharia.
1. Transformadores de potncia 2. Diagnstico de Falhas
3. DGA 4. Redes Neurais
I. Ttulo.
iii
Agradecimentos
A minha esposa e filhos
iv
Agradecimentos
Agradeo de forma especial ao meu orientador Prof. Edson da Costa Bortoni

pelo apoio constante e incentivo dado ao longo desta caminhada.
A minha esposa e filhos por estarem ao meu lado em todos os momentos.

A Furnas Centrais Eltricas na figura do Chefe de Departamento do Centro
Tcnico de Ensaios e Medies, Luiz Antonio Gouva de Albuquerque, que muito
me incentivou e permitiu o acesso s instalaes do CTEE bem como s
informaes que necessitei durante o trabalho de pesquisa e desenvolvimento.
No sei o que possa parecer aos olhos do mundo, mas aos meus
pareo apenas ter sido como um menino brincando beiramar, divertindo-me com o fato de encontrar de vez em
quando um seixo mais liso ou uma concha mais bonita que o
normal, enquanto o grande oceano da verdade permanece
completamente por descobrir minha frente.
Isaac Newton
vi
Resumo
RESUMO
Equipamentos de Subestao que utilizam o leo isolante para a isolao de

suas partes internas necessitam de um programa de manuteno peridico que visa
detectar possveis falhas tais como a deteriorao da celulose do isolamento dos
enrolamentos, curto circuito entre espiras destes, gases dissolvidos no leo devido a
sua degenerao, etc. Normalmente, programas de manuteno preventiva tm sido
utilizados por empresas de gerao, transmisso e distribuio de energia eltrica
buscando evitar que estas falhas venham a provocar a retirada do equipamento do
sistema eltrico o que significa grandes perdas financeiras, seja pela diminuio do
faturamento, seja pelo pagamento de multas agncia reguladora, alm da
diminuio da confiabilidade do sistema. Para evitar estes inconvenientes, sensores
on-line e tcnicas de inteligncia artificial (IA) tm encontrado aplicao na
engenharia de sistemas eltricos.
Esta dissertao um estudo de uma dessas tcnicas cromatografia de

gases associada a redes neurais visando apoiar o diagnstico de falhas presentes
e futuras baseando-se nos resultados obtidos atravs de cromatografia pela anlise
de gases dissolvidos em leo isolante ao longo da vida til dos transformadores de
potncia, prevenindo desta forma os inconvenientes acima relatados, facilitando
assim a deciso de tcnicos e engenheiros de manuteno para a manuteno
preditiva daqueles equipamentos servindo tambm de base para o diagnstico da
vii
Resumo
atuao de sensores on-line se instalados naqueles, permitindo ainda uma

estimativa do grau de envelhecimento e, portanto da vida til do transformador.
Tcnicas como estas do estudo podem ser associadas a outras ferramentas de IA
como a lgica fuzzy, algoritmos genticos, sistemas especialistas e outras,
constituindo assim os sistemas chamados hbridos, na tentativa de se obter a melhor
soluo para o problema.
viii
Abstract
ABSTRACT
Substation Equipments that use insulation oil for isolate their internal parts
needs a periodic maintenance program to detect possible fails like cellulose
deterioration of coils insulation, short circuit between their springs, dissolved gas in
oil caused by its deterioration, etc. Actually, preventive maintenance programs have
been used by generation, transmission and distribution companies, as a fundamental
tool to identify incipient faults, trying to avoid that these faults come to take away the
equipment from electrical system, carrying out great financial losses caused by
decreasing invoicing, payment of fines to regulatory agency or by decreasing of
system reliability. Trying to avoid these inconvenient, on-line sensors and intelligent
artificial (IA) techniques has been found application on electrical system engineering.
This dissertation is a study of one of these techniques gas chromatography

associated with neural networks looking to support presents and futures fault
diagnosis based on results from chromatography by the analysis of dissolved
insulation oil gases during the useful power transformer life, avoiding this way the
inconvenient related above, making easy the decision of engineers and technicians
about the predictive maintenance of these equipment and also serving as a base for
the on-line sensors actuation diagnosis if installed on these allowing yet an estimated
old age degree and so the useful age of transformer. Techniques like that from this
study may be associated with other IA tools like fuzzy logic, genetic algorithms,
expert system and others, consisting the system called hybrid, attempted to get the
best solution for the problem.
ix
Sumrio
SUMRIO
RESUMO............................................................................................................................... VII
ABSTRACT ........................................................................................................................... IX
NDICE DE FIGURAS ...................................................................................................... XIII
NDICE DE TABELAS ......................................................................................................XIV
1. INTRODUO .......................................................................................................... 1
1.1. Consideraes Gerais.....................................................................................3
1.2. Reviso da Literatura ......................................................................................4
1.3. Objetivo do Trabalho..................................................................................... 13
1.4. Escopo do Trabalho ...................................................................................... 14
2. DIAGSTICO DE FALTAS EM LQUIDOS ISOLANTES.......15

2.1. Materiais e Lquidos Isolantes...................................................................... 15
2.2. Cromatografia Gasosa .................................................................................. 19
2.3. Anlise de Faltas ........................................................................................... 21
2.4. Mtodos de Deteco de Faltas ................................................................... 29
2.5. Mtodos de Interpretao ............................................................................. 31
2.5.2. Mtodo adotado pela C.A.G.B.............................................................. 32
2.5.3. Aplicao do Mtodo da Razes de Rogers....................................... 34
x
Sumrio
2.6. Estudo e Aplicao do Mdodo do Gs Chave...........................................38

2.7. Tringulo de Duval ........................................................................................40
2.8. Tcnicas Modernas de Deteco de faltas Incipientes baseadas em IA...43
2.8.1. Sistemas Especialistas......................................................................... 43
2.8.2. Lgica Fuzzy ......................................................................................... 46
2.8.3. Redes Neurais ....................................................................................... 48
2.8.4. Sistemas Hbridos................................................................................. 49
3. REDES NEURAIS ARTIFICIAIS ............................................................... ..50

3.1. Introduo ...................................................................................................... 50
3.2. Histrico ......................................................................................................... 50
3.3. Caractersticas Bsicas de uma Rede Neural ............................................. 53
3.4. Funo de Ativao de uma RNA ................................................................ 58
3.5. Treinamento e classificao de uma RNA................................................... 59
3.4. Perceptron...................................................................................................... 63
3.6. Definio de Modelo, Topologia, Parmetros ............................................. 66
xi
Sumrio
4. APLICAES DE REDES NEURAIS NO DIAGNSTICO ..... 67

4.1. Consideraes Gerais................................................................................... 67
4.2. Topologia adotada......................................................................................... 67
4.3. Treinamento da RNA ..................................................................................... 72
4.4. Resultados ..................................................................................................... 72
5. CONCLUSO.............................................................................................................. 75
5.1.Concluses ..................................................................................................... 75
5.2.Sugesto de Trabalhos Futuros ............................................................................ 76
REFERNCIAS BIBLIOGRFICAS.............................................................. 78
xii
ndice de Figuras
NDICE DE FIGURAS
Figura 1 Desenho esquemtico do sistema de cromatografia a gs.................................21
Figura 2 Gases tpicos gerados durante faltas .....................................................................25
Figura 3 Percentual dos gases gerados durante um arco eltrico no leo ......................26
Figura 4 Percentual dos gases gerados durante descarga parcial no leo ......................27
Figura 5 Percentual dos gases gerados na ocorrncia de sobre-aquecimento no leo ..27
Figura 6 Percentual dos gases gerados pela degradao da celulose ..............................28
Figura 7 Percentual dos gases gerados durante uma eletrlise ........................................28
Figura 8 Distribuio de faltas tpicas e percentuais relativos dos gases........................29
Figura 9 Distribuio de faltas tpicas e percentuais relativos dos gases........................30
Figura 10 Solubilidade relativa como funo da temperatura..........................................31
Figura 11 Grfico de Dornenburg .........................................................................................34
Figura 12 Tringulo de Duval................................................................................................43
Figura 13 Fluxograma para diagnstico atravs do mtodo de Rogers ..........................47
Figura 14 Fluxograma para diagnstico atravs do mtodo de Dornenburg.................48
Figura 15 Diagramas fuzzy para cada razo de gs ...........................................................50
Figura 16 Sistema para inferncia de diagnstico de faltas em trafos para Rogers.......50
Figura 17 Neurnio Biolgico ................................................................................................58
Figura 18 Exemplo de uma rede neural articial ..................................................................61
Figura 19 Representao de um neurnio artificial............................................................62
Figura 20 Tipos de funo mais comuns aplicadas s Redes Neurais Artificiais ..........63
Figura 21 Perceptron Multicamada.......................................................................................69
Figura 22 Exemplo de uma Rede Neural Artificial ............................................................72
xiii
ndice de Figuras
Figura 23 Associao entre gases e tipos de faltas..............................................................76

Figura 24 Topologia da rede utilizada na dissertao........................................................77
Figura 25 Funo do tipo sigmoidal .....................................................................................79
Figura 26 Desempenho da rede .............................................................................................82
xiv
ndice de Figuras
NDICE DE TABELAS
Tabela 1 Principais gases gerados durante faltas........................................................... 25
Tabela 2 Ocorrncia dos gases relativos ao tipo de falta e material envolvido ......... 26
Tabela 3 Solubilidade de gases em transformadores .................................................... 30
Tabela 4 C.E.G.B. Razes de gases de faltas ................................................................... 35
Tabela 5 Cdigos e Diagnsticos C.E.G.B. ...................................................................... 35
Tabela 6 Nveis normais e diretrizes da Univ. Sacramento e Pacific Gas & Testing 36
Tabela 7 Pontos de alerta da Northern Technology & Testing .................................... 36
Tabela 8 Valores extremos em ppm e recomendaes.................................................. 37
Tabela 9 Valores extremos em ppm e recomendaes (cont.)...................................... 37
Tabela 10 Valores extremos em ppm e recomendaes (cont.).................................... 37
Tabela 11 Definio de taxas do Mtodo das Razes .................................................... 38
Tabela 12 Mtodo das Razes de Dornenburg............................................................... 38
Tabela 13 Limite L1 de Dornenburg ................................................................................ 38
Tabela 14 Diagnstico original do Mtodo das Razes de Rogers.............................. 39
Tabela 15 Definio do cdigo do Mtodo das Razes................................................. 40
Tabela 16 Diagnstico do Mtodo das Razes de Rogers............................................. 40
Tabela 17 Critrio de diagnstico do Mtodo do Gs Chave....................................... 42
Tabela 18 Limites e Taxas de gerao de gases .............................................................. 44
Tabela 19 Sistemas Especialistas para diagnstico de Transformadores ................... 47
Tabela 20 Cdigo para gases dissolvidos em leo mineral IEC 10A 53 ..................... 51
Tabela 21 Exemplos de concentrao de gases usados no treinamento da rede....... 78
Tabela 22 Dados usados para diagnstico da rede........................................................ 81
xv
ndice de Figuras
Tabela 23 Resultados finais ............................................................................................... 81

Tabela 24 Resultados obtidos pela rede neural usada e mtodos tradicionais ......... 82
xvi
Captulo I Introduo
Captulo I
1. INTRODUO
Inegavelmente o setor de energia eltrica tem papel preponderante na vida de

empresas e do cidado comum. Entre os centros de gerao de energia e o centro
consumidor, o transformador de potncia representa o equipamento de maior
importncia estratgica e de maior investimento. A ocorrncia de uma falha que
venha a retirar um transformador de servio para evitar danos maiores ao
equipamento poder causar problemas de ordem poltica, econmica e financeira, j
que afetar a estabilidade e a confiabilidade do sistema, podendo deixar importantes
cargas inoperantes, alm do pagamento de pesadas multas por parte da empresa
responsvel pelo equipamento faltoso. A acentuada dependncia energtica mundial
aliada escassez de recursos das fontes de energia, falta de investimento e falta
de uma poltica adequada de desregulamentao do setor s agravam este quadro.
Neste cenrio torna-se fundamental o monitoramento constante do

funcionamento e da operao dos transformadores, principalmente os
transformadores elevadores das usinas e subestaes buscando evitar-se a
ocorrncia de superaquecimentos, arcos ou descargas parciais, deteriorao
acentuada da isolao, formao excessiva de gases, etc., problemas estes
derivados de esforos trmicos, mecnicos e eltricos e de reaes fsico-qumicas
que ocorrem internamente ao transformador. Deve-se ter em conta tambm que a
1
Captulo I Introduo
maioria dos transformadores em operao no Brasil foi instalada h 30, 40 anos

atrs, alm do que, devido a escassez de energia ocorrida h alguns anos, os
transformadores tiveram que operar em constantes sobrecargas o que s tem
agravado o envelhecimento da isolao.
O transformador de potncia um dos mais caros equipamentos do sistema
de potncia. Assim, numerosos mtodos tm sido desenvolvidos para monitorar as
condies deste valioso equipamento. H duas partes principais na funo de
monitoramento, a deteco das condies da falta e a deteco das faltas
incipientes.
O monitoramento tradicional e as etapas da anlise das faltas eram

desenvolvidos no campo por engenheiros e tcnicos eltricos. Os computadores em
um passado recente no eram capazes de processar dados no lineares.
Contrariamente, recentes avanos na modelagem das tcnicas de inteligncia,
softwares de programao e processadores mais potentes permitiram a
implementao de numerosas aplicaes em sistemas de potncia. Vrias
pesquisas foram desenvolvidas na aplicao de tcnicas de modelagem de
inteligncia artificial na anlise de faltas em transformadores de potncia e
diagnstico de sistemas. Assim no prximo captulo estaremos apresentando uma
reviso da base terica para o presente trabalho. Para isso, revisamos um grande
nmero artigos da literatura tcnica sobre o assunto.
Esta dissertao tem quatro captulos. O captulo 1 uma introduo ao

problema. O captulo 2 uma reviso da tecnologia DGA e identifica o que o
estado da arte e o que se espera de futuros desenvolvimentos. O captulo 3 se
2
Captulo I Introduo
concentrar na apresentao de conceitos sobre Redes Neurais Artificiais. O

captulo 4 se basear extensivamente no diagnstico de faltas utilizando redes
neurais, incluindo a seleo da rede, o vetor de entrada, a otimizao da topologia,
etc.
1.1 Consideraes Gerais

Faz-se aqui uma reviso dos mecanismos da decomposio do leo e da
isolao e dos mtodos tradicionais de deteco de gases dissolvidos no leo.
Transformadores utilizam leo isolante mineral derivado de petrleo e, portanto

constitudo por hidrocarbonetos parafnicos ou naftnicos, leos sintticos como os
leos silicones e os askaris ou ainda envolvidos por compostos resinosos a seco
visando a isolao de suas partes internas. Podem ser ainda, isolados com o gs
SF6 - hexafluoreto de enxofre - que tem propriedades isolantes excelentes, alm de
ser atxico e no inflamvel. Neste estudo estaremos nos referindo aos leos
isolantes minerais parafnicos que so mais freqentemente encontrados nos
transformadores de grande potncia.
A funo de um leo isolante em transformadores a de garantir isolamento

eltrico entre suas partes energizadas e a de permitir a refrigerao interna destas
partes atravs da transferncia de calor, substituindo ainda o possvel ar existente
entre aquelas partes proporcionando alta rigidez dieltrica e baixa condutividade
entre si.
Captulo I Introduo
O leo isolante e os materiais de isolamento eltrico em transformadores

podem se decompor sob condies normais de operao devido ao stress trmico e
eltrico. Trs fases distintas indicam o estado da decomposio e deteriorao do
leo: a fase inicial caracterizada pela formao de perxidos quimicamente instveis
quando h a liberao de oxignio e a formao de compostos oxi-celulsicos com o
papel isolante; a fase intermediria caracterizada pela formao de gases
dissolvidos no leo; e a fase final quando h a formao de uma substncia
resinosa, uma borra que se deposita no fundo do tanque do transformador,
resultante da polimerizao a partir de cidos e de outros compostos. Este estudo
preocupa-se com o estado intermedirio, quando ainda possvel tomar
providncias sem envolver maiores custos e sem risco de retirada do equipamento
do sistema.
A concentrao de gases dissolvidos um indicativo da sade do

transformador. A freqncia de surgimento dos gases gerados e as mudanas
especficas na concentrao dos mesmos ao longo do tempo so usadas para
determinar a manuteno de suas partes internas e o tratamento ou troca do leo
isolante, ou a substituio do transformador.
1.2 Resenha Bibliogrfica
Vrios artigos relacionados com o tema desta dissertao foram consultados

e os relacionados abaixo em muito contriburam para esse trabalho alm daqueles
tambm citados na Bibliografia.
Captulo I Introduo
GUARDADO, J. L., NAREDO, J. L., et al. A Comparative Study of Neural Network

Efficiency in Power Transformers Diagnosis Using Dissolved Gas Analysis, IEEE
Trans. on Power Delivery. Vol. 16, No. 4, October 2001, pp. 643-647.
Guardado et al., realizaram um estudo comparativo da eficincia de redes
neurais em diagnsticos de transformadores de potncia utilizando DGA. Suas redes
neurais foram treinadas de acordo com cinco critrios de diagnsticos comumente
utilizados para leo isolante: Drnenburg, Rogers modificado, Rogers, IEC e CSUS.
Nos quatro primeiros critrios foram utilizadas relaes gasosas como dados de
entrada e no ltimo, concentraes individuais de gases. Em todos estes foi utilizado
um algoritmo de aprendizado do tipo back-propagation, uma funo ativao do tipo
sigmide, uma arquitetura composta de trs camadas e nmero de neurnios da
camada escondida variando para cada critrio utilizado. O modelo proposto
apresenta resultados satisfatrios mantendo uma taxa de acerto de diagnstico
acima de 87% em todos os casos. Vale salientar que os dados utilizados para os
testes, foram os mesmos utilizados durante o treinamento.
X. Ding, E. Yao, Y. Liu, ANN Based Transformer Fault Diagnosis Using Gas-in- Oil
Analysis, Proc. Of the American Power Conference, Illinois Inst. Technol., Chicago,
1995, pp. 1096 1100.
Um ponto forte deste artigo que destaca a dificuldade para se estabelecer
um modelo fsico vinculando faltas, tipos e concentraes de gases, pois as relaes
entre eles no so lineares nem diretas, pois algumas faltas so dependentes da
existncia de vrios gases, do tipo do transformador, localizao da falta, etc. O
Captulo I Introduo
artigo enfatiza que Diferentes padres de gases so produzidos devido s

diferentes intensidades de energia dissipada quando da ocorrncia de faltas. A
preciso desse mtodo para resultados corretos de 95%; a anlise dos gases
pode ser usada para determinara alm do tipo de falha o material dieltrico
envolvido na mesma, o que no sempre fcil, pois outros fatores como condies
externas, sobrecargas, etc.; diferentes padres de gases resultam em diferentes
concentraes / intensidades que auxiliam no diagnstico das faltas; quanta maior a
quantidade de dados para o treinamento, melhor o diagnstico. A melhor
performance foi obtida usando uma topologia com 5 input 1 camada escondida e 1
output; maior preciso obtida quando o modelo usa as taxas de gerao de gases;
a topologia da RNA difere dependendo da quantidade de dados existentes para
treinamento; no considera as concentraes de CO e CO2 para o diagnstico de
faltas. Pois esto relacionados com a degradao da isolao e no com o tipo de
falta; melhores resultados so obtidos com a degradao da celulose quando um
modelo de rede com 1 input usado.
DUKARM James J., Transformer Oil Diagnosis Using Fuzzy Logic and Neural
Networks, Canadian Conference on Electrical and Computer Engineering, Vol. 1, pp
329-332, 1993.
Este artigo apresenta uma forma de uso de redes neurais de modo um pouco
diferente daquele exposto no artigo anterior. Ele ressalta alguns pontos
interessantes: muitos fatores contribuem para o rudo nos dados obtidos para a
anlise de gases dissolvidos ou simplesmente DGA, tornando difcil e menos preciso
o processo; o diagnstico baseado nas concentraes dos gases predominantes e
6
Captulo I Introduo
na sua proporo relativa ao total dos gases combustveis dissolvidos; Para o

TDCG so especificados 3 limites L1, L2, L3 para os nveis anormal, alto e muito alto
respectivamente; para cada gs, limites inferiores Q1 e Q2 para propores altas e
muito altas de TDCG respectivamente; para TDG e cada gs, limites inferiores R1 e
R2 so definidos para a gerao de gases alta e muito alta respectivamente; atravs
de grficos so mostrados intervalos para 3 razes; 3 exemplos com outros
mtodos so dados e comparados; ele sugere um mtodo das razes de Rogers
melhorado simulado por uma rede com trs pequenas camadas feedforward (3
inputs, 3 ns e 6 outputs); lgica fuzzy pode ser utilizada para analisar gases
dissolvidos no leo de transformadores de potncia e que embora fiel aos mtodos
tradicionais melhora o resultado do diagnstico; em alguns casos as redes neurais
podem ser usadas combinadas com lgica fuzzy para implementar mtodos de
diagnsticos mais complexos.
Wang Z., Liu Y., Griffin, Paul J., A combined ANN and Expert System for
Transformer Fault Diagnosis, IEEE Transactions on Power Delivery, Vol.13, No.4,
October 1998.
Este tipo de tcnica combinando redes neurais e sistemas especialistas,
conhecida como ANNEPS foi desenvolvida para melhor diagnosticar faltas em
transformadores pela anlise de gases dissolvidos em leo isolante Inclui o
conhecimento de especialistas em manuteno de transformadores e regras
derivadas do IEEE e IEC. A topologia e o conjunto de dados de treinamento desse
sistema so cuidadosamente selecionados para extrair diagnsticos conhecidos e
desconhecidos e suas correlaes. A combinao das sadas de uma rede neural e
7
Captulo I Introduo
de um sistema especialista otimiza o mecanismo para garantir um alto grau de

preciso para o tipo geral de faltas. Mostra que a combinao dos dois mtodos
resulta melhor que cada mtodo individual para os mesmos dados testados.
NOGAMI T., Y. Yokoi, H. Ichiba, Y. Atsumi, Gas Discrimination Method for Detecting
Transformer Faults by Neural Network, Neural Networks, 1994, IEEE World
Congress on Computational Intelligence, pp. 3800 3805, vol.6.
Um dos mtodos chave usado para diagnstico de falhas em transformadores
o DGA. Ele usa um processo de cromatografia gasosa e o equipamento lento e
caro. Este paper apresenta um mtodo diferente para determinar os tipos de gases e
suas concentraes. Uma srie de sensores de gases colocada em um dispositivo
de deteco onde a tenso de sada de um circuito simples medida. Esta sada
varia com o nvel dos vrios gases presentes no dispositivo de deteco e um
computador determina quais os gases e suas concentraes conforme aquela
tenso de sada e as informaes pr-programadas. Este mtodo evita o uso de
separadores de gases caros e complexos tornando o uso de DGA mais acessvel e
obtendo resultados mais rpidos.
L. Yongli, G. Fuhai, H. Jiali, Study on the Fault Identification of Transformers Using

the Neural Network, POWERCON 98. 1998 International Conference on Power
System Technology, IEEE, NY, 1998, pp. 1058 1061.
Captulo I Introduo
O processo desenvolvido neste artigo usa 9 inputs (ns) para determinar as

faltas e inclui correntes de seqncias positivas e negativas, tenses primrias e
faltas internas e externas conhecidas. O sistema usa as entradas para gerar sadas
intermedirias que so combinadas ou cruzadas com outras sadas para gerar Falta
(1) ou Sem Falta (0). O sistema considerado avanado em ralao aos outros
mtodos e sua maior contribuio a alta preciso e respostas mais rpidas.
Y. Zhang, X. Ding, Y. Liu, An Artificial Neural Network Approach to Transformer

Fault Diagnosis, IEEE Transactions on Power Delivery, IEEE Power Engineering
Society, NY, 1996, pp. 1836-1841.
Zhang et al. propuseram o uso de redes neurais artificiais para o diagnstico e
deteco de falhas em transformadores de potncia. A sada era caracterizada
como: sobre aquecimento, corona, arco e condies normais de operao. Foram
testadas diferentes topologias de redes, variando os parmetros de entrada, o
nmero de camadas escondidas e o nmero de ns na sada. O algoritmo utilizado
para treinamento da rede foi o back-propagation. Os vetores de entrada eram
constitudos da concentrao individual dos gases incluindo em algumas das
variaes o monxido de carbono e o dixido de carbono. Os resultados foram
satisfatrios, j que no distinguiam entre falhas de diferentes temperaturas, ou arco
de alta ou baixa energia. A topologia tima para todos os casos foi a que utiliza duas
camadas escondidas. A presena do CO e CO2 est fortemente vinculada
degradao da isolao. O sistema proposto muito preciso.
Captulo I Introduo
HALSTEAD W.D., A Thermodynamic Assessment of the Formation of Gaseous

Hydrocarbons in Faulty Transformers, Journal Inst. Petroleum, Vol. 59, Sept. 1073,
pp. 239-241.
Halstead props um modelo termodinmico para descrever as relaes entre
a temperatura e as caractersticas dos gases e assume que todos os
hidrocarbonetos presentes no leo so decompostos em os mesmos produtos e que
cada produto est em equilbrio com todos os outros. De acordo com o modelo, a
evoluo da razo ou taxa de cada gs pode ser calculada a qualquer temperatura.
Assim a relao entre a gerao de gs e a temperatura pode ser obtida para cada
gs.
LIN C., LING J., HUANG C., An Expert System for Transformer Fault Diagnosis
Using Dissolved Gas Analysis, IEEE Transactions on Power Delivery, IEEE, NY,
1993, pp. 231 238.
A maioria dos artigos por ns analisados utiliza o mtodo DGA de Rogers.
Este artigo foi muito til pois mostra passo a passo o mtodo utilizado por Rogers
para uma amostra de gs. D muitos exemplos de que falta pode ocorrer se so
conhecidas as razes entre as concentraes dos gases. Um exemplo disso: Se a
razo entre C2H2 e C2H4 < 0.1 e entre CH4 e H2 > 1.0 e C2H4 com C2H6 est entre
1.0 e 3.0, ento provavelmente est ocorrendo uma falta trmica envolvendo
temperaturas entre 300 e 700 oC. O artigo fornece oito condies de faltas atravs
das razes de faltas incluindo aquela mencionada anteriormente. O artigo tambm
discute que a anlise da densidade de energia da falta pode fazer distino entre
10
Captulo I Introduo
trs processos faltosos. Por exemplo, se altos nveis de C2H2 e H2 esto presentes e
a concentrao de C2H4 maior que a de C2H6 ento provvel a existncia de arco
eltrico; se os resultados diferem das normas o grau de severidade implica em
manuteno; os intervalos fuzzy e as relaes entre os nveis fuzzy podem ser
considerados para determinar o tipo de falta.
BALMA P., R. Degeneff, B. Lloyd, Expert Systems for Power Transformer

Maintenance, Diagnostics and Design Review, Proceedings of the American Power
Conference, Illinois Inst. Technol., Chicago, USA 1996, pp. 963 967.
Este artigo d uma viso geral dos tipos de sistemas especialistas disponveis
para engenheiros e tcnicos e o papel desses sistemas no diagnstico de faltas.
Comenta que alguns sistemas utilizam uma interface grfica do usurio (GUI) para
executar o programa que age sobre parmetros programados, mtodos de anlise e
banco de dados; o programa faz perguntas aos usurios sobre os dados existentes;
todas as informaes so registradas e disponibilizadas as pessoas que no
conhecem o processo, sendo efetivamente um sistema tutorial; o sistema concentrase em diagnstico e manuteno; depois so sugeridos mtodos de teste e
inspeo; o sistema tenta identificar boas e ms condies.
CAO, L., Chan T., Kong C., A Universal Neural Expert System with Self-Learning
Mechanism for DGA of Power Transformer Oil, International Power Engineering
Conference 1995, Nanyang Technol. Univ, Singapore, 1995, pp. 355 359.
11
Captulo I Introduo
Os autores deste artigo salientam que o diagnstico de faltas em

transformadores um processo muito complexo e no pode ser facilmente
implementado em computadores. raro que os dados obtidos por DGA se ajustem
aos padres e razes para o exato diagnstico das faltas. Por essa razo os autores
desenvolveram um programa de aprendizagem para enfrentar os casos mais
difceis. O mtodo usa DGA e o mtodo das razes de Rogers para detectar os tipos
de faltas. Ele considera os nveis de concentrao dos gases, as razes entre essas
concentraes, os valores histricos das razes e da vida do transformador e 90%
dos valores normalizados na determinao do tipo de falta. Para evitar os casos de
Sem Diagnstico ou No Identificada, os especialistas desenvolveram um
processo de auto-aprendizagem usando redes neurais para dar a probabilidade da
falta em futuros casos limites analisados.
Z. Wang and Y. Liu, A Combined ANN and Expert System Tool for Transformer
Fault Diagnosis, IEEE Transactions on Power Delivery, IEEE Power Engineering
Society, NY, 1998, pp. 1224-1229.
Vrias informaes teis esto presentes nesse artigo e agregam
conhecimento aos primeiros sistemas utilizados para o diagnstico de faltas em
transformadores como o mtodo das razes de Dornenburg e o de Rogers. Ele
apresenta alguns dos problemas desses mtodos, tais como a freqncia de
resultados, No Identificado. Entretanto, a combinao de redes neurais e sistemas
especialistas proporcionam: um mtodo de estimativa melhorado evitando o caso
No Identificado; especifica que informao desejada do transformador para
fazer o diagnstico, tais como fabricante, tipo de transformador, tipo de ncleo etc.;
12
Captulo I Introduo
fornece sadas como tipo de falta diagnosticada, diagnstico confivel, intervalo de

re-testagem, aes de manuteno recomendadas; executando dados atravs de
dois sistemas aes de manuteno recomendadas; executando dados atravs de
dois sistemas pode-se obter uma interpretao confivel do sistema em geral; tem
uma alta preciso de teste e treinamento. O artigo aperfeioa um sistema combinado
anterior e d exemplos de diagnstico de casos. Menciona tambm que o sistema
muito mais preciso que o mtodo de Rogers para os casos, No Identificado.
Y. Huang, H. Yang, C. Huang, Developing a New Transformer Fault Diagnosis

System through Evolutionary Fuzzy Logic, IEEE Transactions on Power Delivery,
1997, pp. 761 767.
Este artigo apresenta a idia de que as regras que normalmente so
utilizadas no diagnstico de faltas devem ser estendidas. descrito como as regras
if-then devem ser alteradas ou modificadas continuamente de acordo com os
dados efetivos para a obteno de melhores resultados. Tambm detalha que ainda
necessria a opo da falta no identificada; quando mltiplas faltas tm a
mesma probabilidade o problema fica mais complexo; o artigo inclui um exemplo de
estudo e afirma que um sistema com um grande nmero de razes de gases (neste
caso 3) necessrio para melhores resultados. O ponto principal desse artigo de
que co o uso da lgica fuzzy logic pode-se desenvolver um sistema que d a melhor
estimativa. Se a confiabilidade da melhor estimativa maior que o caso presente, o
programa incorpora essa melhor estimativa, nos dados de treinamento e ainda alerta
o usurio de que esta no ainda confivel.
13
Captulo I Introduo
TOMSOVIC K., M. Tapper, T. Ingvarsson, A Fuzzy Information Approach to

Integrating Different Transformer Diagnostic Methods, IEEE Transactions on Power
Delivery, 1993, pp. 1638 1646.
Nesse paper os autores reconhecem que muitos desenvolvedores de tcnicas
de diagnstico de faltas em transformadores ignoram a incerteza dos vrios mtodos
existentes. Os autores desenvolveram um mtodo que utilize lgica fuzzy para tentar
combinar os mtodos para obter um mtodo sistemtico melhorado de diagnstico
de faltas. Pontos chaves do artigo: h a necessidade de ter uma tendncia a partir
das amostras regulares de gases; todos os mtodos de diagnstico tm vantagens e
desvantagens. Da, quando um mtodo indica um problema outros mtodos devem
ser utilizados. Um exemplo dado e determina que se a anlise DGA indica
descarga ativa, prudente aplicar um teste acstico antes de se tentar uma
inspeo que retire o transformador de servio. Tambm neste trabalho vrios
mtodos so integrados para tentar formar uma anlise simples e coerente.
Estabelece tambm que Uma caracterstica fundamental nos sistemas baseados no
conhecimento a simplicidade para adicionar, remover e modificar conhecimentos
existentes no sistema. Alm disso, medidas erradas ou perdidas no deveriam
inviabilizar a anlise. Desse modo, cada relao na base do conhecimento deve ser
independente.
14
Captulo I Introduo
1.3 Objetivo
Demonstrar que a aplicao de uma rede neural artificial para o diagnstico
de faltas em transformadores proporciona a deteco eficiente de faltas incipientes
mais adequadamente e precisa que os mtodos tradicionais baseados em DGA.
Atravs da aplicao do mtodo, proporcionar rapidez e confiabilidade na

deteco de defeitos, oferecendo uma melhor programao da manuteno,
minimizao de custos e prolongamento da vida til de transformadores.
1.3 Escopo do trabalho

O captulo 1 apresenta a conceituao do problema, as solues existentes
para a sua soluo e proposta da dissertao.
O captulo 2 descreve os mtodos tradicionais existentes e de larga aplicao

nas empresas de energia eltrica e em indstrias conceituando o leitor quanto aos
termos normalmente utilizados e a composio do leo isolante e os subprodutos de
sua decomposio assim como os tipos de isolao mais comuns utilizados nos
transformadores. Esclarece ainda os tipos de faltas mais freqentes em
transformadores de potncia e suas provveis causas a partir da anlise do gs de
decomposio dissolvido no leo isolante e como feito o diagnstico baseado na
DGA.
15
Captulo I Introduo
O captulo 3 introduz a teoria das redes neurais artificiais RNA ou ANN,

relatando seu histrico de desenvolvimento e suas aplicaes.
J no captulo 4 fao uma discusso e anlise da aplicao do mtodo das

redes neurais no diagnstico de falhas incipientes em transformadores de potncia,
comprovando a sua eficcia.
No captulo 6 apresento as concluses sobre o mtodo apresentado e

sugestes para trabalhos futuros.
16
Captulo 2 Diagnstico de Faltas em Transformadores de Potncia
Captulo 2
2. Diagnstico de Faltas em Transformadores de Potncia
Baseado em Anlise de Gases Dissolvidos em leo Isolante
2.1. Materiais e lquidos Isolantes
Sob condies normais de operao, os transformadores de potncia isolados a

leo geram gases muito lentamente, como resultado da idade e relativo s
condies de carregamento do mesmo.
Durante uma operao anormal, aumenta a produo de gases na relao

direta da severidade do stress eltrico ou trmico. Esta formao de gases
causada pela deteriorao do leo e da celulose isolante (papel, por exemplo).
A maior parte da isolao slida dos transformadores constituda de papel e,

portanto, de natureza celulsica. Estes materiais tm elevada resistncia de
isolamento quando secos (0,5% a 1% de umidade) e so altamente higroscpicos,
isto tm absorvem umidade e leo. Os principais tipos de materiais celulsicos
empregados na isolao que envolve os enrolamentos dos transformadores so:
Papel Kraft feito de fibras de madeiras

Papel manilha feito de fibras de madeira e cnhamo
Papelo Kraft feito de fibra de madeira
Pressboard feito de papelo com fibras de algodo
O papel kraft muito poroso, estimando-se que contenha de 80% a 90% de ar.
Ele absorve cerca de 10% do volume do leo contido no tanque do transformador.
O papel isolante utilizado em transformadores , depois de seco, impregnado de

verniz ou resina isolante e posteriormente de leo isolante. Sua impregnao com
verniz ou resina no impede, mas retarda a penetrao de gua. A impregnao do
papel com verniz que contm um solvente voltil pode dar origem formao de
cavidades na massa isolante favorecendo a formao de descargas parciais, que
podem ser podem ser avaliadas pela medio do fator de potncia da isolao,
descargas estas que daro origem a gases que se dissolvero no leo como ser
relatado mais frente.
O leo mineral isolante utilizado em aparelhos eltricos, como transformadores,

reatores, disjuntores, religadores, etc., extrado do petrleo. O leo mineral pode
ser de origem naftnica, mais usual, mas em vias de escassez (3% do leo
disponvel), ou parafnica, tipo de leo mais comum existente nas jazidas do Brasil e
que tem baixo ponto de fluidez o que dificulta seu uso em regies de inverno
rigoroso, mas que tem recebido altos investimentos em pesquisas para obter este
tipo de leo com caractersticas mais adequadas para utilizao em aparelhos e
equipamentos eltricos. Este dois tipos de leo apresentam caractersticas distintas
[MYERS, 2004].
Estes leos tm cor amarelo-plida e so transparentes. Eles so constitudos

por uma mistura de hidrocarbonetos (saturados e aromticos) em maior proporo e
de no-hidrocarbonetos (compostos de nitrognio de enxofre e de oxignio).
18
Sua deteriorao, principalmente pela ocorrncia de arcos e descargas

eltricas, pode provocar a precipitao de partculas de carvo, a formao de
cidos e a liberao de gases. Com a deteriorao a cor do leo muda e escurece.
O envelhecimento dos leos parafnicos tende a produzir uma maior quantidade

de dixido de carbono do que os naftnicos o que pode acelerar a deteriorao dos
papis celulsicos.
Se misturados os dois tipos de leo, a mistura apresentar caractersticas

mdias dos valores de seus componentes, tendo sempre melhores caractersticas
que o pior dos componentes. Portanto, no se deve misturar leos deteriorados com
leos novos.
A gua e o calor so dois dos piores inimigos da isolao dos transformadores.

A deteriorao da isolao slida e lquida d origem gua e outros produtos que
podem tambm servir como catalisadores, juntamente com o ferro do tanque, do
ncleo, dos parafusos e suportes, com o cobre do enrolamento e com a umidade, e
aceleradores do processo, o que ir diminuir o poder dieltrico do leo. As condies
podem ficar propcias tambm ocorrncia de descargas parciais que levam
ionizao e conduo. Com a continuidade do processo, poder haver a formao
de corona com conseqente falha de isolao. Todo o processo pode ser agravado
com o aumento de temperatura.
Diz-se que o leo est contaminado quando contm gua e outras substncias
estranhas que no so produtos de sua decomposio. Diz-se que ele est
19
deteriorado quando contm produtos resultantes de sua oxidao. A deteriorao se

inicia to logo ocorre o enchimento do transformador quando o oxignio existente no
tanque entra em combinao com os hidrocarbonetos instveis do leo. Por isso
ultimamente tem-se adotado a prtica de encher o tanque dos transformadores com
nitrognio desde a fbrica at o local da instalao dos mesmos e s ento proceder
ao enchimento dos mesmos para minimizar o problema, mas como existe oxignio
dissolvido no prprio leo o processo de oxidao inevitvel.
Desde 1930 se tem estudado o processo de gases dissolvidos no leo devido ao

stress do papel e do lquido isolante e o ponto de partida deu-se com os estudos e
publicaes de Halstead [Halstead, 70]. Estudos similares ocorreram a partir da
especialmente na degradao do papel isolante. H trinta anos, a tcnica de anlise
de gases dissolvidos no leo tem sido implementada e desenvolvida como
ferramenta de diagnstico para monitoramento de transformadores isolados a leo
mineral. Este mtodo agora aceito universalmente para localizar faltas incipientes
trmicas e eltricas. O desenvolvimento desta tcnica inclui novos mtodos de
laboratrio, anlise de gases dissolvidos on-line aplicao de outros fludos
dieltricos que no o leo isolante e novos protocolos de diagnstico. Dispositivos
que periodicamente ou continuamente monitoram um ou mais gases dissolvidos no
leo esto disponveis para anlise on-line. A DGA foi originalmente desenvolvida
para transformadores, mas est sendo agora aplicada a buchas de alta tenso
isoladas a leo e em comutadores de derivao em carga tambm isolados a leo.
Os mtodos de interpretao dos dados tm sido extensivamente desenvolvidos
para transformadores preenchidos com leo isolante mineral e a IEEE ultimamente
est desenvolvendo um guia para transformadores preenchidos com silicone.
20
Assim, a vida til de um transformador depender das condies de sua

operao e manuteno. Esta vida, estimada em 25 a 30 anos, poder ser
prolongada h at 50 anos com um programa de acompanhamento de operao e
de manuteno adequados. Testes e ensaios peridicos podem detectar falhas
incipientes, avaliar as condies de deteriorao e orientar as medidas para evitar o
envelhecimento prematuro e a progresso de falhas incipientes, evitando assim um
enorme prejuzo empresa de energia proprietria do equipamento.
Durante o tempo de operao do transformador, os gases gerados permanecem

dissolvidos no leo e a cromatografia gasosa usada para analisar a concentrao
dos vrios gases presentes.
2.2 Cromatografia gasosa
A Cromatografia Gasosa (CG) uma tcnica para separao e anlise de

misturas de substncias volteis. A amostra (2) vaporizada e introduzida em um
fluxo de um gs adequado denominado de fase mvel (FM) ou gs de arraste (1)
como ilustrado na figura 1 a seguir:
Figura 1 - Desenho esquemtico do Sistema de Cromatografia a gs
21
Este fluxo de gs com a amostra vaporizada, passa por um tubo (3) contendo
a fase estacionria FE (coluna cromatogrfica), onde ocorre a separao da mistura.
A FE pode ser um slido adsorvente (Cromatografia Gs-Slido) ou, mais
comumente, um filme de um lquido pouco voltil (4), suportado sobre um slido
inerte (Cromatografia Gs-Lquido com Coluna Empacotada ou Recheada) ou sobre
a prpria parede do tubo (Cromatografia Gasosa de Alta Resoluo). Na
cromatografia gs-lquido (CGL), os dois fatores que governam a separao dos
constituintes de uma amostra so:
- a solubilidade na FE: quanto maior a solubilidade de um constituinte na FE,

mais lentamente ele caminha pela coluna.
- a volatilidade: quanto mais voltil a substncia (ou, em outros termos,
quanto maior a presso de vapor), maior a sua tendncia de permanecer vaporizada
e mais rapidamente caminha pelo sistema.
As substncias separadas saem da coluna, dissolvidas no gs de arraste e

passam por um dispositivo detector (5) que gera um sinal eltrico proporcional
quantidade de material fluido. O registro deste sinal em funo do tempo o
cromatograma (6), sendo que as substncias aparecem nele como picos com rea
proporcional sua massa, o que possibilita a anlise quantitativa.
Durante a vida til do transformador, amostras de leo so colhidas com o

equipamento em operao e enviadas a um laboratrio que ir testar as condies
deste leo cujo resultado facilitar a tomada de deciso quanto ao que fazer com o
leo e/ou com o equipamento. O resultado da anlise do leo isolante assim um
diagnstico do grau de envelhecimento e desgaste dos transformadores e determina
22
a sua vida til, o que torna importante conhecer os mecanismos da sua deteriorao
e os meios para a sua deteco. Mtodos padro ASTM (American Society for
Testing and Materials) extraem e medem os gases dissolvidos no leo isolante
eltrico usando a cromatografia gasosa. Um destes mtodos, o ASTM D3612-01,
especifica que a anlise de hidrognio, oxignio, nitrognio, monxido de carbono,
dixido de carbono, metano, etano, etileno, acetileno, propano e propileno que so
gases caractersticos da decomposio do leo isolante mineral devem ser obtidos
para identificao e quantificao.
Assim, a vida til de um transformador depender das condies de sua

operao e manuteno. Esta vida, estimada em 25 a 30 anos, poder ser
prolongada h at 50 anos com um programa de acompanhamento de operao e
de manuteno adequados.
2.3. Anlise de faltas

Testes e ensaios peridicos podem detectar falhas incipientes, avaliar as
condies de deteriorao e orientar as medidas para evitar o envelhecimento
prematuro e a progresso de falhas incipientes, evitando assim um enorme prejuzo
empresa de energia proprietria do equipamento.
A anlise de gases dissolvidos no leo pela cromatografia gasosa, DGA, tem

provado ser vivel e preditiva. Alguns problemas que poderiam caminhar para falhas
catastrficas em transformadores que podem ser detectadas so: arco eltrico
(freqentemente devido perda ou mau contato de conexes dentro dos
transformadores causados por vibraes); corona (descargas eltricas no
23
enrolamento); sobre aquecimento do leo (sobrecarga do transformador,

aquecimento exagerado do leo isolante e de outras partes do equipamento, ou leo
em ms condies necessitando de reciclagem ou regenerao, resultando em
transferncia de calor ineficiente); e degradao da celulose (o papel de material
isolante enrolado em torno das bobinas torna-se frgil e comea a se deteriorar).
Assim, a anlise dos gases dissolvidos em leo isolante capaz de identificar o

tipo de falta bem como a sua severidade alm de possibilitar a elaborao de aes
de manuteno pelo acompanhamento e tendncia de evoluo das faltas.
A intensidade mais severa de dissipao de energia acontece na ocorrncia de

arco eltrico, menor no aquecimento, e menor ainda no corona.
Algumas vantagens bvias da anlise de faltas so:

1. Aviso antecipado da ocorrncia de faltas
2. Evita o uso imprprio das unidades
3. Aceitao de unidades novas ou reparadas
4. Agendamento conveniente de manutenes
5. Monitoramento de unidades em sobrecarga
Os gases gerados durante as faltas que so geralmente encontrados em
transformadores esto ilustrados abaixo na figura 2 relacionados temperatura em
que ocorrem e proporo do seu desenvolvimento:
24
GASES CONSTITUINTES
HIDROGENIO
(H 2)
METANO
(CH4)
ETANO
(C2H6 )
ETILENO
(C2H4)
ACETILENO
(C2H2)
250
500
750
1000
1250
1500
1750
2000
TEMPERATURA DA FALTA (C)
Figura 2 Gases tpicos gerados durante faltas

Estes gases podem ser relacionados nos trs grupos seguintes:
Hidrocarbonetos e hidrognio
Metano
CH4
Etano
C2H6
Etileno
C2H4
Acetileno
C2H2
Hidrognio
H2
xidos de carbono
Monxido de carbono
CO
Dixido de carbono
CO2
Gases no oriundos de faltas

Nitrognio
N2
Oxignio
O2
Tabela 1 Principais gases gerados durante faltas
25
A maioria dos gases gerados nas faltas pode ser classificada de acordo com o
tipo de material envolvido e o tipo de falta presente como segue:
1. Corona
a. leo
b. Celulose
2. Pirlise
a. leo
Baixa temperatura
Alta temperatura
b. Celulose
Baixa temperatura
Alta temperatura
3. Arco eltrico
H2
H2, CO e CO2
CH4, C2H6
C2H4, H2 (CH4, C2H6)
CO2 (CO)
CO (CO2)
H2, C2H2, (CH4, C2H6, C2H4)
Tabela 2 Ocorrncia dos gases relativos ao tipo de falta e material envolvido
a. Arco eltrico. Produo de grande volume de hidrognio e acetileno e em

menores volumes o metano e o etileno. Se o arco envolve a celulose, tambm
podem ser formados monxido e dixido de carbono. Gs chave: acetileno.
%
G
A
S
E
S
C
O
M
B
U
S
T
V
E
I
S
ARCO ELTRICO NO LEO
100
90
80
70
60
50
40
30
20
10
0
60
30
5
0.01
CO
H2
CH4
1.6
C2H6
5.5
C2H4
C2H2
Figura 3 Percentual dos gases gerados durante um arco eltrico no leo
26
b. Corona. Descargas eltricas de baixa energia produzem hidrognio e

metano com pequenas quantidades de etano e etileno. Quantidades
significativas de monxido e dixido de carbono podem ser devido a
descargas na celulose. Gs chave: hidrognio.
%
G
A
S
E
S
C
O
M
B
U
S
T
V
E
I
S
DESCARGA PARCIAL NO LEO
100
90
80
70
60
50
40
30
20
10
0
86
1.6
0.2
CO
H2
CH4
0.2
C2H6
0.1
C2H4
C2H2
Figura 4 Percentual dos gases gerados durante uma descarga parcial no leo
c. Sobre aquecimento do leo. Decomposio de produtos incluindo etileno

e metano, juntos com pequenas quantidades de hidrognio e etano. Traos de
acetileno podem ser formados se o sobre aquecimento severo ou envolve contatos
eltricos. Gs chave: etileno.
%
G
A
S
E
S
C
O
M
B
U
S
T
V
E
I
S
LEO SUPERAQUECIDO
100
90
80
70
60
50
40
30
20
10
0
63
16
< 0.01
CO
17
2
H2
CH4
C2H6
C2H4
C2H2
Figura 5 Percentual dos gases gerados na ocorrncia de sobre aquecimento no leo
27
d. Degradao da celulose. Grandes quantidades de monxido e dixido de

carbono esto envolvidas no sobre aquecimento da celulose. Gases
hidrocarbonetos, tais como o metano e etileno sero formados se o problema
envolver a isolao do enrolamento, normalmente papel isolante impregnado
de leo. Gs chave: monxido de carbono.
%
G
A
S
E
S
C
O
M
B
U
S
T
V
E
I
S
CELULOSE
100
90
80
70
60
50
40
30
20
10
0
92
6.7
CO
1.2
H2
CH4
0.01
C2H6
0.01
C2H4
0.01
C2H2
Figura 6 Percentual dos gases gerados pela degradao da celulose
e. Eletrlise. Formao de grandes quantidades de hidrognio, com

pequenas quantidades de outros gases combustveis devido decomposio da
gua associada com a ferrugem. Gs-chave: hidrognio.
%
G
A
S
E
S
C
O
M
B
U
S
T
100
90
80
70
60
50
40
30
20
10
0
99.9
< 0.01
< 0.01
CO
ELETRLISE
H2
CH4
< 0.01
C2H6
< 0.01
C2H4
< 0.01
C2H2
Figura 7 Percentual dos gases gerados durante uma eletrlise
28
A interpretao dos resultados a partir da cromatografia de gases depende da

quantidade total de gases combustveis, TDCG, da quantidade de cada gs
individual, e da taxa de crescimento destes gases. Entretanto a interpretao dos
gases dissolvidos no leo no exatamente uma cincia.
Desde que uma operao normal tambm causa a formao de certos gases,
simplesmente determinar a presena de gases no leo no deveria causar alarme. O
que importante a taxa e a quantidade dos gases gerados. Como em outros
testes, a anlise gases deveria ser conduzida em uma base regular para indicar
traos ou alteraes nos resultados.
As figuras a seguir ilustram os processos desenvolvidos na ocorrncia do

corona, pirlise e arco no leo e pirlise da celulose respectivamente. Distribuies
de faltas tpicas nos gases tambm so mostradas.
Corona no leo
H2
C02
C0
CH4
C2H6
C2H4
C2H2
88%
1
1
6
1
0.1
0.2
Pirlise no leo
H2
C02
C0
CH4
C2H6
C2H4
C2H2
16%
traos
traos
16
6
41
traos
Figura 8 Distribuio de faltas tpicas e percentuais relativos dos gases
29
Arco no leo
H2
C02
C0
CH4
C2H4
C2H2
39%
2
4
10
6
35
Pirlise da Celulose
H2
C02
C0
CH4
C2H4
C2H2
9%
25
50
8
4
0.3
Figura 9 Distribuio de faltas tpicas e percentuais relativos dos gases
A solubilidade dos gases de falta no leo mineral assim como a sua

dependncia da temperatura so tambm fatores importantes a serem considerados
na anlise de gases de falta. A tabela abaixo lista as solubilidades de saturao para
os gases de falta.
Deve-se notar que h quase duas ordens de diferena de magnitude entre o

gs menos solvel (hidrognio) e o gs mais solvel (acetileno). A maioria dos gases
que so indicativos de faltas so tambm aqueles que, em geral, so mais solveis
no leo.
Hidrognio
7 % em volume
Nitrognio
8.6 %
Monxido de
9%
Oxignio
16 %
Metano
30 %
Dixido de carbono 120 %
Etano
280 %
Etileno
280 %
Acetileno
400 %
Equilbrio Esttico 760 mm Hg e 25oC
Tabela 3 Solubilidade de gases em transformadores
30
Quando as taxas de gerao de gases esto sendo acompanhadas

importante levar em conta as solubilidades destes gases como uma funo da
temperatura do leo.
1,8
H2
1,4
N2
(+79%)
CO
O2
1,0
CH4
0,6
C2H2 e CO2
C2H4
C2H6
0,2
0
40
(+66%)
40 C
Figura 10 Solubilidade relativa como funo da temperatura
Acima da faixa de temperatura de 0 a 80oC alguns gases aumentam em

solubilidade em mais de 79% enquanto outros decrescem em solubilidade em at
66%.
2.4. Mtodos de Deteco de Faltas
Trs mtodos sero discutidos e suas vantagens e desvantagens sero

comparadas. O primeiro mtodo e provavelmente a tcnica mais usada atualmente
aquela que determina o total de gases combustveis (TCG) que esto presentes no
gs acima do nvel do leo. A maior desvantagem do mtodo TCG comparado com
outros que ele mais rpido e aplicvel no campo. De fato este indicador pode ser
usado para monitorar continuamente uma unidade. Entretanto, h vrias
31
desvantagens do mtodo TCG. Embora ele detecte os gases combustveis de falta

(hidrognio, dixido de carbono, metano, etano, etileno, e acetileno), ele no detecta
outros gases no combustveis (dixido de carbono, nitrognio e oxignio).
Este mtodo somente aplicvel a aquelas unidades que tm um manto de

gs sobre o leo e no s unidades completamente cheias de leo do tipo com
conservador ou tanque de expanso de leo. Como a maioria das faltas ocorre sob
a superfcie do leo, os gases devem primeiro saturar o leo e difundir-se na
superfcie antes de se acumular acima no manto de gs acima do leo. Estes
processos levam tempo, o que atrasa a deteco prematura da falta. A maior
desvantagem do mtodo TCG aquela que d somente um valor simples para a
percentagem dos gases combustveis, mas no identifica quais os gases que esto
normalmente presentes. esta ltima informao a mais til na determinao do
tipo de falta que est ocorrendo.
O segundo mtodo para a deteco dos gases de falta a anlise do manto

de gs na qual uma amostra do gs no espao acima do leo tem sua composio
analisada.
Este mtodo detecta todos os componentes individuais; entretanto, ele

tambm no se aplica s unidades com tanque de expanso e tambm apresentam
a desvantagem de que os gases, primeiro precisam difundir-se no manto de gs.
Alm disso, este mtodo no o melhor para aplicao no campo. Um laboratrio
adequadamente equipado preferido para a requerida separao, identificao, e
para a determinao quantitativa destes gases em partes por milho. O terceiro e
32
mais informativo dos mtodos de deteco de gases de falta a anlise dos gases
dissolvidos no leo (DGA). Neste mtodo uma amostra do leo retirada de uma
unidade e os gases dissolvidos so extrados do leo. Ento, os gases extrados so
separados, identificados, e quantitativamente determinados.
Atualmente est tcnica mais bem realizada em um laboratrio desde que

ela requer operaes de preciso. Como este mtodo usa uma amostra de leo ele
aplicvel a todos os tipos de unidades e como o mtodo do manto de gs ele
detecta todos os componentes individuais. A principal vantagem da tcnica DGA
que ele detecta os gases na fase de leo possibilitando a deteco antecipada de
uma falta incipiente. Esta vantagem por si anula qualquer desvantagem desta
tcnica.
A tcnica DGA envolve vrios mtodos tais como o Mtodo dos Gases Chave
[Fallou, 75], o Mtodo das Razes de Dornenburg [Dornenburg, 67], [Dornenburg e
Strittmatter, 74], [Fallou et al., 70] e o Mtodo das Razes de Rogers [Rogers, 75],
(Rogers, 78). Estes mtodos foram desenvolvidos a partir de anlises estatsticas de
bases de dados europias e assim apresentam erros significativos quando aplicados
a equipamentos instalados em pases que apresentam diferenas climticas
relativas Europa.
Diversos sistemas de diagnstico vm sendo desenvolvidos buscando reduzir

estes erros, usando principalmente tcnicas de Inteligncia Artificial (IA), como
apresentadas por [Dukarm, 93], [Zang, et Gao, 76], [Huanf et al., 97], [Darveniza et
al., 97], [Wang, 98], [Lin et al., 93], [Tonsovic et al., 93], [Werle et al., 2003].
33
2.5. Mtodos de Interpretao
O aspecto mais importante da anlise de gases de falta tomar os dados dos

gases gerados e diagnosticar corretamente a falta que est gerando os gases que
foram detectados. Muitos mtodos que esto atualmente em uso sero aqui
cobertos.
Um dos mtodos mais recentes o de Dornenburg [Dornenburg e Strittmatter,
74] no qual duas taxas de gases so plotadas em eixos log-log. A rea em que os
pontos se situarem indicativa do tipo de falta que foi desenvolvida.
0.001
0.01
0.1
10
100
100
SOBREAQUECIMENTO
10
C H4 / H 2
ARCO
ELTRICO
0.1
CORONA
0.01
C2 H2 / C2 H 4
Figura 11 Grfico de Dornenburg
34
2.5.1. Mtodo adotado pela empresa CEGB

A Central Electric Generating Board (CEGB) da Inglaterra tem usado o
mtodo desenvolvido por Rogers [ROGERS, 75] no qual a grandeza das quatro
razes de gases usada para gerar um cdigo de quatro dgitos como mostrado na
tabela abaixo.
Razo
CH4/H2
C2H2/CH4
C2H4/C2H
6
C2H2/C2H
4
Faixa
<= 0.1
> 0.1 < 1
>= 1 < 3
>= 3
<1
>= 1
<1
>= 1 < 3
>= 3
< 0.5
>= 0.5 < 3
>= 3
Cdigo
5
0
1
2
0
1
0
1
2
0
1
2
Tabela 4 C.E.G.B. Razes de Gases de Falta

O nmero de cdigo gerado pode ser associado a um diagnstico como
mostrado na tabela abaixo:
CDIGO
DIAGNSTICO
Normal
Descarga Parcial
1 ou 2
Sobre aquecimento desprezvel < 150oC
1 ou 2
Sobre aquecimento desprezvel 150 - 200oC
Sobre aquecimento desprezvel 200 - 300oC
Sobre aquecimento geral do condutor
Correntes circulantes no enrolamento

Correntes circulantes no ncleo e no tanque, Sobre
i
d j
Flashover, sem continuidade eltrica.
1,2
1,2
0
0
1,2
CO2 / CO > 11
Arco eltrico, com continuidade eltrica.

Centelha continuada para potencial flutuante
Descarga parcial com vestgios (nota CO)
Mais alta que a temperatura normal na isolao
Tabela 5 Cdigos e diagnsticos da C.E.G.B.

35
A tabela a seguir mostra as diretrizes desenvolvidas pela Universidade de

Sacramento do estado da Califrnia em cooperao com a Pacific Gas & Electric
Company para indicar os nveis normais e anormais dos gases individuais.
Gs
Hidrognio
Metano
Etano
Etileno
Acetileno
Monxido de carbono
Dixido de Carbono
Nitrognio
Oxignio
Total de Combustveis
Normal (<)
150 ppm
25
10
20
15
500
10,000
1 to 10 %
0.2 to 3.5%
0.03 %
Anormal (>)
1000 ppm
80
35
150
70
1000
15,000
N.A.
N.A.
0.5 %
Interpretao
Corona, Arco eltrico
Centelha
Sobre aquecimento local
Sobre aquecimento severo
Arco eltrico
N.A.
N.A.
N.A.
Tabela 6 Nveis normais e anormais e diretrizes da Universidade de Sacramento e Pacific

Gs & Electric
Atualmente a Northern Technology & Testing est usando os seguintes pontos de

alerta (flag points) para os vrios gases de falta mostrados na tabela abaixo:
Gs
Hidrognio
Metano
Etano
Etileno
Acetileno
Monxido de Carbono
Dixido de Carbono
Pontos de alerta (>)

1500 ppm
80
35
150
7
1000
10,000
Tabela 7 Pontos de alerta da Northern Technology & Testing
36
Os seguintes exemplos so extremos, mas servem para ilustrar como a

anlise de gases dissolvidos no leo pode ser usada para focar problemas ativos.
Informaes do
Transformador
400 MVA
345 kV
Tanque com manto de gs
Ano de fabricao 1969
Anlise DGA
Hidrognio: 7.040
Metano: 17.700
Etano: 4.200
Etileno: 21.700
Acetileno: 165
Monxido de carbono: 67
Dixido de carbono:
1.040
Recomendao
O etileno o gs chave na anlise
sugerindo alta temperatura e sobre
aquecimento do leo.
Tabela 8 Valores extremos em ppm vol/vol a 25oC e 760 mmHg e recomendaes

Informaes do Transformador
2.5 MVA
44 kV
Falhou aps quatro anos de servio
Anlise DGA*
Hidrognio: 10.900
Metano: 18.400
Etano: 4.400
Etileno: 24.500
Acetileno: 3.820
Monxido de carbono: 23.800
Dixido de carbono: 36.900
Recomendao
O etileno e o metano so os gases
chave sugerindo alta temperatura e
sobre aquecimento do leo. O
contedo de acetileno alto o
bastante para sugerir que ocorreu
arco eltrico no leo. Os xidos de
carbono esto em nveis muito
altos indicando sobre aquecimento
envolvendo a celulose.

Informaes do Transformador
11.46 MVA
33 kV
Tanque com manto de gs
Anlise DGA*
Hidrognio: 1.980
Metano: 166
Etano: 87
Etileno: 205
Acetileno: 0
Monxido de carbono: 2.990
Dixido de carbono: 58.300
Recomendao
Embora a concentrao de
hidrognio esteja alta e alguma
descarga parcial possa ter ocorrido a
grande concentrao de CO e CO2
indica severo sobre aquecimento
envolvendo a celulose.
2.5.2. Aplicao do mtodo das razes de Rogers

O mtodo das razes usa a relao entre as concentraes de gases
dissolvidos como base para o diagnstico de faltas. Historicamente cinco razes tm
sido usadas [RANDY, 97].
37
Razo
Abreviao
CH4/H2
R1
C2H2/ C2H4
R2
C2H2/ CH4
R3
C2H6/ C2H2
R4
C2H4/ C2H6
R5
Tabela 11 Definio de taxas do mtodo das Razes [Randy, 97]

A primeira tentativa foi feita no final dos anos 1960 na Central Electricity
Generating Board (CEGB) [Rogers 78] como mostrado anteriormente. Em 1970
Dornenburg foi capaz de diferenciar faltas trmicas e eltricas usando quatro razes
e seis gases [Dornenbrg, 67], [Fallou, 70], [Randy, 97]. Os seis gases so H2, CH4,
CO, C2H2, C2H4 e C2H6. As quatro razes e seus valores de diagnsticos esto
mostrados na tabela a seguir.
O mtodo consiste em muitos testes de validao antes de atingir a deciso final e

sempre falha. O teste de validao mais importante o teste L1, que determina um
valor crtico para cada gs. De modo a aplicar o mtodo, ao menos um gs para
cada uma das razes deve exceder a norma L1 correspondente. As normas L1
revisadas esto listadas abaixo.
Falta
Decomposio trmica
Corona (baixa intensidade)
Arco eltrico (alta intensidade)
R1
>1
>0.1
>0.1 e < 1
R2
<0.75
No significativo
>0.75
R3
<0.3
<0.3
>0.3
R4
>0.4
>0.4
<0.4
Tabela 12 Mtodo das razes de Dornenburg [Randy, 97]
Gs
Limite de L1 (ppm)
H2
100
CH4
120
CO
350
C2H2
35
C2H4
50
C2H6
65
Tabela 13 Limite L1 de Dornenburg [Randy, 97]

Seguindo o modelo termodinmico de Halstead [Halstead, 73], o mtodo das
razes de Rogers foi primeiro proposto em 1973 [Barraclough, 73], refinado em 1975
[Rogers 1975], e mais uma vez refinado em 1977 [Rogers, 77]. Levando em
38
considerao experincias industriais [Manger, 78], testes de laboratrio, e

consideraes tericas posteriores, o mtodo foi modificado para o padro IEC
[IEC599]. O mtodo original das razes de Rogers foi usado na tabela acima para o
diagnstico, onde o 1 indica que o valor normal acima de 1.0, e um 0 indica que o
valor normal abaixo de 1.0.
O mtodo refinado de Rogers usava duas tabelas: uma definia o cdigo, e a

outra definia as regras de diagnstico, como mostrado nas tabelas 14 a 16. Estes
mtodos preliminares usavam quatro razes. A razo etano/metano (C2H6/CH4)
somente indicava uma faixa limitada de temperatura de decomposio, mas no
fornecia suporte na identificao da falta. Posteriormente, no padro IEC 599, o
desenvolvimento adicional do mtodo das razes de Rogers foi suprimido.
CH4/H2
C2H6/CH4
C2H4/C2H6 C2H2/C2H4 Diagnstico
Se CH4/H2 0.1 ou mais descarga parcial,

seno deteriorao normal
Leve sobre aquecimento abaixo de 150 C
Leve sobre aquecimento entre 150 e 200C
Leve sobre aquecimento entre 200 e 300C
Correntes circulantes com sobre aquecimento

de juntas
Flashover sem continuidade eltrica
Corrente de interrupo no seletor do

comutador
Arco com continuidade eltrica ou centelha
persistente
Tabela 14 Diagnstico Original do Mtodo das Razes de Rogers [Barraclough, 73]

39
As vantagens de mtodos baseados em razes so que eles so

quantitativos e independem do volume de leo no transformador. Entretanto, o
mtodo de razes pode produzir interpretaes errneas ou nenhuma. Mas pode ser
usado em conjunto com outros mtodos de diagnstico como o do gs chave.
Razo do gs
CH4/H2
(R1)
Faixa
No maior que 0.1
Entre 0.1 e 1.0
Entre 1.0 e 3.0
No menor que 3.0
Menor que 1.0
No menor que 1.0
Menor que 1.0
Entre 1.0 e 3.0
No menor que 3.0
Menor que 0.5
Entre 0.5 e 3.0
No menor que 3.0
C2H2/CH4
(R4)
C2H4/C2H6
(R5)
C2H2/C2H4
(R2)
Cdigo
5
0
1
2
0
1
0
1
2
0
1
2
Tabela 15 Definio do cdigo do Mtodo das Razes de Rogers [Barraclough, 73]
R1
0
5
1 ou 2
1 ou 2
0
0
1
1
R4
0
0
0
1
1
1
0
0
R5
0
0
0
0
0
0
1
2
R2
0
0
0
0
0
0
0
0
0
0
0
5
0
0
0
0
0
1 ou 2
2
0
1
1 ou 2
2
1 ou 2
Diagnstico
Deteriorao normal
Descarga parcial
Leve sobre aquecimento abaixo de 150oC
Leve sobre aquecimento entre 150 e 200oC
Leve sobre aquecimento entre 200 e 300oC
Correntes de circulao no enrolamento
Correntes circulantes no tanque e no ncleo, juntas sobre
aquecidas.
Flashover sem conseqncia eltrica
Arco com conseqncia eltrica
Centelhamento contnuo para potencial flutuante
Descarga parcial com trilha (notar CO)
Tabela 16 Diagnstico do Mtodo das Razes de Rogers Refinado[Rogers, 75]
40
2.6 Estudo e aplicao do mtodo do gs chave
O estudo do mtodo do gs chave comeou nos laboratrios da Doble foi

estabelecido em 1973 [Pugh, 73] e oficialmente proposto em 1974 [Pugh, 74]. Em
1978, a comparao entre o mtodo do gs chave e o mtodo das razes de Rogers
ocorreu na conferncia anual da Doble [Rick, 78]. Imaginou-se que o mtodo das
razes fosse exclusivo para transformadores do tipo com conservador, mas o
mtodo do gs chave foi desenvolvido seja para transformadores selados seja para
transformadores com pulmo de gs. Griffin fez uma grande reviso no mtodo do
gs chave, mtodos das razes, e aplicaes relacionadas [Griffin, 88].
O mtodo do gs chave identifica o gs chave para cada tipo de falta e usa o
percentual deste gs para identificar a falta. Ele interpreta a anlise de gases
dissolvidos no leo baseado em um conjunto simples de fatos. Por exemplo, baixa
intensidade de descargas parciais ou produo de corona principalmente H2 com
alguns traos de gases derivados de hidrocarbonetos, assim o gs chave para
descargas parciais ou corona o H2, e a descarga parcial e o corona podem ser
detectados se o percentual da quantidade de H2 significativo em uma amostra de
leo. Baseado no trabalho original do Dr. Pugh e no padro IEEE C57.104, a Tabela
17 resume o critrio de diagnstico do mtodo do gs chave. O percentual do gs
baseado no total de gases combustveis dissolvidos (TDCG) e um nmero
aproximado.
41
Falta
Arco
Gs chave
Acetileno
C2H2
Corona
Hidrognio
(H2)
Sobre
aquecimento
do leo
Sobre
aquecimento
da celulose
Etileno
(C2H4)
Monxido de
Carbono
Critrio
Grande quantidade de H2 e C2H2 e
menor quantidade de CH4 e C2H4. CO e
CO2 podem tambm existir se a celulose
estiver envolvida.
Percentual do gs
H2: 60%
Grande quantidade de H2, algum CH4,

com pequena quantidade de C2H6 e C2H4.
CO e CO2 podem ser comparados se a
celulose estiver envolvida.
Grande quantidade de C2H4, menor
quantidade de C2H6 algum a quantidade
de C2H4 e H2. Traos de CO e CO2.
H2: 85%
Grande quantidade de CO e CO2. Gases

hidrocarbonetos podem existir.
C2H2: 30%
CH4: 13%
C2H4: 63%
C2H6: 20%
CO: 92%
(CO)
Tabela 17 Critrio de Diagnstico do Mtodo do Gs Chave
2.7 Tringulo de Duval

Michel Duval, [Duval, 82, 89, 01, 02] desenvolveu na dcada de 1960 uma
tcnica de anlise que plota a concentrao de trs gases especficos, metano,
etileno e acetileno, dissolvidos no leo de transformadores que possibilita apontar as
possveis causas de falta incipiente, tais como arco eltrico e pontos quentes dentro
do transformador. Duval verificou que um nmero significativo de resultados da
anlise de gases dissolvidos no leo no se enquadrava nos cdigos do IEEE-IEC
no podendo assim ser diagnosticados. Este mtodo largamente usado na Europa
e Canad e pouco usado nos Estados Unidos, e nos pases da Amrica Latina, sia
e frica.
O tringulo de Duval no se aplica maioria dos transformadores a no ser

quando os trs gases explosivos citados aparecem juntos, caracterizando um
iminente perigo ao equipamento mesmo em concentraes moderadas.
42
O tringulo traado utilizando os dados histricos obtidos pela anlise de gases

dissolvidos no leo. O tipo de falta diagnosticado diretamente no grfico triangular
gerado.
Como usar:
1. Primeiramente determina-se a existncia do problema atravs da aplicao das
tcnicas das Razes de Rogers e de Dornenburg ou dos gases chave j descritos, e
ou a tabela 3 abaixo. Ao menos um dos gases hidrocarbonetos ou o hidrognio (H2)
devem estar na condio 3 do IEEE e o aumento da taxa de gerao (G2) da tabela
abaixo, antes que o problema seja confirmado. Para usar a tabela 17 a seguir sem o
mtodo do IEEE, ao menos um dos gases individuais deve estar no nvel L1 ou
acima e a taxa de gerao de gs ao menos em G2. Os limites L1 e as taxas de
gerao de gases da tabela 17 so mais confiveis que o mtodo do IEEE;
entretanto, deve-se usar ambos os mtodos para confirmar a existncia do
problema. Os passos para o diagnstico atravs do tringulo de Duval esto listados
na prxima pgina.
Figura 12 Tringulo de Duval

Onde:
PD = Descargas Parciais (corona)

T1 = Faltas Trmicas abaixo de 300 C (pontos quentes)
T2 = Faltas Trmicas entre 300 e 700 C (pontos quentes)
T3 = Faltas Trmicas Maiores que 700 C (pontos quentes)
D1 = Descarga de Baixa Energia (Centelhamento)
D2 = Descarga de Alta Energia (Arco Eltrico I > 20 In)
DT = Ocorrncia Simultnea de Falta Trmica e Arco
43
Gs
H2
CH4
C2H2
C2H4
C2H6
CO
CO2
Limite L1
100
75
3
75
75
700
7000
Limite G1
(ppm/ms)
10
8
3
8
8
70
700
Limite G2
(ppm/ms)
50
38
3
38
38
350
3500
Tabela 18 Limites e taxas de gerao de gases

Se houver um sbito incremento em H2 com somente monxido de carbono
(CO) e dixido de carbono (CO2) e pouco ou nenhum gs hidrocarboneto, usar a
razo CO2/CO abaixo para determinar se a isolao da celulose est degradada por
sobre aquecimento.
2. Confirmando a existncia do problema, usar a quantidade total de gases

acumulados do tringulo de Duval e plotar as percentagens do total no tringulo para
chegar a um diagnstico. Tambm, calcular a quantidade dos trs gases usados no
tringulo de Duval, gerados desde o incio do sbito incremento. Subtraindo o total
dos gases gerados desde o sbito aumento dos gases obtm-se a quantidade de
gases gerados desde o incio da falta.
a. Tomar a quantidade em partes por milho de metano (CH4) obtida da anlise de

gases dissolvidos no leo e subtrair a quantidade CH4 desde a primeira anlise de
gases, antes do aumento sbito de gases. Isto dar a quantidade de metano gerada
desde o incio do problema.
b. Repetir o processo para os dois gases restantes, etileno (C2H4) e acetileno (C2H2).
44
3. Adicionar os trs nmeros (diferenas) obtidos no passo dois do processo acima.

Isto representa 100% dos trs gases chave gerados desde o incio da falta.
4. Dividir cada diferena individual de gs pela diferena total dos gases obtidos no
passo 3 acima. Isto fornece o aumento percentual de cada gs em relao ao
aumento total.
5. Plotar o percentual de cada gs no tringulo de Duval, comeando do lado de um

gs em particular. Desenhar linhas paralelas atravs do tringulo para cada gs a
partir da marcas mostradas em cada lado do tringulo.
Na maioria dos casos o acetileno (C2H2) ser zero, e o resultado ser um ponto no
lado direito do tringulo de Duval.
2.8 Tcnicas modernas de deteco de faltas incipientes baseadas em IA

Os mtodos do gs chave, de Rogers e de Dornenburg so facilmente
computados e do bons resultados para o diagnstico para a preveno ou aps a
ocorrncia de faltas severas em transformadores mas podem ser pouco sensveis na
deteco de faltas. Entretanto so usados como guias para os sistemas inteligentes
baseados em inteligncia Artificial.
Tcnicas de inteligncia artificial tais como Sistemas Especialistas [Barret 89,

Lin, 93], Joseph, 94], Lgica Fuzzy [Dukarm, 93], [Tom 93], [Huang, 97], [Gao, 98],
[Yang, 98] e Redes Neurais Artificiais (ANN) [Dukarm, 93], [Sumit, 93], [Ding, 95],
45
[Zhang, 97], [Wang, 97, 98], [Yang 98 para assistir a anlise de gases dissolvidos em
leo tm sido bastante pesquisadas e utilizadas desde os anos 90.
2.8.1 Sistemas especialistas

Um Sistema Especialista um mtodo que fornece o diagnstico da falta e
sugestes para a manuteno. Os mtodos de anlise de gases dissolvidos no leo
formam a maior parte do sistema alm de outras regras de diagnstico que tm sido
desenvolvidas pelas indstrias. Informaes, tais como, o tipo de transformador,
nvel de tenso, tendncia de formao de gases, e histrico de manuteno so
tambm incorporados.
H um bom nmero de sistemas especialistas j desenvolvidos e em uso

pelas empresas de energia. A tabela a seguir lista trs deles como exemplos, dos
quais podemos resumir as trs ltimas funes que devero ser includas em um
sistema de diagnstico de faltas para transformadores de potncia: primeiro, o
mecanismo central de diagnstico incorpora vrios mtodos de anlise de gases
dissolvidos em leo; depois, um gerente especialista considera regras especiais; e
por fim, o consultor da manuteno prope a poca da prxima anlise e as aes
de manuteno que devem ser tomadas.
A eficcia de um sistema especialista depende da preciso e da extenso de

dados da base de conhecimento, que normalmente muito complicada e deve ser
construda manualmente. O maior problema com os sistemas especialistas que
estes no podem ajustar automaticamente as regras de diagnsticos, e assim no
46
podem adquirir conhecimento a partir de novas amostras de dados atravs de um

processo de auto-aprendizagem. Uma vez construdos so normalmente difceis de
ser atualizados.
Referncia
[BARRET, 89]
[LIN, 93]
[JOSEPH, 94]
Mtodos DGA
Razes de Rogers
IEC 599
Gs Chave
Caractersticas
Controle do estado da gaxeta e do aquecimento
Controle do contedo de gua e do aquecimento
Norma baseada na identificao do nvel de gases
suspeitos
Orientaes de manuteno baseadas na TDCG
Razes de Dornenburg Tendncia das razes, limites da norma, gs chave e
Razes de Rogers
outros especialistas considerados.
IEC599
Conjuntos fuzzy condicionados aos limites da norma,
anlises de razes limites e de gases chave.
Regras Heursticas de manuteno
Mtodo das razes
Limites da Norma
Anlise de tendncias histricas
Regras Heursticas de experincias
Banco de dados e acesso avanado a dados remotos
Recomendaes de manuteno
Tabela 19 Sistemas Especialistas para Diagnstico de Transformadores de Potncia

Um sistema especialista para o mtodo de Rogers pode ser implementado
por programao a partir de um fluxograma:
Figura 13 Fluxograma para diagnstico atravs do mtodo de Rogers

47
Ou para o mtodo de Dornenburg:
Figura 14 Fluxograma para diagnstico atravs do mtodo de Dornenburg
2.8.2 Lgica Fuzzy

A Lgica Fuzzy baseada na teoria dos Conjuntos Fuzzy. Esta uma
generalizao da teoria dos Conjuntos Tradicionais para resolver os paradoxos
gerados a partir da classificao verdadeiro ou falso da Lgica Clssica.
Tradicionalmente, uma proposio lgica tem dois extremos: ou completamente
verdadeiro ou completamente falso. Entretanto, na Lgica Fuzzy, uma premissa
varia em grau de verdade de 0 a 1, o que leva a ser parcialmente verdadeira ou
parcialmente falsa, permitindo assim incluir a impreciso ("fuzziness") nos processos
decisrios usando termos lingstico, tais como: alto, morno, ativo, pequeno, perto,
etc. o que caracteriza o grau de pertinncia varivel (valor que indica o grau em que
um elemento pertence a um conjunto).
48
A fora da Lgica Fuzzy deriva da sua habilidade em inferir concluses e

gerar respostas baseadas em informaes vagas, ambguas e qualitativamente
incompletas e imprecisas. Neste aspecto, os sistemas de base Fuzzy tm habilidade
de simular o raciocnio de forma semelhante dos humanos. Seu comportamento
representado de maneira muito simples e natural, levando construo de sistemas
compreensveis e de fcil manuteno.
Usando a teoria de inferncia fuzzy, pode ser construdo um conjunto fuzzy

baseado no diagnstico de faltas [Tom, 93]. O foco principal sintonizar as funes
de pertinncia baseadas nos mtodos e experincias da anlise de gases
dissolvidos no leo. Convencionalmente isto feito manualmente [Tom, 93, Dukarm
93], e depois automaticamente utilizando mtodos matemticos sofisticados como
computao evolucionria (evolutionary computing), algoritmos genticos,
apodizao adaptiva (adaptive pruning) [Huang, 97], [Yang, 98].
Dukarm [Dukarm, 93] verificou que uma abordagem utilizando tcnicas fuzzy e
sistemas de inferncia fuzzy se aplicariam aos mtodos de anlise de gases
dissolvidos j apresentados. Como os mtodos de diagnstico de Rogers e
Dornenburg baseiam-se em valores limiares, para que se possa aplicar a lgica
fuzzy juntamente com estes mtodos, as razes de gases so aplicadas a um
sistema de inferncia onde as funes de pertinncia associadas aos conjuntos
fuzzy so relacionadas s variveis consideradas. Para cada gs associado um
conjunto denominado Baixo, Mdio ou Alto de acordo com seu nvel de
concentrao no leo.
49
C2 H 4
C2 H 6
C2 H 2
C2 H 4
CH 4
H2
1.0
1.0
1.0
0.5
0.5
0.5
0.1
1.0
0.1
Razo metano/hidrognio
CH 4
H
2
1.0
3.0
Razo acetileno/etileno
C2H2
C H
2 4
3.0
Razo etileno/etano
C2H4
C H
2 6
Figura 15 Diagramas fuzzy para cada razo de gs
As regras so testadas conforme ilustra a figura abaixo sendo que a regra que
possuir maior grau de ativao ser associada ao diagnstico final.
CH 4
H2
C2H 2
R2 =
CH
4
R1 =
R3 =
Regra 1
SE R1 Baixo E R2 Mdio E R3 Baixo

ENTO TF 0
Regra 2
SE R1 Baixo E R2 Mdio E R3 Mdio

ENTO TF 1
Regra 3
SE R1 Mdio E R2 Mdio E R3 Alto

ENTO TF 8
C2H 4
C H
2 6
Vetor de entrada
Base de regras
Inferncia
Mandani
Processo de inferncia
Tipo de Falta
Diagnosticado
Sada
Figura 16 Sistema de inferncia para diagnstico de faltas em transformadores para Rogers
A sada fuzzy ser um dos tipos de falta classificados na tabela 20 [IEC 10A
53] recomendada pelo IEEE onde L, M, e N so os conjuntos fuzzy Baixo, Mdio e
Alto.
50
Razo de Gases Caractersticos

Cdigo de Faixas de Razo
C2H2/C2H4
< 0.1
0 (L)
CH4/H2
C2H4/C2H6
1 (L)
0 (L)
0.1 a 1.0
1 (M)
0 (M)
0 (L)
0.1 a 3.0
1 (M)
2 (H)
1 (M)
> 3.0
2 (H)
2 (H)
0 (L)
Cdigo da
Tipo de Falta Caracterstica
Falta
0
Operao Normal
0 (L)
0 (M)
0 (L)
Falta Trmica de Baixa
0 (L)
0 (M)
1 (M)
0 (L)
2 (H)
0 (L)
0 (L)
2 (H)
1 (M)
0 (L)
2 (H)
2 (H))
0 (L)
1 (L)
0 (L)
1 (M)
1 (L)
0 (H)
0 (M)
1-2 (M-H)
0 (M)
2 (H)
Intensidade < 150oC

2
Falta Trmica de Baixa

Intensidade 150o a 300oC
Falta Trmica de Mdia

Intensidade 300o a 700oC
Falta Trmica de Alta

Intensidade > 700oC
Descargas Parciais de Baixa

Intensidade
Descargas Parciais de Alta

Intensidade
Descargas de Baixa
1-2 (M-H)
Intensidade
8
Descargas de Alta
1 (M)
Intensidade
Tabela 20 Cdigo para Gases Dissolvidos em leo Mineral IEC 10A 53
51
2.8.3 Redes neurais
Dukarm tentou usar redes neurais artificiais (ANN) para o diagnstico de faltas
em transformadores no incio dos anos 90 sem seguir adiante, provavelmente devido
falta de qualidade dos dados [Dukarm, 93].
Houve alguns estudos ao final dos anos 90 [Esp, 98], [Yang, 98], [Gao, 98],
mas foram atividades separadas que no constituram uma sria considerao do
problema.
Em meados dos anos 90 iniciaram-se esforos de pesquisa na Universidade

de Tecnologia da Virgnia, [Ding, 95], [Zhang, 96], [Zhang, 97], [Wang, 97], [Wang,
98]. Estes esforos incluram no s estudos metodolgicos, mas tambm coleta de
dados e testes industriais. Como resultado, um sistema de diagnstico foi
desenvolvido com tecnologias ANN e um sistema especialista [Wang, 98].
Uma importante vantagem baseada no diagnstico de faltas ANN que ele

pode aprender diretamente a partir de amostras de treinamento, e atualizar seus
conhecimentos quando necessrio. A alta capacidade de mapeamento no linear
dos neurnios garante um desempenho quase sempre superior s solues dos
sistemas fuzzy. A complexidade computacional das ANN no to grande, no
processo de teste (diagnstico). Como este mtodo o proposto para o
desenvolvimento desta dissertao, ser mais extensamente tratado no prximo
captulo.
52
2.8.4 Sistemas hbridos

Buscando obter melhor desempenho dos sistemas inteligentes de
diagnsticos vrios pesquisadores tm desenvolvido sistemas hbridos que
combinam dois ou mais mtodos de IA para a soluo de diagnsticos complexos
para faltas em transformadores isolados com leo isolante. Encontramos na
literatura a combinao de sistemas especialistas e lgica fuzzy, sistemas
especialistas e redes neurais, redes neurais e lgicas fuzzy, algoritmo gentico e
redes neurais e outras associaes. Porm todos utilizam os resultados e dados dos
mtodos tradicionais e o conhecimento de especialistas como dados de entrada
para estes sistemas.
53
Captulo 3 Redes Neurais
CAPTULO 3
3. Redes Neurais Artificiais
3.1 Introduo
H mais de meio sculo o homem busca modos de resoluo de problemas

cotidianos, extremamente complexos ou nem tanto, atravs de mtodos que tentam
imitar o funcionamento do crebro biolgico. Aps o surgimento da eletrnica e
principalmente como o seu desenvolvimento, era natural esperar do ser humano a
busca de uma simulao do funcionamento do crebro, atravs da construo de
circuitos que tentassem imitar suas funes. Neste captulo pretendemos apresentar
as caractersticas das chamadas Redes Neurais Artificiais (RNA), que so modelos
matemticos inspirados no sistema nervoso biolgico, e como elas podem ser
utilizadas para o diagnstico de problemas. Redes Neurais uma sub-especialidade
da Inteligncia Artificial (IA) tambm chamada de Sistemas Inteligentes. Um sistema
inteligente deve ser capaz de adaptar-se a novas situaes, realizar interaes,
entender relaes entre fatos, descobrir significados, reconhecer padres e aprender
com base em sua experincia. No prximo captulo iremos implementar uma
concepo de rede neural visando agilizar o diagnstico de falhas incipientes em
transformadores imersos em leo isolante.
54
3.2 Histrico
O homem estuda o crebro h vrias centenas de anos tentando entender o

seu funcionamento. Mas foi em 1943 que um neurologista americano chamado
Warren McCulloch e um matemtico de nome Walter Pitts escreveram o possvel
funcionamento dos neurnios modelando uma rede neural simples atravs de
circuitos eletrnicos. Donald Hebb em seu livro intitulado Organization of Behaviour
reforou este conceito apontando as interligaes neuronais e aplicabilidade e cada
vez so mais usadas.
Nathanial Rochester da IBM, partir do advento dos computadores nos anos

50, foi o primeiro a tentar simular o funcionamento neuronal tentando modelar o
rudimento destas teorias. A primeira tentativa foi frustrante, mas tentativas
posteriores, bem mais tarde tiveram sucesso. A nfase no desenvolvimento da
computao da poca deixou o problema em segundo plano. Mas em 1956 o projeto
de pesquisa de vero em Inteligncia Artificial do Dartmouth College deu um grande
impulso tanto inteligncia artificial ou AI, como era conhecida na Indstria, quanto
s redes neurais estimulando a pesquisa.
Nos anos seguintes, John von Neumann sugeriu imitar o funcionamento de

um neurnio simples utilizando rels telegrficos e vlvulas. Tambm Frank
Rosenblatt, um neuro-biologista da Universidade de Cornell comeou a trabalhar em
um projeto conhecido por Perceptron. Ele estava intrigado com o processo de vo de
uma mosca, pois parecia este estar ligado ao olho dela. O resultado desta pesquisa,
55
o Perceptron, foi o hardware por ele construdo a rede neural mais antiga e que
utilizada at hoje.
Em 1959, Bernard Widrow e Marcian Hoff da Universidade de Stanford

desenvolveram modelos chamados de Adaline e Madaline (Multiple ADAptive LINear
Elements). A primeira rede neural aplicada a um problema real, foi a Madaline
simulando um filtro adaptivo que eliminava ecos em linhas telefnicas e atualmente
ainda usada.
Infelizmente o potencial das redes neurais foi exagerado pelas pessoas e

devido limitao da eletrnica e o excesso de literatura ficcional, atravs de livros
como os de Isaac Asimov e suas mquinas pensantes que sugeriam a substituio
do ser humano por robs e do filme 2001 Uma Odissia no Espao, trouxe
desapontamentos tanto populao quanto aos meios acadmicos, deixando a
indstria de financiar as necessrias pesquisas para continuar o desenvolvimento
nesta rea do conhecimento. Alm disso, Minsky e Pappert publicaram em 1969 um
livro intitulado Perceptrons onde provavam que as estruturas utilizadas nos
dispositivos da poca eram incapazes de aprender regras lgicas to simples quanto
do OU exclusivo.
Este perodo obscuro da computao durou at. Em 1982 John Hopfield

apresentou um artigo na Academia de Cincias que no era um simples modelo do
crebro, mas criava dispositivos teis. Atravs de anlise matemtica ele mostrou
como as redes poderiam trabalhar e o que elas poderiam fazer. Ao mesmo tempo
56
uma conferncia em Kyoto no Japo anunciou a quinta gerao de computadores o

que levou a imprensa dos Estados Unidos a questionar um possvel atraso na
corrida do conhecimento. Isto produziu um novo fluxo de investimentos em
pesquisas explorando diversas possibilidades de aplicao foram exploradas, como
por exemplo, em otimizao, em reconhecimento de padres, etc., com resultados
bastante encorajadores.
Em 1986 Rumelhart e McClelland, Hinton e Willians [Rumelhart, 86 ]

explicaram um algoritmo de aprendizagem chamado de Backpropagation para redes
do tipo Perceptron com estrutura multicamadas que colocou a rea de Redes
Neurais Artificiais com uma das prioritrias na obteno de recursos. partir de
ento, com o desenvolvimento de vrios projetos financiados principalmente pelo
Departamento de Defesa dos Estados Unidos, as discusses sobre as redes neurais
tm-se ampliado e o anncio de novas aplicaes tm sido freqentes
principalmente na indstria e constituem uma teoria para estudo de problemas ou
fenmenos complexos.
Hoje, um dos fatores limitantes das pesquisas o desenvolvimento de hardware e

de software. Na tentativa de que os projetos saiam dos laboratrios para coloc-los
em uso, busca-se implementar os prottipos em neuro-chips analgicos, digitais e
ticos, sendo que estes ltimos tm-se revelado como os mais promissores.
57
3.3 Caractersticas bsicas de uma Rede Neural (RN)
Como j foi dito, as RNA so modelos matemticos inspirados no sistema

nervoso, o que as torna diferentes da computao convencional, cuja funo
determinada pelas conexes entre seus elementos. um processador distribudo
que tem como tendncia natural armazenar o conhecimento e torn-lo disponvel
para uso [Arbib, 2002].
Figura 17 Neurnio biolgico

O elemento mais bsico do crebro humano um tipo especfico de clula
chamado neurnio que tem a habilidade de lembrar, pensar e aplicar experincias
anteriores nas mais diversas aes. Estima-se que o crebro possua
aproximadamente 10 bilhes de neurnios. Cada neurnio pode conectar-se a
outros milhares atravs de um processo fsico-qumico chamado sinapse. A
quantidade destas clulas especialistas e o nmero de conexes entre elas
determinam o potencial do crebro. O crebro tem receptores sensoriais de entrada
e neurnios motores para a sada. No ser humano h entre sete e um milhar de
classes diferentes de neurnios j identificadas.
58
O sistema nervoso responde quase imediatamente a estmulos que so

produzidos pelos neurnios na forma de impulsos eltricos e formam a bases
estrutural e funcional deste sistema. H vrias formas de neurnios cada um com
uma aparncia fsica diferente.
Neurnios so pequenas massas de citoplasma com um ncleo central. Um

sistema capilar filamentos citoplsmicos - interligados aos neurnios e chamados
de dendritos conduz os impulsos eltricos atravs das clulas do corpo humano,
com uma simples e longa fibra chamada axnio que so a via de conduo dos
impulsos eltricos. Alguns axnios so cobertos com um revestimento de mielina
recoberto por clulas de Schwann que tambm participam de sinapses.
A fibra nervosa tem a propriedade especial de transmitir impulsos eltricos

muito rapidamente atravs de todo seu comprimento e pass-los prxima clula
nervosa interligada. O corpo da clula normalmente est no crebro ou na coluna
vertebral enquanto que o axnio ou dendrito estende-se at o rgo em questo, por
exemplo, desde a base da espinha at o dedo do p. O axnio possui uma carga
eltrica que liberada quando o nervo estimulado e carregada novamente antes
que o prximo impulso seja enviado. Clulas nervosas geralmente enviam impulsos
em somente uma direo.
Um simples impulso pode no ser feito atravs de sinapse podendo ser

constitudo por uma rpida sucesso de dois ou trs impulsos vindos por um
dendrito ou talvez por dois ou mais para iniciar a descarga para o prximo neurnio.
O corpo de uma clula individual pode ter sinapses vindas de fibras prximas e
atravs das sinapses que as diferentes partes do corpo e do crebro so mantidas
59
em comunicao. Por causa da enorme possibilidade de interconexes e desde que

a chegada de impulsos simultneos a uma clula pode estimular ou inibir a
retransmisso de um impulso subseqente, a sinapse provavelmente a unidade
bsica de sada do processador do sistema nervoso central, tornando possvel uma
efetiva coordenao e aprendizagem.
Uma Rede Neural Artificial (RNA ou ANN) funciona de maneira similar aos
neurnios do crebro onde a rede atravs do processo de aprendizagem adquire
conhecimento e as foras de conexo interneural conhecidas como pesos sinpticos
so usadas para armazenar o conhecimento. Redes neurais assim uma nova
tcnica de processamento de informao. So simulaes de sistemas nervosos
vivos e baseados em computador que operam de forma bem diferente da
computao convencional.
Assim, uma rede neural uma rede de neurnios ou Elementos de

Processamento (PEs) e conexes ponderadas. As conexes correspondem aos
axnios e os pesos s sinapses no crebro biolgico. A PE realiza duas funes. Ela
soma as entradas vidas de vrias conexes e ento aplica a funo de transferncia
soma. O valor resultante propagado atravs de conexes de sada para outros
PEs. Tipicamente esses PEs esto arranjados em camadas; Com a camada de
entrada recebendo inputs do mundo real e cada layer sucessiva recebendo sadas
ponderadas da layer precedente como inputs. Da a criao da rede neural
feedforward onde cada input alimenta a layer que sucede. A primeira e a ltima layer
nessa configurao de rede neural so tipicamente referidas como layer de entrada
e de sada. (Elementos de processamento de layers de entrada no so
verdadeiramente PEs j que no executam uma computao na entrada.)
60
Quaisquer layers entre as layers de entrada e sada (usualmente uma ou

mais) so chamadas de layers escondidas ou hidden layer porque no tm contato
com dados de entrada ou de sada do mundo real.
Figura 18 Exemplos de Rede Neural Artificial

Esta estrutura , porm, bem diferente daquela dos computadores a que
estamos acostumados a usar desde os anos 40. As redes neurais so compostas
no de uma ou duas, mas de muitas unidades de processamento que so
conectadas entre si formando a rede.
Seu poder computacional depende do trabalho conjunto das muitas tarefas

isto chamado, algumas vezes de processamento paralelo. No h uma CPU
central seguindo uma seqncia lgica de regras ao contrrio, no h um conjunto
de regras ou programas como nos computadores.
O neurnio artificial ou elemento de processamento, ou ainda, unidade de

processamento um simples dispositivo capaz de calcular o somatrio de N
entradas ponderadas, cujo resultado passa atravs de uma funo no-linear.
Basicamente, este dispositivo caracterizado por um offset ou limiar interno e por
algum tipo de funo no-linear, como mostra a figura.
61
O corpo das clulas dos neurnios soma os sinais que chegam dos dendritos.
Um neurnio particular enviar um impulso para seu axnio se os sinais recebidos
na entrada forem suficientes para estimular o neurnio a certo nvel. Se as entradas
no atingirem este nvel ou limiar a entrada decair e no gerar qualquer ao.
A sada Y do dispositivo funo do somatrio das entradas x1, x2, ...xn-1,

ponderadas pelos pesos w1, w2, ...wn-1 menos o offset .
n
y = ( X iWi ) k
i =1
Figura 19 Representao de um neurnio artificial
Os valores x1 ,x2 ,x3 ,..,xn so os valores de entrada da rede. Os valores w1

,w2 ,w3 ,..,wn so pesos associados a cada n para determinar a intensidade do
vetor linha de entrada.
Cada entrada multiplicada pelo peso associado conexo do neurnio xiwi.

Dependendo da funo de ativao, se o peso positivo, xiwi normalmente excita o
n de sada; diferentemente, para pesos negativos, xiwi tende a inibir o n de sada.
62
O valor de , tambm chamado vcio ou limiar, tem a finalidade de aumentar

o nmero de graus de liberdade do modelo, permitindo um aumento na capacidade
da rede neural para se ajustar ao conhecimento que lhe fornecido. Ele afeta a
ativao do n de sada Y.
3.4 A funo de ativao de uma RNA
Um dos mais influentes pesquisadores em sistemas neurolgicos (Donald

Hebb) props que a aprendizagem consiste, principalmente, da intensidade das
conexes sinapticas.
Uma funo de ativao executa uma operao matemtica no sinal de

sada. Funes de ativao mais sofisticadas podem tambm ser utilizadas
dependendo do tipo de problema a ser resolvido pela rede. Normalmente so
usadas:
Funo linear
Funo degrau
Funo sigmoidal
Figura 20 - Tipos de funo mais comuns aplicadas s Redes Neurais Artificiais
A sada de funo sigmoidal a funo mais comum de ativao utilizada em

redes neurais:
f (x ) =
1
x
1+ e
,0 f ( x ) 1
Onde define a forma de f(x)
Normalmente a sada depende da funo de ativao escolhida. Entretanto,

se no se quiser ter um bias em um neurnio em particular, ele pode ser omitido.
63
Tipicamente a funo de transferncia escolhida pelo projetista e os

parmetros so ajustados de acordo com uma regra de aprendizagem que as
relaes de sada entrada/sada encontram para um caso especfico.
3.5 Treinamento e classificao de uma RNA

Redes Neurais Artificiais, como as pessoas, aprendem a partir de exemplos.
Backpropagation uma das possveis regras de aprendizagem para ajustar as
conexes dos pesos durante a aprendizagem por exemplos. A aprendizagem ocorre
quando os pesos da rede so ajustados como uma funo do erro encontrado na
sida da rede. O erro a diferena entre a sada esperada e a sada normal. Os
pesos so ajustados para trs (propagados para trs) atravs da rede neural at que
o erro esteja minimizado para o conjunto de dados de treinamento.
Existem diversos tipos de RNA e diferentes maneiras de classific-las. Talvez

a mais importante seja quanto forma de aprendizado que pode ser supervisionada
e no supervisionada.
No aprendizado supervisionado so sucessivamente apresentadas rede

conjuntos de padres de entrada e seus correspondentes padres de sada. Durante
este processo, a rede realiza um ajustamento dos pesos das conexes entre os
elementos de processamento, segundo uma determinada lei de aprendizagem, at
que o erro entre os padres de sada gerados pela rede alcance um valor mnimo
desejado. Por exemplo, perceptron, adaline e madaline, backpropagation so
algumas dentre as dezenas de leis de aprendizagem supervisionada.
64
No aprendizado no-supervisionado a rede analisa os conjuntos de dados

apresentados a ela, determina algumas propriedades do conjunto de dados e
aprende a refletir estas propriedades na sua sada. A rede utiliza padres,
regularidades e correlaes para agrupar os conjuntos de dados em classes. As
propriedades que a rede vai aprender sobre os dados podem variar em funo do
tipo de arquitetura utilizada e da lei de aprendizagem. Por exemplo, Mapa AutoOrganizvel de Kohonen, Redes de Hopfield e Memria Associativa Bidirecional, so
alguns mtodos de aprendizado no-supervisionado.
Essencialmente o aprender de redes neurais consiste em colocar valores de

conexes sinpticas. Em alguns casos estes valores so colocados representando
certo conhecimento, como no caso usado em sistemas especialistas. Em outros se
usa um algoritmo para encontr-los. A este algoritmo chama-se algoritmo de
aprendizagem.
A lei de Hebb talvez a mais antiga regra de aprendizagem usada. Uma

extenso desta lei : Ajuste a intensidade da conexo entre os neurnios A e B de
uma quantidade proporcional ao valor da ativao simultnea dos dois neurnios.
Se, no entanto A tenta excitar B e no consegue a conexo enfraquecida.
Uma caracterstica importantssima da lei de Hebb que ela goza da propriedade

de localidade. Isto significa que para alterar o valor de uma conexo sinaptica
apenas informaes locais sinapse em jogo so usadas dando plausibilidade
biolgica ao algoritmo. A expresso usada na Lei de Hebb muito simplificada. Com
efeito, considerando uma sinapse real tem-se:
wij = ai aj
65
O valor da modificao da intensidade da conexo sinaptica para mesmas

excitaes dos neurnios envolvidos pode variar com o tempo. A modificao da
intensidade da conexo sinaptica wij de wij pode depender de wij o que ser um
efeito no linear (anteriormente tem-se um sistema bi-linear por apresentar um
produto de duas intensidades). Isto ocorre como um efeito de saturao do valor de
conexo sinaptica. Pode-se imaginar que a modificao da intensidade da conexo
sinaptica dependa tambm de neurnios vizinhos.
Um modelo um pouco mais completo seria:

wij = (xi, di, wij , oj , t)
Note-se que di no local sinapse, mas local com relao ao neurnio i.
Uma expresso um pouco mais simples seria obtida com a funo

dependendo da diferena entre a excitao real do neurnio i e a que seria
desejada.
Com isto tem-se a Regra de Widrow-Hoff ou Regra Delta que pode ser
expressa como:
wij = (di xi)oj
Nesta regra de aprendizado toda a informao necessria modificao de

uma sinapse local sinapse, sendo portanto um regra de aprendizado plausvel.
A retro-propagao ou backpropagation pode ser considerada como a da

Regra Delta generalizada para redes diretas com mais de duas camadas.
66
No aprendizado competitivo, usado nas redes popularizadas por Kohonen,

neurnios so inibidos por outros neurnios de modo a que a competio entre eles
leva apenas um deles acabar excitado. Assim, enquanto uma rede neural baseada
em um aprendizado Hebbiano, vrios neurnios de sada podem estar
simultaneamente ativos, no caso do aprendizado competitivo, somente um neurnio
de sada fica ativo de cada vez. Fundamentalmente existem trs elementos que
caracterizam o aprendizado competitivo:
1. Existe um conjunto de neurnios idnticos, ligados por valores de conexes
sinapticas de valores distribudos de modo aleatrio.
2. Existe um valor mximo bem definido para a ativao dos neurnios.
3. Existe um mecanismo que permite que os neurnios entrem em
competio pelo direito de permanecerem excitados.
No aprendizado competitivo entradas possuindo alguma semelhana tendem

a excitar o mesmo neurnio na sada.
Existem ainda o Aprendizado Reforado ou Reinforcement learning consiste

no aprendizado atravs do mtodo da tentativa e erro de modo a otimizar um ndice
de performance chamado sinal de reforo. O Aprendizado Aleatrio quando os
passos no sentido de se obter o comportamento aprendido se baseiam em valores
tomados aleatoriamente que so testados para verificar sua adaptabilidade. O
Aprendizado Evolutivo que o paradigma de aprendizado que, tirando inspirao da
evoluo biolgica capaz de modificar a topologia e os valores das conexes
sinapticas de modo a fazer uma rede se tornar apta a resolver um problema.
67
Uma rede neural treinada, isto , a uma rede que aprendeu por exemplos,
pode ser aplicada a problemas do mundo real de enorme complexidade. Sua
vantagem mais importante processar dados muito complexos para as tecnologias
existentes - problemas que no tm uma soluo algortmica ou para os quais este
tipo de soluo complexo demais para os dados existentes.
Em geral, devido a sua abstrao do crebro biolgico, as redes neurais

artificiais so ajustadas aos problemas aos quais as pessoas so boas para resolver,
mas computadores nem tanto. Essa classe de problemas inclui o reconhecimento de
padres a previso de tempo e o reconhecimento de tendncias nos dados.
3.6 Perceptron Multilayer
MLPs ou perceptrons multilayers so arranjos multicamadas de elementos de

processamento no lineares.
Figura 21 - Perceptrons multicamadas

Um arranjo com somente uma layer de entrada e uma de sada chamada
simplesmente de perceptron.
68
Uma rede encadeada para frente ou feedforward consiste de um nmero de

neurnios conectados por links divididos em duas layers. Um conjunto de dados
entrada aplicado de fora da rede ou de uma layer anterior.
A figura a seguir ilustra uma rede encadeada para frente ou feedforward com
duas camadas.
inputs
layer 1
w1(1,1)
p(1)
a1(1)
w1(1,1)
a2(1)
p(R)
.
.
b1(3)
w1(S1,R)
a2(2)
b2(2)
b1(2)
p(3)
a2(1)
b2(1)
b1(1)
p(2)
outputs
layer 2
a2(S1)
.
.
a2(3)
b2(3)

w1(S1S2,)
b1(S1)
a1 = 1(w1.p1+b1)
a2 (S2)
.
.
b2(S1)
a2 = 2(w2.a1+b2)
Figura 22 Configurao de uma rede Perceptron Multi-Camada

Quando estruturamos uma rede MLP para um objetivo especfico, geralmente,
os valores assumidos pelos pesos so aleatrios ou zerados.
Quando falamos em aprendizado, no estamos sendo to abrangentes

quanto o processo de aprendizado referente ao ser humano o .
69
Em uma rede MLP, o processo de aprendizado se restringe a uma espcie de

treinamento por inibio e reforo, onde penalizamos a rede se a mesma estiver
fora do padro requerido ou a elogiamos quando est dentro do padro.
Em outras palavras, o aprendizado estabelece valores para os pesos de

forma a dar rede um sentido de processamento. Se voc entra com dados em uma
rede no treinada, a sada aleatria e no previsvel.
medida que mostramos rede um padro de entrada (amostragem),

mostramos tambm como deve ser o resultado na sada da rede.
Cada entrada dos neurnios de entrada ento multiplicada por um peso w.

A soma das entradas ponderadas e o bias b formam a entrada n para a funo de
transferncia . Neurnios podem usar qualquer funo diferencial monotnica
crescente para gerar suas sadas.
As redes Back-propagation freqentemente usam as funes de transferncia

log-sigmoidal e tan-sigmoidal. Para cada neurnio da primeira camada, o neurnio
da camada de sada dado por:
a1 = 1(w1.p + b1)
e a sada da segunda layer :
a2 = 2(w2.a1 + b2) = 2((w1.p + b1) + b2)

onde p a entrada da primeira layer; 1 e 2 so as funes de transferncia, b1 e
b2 so biases e w1 e w2 so os pesos das conexes da primeira e segunda layer
70
respectivamente para cada um deles. A rede treinada para aprender as relaes

entre as entradas e as sadas esperadas.
Para o treinamento, um nmero par de padres de entrada p e de alvos t

apresentado rede neural e ento solicitado rede o ajuste dos pesos em todos
os links de conexes e tambm para os biases nos ns tal que os padres de sada
desejados so produzidos para os ns de sada.
As redes neurais podem ser divididas em duas classes: rede supervisionadas

e no supervisionadas. Redes neurais supervisionadas, tais como o perceptron,
usam o algoritmo de treinamento, o que significa que os dados de entrada e sada
so necessrios durante a fase de treinamento. O algoritmo de treinamento mais
comum o backpropagation. A grande maioria das redes neurais artificiais
treinada com superviso. Neste modo, a sada normal da rede comparada sada
desejada. Pesos, que normalmente iniciam com valores aleatrios, so ajustados
pela rede de modo que, na prxima iterao, ou ciclo, produzir um valor mais
prximo entre a entrada desejada e a sada atual. O mtodo de aprendizagem tenta
minimizar os erros correntes de todos os elementos do processamento. Esta
reduo do erro global criada pela continua modificao dos pesos de entrada at
que uma preciso aceitvel da rede alcanada.
Por outro lado, redes neurais no supervisionadas, tais como a rede de

Kohonen, requer somente dados de entrada para ser treinada. Elas auto-organizam
os dados de entrada, de acordo com uma mtrica de similaridade que permite a rede
aprender sem saber a resposta correta.
71
Certos modelos tericos de redes neurais tm sido analisados de modo a que

permitem certas propriedades tais como sua mxima capacidade de armazenamento
ser calculada independentemente de qualquer algoritmo de treinamento.
3.7 Definio do Modelo, Topologia e Parmetros da RN
A seleo das caractersticas de entrada um primeiro passo essencial para

a configurao de uma RNA. Deve ser uma escolha muito cuidadosa de modo que
estas entradas refletiro as caractersticas do problema. Uma outra tarefa importante
no projeto de uma RNA a escolha da topologia da rede.
Isto feito experimentalmente atravs de processos repetitivos para otimizar
o nmero de ns e de layers escondidas de acordo como o processo de treinamento
e da preciso desejada.
O nmero de neurnios da layer de entrada deve ser igual ao nmero de
dados de entrada e o nmero de neurnios na layer de sada normalmente
definido de acordo com o nmero de variveis de controle.
A figura ao lado ilustra um exemplo

de uma rede com 9 inputs, uma camada
escondida com 8 neurnios e 9 outputs:
Figura 23 - Exemplo de uma rede neural artificial

72
3.8. O futuro das Redes Neurais Artificiais
As redes nem sempre levam a resultados com grande preciso. por isso que as
redes se aplicam onde humanos no so capazes de obter resultados com preciso.
As redes neurais precisam de hardware muito rpido. Cada vez mais tomam parte
de sistemas hbridos que utilizam lgica fuzzy e sistemas especialistas, quando no,
tambm, sistemas evolucionrios.
73
Captulo 4 Aplicao de Redes Neurais no Diagnstico de Falhas Incipientes
CAPTULO 4
4. APLICAO DE REDES NEURAIS NO DIAGNSTICO

DE FALHAS INCIPIENTES
Redes neurais artificiais so sistemas inspirados nos neurnios biolgicos e

na estrutura massivamente paralela do crebro, com capacidade de adquirir,
armazenar e utilizar conhecimento experimental. Tipicamente consistem em
centenas de unidades simples de processamento interligadas, formando uma rede
de comunicao complexa.
Cada unidade ou n da rede um modelo simplificado de um neurnio

biolgico que dispara (envia um novo sinal) se ele recebe um forte sinal de entrada
vindo de outros ns aos quais est conectado.
Uma tarefa importante no projeto de uma Rede Neural a escolha da

topologia da rede, isto , os nmeros de camadas e os nmeros de neurnios por
camada.
Isto feito experimentalmente atravs de processos repetitivos e tcnicas

construtivistas para otimizar o nmero de ns e de layers escondidas de acordo
como o processo de treinamento e da preciso desejada.
4.1 Topologia
A topologia ou estrutura da RNA que usamos a de uma rede neural com

uma s camada escondida.
A seleo das caractersticas de entrada um primeiro passo essencial. Deve

ser uma escolha muito cuidadosa de modo que estas entradas refletiro as
caractersticas do problema.
O nmero de neurnios da layer de entrada ser igual ao nmero de dados

de entrada e o nmero de neurnios na layer de sada ser definido de acordo com
o nmero de variveis de controle as respostas desejadas.
No meu caso, cinco gases chave precursores de falhas em transformadores,

H2, CH4, C2H6, C2H4 e C2H2, so os escolhidos como caractersticas de entrada.
Inputs: As entradas da rede sero, pois, vetores com as concentraes de H2,

CH4, C2H2, C2H4 e C2H6 em ppm. Outputs: As sadas que queremos so os tipos de
faltas que aquelas entradas podem resultar, ou seja, faltas trmicas ou sobre
aquecimento, descargas parciais, arco eltrico, ou ainda faltas no identificadas,
alm da sada normal - caso os dados de entrada no impliquem em falha no
transformador.
75
Figura 24 Associao de gases e tipos de faltas
Hidden layer: A utilizao de um grande nmero de camadas escondidas no

recomendada. A grande maioria dos problemas de classificao de padres utiliza
somente uma quando muito duas camadas escondidas. Aqui fez-se uso de apenas
uma.
O nmero de neurnios na camada escondida geralmente definido de modo

emprico. Se forem utilizados neurnios demais, pode-se levar a rede a memorizar
os dados do treinamento (overfitting ) ao invs de extrair as caractersticas gerais
que permitiro a generalizao.
Neurnios a menos, podem forar a rede a gastar tempo em demasia

tentando encontrar uma representao tima e assim a rede pode no convergir
durante o seu treinamento (underfitting).
76
Pode-se definir este nmero como sendo a mdia geomtrica entre o

tamanho da entrada e o tamanho da sada ou nmeros que podem variar de 2n+1 a
2 0.5+1 [Fletcher et Goss, 91] ou igual a 3n onde n o nmero de camadas de
entrada ou de sada. Assim, poderamos ter 5, 11 ou 15 neurnios.
Obteve-se experimentalmente a rede dessa dissertao e verificou-se que a

topologia que teve o melhor desempenho, isto , convergiu mais rapidamente com
menor erro e menor nmero de pocas para o conjunto de dados disponveis no
estudo foi a rede com 11 neurnios. Assim:
falta no identificada
H2
CH4
C2H6
normal
sobreaquecimento
C2H4
C2H2
descargas parciais
arco eltrico
Figura 25 Topologia da rede utilizada na dissertao

Taxa de treinamento: Configuramos para o valor 1.
Momentum: ou fator de amortecimento feito igual a 0.9.
77
Dados de entrada: So as concentraes dos gases encontradas no ensaio

cromatogrfico da anlise das amostras colhidas ao longo da vida do transformador
(treinamento) ou na amostra suspeita (rede em uso normal). A figura seguinte ilustra
como exemplo, 10 dos padres usados no treinamento.
Concentraes dos gases chave em ppm:
Padres
1
2
3
4
5
6
7
8
9
10
H2
101
105
170
1245
99
300
321
316
516
534
CH4
125
348
310
400
230
300
349
342
508
508
CO
100
50
50
100
191
120
100
0
100
85
CO2
1160
1000
4000
370
5930
1300
1070
0
1160
1050
C2H4
121
383
340
247
164
350
388
374
639
598
C2H6
32
93
83
28
212
55
64
58
98
91
C2H2
24
1
0
322
0
12
43
14
23
22
TDCG
1663
1980
4953
2712
6826
2437
2335
1104
3044
2888
Tabela 21 - Exemplo de concentraes de gases usadas no treinamento da rede
Nesta tabela esto apresentadas tambm as concentraes de monxido e

de dixido de carbono, pois na comparao que fiz com outros mtodos utilizamos
essas concentraes para obter diagnsticos de sobre aquecimento, devidos
degradao do leo ou da celulose ou de ambos. Da mesma forma apresentou-se
na coluna TDCG total de gases combustveis dissolvidos o total dos gases
dissolvidos para determinar o percentual de cada gs em funo do TDCG para
avaliar o mtodo do gs chave que usado como comparao nos resultados da
tabela 24.
As concentraes, para efeito de normalizao, devem ser divididas por 1000,

pela mdia de cada gs ou pelo maior valor de concentrao de cada gs antes de
serem fornecidas rede, pois os valores de entrada devem estar entre 0 e 1.
78
Pesos: So valores aleatrios usados para determinar a intensidade do vetor

de entrada.
Bias: entrada de valor unitrio multiplicada por valores aleatrios ajustados

durante o processo de treinamento. Tem a finalidade de aumentar o nmero de
graus de liberdade do modelo, permitindo um aumento na capacidade da rede
neural para se ajustar ao conhecimento que lhe fornecido.
Transfer function: tangent sigmoid (tansig), a funo mais comum de

ativao utilizada em redes neurais.
f(x)
f ( x ) = tanh( .x) =
e x e x
ex + e x
1 f ( x) 1
x
Figura 26 Funo do tipo sigmoidal
4.2. Treinamento da Rede Neural
Por muitos anos no houve um algoritmo ideal para o treinamento de RNA

multi-layer, e assim, as aplicaes de uma rede eram bastante limitadas.
A inveno do algoritmo Backpropagation desempenhou um papel vital no

ressurgimento do interesse nas RNAs. Back-propagation um mtodo sistemtico
de treinamento das RNA multi-layer. Ele tem uma forte base matemtica.
79
Testei essa rede com os algoritmos do MatLab, o de Levenberg Marquardt

(trainlm), [Shoureshi et al., 2001] - por ser o que apresenta melhores resultados no
trato de problemas no lineares e o de Sejnowski e Rosenberg [Sejnowski et
Rosenberg, 86] cujo mtodo implementa o tempo de treinamento do algoritmo
backpropagation para o caso de funo de ativao tangente sigmide. Os
resultados foram semelhantes.
4.3. Resultados
Em geral, a sada a1 da rede no ser a mesma do alvo ou valores desejados

t. Para cada padro, a soma dos quadrados do Erro :
SEE =
1
|| t a 2 || 2
A principal meta do algoritmo back-propagation (BP) ajustar os pesos w das

conexes e os biases b para minimizar o erro entre a sada desejada e a sada
normal da rede. Uma aproximao comum para atingir esta meta a regra delta
generalizada. O erro mximo obtido foi 0.0029.
Utilizou-se 300 padres para treinar a rede e testou-se 20 que esto tabelados a
seguir acompanhados dos resultados de sada da rede:
80
Padres
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
H2
4
370
382
3998
83
105
94
60
190
110
48
318
338
114
2
21
37
59
13
800
CH4
140
75
96
581
350
43
36
74
1100
910
43
337
32
1417
4
34
75
339
10
1393
CO
510
700
786
136
800
620
680
690
580
450
120
96
85
100
88
97
31
110
70
423
CO2
1700
4500
6520
1240
8800
4100
6200
11000
5500
4600
1500
560
840
610
590
610
510
990
840
2180
C2H4
10
57
20
431
1200
185
59
520
1900
1700
75
583
32
2096
4
47
5
392
13
2817
C2H6
320
13
133
31
230
35
13
94
700
660
3
57
1
296
3
5
126
42
4
304
C2H2
0
76
0
788
140
125
190
81
12
11
81
641
50
0
0
62
0
1
0
3000
Tabela 22 - Dados usados para diagnstico pela rede

Resultados dos testes:
Padres
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
No
Normal
Sobre aqueDescargas
Identificado
cimento
parciais
0.0019
0.0348
0.9901
0.0002
0.0001
0.0301
0.0044
0.0000
0.0021
0.9964
0.0012
0.0010
0.0002
0.0011
0.0021
0.0007
0.0188
0.0014
0.0017
0.0001
0.0166
0.0018
0.0012
0.0003
0.0100
0.0130
0.0025
0.0004
0.0124
0.0032
0.8945
0.0013
0.0311
0.0420
0.9822
0.0001
0.0191
0.0120
0.9913
0.0011
0.0002
0.0009
0.0014
0.0003
0.0013
0.0019
0.0027
0.0001
0.0001
0.0188
0.0000
0.0001
0.0162
0.0720
0.9921
0.0000
0.0018
0.9986
0.0020
0.0018
0.0020
0.0013
0.0017
0.0002
0.0102
0.9990
0.0002
0.0006
0.0114
0.0500
0.7942
0.0000
0.0109
0.9975
0.0015
0.0012
0.0028
0.0030
0.0125
0.0001
Tabela 23 - Resultados finais de sada da rede
Arco
Eltrico
0.0042
0.9904
0.0015
0.9958
0.9164
0.9864
0.9936
0.1007
0.0099
0.0031
0.9968
0.9966
0.0037
0.0139
0.0011
0.9964
0.0010
0.1157
0.0001
0.9928
81
Apresenta-se abaixo o diagnstico obtido e o grfico de performance da rede

codificada no MatLab.
Diagnsticos comparativos de faltas por vrios mtodos
Padres Diagnstico pela Mtodo do
Mtodo de
Mtodo de
Relatrios de
RNA
Gs Chave
Rogers
Dornenburg
Campo
1
Sobre aquecimento Sobre aquecimento Sobre aquecimento Sobre aquecimento Sobre aquecimento
2
Arco eltrico
Arco eltrico
Arco eltrico
No identificada Arco eltrico
3
Normal
Sobre aquecimento Sobre aquecimento Normal
Normal
4
Arco eltrico
Indefinida
Arco eltrico
5
Arco eltrico
Indefinida
Sobre aquecimento Sobre aquecimento Arco eltrico
6
Arco eltrico
Indefinida
Arco eltrico
7
Arco eltrico
Arco eltrico
Arco eltrico
8
Sobre aquecimento Indefinida
No identificada Normal
Sobre aquecimento
9
Sobre aquecimento No identificada Sobre aquecimento
10
Sobre aquecimento Sobre aquecimento Sobre aquecimento
11
Arco eltrico
Normal
Arco eltrico
Arco eltrico
Arco eltrico
12
Arco eltrico
Indefinida
Sobre aquecimento No identificada Arco eltrico
13
Descargas parciais Normal
Arco eltrico
No identificada Descargas parciais
14
15
Normal
Normal
Sobre aquecimento Normal
Normal
16
Arco eltrico
Normal
No identificada No identificada Arco eltrico
17
Normal
Normal
18
Sobre aquecimento Arco eltrico
19
Normal
Normal
Sobre aquecimento Normal
Normal
20
Arco eltrico
Arco eltrico
No identificada No identificada Arco eltrico
Tabela 24 Resultados obtidos pela rede neural usada e pelos mtodos tradicionais
Conclui-se que pela anlise das tabelas acima que os resultados obtidos
atravs da RN so realmente mais precisos que os outros mtodos. O diagnstico
de valores de sada muito prximos uns dos outros foi resolvido forando-se a sada
da rede a passar por uma funo competitiva de forma a que o neurnio que
apresentou maior valor de sada foi associado falta.
82
Captulo 5 - Concluses
CAPTULO 5
5. CONCLUSO
5.1. Concluses
Apresentou-se nessa dissertao, um histrico da deteco de falhas

incipientes em transformadores isolados com leo isolante. Discorri tambm as
vrias tcnicas utilizadas no sculo passado, suas vantagens e desvantagens sobre
os mtodos ditos inteligentes que surgiram ao final do sculo XX e que tambm
foram objeto de apresentao. Concluiu-se como era a proposta da dissertao, que
os mtodos que utilizam tcnicas de Inteligncia Artificial, so mais precisos e mais
rpidos que os mtodos tradicionais, trazendo mais segurana ao pessoal de
deciso responsvel pela operao e manuteno dos sistemas eltricos de
potncia.
Pela anlise bibliogrfica feita em [Dukarm, 93], [Kosko, 92], [Tomsovic 1993],
[Wang, 2000], [Yan et al. 96], [Gao et al. 98] e outros, inferiu-se que as tcnicas
hbridas, isto , que combinam Redes Neurais com Sistemas Especialistas, Redes
Neurais com Lgica Fuzzy, Redes Neurais com Algoritmos Genticos ou ainda a
combinao de trs ou mais destas tcnicas, so mais eficientes, produzindo
resultados com maior grau de preciso.
Uma contribuio importante para esta dissertao, baseada experincia

profissional do autor e na anlise de papers existentes, a de que de nada adianta o
desenvolvimento de tcnicas de inteligncia artificial sofisticadas se a coleta de leo
no for confivel. Os mtodos existentes para tal so suscetveis de falha
produzindo a contaminao das amostras.
Da mesma forma, no laboratrio, mesmo que o espectrmetro seja o mais

moderno ou bem calibrado existir sempre a possibilidade de falha humana no
manuseio das amostras e utilizao do aparelho. Os sistemas comerciais Hydran da
General Electric Co. e TrueGas da Serveron CMS que so detectores on-line de
gases e de predio de faltas ainda no empregados no Brasil resolvem em parte o
problema pois captam e testam as amostras diretamente no tanque do
transformador. Acreditamos, porm, que o sistema sugerido a seguir dever
apresentar melhor desempenho e confiabilidade.
5.2. Sugestes de Trabalhos Futuros
Como contribuio para o futuro, se poderia procurar melhorar dispositivos os

mais eficientes, tais como a deteco on-line dos gases e suas concentraes,
utilizando um dispositivo acoplado diretamente ao tanque do transformador que
atravs de ondas acsticas, a chamada Anlise por Vibro-acstica, ondas essas
emitidas por um sensor dentro do tanque, que retorna quais os gases dissolvidos no
leo alm da sua concentrao em ppm e faz a anlise das falhas incipientes em
tempo real devidas a descargas parciais, arco eltrico e sobre aquecimento do leo.
um mtodo interessante para se desenvolver embora j esteja operacional em
84
alguns pases como os Estados Unidos da Amrica, apesar de ter que se utilizar
filtros sofisticados conjugados ao dispositivo de deteco visando eliminar fontes de
interferncia de harmnicos, rudos devido ao efeito corona, fontes ambientais como
a chuva, poeira, granizo, turbulncia no leo, operaes do LTC, de bombas de leo
e de ventiladores, e da vibrao das lminas do ncleo alm de outros, poderamos
ter um resultado verdadeiramente confivel. Pelo que se pesquisou em [EPRI 2004],
[Berler et al., 98], [Golubev et al., 00] e outros mais, inferi que os dispositivos
existentes para incorporar tais filtros ficariam sobremaneira dispendiosos tornandoos comercialmente inviveis e custa da menor eficincia do mtodo. A
espectroscopia foto-acstica outro mtodo recentemente desenvolvido nos
Estados Unidos, mas mantm a coleta manual de leo, o que no descarta a
contaminao.
Preferencialmente, porm, desenvolver-se-ia um prottipo em um posterior

curso de Doutorado, que utilizasse a tcnica de sonda tica, associando o laser com
a espectroscopia, para a deteco on-line dos gases e sua concentrao efetuando
tambm, em tempo real, a anlise das falhas incipientes atravs de sistemas
inteligentes, emitindo assim diagnsticos rpidos, precisos e extremamente
confiveis. Permitiria assim, a manuteno preditiva com grande reduo de custos
e amostragem, transporte, laboratrio, homens-hora, etc.
Outra tcnica possvel de ser pesquisada e elaborada a da espectroscopia

de ressonncia magntica nuclear da amostra com deteco tambm on-line para
evitar a possibilidade de interveno humana e provveis contaminaes
indesejveis. Esta tecnologia est sendo aplicada em vrios campos da fsica e
85
biologia, mas acreditamos que tambm poderia ser utilizada com adaptaes na
deteco de gases em leo isolante possibilitando assim a classificao de faltas
incipientes e poder ser objeto de futuros trabalhos de pesquisa na rea de
diagnstico de falhas incipientes em transformadores.
86
Referncias Bibliogrficas
REFERNCIAS BIBLIOGRFICAS
ABNT, Associao Brasileira de Normas Tcnicas, Referncias Bibliogrficas, Rio de

Janeiro, 1989. NBR 6023.
ALI M. et al., Measuring and Understanding the Ageing of Kraft Insulating Paper in
Power Transformers, IEEE Electrical Insulation Magazine, Vol. 12, No.3, May/June
1996, pp. 28-34.
ARBIB A. Michael, Handbook of Brain Theory and Neural Networks, Bradford Books,
Second Edition, 2002
ASTM D3612-01, Standard Test Method for Analysis of Gases Dissolved in Electrical
Insulating Oil by Gas Chromatography, ASTM Book of Standards Volume 10.03, May
2002 - Electrical Insulating Liquids and Gases; Electrical Protective Equipment
BARRACLOUGH, B. et al., CEGB Experience of the Analysis of Dissolved Gas in

Transformer Oil for the Detection of Incipient Faults, IEE Conference on Diagnostic
Testing of High Voltage Power Apparatus in Service, March 6-8, 1973.
BATES, Danny, DGA in a Box A Utilitys Perspective, Alabam Power Company.
BELANGER, G., MISSOUT, G. and GIBEAULT, J. P., Laboratory Testing of a Sensor

for Hydrogen Dissolved in Transformer Oil, IEEE Transactions on Electrical
Insulation, Vol. EI-15, No. 2, April, 1980, pg. 144-148.
BERLER, Z. et al., A New Method of Parcial Discharge Measurements, IEEE 1998

Conference on Electrical Insulation and Dielectric Phenomena, Atlanta, GA, USA,
October 1998.
BISH, N.B., et al., Condition Monitoring of Dielectric Behavior Leading to the

Diagnosis of Partial Discharge Onset Using Neural Network Analysis, University of
Brighton Press, U.K.
BOSHE E.E., Experience With the Development & Use of An Expert System for the
Evaluation of Transformer Dissolved Gas Data, Proc. Electrical Electronics
Insulation Conference and Electrical Manufacturing and Coil Winding Conference,
Electr. Manuf. & Coil Winding Assoc., Imperial Beach, Calif., 1995, pp. 295-299
BOUTHIBA, Tahar, Artificial Neural Network-Based Fault Location in EHV

Transmission Lines, University of Science and Technology of Oran, Algeria.
C57.125, IEEE PES Transformer Committee, IEEE Guide for Failure Investigation,
Documentation and Analysis for Power Transformers and Shunt Reactors, IEEE
Standards Board, 1991.
C57.113, IEEE PES Transformers Committee, IEEE Trial-Use Guide for Partial
Discharge Measurement in Liquid-Filled Power Transformers and Shunt Reactors,
IEEE/NEMA, 1998.
88
CAO, L., Chan T., Kong C., A Universal Neural Expert System with Self-Learning
Mechanism for DGA of Power Transformer Oil, International Power Engineering
Conference 1995, Nanyang Technol. Univ, Singapore, 1995, pp. 355 359.
CIGREs WORK on POWER TRANSFORMERS, Paper apresentado na IX

Conference Substation Equipment Diagnostics, 18-21 Fevereiro, 2001 New Orleans,
Louisiana, USA.
CHEIM, L. et al., XV SNPTEE, 1999, CEPEL

COBEI Comit Brasileiro de Eletricidade, Curso de leos Isolantes Lquidos para
Fins Eltricos, 1982.
COSTA JR, Pedro, Sistema de Diagnstico de Falhas em Transformadores de
Potncia Imersos em leo, PUCMINAS, 2002
DA SILVA, Ivan N., et al., Tcnicas de Sistemas Inteligentes Aplicadas na
Identificao do Envelhecimento de Transformadores. XVI SNPTEE, Outubro 2001,
Campinas, SP.
DIOGO, A.C.T. e CARNEIRO, E.M., IEEE em Revista, 1998 - CTEEP
DRNENBURG, Eberhard and GERBER O. E., Othmar E., La surveillance de

lHuille des Transformateurs en Exploitation par lAnalyse des Gaz Dissouz dans
lHuile et des Gaz Librs, Revue Brown Boveri, Tome 54, No 213, pp. 104 -111.
89
DRNENBURG, Eberhard and GERBER O. E., Analysis of Dissolved and Free

Gases for Monitoring Performance of Oil-Filled Transformers, The Brown Boveri
Review, 54(2/3): 104-11, 1967.
DRNENBURG, Eberhard and W. Stritmatter, Monitoring Oil Oil-Cooled

Transformers by Gas Analysis, Brown Boveri Review, Vol. 61, No. 5, p.238, 1970.
DONG M. et al., Aging Diagnosis of Solid Insulation for Large Oil-immersed Power
Transformers.
DOS SANTOS, J. Carvalho et al., Diagnstico de Falhas em Transformadores por

Anlise Cromatogrfica, revista Energia Eltrica, pg. 11, Mar-Abr 1978.
DUKARM James J., Transformer Oil Diagnosis Using Fuzzy Logic and Neural
Networks, Canadian Conference on Electrical and Computer Engineering, Vol. 1, pp
329-332, 1993.
DUMKE, K. and al., Influence of Stressing on Gaseous Decomposition Product in

Insulation Liquids, IEEE International Symposium on Electric Insulation, 1998.
DUVAL, Michel, A Review of Faults Detectable in Gas-in-Oil Transformers, IEEE

Electric Insulation Magazine, Vol.18, No. 3, pp. 8-18, 2002.
90
DUVAL, Michel, Fault Gases Formed in Oil - Filled Breathing E,H.V. Power
Transformers The Interpretation of Gas Analysis Data, IEEE PES Summer Meeting &
Energy Resources Conference, Anaheim, CA, July, 1974.
DUVAL, Michel. et al., Interpretation of Dissolved Gas-in-Oil Levels in Power

Transformers, Minutes of Fifty-Fifth International Conference of Doble Clients, Sec.
10-71, 1988.
DUVAL, Michel. et DEPABLO Alfonso, Interpretation of Gas-In-Oil Analysis Using

New IEC Publication 60599 and IEC TC 10 Databases, IEEE Electrical Insulation
Magazine, Vol. 17, No. 2, 2001
DUVAL M., Dissolved Gas Analysis: It can Save Your Transformer, IEEE Electrical
Insulation Magazine, Vol. 5, No. 6, 1989
DUVAL, Michel, New Techniques for Dissolved Gas-in-Oil Analysis, IEEE Electrical
Insulation Magazine, Vol. 19, No. 2, 2003
EPRI - Electric Power Research Institute 2004, Substation Equipment Diagnosis

Conference XII Recent developments in the Condition Assessment of Power
Transformers and LTC Using Acoustic Emission (AE), New Orleans, Lousiana.
FALLOU B. et al., Application of Physico-Chemical Methods of Analysis to the Study

of Deterioration in the Insulation of Electrical Apparatus, CIGRE 1970, Report 15-07.
91
GRIFFIN, Paul J., et al. A combined ANN and Expert System, Tool for Transformer
Fault Diagnosis, IEEE Transactions on Power Delivery, vol.13, No. 4, October 1998.
FLETCHER, D. et GOSS, E., Neural Networks in Regional Science: An Application

Using Migration Data, Proceedings of 38th North American Meeting Of Regional
Science Association, 1991, p. 38.
GOULUBEV A. et Al., Increasing the Reliability of Online Insulation Condition

Assessment of MV-HV Equipment, Electricity Today, vol.12, no. 6, August, 2000,
pp. 22-27.
GUARDADO, J. L et al. A Comparative Study of Neural Network Efficiency in Power

Transformers Diagnosis Using Dissolved Gas Analysis, IEEE Trans. on Power
Delivery. Vol. 16, No. 4, October 2001, pp. 643-647.
GOULUBEV, A. et al., On-Line Vibro-Acoustic Alternative to the Frequency

Response Analysis and On-Line Parcial Discharge Measurements on Large Power
Transformers, TechCon99 Annual Conference of TJ/H2b, February, 18-19, 1999,
New Orleans, USA.

Hydrocarbons in Faulty Transformers, Journal inst. Petroleum, Vol. 59, Sept. 1073,
pp. 239-241.
92
IEC standard 599: Interpretation of the Analysis of Gases in Transformers and Other
Oil Filled Electrical Equipment in Service, International Electrotechnical Commission,
Geneve, Switzerland, 1978.
IEC standard 354: Loading Guide for Oil-Immersed Power Transformers, 1991.
IEC, IEC 599 Interpretation of the Analysis of gases in Transformers and Other Oil
Filled Electrical Equipment in Service, International Electrotechnical Commission,
Geneva, Switzerland, 1978.
IEEE C57.104-1991, IEEE Guide for the Interpretation of Gases Generated in OilImmersed Transformers, 1991.
IEEE Guide for Loading Mineral-Oil-Immersed Transformers. IEEE Std C57.91-1995.

JAKOB Fredi, Dissolved Gas Analysis - Past, Present and Future, Weidmann-ACTI
Inc., [s.ed], 2001.
IEEE P1258, IEEE Trial-Use Guide for the Interpretation of Gases Generated in
Silicone-Immersed Transformers, 1995.
JAIN, Anil K. et MAO, Jianchang et MOHIUDDIN, K. M., IEEE Artificial Neural

Networks: A Tutorial, pp. 31-44, March, 1996.
93
KAWADA H. and al., Partial Discharge Automatic Monitor for Oil-Filled Power
Transformer, IEEE Transactions on Power Apparatus and Systems, Vol. PAS-103,
No. 2, Fev 1984, pp. 422-428.
HALSTEAD W.D., Transformer Fault Diagnosis by Oil Decomposition Product

Analysis, Central Electricity Research Laboratories Note, No. RD/L/N, 66/70, 1970.

Hydrocarbons in Faulty Transformers, Journal Inst. Petroleum, Vol 59, pp. 239-241,
Sept 1973.
HAYES T. W., Investigation to Determine the Location of a Low- Energie, Audible

Electrical Arcing in a Power Transformer, Minutes of Fifty-Third International
Conference of Doble Clients, 1986, Sec. 6-301.
HISAO, Kan, T. Miyamoto, Proposals for an Improvement in Transformer Diagnosis

Using Dissolved Gas Analysis, IEEE Electrical Insulation Magazine, Vol. 11, No. 6,
Nov/Dez, 1995, pp. 15-21.
JALBERT J., R. Gilbert, Decomposition of Transformer Oils: A New Approach for

Determination of Dissolved Gases, IEEE Transactions on Power Delivery, 1997, pp.
754-760.
LIN Cao and al., An Expert System for Transformer Fault Diagnosis Using Dissolved
Gas Analysis, IEEE Transactions on Power Delivery, NY, 1993, pp. 231-238.
94
K. Zalis, Dielectric Diagnostics in Service From Databases to Expert Systems,

Stochholm Power Tech International Symposium on Electric Power EEngieering,
IEEE, NY, USA, 1995, pp. 34-38.
KOIVO, N. Heikki, Neural Networks: Basics Using MATLAB Neural Network Toolbox,
[s.ed], 2000.
KOSKO, Bart, Neural Networks and Fuzzy Systems A Dynamical Systems

Approach to Machine Intelligence, Prentice-Hall International, Inc., [s.ed], 1992.
MANGER H. C., Combustible Gas Ratio and Problems Detected, Minutes of FortyFifth Internation Conference of Doble Clients, Sec. 6-1101, 1978.
MCILROY, Colin., Photo-Acoustic Spectroscopy, A New Technique for Dissolved

Gas
Analysis in Oil. EPRI Substation Equipment Diagnostics Conference, New Orleans,
LA,
USA. February 2326, 2003
MCNAIR, H.M and BONELLI, E.J., Basic Gas Chromatography, Consolidated
Printers, Berkeley, California, 5th. Edition, 1969.
MILASH Milan, Manuteno de Transformadores em Lquido Isolante. Ed. Edgard

Blcher, 1984.
MILLER, George, Analyzing transformer insulating fluid, Electrical Construction &

Maintenance, Nov 1, 1995.
95
MORGAN, James E., A Guide to Interpretation of Transformer Fault Gas, Data

Bulletin MS-5, Morgan, Shaffer Corporation, Canada.
MYERS, S. D., et al., Transformer Maintenance Guide, Transformer Maintenance

Institute, S. D. Myers Inc., Akron, Ohio, USA, 3ed, 2004.
NOGAMI T., Y. Yokoi, H. Ichiba, Y. Atsumi, Gas Discrimination Method for Detecting
Transformer Faults by Neural Network, Electrical Engineering in Japan, 1995, pp. 93
103.
P.T.M. Vaessen, E. Hanique, A New Frequency Response Analysis Method for

Power Transformers, IEEE Transactions on Power Delivery; Vol .7 N 1, January
1992, pp. 384 391.
PAREKH Rajesh et al., Constructive Neural-Network Learning Algorithms for Pattern

Classification, IEEE Transactions on Neural Network, Vol. 11, No. 2, March 2000.
PUGH, D. R., Combustible Gas Analysis, Doble Client Conference Minutes,

42AIC73, Sec. 10-401, 1973.
RANDY, D. S. et al., Power Transformer Fault Diagnosis, IEEE PES WM. Panel
Session, New York, Feb 6, 1977.
96
RIBEIRO Jr. Adolfo et al., Sistema de Diagnsticos para o Monitoramento de

Subestaes de Alta Tenso e o Gerenciamento das Atividades de Manuteno:
Integrao e Aplicaes, Comit A3 Equipamentos de Alta Tenso, 2002.
ROGERS R. R., Doble Publication AIC75, Sec. 10-201.
ROGERS R. R., IEEE and IEC Codes to Interpret Incipient Faults in Transformers,
Using Gas in Oil Analysis, IEEE Trans. Vol. EI-13, No. 5, Oct. 1978, pp. 349-354.
ROGERS R. R., UK Experiences in the Interpretation of Incipient Faults in Power
Transformer by Dissolved Gas-in-oil Chromatography Analysis ( A Progress Report),
Minutes of Forty-Second International Conference of Doble Clients. 1975, Sec. 10201.
SHERTUKDE, H. M., J. G. Lackey, Interpretation of Results obtained from Testing of

Oil filled Electrical Power Transformers in Field for several Utilities in the World, IEEE
International Symposium on Electrical Insulation, Vol. 1, pp. 49-52, June 1998,
Washington DC, USA.
SHOURESHI Rahmat et al., Sensor Fusion and Complex Data Analysis for
Predictive Maintenance, 36th Hawaii International Conference on System Sciences,
[s.ed], 2003
MORAIS, DR e ROLIM, J.G., XVII CBA 2004 - UFRGS
97
MURTHY T., Assessment of Transformer Insulation Condition by Evaluation of

Paper-oil System, IEEE Annual Report Conference on Electrical Insulation and
Dielectric Phenomena, San Francisco, 1996, pp. 332-335.
TASSI, M.R., Pado Programa de Anlise e Diagnstico de leo Isolante, XV

Seminrio Nacional de Energia Eltrica, 2002.
THOMAS, Waters et al., Online Measurements of Transformer Fault Gases

As Measured Directly in the Headspace and in the Oil, EPRI Substation Equipment
Diagnostics Conference, 2001.
TOMSOVIC K. et al., A Fuzzy Information Approach to Integrating Different

Transformer Diagnostic Methods, IEEE Transactions on Power Delivery, 1993, pp.
1638-1646.
SEJNOVISKI, T.J. and ROSENBERG, R.C., Parallel Networks that Learn to

Pronounce English Text, Complex System, 11, pp. 145-168, 1987.
TENBOHLEN, S. and FIGEL F., On-line Condition Monitoring for Power

Transformers, IEEE Power Engineering Society Winter Meeting, Singapore,Jan.
2000.
TOMSOVIC, K. and AMAR, A., On Refining Equipment Condition Monitoring Using

Fuzzing Sets and Artificial Neural Nets, Washington State University, [s.ed], 1994.
98
V.RENATA & O. FERNANDO, Inteligncia Artificial e Sistemas Inteligentes,

Unisinos.
ZHANG Yuwen, An Artificial Neural Network Approach to Transformer Fault

Diagnosis, Thesis of Virginia Tech, 1996.
YAN Z. and al., Application of Expert System in Insulation Diagnosis, Proceedings of

the 3rd International Conference on Properties and Applications of Dielectric
Materials, IEEE, NY, USA, 1991, pp. 63-65.
WANG Zhenyuan, Artificial Intelligence Applications in the Diagnosis of Power

Transformer Incipient Faults, Dissertation submitted to the Faculty of the Virginia
Polytechnic Institute and State University In partial fulfillment of the requirement for
the degree of Doctor of Philosophy In Electrical Engineering, [s.ed], August 2000.
WERLE P. et al., Partial Discharge Localization on Power Transformers using Neural

Networks combined with Sectional Winding Transfer Functions as Knowledge Base,
12th ISH, International Symposium on High Voltage Engineering, Bangalore, India,
August 2001, Ed. IEEE 2003.
99

Analises de Oleo

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Analises de Oleo

Enviado por

Direitos autorais:

Formatos disponíveis

Ministrio da Educao

UNIVERSIDADE FEDERAL DE ITAJUB

JOS GERALDO ARANTES

Diagnstico de Falhas em Transformadores de

JOS GERALDO ARANTES

Orientador: Prof. EDSON DA COSTA BORTONI

Arantes, Jos Geraldo.

A minha esposa e filhos

Agradeo de forma especial ao meu orientador Prof. Edson da Costa Bortoni

A minha esposa e filhos por estarem ao meu lado em todos os momentos.

Equipamentos de Subestao que utilizam o leo isolante para a isolao de

Esta dissertao um estudo de uma dessas tcnicas cromatografia de

atuao de sensores on-line se instalados naqueles, permitindo ainda uma

This dissertation is a study of one of these techniques gas chromatography

2. DIAGSTICO DE FALTAS EM LQUIDOS ISOLANTES.......15

2.6. Estudo e Aplicao do Mdodo do Gs Chave...........................................38

3. REDES NEURAIS ARTIFICIAIS ............................................................... ..50

4. APLICAES DE REDES NEURAIS NO DIAGNSTICO ..... 67

Figura 23 Associao entre gases e tipos de faltas..............................................................76

Tabela 23 Resultados finais ............................................................................................... 81

Inegavelmente o setor de energia eltrica tem papel preponderante na vida de

Neste cenrio torna-se fundamental o monitoramento constante do

maioria dos transformadores em operao no Brasil foi instalada h 30, 40 anos

O monitoramento tradicional e as etapas da anlise das faltas eram

Esta dissertao tem quatro captulos. O captulo 1 uma introduo ao

concentrar na apresentao de conceitos sobre Redes Neurais Artificiais. O

1.1 Consideraes Gerais

Transformadores utilizam leo isolante mineral derivado de petrleo e, portanto

A funo de um leo isolante em transformadores a de garantir isolamento

O leo isolante e os materiais de isolamento eltrico em transformadores

A concentrao de gases dissolvidos um indicativo da sade do

1.2 Resenha Bibliogrfica

Vrios artigos relacionados com o tema desta dissertao foram consultados

GUARDADO, J. L., NAREDO, J. L., et al. A Comparative Study of Neural Network

artigo enfatiza que Diferentes padres de gases so produzidos devido s

na sua proporo relativa ao total dos gases combustveis dissolvidos; Para o

de um sistema especialista otimiza o mecanismo para garantir um alto grau de

L. Yongli, G. Fuhai, H. Jiali, Study on the Fault Identification of Transformers Using

O processo desenvolvido neste artigo usa 9 inputs (ns) para determinar as

Y. Zhang, X. Ding, Y. Liu, An Artificial Neural Network Approach to Transformer

HALSTEAD W.D., A Thermodynamic Assessment of the Formation of Gaseous

BALMA P., R. Degeneff, B. Lloyd, Expert Systems for Power Transformer

Os autores deste artigo salientam que o diagnstico de faltas em

fornece sadas como tipo de falta diagnosticada, diagnstico confivel, intervalo de

Y. Huang, H. Yang, C. Huang, Developing a New Transformer Fault Diagnosis

TOMSOVIC K., M. Tapper, T. Ingvarsson, A Fuzzy Information Approach to

Atravs da aplicao do mtodo, proporcionar rapidez e confiabilidade na

1.3 Escopo do trabalho

O captulo 2 descreve os mtodos tradicionais existentes e de larga aplicao

O captulo 3 introduz a teoria das redes neurais artificiais RNA ou ANN,

J no captulo 4 fao uma discusso e anlise da aplicao do mtodo das

No captulo 6 apresento as concluses sobre o mtodo apresentado e

Captulo 2 Diagnstico de Faltas em Transformadores de Potncia

Sob condies normais de operao, os transformadores de potncia isolados a

Durante uma operao anormal, aumenta a produo de gases na relao

A maior parte da isolao slida dos transformadores constituda de papel e,

Papel Kraft feito de fibras de madeiras

Captulo 2 Diagnstico de Faltas em Transformadores de Potncia

O papel isolante utilizado em transformadores , depois de seco, impregnado de

O leo mineral isolante utilizado em aparelhos eltricos, como transformadores,

Estes leos tm cor amarelo-plida e so transparentes. Eles so constitudos

Captulo 2 Diagnstico de Faltas em Transformadores de Potncia

Sua deteriorao, principalmente pela ocorrncia de arcos e descargas

O envelhecimento dos leos parafnicos tende a produzir uma maior quantidade