Você está na página 1de 8

Monitoramento e diagnstico de pra-raios a ZnO usando redes neurais artificiais

Rex A. C. Medeiros1, Raimundo C. S. Freire1, Edson G. da Costa1, George R. de Lira1, Estcio T. W. Neto1 e Marcelo Maia2
1

Departamento de Engenharia Eltrica, Universidade Federal de Campina Grande, Campina Grande, Brazil, emails: [rex, freire, edson, estacio]@dee.ufcg.edu.br. georgelira@ee.ufcg.edu.br 2 Companhia Hidro Eltrica do So Francisco, Campina Grande, Brazil, mjamaia@chesf.gov.br

Abstract: We propose in this work a method for monitoring and diagnostic of ZnO arresters by the usage of artificial neural networks (ANN) and thermal images. The ANN is able to analyze the thermal profile, detect and classify patterns, which could be undetected by a simple visual analysis. Keywords: lighting arresters, thermal images, neural networks. 1. INTRODUO Os pra-raios de xido de zinco (ZnO) so equipamentos utilizados na proteo dos sistemas eltricos contra surtos de diversas origens, formas e intensidade. Dessa maneira, eles contribuem decisivamente para o aumento da confiabilidade, economia e continuidade de operao dos sistemas os quais protege. Portanto, de crucial importncia o desenvolvimento e aperfeioamento de ferramentas que venham a auxiliar no monitoramento e diagnstico de falhas em praraios, de forma a assegurar que os mesmos estejam em condies adequadas de operao. Atualmente, duas ferramentas vm sendo utilizadas no monitoramento de pra-raios em sistemas de alta tenso: a anlise de imagens termogrficas e a medio da corrente de fuga em pra-raios. Normalmente, as duas abordagens so utilizadas em conjunto, pois isoladamente produzem resultados pouco confiveis, uma vez que na anlise de imagens trmicas, o diagnstico se baseia em parmetros comparativos pr-definidos atravs de normas. Esses parmetros no levam em considerao diversas influncias que podem mascarar os resultados reais dos valores de temperatura atingidos pelo equipamento. Assim, a simples obteno da imagem trmica no leva a um diagnstico preciso. Para o caso do monitoramento da corrente de fuga do pra-raios, utiliza-se um equipamento chamado LCM (Leakage Current Monitor Monitor de Corrente de Fuga), capaz de medir a corrente que percorre o pra-raios atravs de sua conexo com a terra. Tal equipamento, apresenta um custo elevado, alm de tornar necessria a realizao de uma srie de adaptaes que o tornem adequado para utilizao em um clima tropical como ocorre com o Brasil. Alm disso, o equipamento apresenta uma baixa exatido nos valores fornecidos, devido s aproximaes feitas no clculo da corrente de fuga resistiva [1, 2].

Com intuito de superar as limitaes existentes na anlise de imagens trmicas, apresentado neste trabalho uma ferramenta (preliminar) baseada no uso tcnicas de Inteligncia Artificial (IA), em especial Redes Neurais Artificiais (RNA), para identificao e classificao de falhas em pra-raios de ZnO. O mtodo consiste na anlise do perfil trmico, ou seja, de como varia a temperatura ao longo do pra-raios. Com isso realizada (automaticamente pela RNA) uma correlao entre a caracterstica daquele aquecimento com determinado tipo de defeito. Para que isso fosse possvel, foi realizada uma srie de ensaios em laboratrio, onde se simulou alguns defeitos tpicos existentes em praraios, tais como: perda de estanqueidade, degradao dos varistores, poluio externa e presena de umidade interna. Com base nos resultados dos ensaios foi possvel treinar a RNA para identificar defeitos automaticamente. Aps os testes foram constadas taxas de acerto elevadas, o que encoraja o uso dessa ferramenta no monitoramento e diagnstico de falhas em pra-raios de ZnO instalados nas subestaes da Chesf. 2. PRA-RAIOS A ZNO Os pra-raios ou supressores de surto surgiram como uma alternativa para proteger os sistemas eltricos contra surtos temporrios de tenso, evitando que os mesmos se propa-guem atravs das linhas e cheguem aos equipamentos da subestao. Inicialmente, utilizavam-se centelhadores sepa-rados pelo ar para a proteo dos sistemas eltricos contra descargas atmosfricas e de manobra. Na dcada de 1930 surgiram os resistores no-lineares a base de carboneto de silcio (SiC). Estes resistores apresentavam uma caractersti-ca V - I que, quando associadas a um conjunto de centelha-dores, promoviam a proteo contra surtos de maneira bem mais eficaz em relao aos pra-raios at ento utilizados. Em meados da dcada de 1970 surgiram os varistores de ZnO, capazes de suportar as elevadas tenses nominais dos sistemas eltricos sem a necessidade de uso de centelhadores. Este novo material, empregado inicialmente na proteo de dispositivos eletrnicos, passou a ser utilizado na composio de supressores de surtos representando um grande avano dado na proteo dos sistemas eltricos. Com eles, foi possvel obter dispositivos com uma capacidade de dissipao de energia duas vezes maior que a promovida pelos dispositivos de carboneto de silcio [3].

VIII Semetro. Joo Pessoa, PB, Brazil, June 17 19, 2009

2.1 Caractersticas Construtivas Os pra-raios a xido de zinco so equipamentos de estru-tura simples. Basicamente so constitudos de uma coluna de varistores envolvida por uma coluna de porcelana ou ma-terial polimrico, havendo ainda alguns outros componentes estruturais. Sua configurao depende do sistema ao qual ser aplicado, mas no aspecto geral, segue o esquema mos-trado na Fig. 1.

prensada no formato de pastilhas e sinterizada em fornos com tempo e temperatu-ra programados. A pastilha j resfriada ento submetida a um processo de metalizao de sua superfcie e aplicao de um colar isolante em sua lateral. Finalmente, cada varistor testado nas regies de baixa e alta corrente, definindo assim as suas caractersticas. [7]. A regio intergranular apresenta caractersticas de materiais semicondutores de modo que a conduo eltrica nos varistores pode ser explicada a partir da teoria de formao de barreiras de potencial [8]. 2.3. Curva caracterstica A principal caracterstica do pra-raios a ZnO a sua no-linearidade em relao a curva V - I. Esta caracterstica re-presentou um avano em relao aos pra-raios convencio-nais a carboneto de silcio, isto porque, sua curva caracters-tica, ao contrrio do que ocorre com o SiC, permite sua co-nexo direta com o sistema eltrico gerando apenas uma corrente de fuga desprezvel em condies de operao normal. Assim, dispensou-se o uso de centelhadores em srie com a coluna de elementos varistores. Uma curva caracterstica tpica, para um pra-raios a ZnO de 420 kV, pode ser vista na Fig. 2, onde so destacados os seus principais aspectos. A parte 1 do grfico mostra a regio de baixa corrente, o pra-raios opera em regime permanente. O primeiro ponto em destaque nesta regio a corrente de fuga. Esta corrente constituda de uma componente capacitiva e uma pequena corrente resistiva, sendo a componente capacitiva praticamente constante da ordem de 100 A. Nesta regio, o ponto de operao contnua do pra-raios corresponde a uma tenso em torno de 340 kV.

Fig. 1. Estrutura de um pra-raios de ZnO com invlucro de porcelana [4].

Os principais componentes do pra-raios so as pastilhas de xido de zinco varistores. Seu formato geralmente cilndrico, e seu dimetro escolhido de acordo com a capacidade de absoro de energia desejada para o equipamento, variando de 30 mm para sistemas de distribuio at 100 mm ou mais para sistemas de alta ou extra-alta-tenso [4]. A altura das pastilhas geralmente varia entre 20 mm e 45 mm, dependendo dos mtodos de produo utilizados e sua altura geralmente limitada pela homogeneidade dos gros de ZnO quanto maior as dimenses do varistor mais difcil conseguir uma boa homogeneidade na distribuio interna do xido de zinco. As pastilhas varistoras e os outros componentes internos so envolvidos por uma coluna isolante que pode ser constituda de porcelana ou material polimrico. Com isso, evitase a infiltrao de umidade e dificulta-se o acmulo de sujeira proveniente da poluio. A coluna de porcelana ou polimrica, externamente, apresenta saias ao longo de todo o seu comprimento. Com isso, aumenta-se a distncia entre os terminais para o caso de uma descarga superficial, devido presena de sujeira ou umidade. 2.2. Varistores Os varistores de xido de zinco so o que se pode chamar de a alma do pra-raios. So constitudas, alm do ZnO, por outros xidos aditivos, tais como xidos de alumnio, antimnio, bismuto e mangans. Estes outros xidos, princi-palmente os de bismuto e o de antimnio, so responsveis pela formao da camada intergranular, ou seja, as camadas entre os gros de ZnO que proporcionam ao material carac-tersticas exclusivas. As caractersticas dos varistores variam em funo de sua composio e pureza [5, 6]. Os compo-nentes dos varistores passam por um processo de mistura e moagem at que as partculas atinjam o tamanho adequado (da ordem de 10-6 cm). Esta mistura
VIII Semetro. Joo Pessoa, PB, Brazil, June 17 19, 2009

Fig. 2. Curva caracterstica de um pra-raios a ZnO - 420 kV [4].

Um pouco abaixo do joelho da curva fica o ponto de mxima tenso de operao contnua (em torno de 380 kV para este caso). Este ponto representa o nvel de tenso na qual o pra-raios opera sem qualquer tipo de restrio. Geralmente, o valor para esta tenso definido em 5% acima da mxima tenso fase-terra do sistema. Dessa forma, so levados em considerao os possveis harmnicos presentes na tenso do sistema [4]. A segunda parte do grfico a regio de alta nolinearidade. Nesta regio, o pra-raios conduz uma grande corrente, mesmo para pequenas variaes de tenso. O primeiro ponto de interesse o valor da tenso nominal.

Apesar do que o nome possa sugerir, a tenso nominal do pra-raios no representa a tenso que pode ser aplicada continuamente sobre o mesmo, e sim tenso que pode ser aplicada temporariamente sobre o mesmo (geralmente por um perodo de 10 s) sem causar danos aos varistores. O valor da tenso nominal corresponde geralmente a 1,25 vezes o valor da mxima tenso de operao. A terceira parte do grfico a regio de alta corrente, diretamente relacionada ao nvel de proteo oferecida pelo pra-raios. uma regio de conduo aproximadamente linear e o seu principal ponto o nvel de proteo contra impulsos atmosfricos, representando a queda de tenso no pra-raios quando uma descarga de corrente nominal flui entre seus terminais. 3. REDES NEURAIS ARTIFICIAIS 3.1. Introduo Uma rede neural artificial (RNA) ou simplesmente, rede neural, uma estrutura de processamento computacional inspirada no funcionamento do crebro humano. Assim como, o crebro humano a RNA so sistemas de processamento no-lineares, paralelos e distribudos compostos por unidades de processamento denominados neurnios, os quais esto interligados atravs de sinapses. A estrutura de um neurnio artificial mostrada na Fig. 3. Basicamente, o modelo de neurnio composto por trs estruturas principais as sinapses (e respectivos pesos sinpticos), o somador (juno aditiva) e a funo de ativao.

sempre dentro de um intervalo mximo permissvel, o qual geralmente [0, 1] ou [-1, 1]. 3.2. Perceptron de Mltiplas Camadas O perceptron, estrutura proposta por [9], foi o primeiro modelo de RNA a utilizar a aprendizagem supervisionada. Basicamente, consiste de um nico neurnio com pesos sinpticos ajustveis e bias (ver Fig. 3), sendo utilizado para a classificao de padres linearmente separveis (aplicaes de menor complexidade) [10]. Os perceptrons de mltiplas camadas (multilayer perceptron - MLP) possuem uma camada sensorial ou camada de entrada, composta de tantos ns de entrada quantos forem os sinais de entrada, uma ou mais camadas ocultas de neurnios e uma camada de sada com o nmero de neurnios igual ao nmero de sinais de sada. O sinal de entrada se propaga para frente atravs das camadas at a camada de sada, ou seja, uma rede alimentada para frente (feed-foward network). Dessa forma, a MLP uma generalizao da rede percpetron, conforme pode ser observado na Fig. 4.

Fig. 4. Diagrama fluxo de sinal de uma rede MLP genrica.

3.3. Tcnicas de Aprendizagem As redes neurais artificiais se destacam devido a sua propriedade primordial que a habilidade de aprender a partir de seu ambiente e de melhorar o seu desempenho atravs da aprendizagem [11]. O processo de aprendizagem das RNA feito atravs de uma etapa chamada de treinamento, na qual a rede aprende os diversos parmetros utilizados para a classificao dos padres. Para isto utiliza-se um algoritmo de aprendizagem, constitudo por um conjunto de regras prestabelecidas para a soluo de um determinado problema. Uma das formas simples de processo de aprendizagem a aprendizagem por correo de erro. Na aprendizagem por correo de erro, um banco de dados, contendo sinais de entrada e a resposta desejada para estes sinais, utilizado. Inicialmente um sinal de entrada utilizado pela rede uma primeira vez e o resultado gerado comparado com a resposta desejada. Com isso, um sinal de erro gerado e aciona um mecanismo de controle com a finalidade de aplicar um ajuste corretivo aos pesos sinpticos e bias do neurnio. Cada um desses ajustes tem a finalidade de fazer com que em um novo processamento do sinal de entrada, a resposta se aproxime da resposta desejada, o que obtido com a minimizao da funo erro. O algoritmo de aprendizagem utilizado neste trabalho foi resilient propagation (RPROP) [12], o qual uma evoluo

Fig. 3. Modelo de neurnio.

As sinapses, responsveis pela transmisso dos sinais de entrada so caracterizadas por um peso sinptico que, de maneira simplificada, indica o grau de importncia do sinal de entrada. Os sinais de entrada, que em uma rede biolgica so representados por impulsos eltricos, aqui so representados por valores numricos, geralmente numerao binria, que podem ser processados pelo computador. Os pesos sinpticos permitem que a RNA se adapte ao meio ambiente atravs do surgimento de novas sinapses entre os neurnios, ou modificao das sinapses existentes (plasticidade), durante a fase de aprendizagem ou treinamento da rede. Dessa forma, a RNA capaz de se adaptar a novas situaes. O somador, que tem a funo de realizar uma combinao linear dos sinais de entrada, ponderados pelos respectivos pesos sinpticos de suas ligaes. A funo de ativao, ou funo restritiva, tem por objetivo limitar o valor da sada da rede, chamado de campo local induzido. Dessa forma, os valores obtidos estaro
VIII Semetro. Joo Pessoa, PB, Brazil, June 17 19, 2009

do algoritmo backpropagation tradicional. O algoritmo RPROP apresenta uma srie de vantagens em relao a outros algoritmos, em especial ao backpropagation. Entre elas destacam-se: maior velocidade, preciso e robustez; de fcil implementao computacional; pouco susceptvel a problemas numricos [13]. Detalhes da implementao do RPROP podem ser obtidos em [14]. 4. METODOLOGIA DESENVOLVIDA A metodologia desenvolvida consiste na obteno de vrias imagens termogrficas de pra-raios a ZnO, com defeitos tpicos, produzidos intencionalmente [1]. De posse, desses dados constri-se uma base de dados com os perfis trmicos dos pra-raios defeituosos. A base de dados por sua vez utilizada no treinamento da RNA, para que em um momento futuro, ela possa diagnosticar, automaticamente, o estado de um determinado pra-raios baseado no seu perfil trmico. 4.1. Termoviso de pra-raios a ZnO A monitorao de pra-raios atravs de termografias fornece um perfil de temperaturas ao longo de toda a superfcie externa do seu invlucro. A anlise detalhada deste perfil trmico pode indicar que tipo de problema est ocorrendo com o pra-raios de acordo com a variao do perfil trmico em relao ao perfil apresentado por um equipamento em bom estado. Isto pode ser visto nas Figs. 5 e 6, nas quais so mostrados um pra-raios em bom estado e um pra-raios com perda de estanqueidade.

sob altos nveis de tenso ou conduzindo uma corrente elevada. A dificuldade de utilizao deste mtodo consiste em determinar com exatido o valor de temperatura a partir do qual um determinado projeto de pra-raios pode ser considerado como defeituoso. O emprego da tcnica aqui desenvolvida pretende superar as dificuldades encontradas no monitoramento de pra-raios por termoviso. 4.2. Defeitos nos pra-raios a ZnO Alm dos problemas relacionados falhas nos praraios, tambm, so poucos os dados relativos ao comportamento dos varistores de ZnO diante do seu envelhecimento natural. Isto porque a vida til estimada para os pra-raios a ZnO de 30 anos, de forma que esse o tempo de instalao aproximado dos primeiros equipamentos nos sistemas eltricos. Um fato curioso o procedimento tomado pela maioria das companhias de transmisso de energia quando alguma anormalidade detectada por meio do termovisor. Normalmente, quando no se trata de um caso crtico, executa-se a limpeza do equipamento seguida de sua reenergizao. No caso do comportamento anormal voltar a ocorrer, ou em casos crticos, o pra-raios simplesmente substitudo. Nenhum estudo posterior feito no sentido de se avaliar o problema causador da anormalidade detectada, seja ela proveniente do sistema, seja ela no prprio equipamento. Isso resulta em um nmero muito reduzido de informaes sobre o estado dos pra-raios retirados do sistema eltrico aps o defeito, dificultando a realizao de estudos relativos ao diagnstico destes equipamentos em subestaes. Diante disso, foi realizado um estudo sobre os principais defeitos em pra-raios de ZnO com a finalidade de produzilos em laboratrio, e com isso obter uma base de dados que possibilite correlacionar perfis trmicos com tipos de defeitos. 4.2.1. Produo de Defeitos Comuns De modo geral, quando se disponibiliza alguns equipamentos para anlise aps sua retirada do sistema, ou quando so realizados ensaios de degradao e envelhecimento, h uma srie de defeitos cuja ocorrncia observada com mais freqncia. Dentre os defeitos observados, sem duvida alguma, o mais freqente a perda de estanqueidade. Observando-se ainda defeitos referentes degradao dos varistores, h ainda a poluio externa, a presena de umidade interna e o desalinhamento da coluna de varistores. Alm disso, o aquecimento anormal do praraios muitas vezes tambm detectado como resultado da distribuio irregular de tenso ao longo do seu comprimento. Alguns dos defeitos citados podem ainda ser considerados decorrncias de outros defeitos: por exemplo, perda de estanqueidade pode permitir a entrada de umidade, sendo que um alto teor de umidade pode causar degradao prematura dos varistores. Dessa forma, preciso ter um cuidado especial na anlise de cada uma das ocorrncias de falhas em pra-raios a fim de que se possa distinguir com mais preciso qual o principal defeito presente, bem como as suas causas. Uma decorrncia disto que alguns destes defeitos podem no apresentar caractersticas bem definidas,

Fig. 5. Pra-raios em operao.

Fig. 6. Pra-raios defeituoso.

De acordo com empresas de energia, esta tcnica tem se mostrado consistente para o diagnstico do estado de praraios, tendo como principal vantagem o fato de ser uma tcnica no-destrutiva e no-invasiva realizada a distncia, indicada para o monitoramento de equipamentos operando
VIII Semetro. Joo Pessoa, PB, Brazil, June 17 19, 2009

de modo que possvel que as conseqncias por eles trazidas, na forma do aquecimento excessivo do pra-raios, sejam semelhantes ao serem detectados pelo termovisor. Espera-se com o resultado final deste trabalho que a RNA desenvolvida para classificao de imagens trmicas possa distinguir estes diferentes defeitos, ou grupos de defeitos que apresentem uma causa em comum. A seguir, sero analisados os principais defeitos detectados nos pra-raios a ZnO. Os defeitos aqui apresentados foram selecionados a partir da anlise de alguns estudos realizados e divulgados no meio acadmico. Dessa forma, espera-se que este grupo de defeitos atenda, satisfatoriamente, ao que se espera que seja observado em campo. 4.2.2. Perda de estanqueidade A perda de estanqueidade caracterizada pela perda do isolamento fsico entre o meio ambiente e o meio interno do pra-raios, possibilitando a troca de gases entre eles. Este problema geralmente causado por desgaste da borracha de vedao ou por oxidao das partes metlicas que compem o sistema de alvio de presso, ou ainda, em casos mais raros, pela deteriorao do cimento ou enxofre, responsveis pela fixao dos terminais e vedao do pra-raios. A falta de vedao no pra-raios provoca alteraes no seu padro de aquecimento devido ao favorecimento da circulao de gases. sabido que, com o aumento de temperatura, h um aumento da presso interna do praraios. Se houver uma fissura ou falha na vedao, o gs que constitui o meio interno do pra-raios estar livre para circular. Uma decorrncia desse efeito a diminuio do nvel de segurana na atuao do equipamento. Isto porque, como h um escape contnuo de gases, o sistema de proteo contra exploses se torna ineficiente, podendo at mesmo no atuar frente a um aquecimento excessivo. 4.2.3. Entrada de umidade A umidade interna em um pra-raios a ZnO pode decorrer de duas causas principais. A primeira seria um problema de fabricao, resultado de alguma falha ocorrida durante o fechamento do mesmo. A causa seria a perda de estanqueidade ou falha na vedao do equipamento, como visto anteriormente. O principal problema causado pela umidade a ocorrncia de descargas parciais, causadas pela formao de vapor de gua no meio interno. O acmulo de gua na base do pra-raios pode se transformar em vapor, seja por aquecimento externo (radiao solar), seja por aquecimento interno (efeito joule). Como resultado, podem ocorrer descargas tanto ao longo da coluna de varistores, como entre os varistores e o invlucro do pra-raios. Alm disso, em perodos em que a temperatura interna do praraios esteja mais amena, como no perodo noturno, o vapor de gua acumulado no interior do pra-raios pode condensar. Esta condensao ocorre com a formao de gotculas que se acumulam sobre a superfcie dos varistores ou da porcelana, formando-se ento, um caminho mido o qual favorece a falha no isolamento seguida de ruptura eltrica. Na simulao desse defeito os pra-raios foram abertos e gua limpa foi borrifada sobre a coluna de varistores. Em seguida, vedou-se o pra-raios.
VIII Semetro. Joo Pessoa, PB, Brazil, June 17 19, 2009

4.2.4. Poluio superficial A poluio superficial um problema comum no apenas em pra-raios, mas em grande parte dos equipamentos ou estruturas que necessitam prover um nvel mnimo de distncia de isolamento entre terminais energizados e terminais aterrados, como o caso de isoladores e buchas de equipamentos em geral. A poluio superficial pode tambm provocar o surgimento de bandas secas na superfcie da porcelana. Essas bandas secas geram descargas superficiais na porcelana alterando o campo eltrico na regio e provocando o aquecimento dos varistores localizados na altura em que essas bandas secas so formadas. Este aquecimento favorece a estabilizao das mesmas de modo que elas podem se manter mesmo em condies de umidade elevada. Como resultado h o aquecimento excessivo em uma regio limitada do pra-raios e a influncia na distribuio de tenso ao longo da coluna de varistores. Para simular este defeito vaporizou-se uma mistura salina por toda superfcie do pra-raios. 4.2.5. Degradao dos varistores A degradao dos varistores pode ser resultado do seu envelhecimento natural, do seu envelhecimento precoce ou mesmo da sua fratura. Entretanto, em muitos casos, ao se fazer o diagnstico de um varistor degradado, so encontrados vestgios de vrios fatores que podem ter causado a sua degradao. A degradao precoce dos varistores um fator que pode contribuir para que um pra-raios entre em processo de avalanche trmica. A avalanche trmica uma condio intrnseca na qual qualquer pra-raios de xido metlico chegar ao fim de sua vida til, sendo que algumas condies operacionais podem acelerar este processo. Este processo caracterizado por um aumento da corrente de fuga e, conseqentemente, da temperatura. O aumento da temperatura, por sua vez, propicia o aumento da corrente de fuga, de modo que essas duas grandezas esto diretamente ligadas. Para simular, em laboratrio, a degradao de varistores um ou mais varistores de uma coluna foram submetidos a estresses eltricos atravs da aplicao de impulsos de corrente provocando, assim, a degradao acelerada dos mesmos. Estes varistores foram, ento, repostos na coluna em posies pr-determinadas para a realizao dos ensaios. 4.2.6. Desalinhamento da coluna ativa O desalinhamento dos varistores ao longo da coluna um defeito pouco comum, embora seja observado em alguns equipamentos aps sua abertura. Geralmente resultado do transporte e armazenamento inadequado do equipamento, mas pode tambm ser decorrente de uma falha durante a montagem do equipamento. Esta ltima possibilidade, no entanto, apresenta uma probabilidade de ocorrncia muito baixa, j que a maioria dos fabricantes de pra-raios de alta tenso apresenta um alto nvel de controle de qualidade no processo de montagem. O desalinhamento dos varistores provoca o surgimento de caminhos condutivos preferenciais nas regies em que eles fazem contato, de forma que h um

sobreaquecimento nessas regies provocando o seu desgaste prematuro. Para reduzir o risco de ocorrncia deste problema, importante observar com rigor as condies de transporte e armazenamento dos pra-raios, principalmente aqueles que j esto h algum tempo em estoque. Na simulao deste defeito foram realizados descolamentos nos varistores com a finalidade de simular tanto o efeito da acomodao horizontal, devido armazenagem inadequada, quanto o efeito das trepidaes durante o transporte. 4.2.7. Distribuio irregular de tenso A distribuio irregular de tenso caracterstica de equipamentos eltricos que apresentam um maior comprimento, havendo um maior distanciamento entre os terminais de alta e baixa tenso. Nos pra-raios, ela se caracteriza pela ocorrncia de nveis mais altos de tenso para os varistores prximos ao terminal de alta tenso, enquanto que os varistores mais prximos do terminal aterrado so submetidos a nveis menores de tenso. Para simular este defeito sero utilizadas diferentes configuraes de montagem com e sem anis equalizadores. Adicionalmente, sero utilizados condutores metlicos para provocar o curto circuito em sees internas e externas do pra-raios a fim de se provocar uma alterao no campo eltrico que o envolve. 4.3. Construo da base de dados Na construo da base de dados (conjunto de perfis trmicos) foram utilizados 5 pra-raios de 96 kV da SIEMENS, 1 pra-raios de192 kV da Tridelta, 1 pra-raios de 550 kV da ASEA (dividido em dois mdulos) e 2 praraios de 96 kV da Tranquel. Para cada um dos pra-raios utilizados, foi feita uma anlise do seu estado e comportamento eltrico antes de sua abertura, ou seja, no estado em que foram entregues ao laboratrio. Para cada um deles foi feito o levantamento da curva caracterstica, a anlise trmica e a anlise do estado da coluna de varistores. Com isso, foi possvel construir a base de dados correspondente aos pra-raios sem defeitos. Aps a insero dos defeitos descritos na seo anterior, cada um dos pra-raios foi submetido a ensaios de tenso de operao, ou seja, foram submetidos a sua tenso de operao e, em seguida, foram realizadas uma srie de termovises (ver Fig. 7) em cada um deles, de onde se pode obter seus perfis trmicos (normalizado com relao menor temperatura medida na coluna), conforme mostrado na Fig. 8. Dessa forma, foi possvel construir a base de dados correspondente aos pra-raios com defeitos. O perfil de temperaturas obtido, mostrado na Fig. 8 representa bem o resultado esperado a partir da imagem trmica, apresentando regies de maior e menor aquecimento de acordo com a distribuio dos varistores ao longo da coluna. Como dito anteriormente, as regies de maior aquecimento esto ligadas a uma maior concentrao de varistores. Para o perfil de temperatura, percebe-se no grfico gerado uma srie de pontos de valor mximo e mnimo. Estas variaes so justificadas pela presena das aletas na superfcie de porcelana. Os pontos de mxima temperatura representam as regies entre as aletas, enquanto
VIII Semetro. Joo Pessoa, PB, Brazil, June 17 19, 2009

que os pontos de mnima temperatura representam as extremidades das aletas.

Fig. 7. Imagem trmica para pra-raios PR1.

Fig. 8. Perfil de temperaturas para o pra-raios PR1.

O perfil de temperaturas obtido, mostrado na Fig. 8 representa bem o resultado esperado a partir da imagem trmica, apresentando regies de maior e menor aquecimento de acordo com a distribuio dos varistores ao longo da coluna. Como dito anteriormente, as regies de maior aquecimento esto ligadas a uma maior concentrao de varistores. Para o perfil de temperatura, percebe-se no grfico gerado uma srie de pontos de valor mximo e mnimo. Estas variaes so justificadas pela presena das aletas na superfcie de porcelana. Os pontos de mxima temperatura representam as regies entre as aletas, enquanto que os pontos de mnima temperatura representam as extremidades das aletas. 4.4. Treinamento da RNA: o software AnaTermo Para realizar o treinamento da RNA do tipo MLP, mostrada anteriormente, e o diagnstico de pra-raios a ZnO foi desenvolvido, pelo Grupo de Sistemas Eltricos da Universidade Federal de Campina Grande, o software AnaTermo. A interface principal do AnaTermo mostrada na Fig. 9. No AnaTermo possvel o usurio configurar a arquitetura da rede atravs dos parmetros: nmeros de camadas, de entradas, de neurnios ocultos e de sadas. possvel, tambm, determinar o nome do arquivo de treinamento da rede, ou seja, a base de dados a ser utilizada no treinamento, assim como, a quantidade mxima de pocas de treinamento.

ainda menores. Uma das maneiras de saber se o erro obtido foi razovel ou no realizar o processo de validao e teste.

Fig. 9. Janela principal do AnaTermo.

Na Fig. 10 apresentada a janela do AnaTermo com os dados da arquitetura e do treinamento realizados neste trabalho. Mas especificamente, foi utilizada uma rede do tipo MLP com 200 pontos de entrada, 3 camadas ocultas com 16 neurnios cada e uma camada de sada com apenas um sinal de sada. Vale ressaltar que foi utilizada, no treinamento, uma base de dados com 255 padres, ou seja, 255 conjuntos de entrada e sada, em que as entradas correspondem ao perfil trmico do pra-raios e a sada corresponde ao defeito simulado.

Fig. 11 Resultados do treinamento da RNA.

O procedimento de validao e teste do treinamento foi realizado atravs da base de dados de teste, que nada mais do que um conjunto de 155 pares de entradas (perfil trmico) e sadas (estado do pra-raios) distintos daqueles empregados no treinamento.

Fig. 10. Janela principal do AnaTermo com dados da rede e do treinamento desejados. Fig. 12. Resultados do teste/validao da RNA.

5. RESULTADOS Na Fig. 11 apresentado um resultado tpico de um treinamento realizado no AnaTermo. Na Fig. possvel observar a evoluo do erro mdio quadrtico com relao s pocas de treinamento. O erro diminui medida que a quantidade de pocas aumenta, alcanando no final um valor de 5,597E-2. Quanto menor for o erro obtido melhor a qualidade do treinamento. Modificaes na arquitetura da rede tais como, quantidade maior de camadas ou mais neurnios nas camadas ocultas, podem resultar em erros
VIII Semetro. Joo Pessoa, PB, Brazil, June 17 19, 2009

Na Fig. 12 apresentada a sada do AnaTermo para os dados de validao e teste. Para cada um dos padres, a RNA treinada classificou os padres de entrada (perfis trmicos) como defeituosos ou no. A resposta fornecida pela rede foi comparada com a resposta desejada, isto , -1 em caso de defeito e 1 em caso contrrio. A partir desta comparao foi calculada a taxa de acerto do teste. Para esse caso, foi obtida uma taxa de acerto de mais de 93%, ou seja, em de 93% dos casos a RNA treinada forneceu uma reposta similar a desejada.

Taxas de acerto ainda maiores podem ser obtidas se a base de dados for ampliada. Para isso pretende-se adquirir novos pra-raios para realizao de novos ensaios, e assim obter, novas imagens termogrficas. Com isso, espera-se que seja possvel tanto determinar a existncia ou no de defeitos com mais preciso, como tambm classificar o defeito quanto ao seu tipo. 6. CONCLUSES O trabalho desenvolvido atingiu o objetivo proposto de desenvolver uma metodologia/ferramenta (o AnaTermo) para anlise e classificao de imagens trmicas de praraios a ZnO. Partindo dos resultados obtidos com a realizao dos ensaios, concluiu-se que atravs da anlise das imagens trmicas e dos perfis de temperatura na superfcie de um pra-raios, possvel detectar irregularidades que geralmente esto associadas a defeitos ou falhas provocadas por meios externos, como a poluio. Estas irregularidades geralmente so percebidas ao se fazer a comparao entre perfis trmicos, considerando-se o praraios defeituoso e o mesmo tipo de pra-raios em bom estado operacional. Para a realizao deste trabalho, foram utilizados cinco pra-raios de 96 kV, retirados de servio pela Chesf por apresentarem-se fora do padro utilizado pela empresa aps a realizao de inspees trmicas; um pra-raios de 192 kV, um de 550 kV e dois de 96 kV cedidos pela Eletrosul. Estes pra-raios foram submetidos a ensaios de caracterizao, nos quais foi constatada a presena de problemas que justificaram a sua retirada da operao. Diversos defeitos foram criados propositadamente com a finalidade de se analisar as variaes no seu comportamento. A utilizao de redes neurais artificiais mostrou-se um recurso adequado para o reconhecimento dos padres trmicos em pra-raios a ZnO. Os resultados obtidos confirmam a eficincia das redes neurais na classificao dos padres, j que mais 93% dos padres foram classificados corretamente entre defeituosos e nodefeituosos. Tal resultado animador, levando-se em conta ainda que para o diagnstico completo do pra-raios no se deve descartar o seu histrico e a prpria experincia dos engenheiros de manuteno. Os resultados obtidos atravs do AnaTermo representam a confirmao de que a inspeo trmica atravs da termoviso um mtodo adequado para preveno e deteco de falhas que, apesar de no ser utilizado em todo o seu potencial, pode ser aprimorado de modo a se tornar mais eficiente e preciso. Neste sentido, este trabalho o passo inicial para o desenvolvimento de uma ferramenta poderosa de anlise e diagnstico baseado na leitura das imagens trmicas obtidas. importante destacar ainda que, sendo este um trabalho pioneiro e que se encontra em andamento, muito ainda pode ser feito no intuito de se melhorar os resultados obtidos, principalmente em relao classificao dos padres de acordo com o tipo de defeito. Buscando aperfeioar e consolidar os resultados aqui obtidos possvel tentar melhorar a classificao das imagens de acordo com o tipo de defeito ensaiado. Entretanto, a maior dificuldade encontrada para se obter esta melhoria a falta de dados em nmero suficiente para um treinamento adequado da rede neural. Dessa forma, uma
VIII Semetro. Joo Pessoa, PB, Brazil, June 17 19, 2009

quantidade maior de ensaios se faz necessria para se obter uma base de dados mais representativa. AGRADECIMENTOS Os autores externam seus agradecimentos ao Conselho Nacional de Desenvolvimento Cientfico e Tecnolgico (CNPq, INCT/CNPq e PRONEX/FAPESQ) e Coordenao de Aperfeioamento de Pessoal de Nvel Superior (Capes) pelo suporte financeiro em forma de apoio a pesquisa e bolsas. A Eletrosul, na pessoa do Eng. Lcio Galvani, pela doao dos pra-raios to importantes para a realizao dos ensaios. REFERNCIAS BIBLIOGRFICAS
[1] E. T. Wanderley Neto, "Monitoramento e diagnstico de pra-raios a ZnO atravs de redes neurais artificiais". Tese de Doutorado, Depar-tamento de Engenharia Eltrica, Universidade Federal de Campina Grande, Campina Grande, 2007. R. T. Souza, "Medio e anlise harmnica da corrente de fuga resis-tiva em varistores de ZnO". Dissertao de Mestrado, Departamento de Engenharia Eltrica, Universidade Federal de Campina Grande, Campina Grande, 2004. E. C. Sakshaug, "A Brief History of AC Surge Arresters". IEEE Pow-er Engineering Review, August, 1991. V. Hinrichsen, Metal-Oxide Surge Arresters Fundamentals. 1st Edi-tion. Siemens Power Transmission and Distribution Power Voltage Division, Berlin, 2001. ABB Switchgear, "Physical properties of zinc oxide varistors". ABB Power Technology Products AB, 2001. J. L. Franco, "Estudo das propriedades eltricas dos varistores de ZnO na regio de baixas tenses aplicadas". Dissertao de Mestrado, De-partamento de Engenharia Eltrica, Universidade Federal da Paraba, Campina Grande, 1993. E. G. Costa, "Anlise do Desempenho de Pra-Raios de xido de Zinco". Tese de Doutorado Departamento de Engenharia Eltrica, U-niversidade Federal da Paraba, Campina Grande, 1999. T. K. Gupta, "Application of zinc oxide varistors". J. Am. Ceram. Soc., vol. 73, n 7, pp. 1817-1840, 1990. F. Rosenblatt, "The Perceptron: A probabilistic model for information storage and organization in the brain", Psychological Review, vol. 65, pp. 386-408, 1958. S. Haykin, Redes Neurais Artificiais: Princpios e prtica, 2. ed., Porto Alegre: Bookman, 2001. A. S. Pandya., R. B. Macy, Pattern recognition with neural network in C++. CRC Press, 1996. M. Riedmiller, H. Braun, "A direct adaptative method for faster back-propagation learning: The RPROP algorithm". in Proc. 1993 IEEE Int. Conf. on Neural Networks, pp. 586591. C. Igel, M. Husken, "Empirical evaluation of the improved Rprop learning algorithms" Neurocomputing, vol.50 pp.105 123, 2003. M. Riedmiller, "Rprop Description and Implementation Details" Institut fur Logik, Komplexitat und Deduktionssytem, University of Karlsruhe, Technical Report. Jan. 1994.

[2]

[3] [4] [5] [6]

[7]

[8] [9] [10] [11] [12]

[13] [14]