Escolar Documentos
Profissional Documentos
Cultura Documentos
Analises de Oleo
Analises de Oleo
DIAGNSTICO DE FALHAS EM
TRANSFORMADORES DE
POTNCIA PELA ANLISE DE
GASES DISSOLVIDOS EM LEO
ISOLANTE ATRAVS DE REDES
NEURAIS
Dissertao apresentada
Universidade Federal de Itajub para
obteno do grau de Mestre em
Cincias
ITAJUB
Estado de Minas Gerais Brasil
2005
ii
iii
Agradecimentos
iv
Agradecimentos
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
vii
Resumo
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.
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
Sumrio
xi
Sumrio
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
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
xvi
Captulo I Introduo
Captulo I
1. INTRODUO
Captulo I Introduo
Captulo I Introduo
Captulo I Introduo
Captulo I Introduo
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
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
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
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.
Captulo I Introduo
Captulo I Introduo
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.
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
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
13
Captulo I Introduo
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.
15
Captulo I Introduo
16
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
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.
18
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
20
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 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.
23
24
GASES CONSTITUINTES
HIDROGENIO
(H 2)
METANO
(CH4)
ETANO
(C2H6 )
ETILENO
(C2H4)
ACETILENO
(C2H2)
250
500
750
1000
1250
1500
1750
2000
Hidrocarbonetos e hidrognio
Metano
CH4
Etano
C2H6
Etileno
C2H4
Acetileno
C2H2
Hidrognio
H2
xidos de carbono
Monxido de carbono
CO
Dixido de carbono
CO2
N2
Oxignio
O2
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)
V
E
I
S
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
26
V
E
I
S
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
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
27
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
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
28
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.
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
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
H2
1,4
N2
(+79%)
CO
O2
1,0
CH4
0,6
C2H2 e CO2
C2H4
C2H6
0,2
0
40
(+66%)
40 C
31
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.
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.
33
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
34
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
CDIGO
DIAGNSTICO
Normal
Descarga Parcial
1 ou 2
1 ou 2
1,2
1,2
0
0
1,2
CO2 / CO > 11
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
Sobre aquecimento severo
Sobre aquecimento severo
N.A.
N.A.
N.A.
Gs
Hidrognio
Metano
Etano
Etileno
Acetileno
Monxido de Carbono
Dixido de Carbono
36
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.
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.
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.
37
Razo
Abreviao
CH4/H2
R1
C2H2/ C2H4
R2
C2H2/ CH4
R3
C2H6/ C2H2
R4
C2H4/ C2H6
R5
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
Gs
Limite de L1 (ppm)
H2
100
CH4
120
CO
350
C2H2
35
C2H4
50
C2H6
65
CH4/H2
C2H6/CH4
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
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
Sobre aquecimento geral do condutor
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)
40
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%
H2: 85%
C2H2: 30%
CH4: 13%
C2H4: 63%
C2H6: 20%
CO: 92%
(CO)
Tabela 17 Critrio de Diagnstico do Mtodo do Gs Chave
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.
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
b. Repetir o processo para os dois gases restantes, etileno (C2H4) e acetileno (C2H2).
44
Na maioria dos casos o acetileno (C2H2) ser zero, e o resultado ser um ponto no
lado direito do tringulo de Duval.
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.
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
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
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
Regra 2
Regra 3
C2H 4
C H
2 6
Vetor de entrada
Base de regras
Inferncia
Mandani
Processo de inferncia
Tipo de Falta
Diagnosticado
Sada
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
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)
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)
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
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.
52
53
CAPTULO 3
3. Redes Neurais Artificiais
3.1 Introduo
54
3.2 Histrico
55
o Perceptron, foi o hardware por ele construdo a rede neural mais antiga e que
utilizada at hoje.
56
57
58
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.
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.
y = ( X iWi ) k
i =1
62
Funo linear
Funo degrau
Funo sigmoidal
f (x ) =
1
x
1+ e
,0 f ( x ) 1
63
64
Com isto tem-se a Regra de Widrow-Hoff ou Regra Delta que pode ser
expressa como:
66
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.
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)
a1 = 1(w1.p + b1)
e a sada da segunda layer :
70
71
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
4.1 Topologia
75
76
falta no identificada
H2
CH4
C2H6
normal
sobreaquecimento
C2H4
C2H2
descargas parciais
arco eltrico
77
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
f ( x ) = tanh( .x) =
e x e x
ex + e x
1 f ( x) 1
x
79
4.3. Resultados
SEE =
1
|| t a 2 || 2
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
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
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
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.
Captulo 5 - Concluses
84
Captulo 5 - Concluses
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.
85
Captulo 5 - Concluses
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
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
Referncias Bibliogrficas
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
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
Referncias Bibliogrficas
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.
89
Referncias Bibliogrficas
DONG M. et al., Aging Diagnosis of Solid Insulation for Large Oil-immersed Power
Transformers.
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.
90
Referncias Bibliogrficas
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 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
91
Referncias Bibliogrficas
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.
92
Referncias Bibliogrficas
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 P1258, IEEE Trial-Use Guide for the Interpretation of Gases Generated in
Silicone-Immersed Transformers, 1995.
93
Referncias Bibliogrficas
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.
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
Referncias Bibliogrficas
KOIVO, N. Heikki, Neural Networks: Basics Using MATLAB Neural Network Toolbox,
[s.ed], 2000.
MANGER H. C., Combustible Gas Ratio and Problems Detected, Minutes of FortyFifth Internation Conference of Doble Clients, Sec. 6-1101, 1978.
95
Referncias Bibliogrficas
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.
RANDY, D. S. et al., Power Transformer Fault Diagnosis, IEEE PES WM. Panel
Session, New York, Feb 6, 1977.
96
Referncias Bibliogrficas
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.
SHOURESHI Rahmat et al., Sensor Fusion and Complex Data Analysis for
Predictive Maintenance, 36th Hawaii International Conference on System Sciences,
[s.ed], 2003
97
Referncias Bibliogrficas
98
Referncias Bibliogrficas
99