Você está na página 1de 8

XIII ERIAC DCIMO TERCER ENCUENTRO REGIONAL IBEROAMERICANO DE CIGR

Puerto Iguaz Argentina

24 al 28 de mayo de 2009

XIII/PI-A2 -109

Comit de Estudio A2 - Transformadores

DESENVOLVIMENTO DE UM SISTEMA DE INFERNCIA NEBULOSA PARA DETECO E DIAGNSTICO DE FALHAS EM TRANSFORMADORES DE POTNCIA F. H. TEODORO Eletrosul Centrais Eltricas Brasil

Resumo O artigo apresenta o desenvolvimento de um sistema de deteco e diagnstico de falhas em transformadores de potncia utilizando a Lgica Difusa, ou Lgica Fuzzy, que permite avaliar o estado operativo desse equipamento. As informaes monitoradas do transformador e do sistema eltrico so processadas em tempo real e o resultado utilizado para apoiar a tomada de decises. Os dados de sada desse sistema sinalizam a possibilidade de ocorrncia de falha interna do transformador, objetivando agilizar a ao corretiva a ser tomada, reduzir o nmero de paradas programadas e ocasionais, e aumentar a vida til dos transformadores de potncia. Caso seja detectado um desvio em relao aos padres de operao do equipamento, este desvio analisado em maior profundidade, para uma avaliao mais precisa de suas causas, fornecendo equipe de manuteno melhores condies para o planejamento de intervenes. Palabras clave: Transformador Monitoramento Diagnstico de falha Sistema Especialista Lgica Fuzzy 1 INTRODUO

No atual modelo do setor eltrico brasileiro, a remunerao das empresas transmissoras de energia eltrica est diretamente ligada disponibilidade de suas instalaes. Esta remunerao consiste, efetivamente, de um valor anual definido para cada instalao do seu Sistema de Transmisso, do qual sero subtrados valores proporcionais s horas de indisponibilidade dessa instalao. Essa definio visa garantir a qualidade dos servios de transmisso prestados pelas empresas, buscando maximizar a disponibilidade das instalaes de transmisso, que fundamental para o adequado funcionamento do Sistema Eltrico. Neste contexto, faz-se necessrio o desenvolvimento de aplicaes especficas de monitoramento e superviso dos equipamentos envolvidos no sistema eltrico de potncia, principalmente os transformadores de potncia. Os transformadores de potncia so essenciais no sistema interligado de energia eltrica e diversos parmetros oriundos do envelhecimento natural ou acelerado dos mesmos so monitorados, tais como: concentrao de gases dissolvidos no leo isolante; temperatura do leo, do enrolamento e do ambiente; e carregamento. Essas informaes so processadas pelo sistema de inferncia nebulosa na deteco e diagnsticos de falhas, o qual determina a possibilidade de ocorrncia de uma falha. Os benefcios da implementao desse sistema e da utilizao dos seus recursos so: - Incremento de agilidade e de preciso nos processos de engenharia; - Aumento da vida til dos transformadores instalados; - Reduo dos custos operacionais; - Aperfeioar o sistema de proteo contra falhas internas de transformadores; - Reduzir o nmero de paradas programadas e ocasionais.
*fteodoro@eletrosul.gov.br

Como sistemas capazes de processar eficientemente informaes imprecisas e qualitativas de forma geral, os modelos de inferncia nebulosa so especialmente adequados em processos que exigem tomadas de deciso por parte de operadores e gerentes de operao. A ferramenta utilizada na concepo do sistema de inferncia nebulosa na deteco de falhas em transformadores de potncia prov os recursos para se criar e editar o sistema dentro de uma plataforma do software MatLab. A caixa de ferramentas da Lgica Difusa fornece um nmero de ferramentas que permite o acesso a muitas funes por meio da interface grfica com o usurio. Juntas, estas interfaces dispem de um ambiente para a montagem da arquitetura, implementao e anlise do sistema de inferncia nebulosa, representada pela Figura 1.

Figura 1: Diagrama de aplicativos computacionais para o desenvolvimento do sistema de inferncia nebulosa: editor do sistema, da funo membro e de regras, e ferramentas grficas. 2 METODOLOGIA

Na prtica considera-se a ocorrncia de uma falha interna em um transformador de potncia quando, por exemplo, os valores da temperatura do leo, da temperatura do enrolamento e do nvel de leo excederem um valor exato, definidos conforme as caractersticas construtivas de cada transformador. No entanto nesses padres pode haver certo grau de incerteza inerente prpria natureza das medidas. Objetivando auxiliar o operador do sistema em sua deciso, desenvolvido um sistema para o tratamento dessas incertezas, por meio da Lgica Difusa (Fuzzy). Este sistema utiliza-se de grandezas monitoradas de um autotransformador (ATF), cujas caractersticas so as seguintes: - Potncia Trifsica Nominal: 672 MVA; - Grupo de Ligao: 1 (Estrela aterrado/Delta aberto); - Tenso Nominal: 525 / 230 / 13,8 (kV); - Tipo: ONAF leo Normal / Ar Forado; - Classe de Isolao: A (105C). 2.1 Conjuntos Nebulosos e a Lgica Difusa Os Conjuntos Nebulosos e a Lgica Difusa provm a base para gerao de tcnicas poderosas para a soluo de problemas, com uma vasta aplicabilidade, especialmente, nas reas de controle e tomada de deciso. A fora da Lgica Difusa deriva da sua habilidade em inferir concluses e gerar respostas baseadas em informaes vagas, ambguas e qualitativamente incompletas e imprecisas. Neste aspecto, o sistema de base nebulosa ou difusa tem habilidade de raciocinar de forma semelhante dos humanos. Seu comportamento
2

representado de maneira muito simples e natural, levando construo de sistemas compreensveis e de fcil manuteno. A Lgica Difusa baseada na teoria dos Conjuntos Nebulosos. Esta uma generalizao da teoria dos Conjuntos Tradicionais para resolver os paradoxos gerados a partir da classificao verdadeira ou falsa da Lgica Clssica. Tradicionalmente, uma proposio lgica tem dois extremos: ou completamente verdadeira ou completamente falsa. Entretanto, na Lgica Difusa, uma premissa varia em grau de verdade de 0 a 1, o que leva a ser parcialmente verdadeira ou parcialmente falsa. Com a incorporao do conceito de grau de verdade, a teoria dos Conjuntos Nebulosos estende a teoria dos Conjuntos Tradicionais. Os grupos so rotulados qualitativamente (usando termos lingsticos, tais como: alto, morno, ativo, pequeno, perto, etc.) e os elementos destes conjuntos so caracterizados variando o grau de pertinncia (valor que indica o grau em que um elemento pertence a um conjunto). Por exemplo, um homem de 1,80 metro e um homem de 1,75 metro so membros do conjunto alto, embora o homem de 1,80 metro tenha um grau de pertinncia maior neste conjunto. 2.2 Sistema de Controle Nebuloso A Lgica Difusa pode ser utilizada para a implementao de controladores nebulosos, aplicados nos mais variados tipos de processos. A utilizao de regras nebulosas e variveis lingsticas conferem ao sistema de controle vrias vantagens, incluindo: - simplificao do modelo do processo; - melhor tratamento das imprecises inerentes aos sensores utilizados; - facilidade na especificao das regras de controle, em linguagem prxima natural; - satisfao de mltiplos objetivos de controle; - facilidade de incorporao do conhecimento de especialistas humanos; 2.3 Regras Nebulosas A maneira mais comum de armazenar informaes em uma base de conhecimento nebuloso a representao por meio de regras. Uma regra nebulosa normalmente formada de duas partes principais: IF <antecedente> THEN <conseqente> O antecedente composto por um conjunto de condies que, quando satisfeitas, mesmo parcialmente, determinam o processamento do conseqente da regra por um mecanismo de inferncia nebulosa. O processo acima descrito denomina-se disparo de uma regra. Por sua vez, o conseqente composto de um conjunto de aes ou diagnsticos que so gerados com o disparo da regra. Os conseqentes das regras disparadas so processados em conjunto para gerar uma resposta determinstica para cada varivel de sada do sistema. 2.4 Modelos de Inferncia Nebulosa A semntica que vai definir para o mecanismo de inferncia como sero processados os antecedentes, quais sero os indicadores de disparo das regras e quais os operadores utilizados sobre os Conjuntos Nebulosos existentes, para executar o processamento de conhecimento. Tipicamente, utilizam-se modelos de inferncia nebulosa especficos de acordo com as propriedades sintticas definidas, ou seja, o modelo de processamento definido para o sistema de conhecimento vai depender basicamente da forma de armazenamento de informaes escolhida. Para o sistema de apoio deciso aqui proposto, utiliza-se o modelo de Mamdani nas inferncias nebulosas. 2.5 Modelo de Mamdani Mamdani (1974) props na dcada de 1970 um mtodo de inferncia nebulosa que foi por muitos anos um padro para a utilizao dos conceitos da Lgica Difusa em processamento de conhecimento. As regras de
3

produo em um modelo de Mamdani possuem relaes nebulosas tanto em seus antecedentes como em seus conseqentes. Como a maioria das aplicaes de interesse possui sistemas convencionais de aquisio e atuao baseados em grandezas numricas, o modelo de Mamdani inclui mdulos de interface que transformam as variveis de entrada em Conjuntos Nebulosos equivalentes e, posteriormente, as variveis nebulosas geradas em variveis numricas proporcionais, adequadas para os sistemas de atuao existentes. Na Figura 2 mostrado um diagrama tpico de um sistema de processamento de conhecimento nebulosa que utiliza um modelo de interferncia de Mamdani.

Figura 2: Diagrama tpico de um modelo de inferncia de Mamdani. A regra semntica tradicionalmente utilizada para o processamento de inferncias com o modelo de Mamdani chamada de inferncia Mx - Min. Ela utiliza as operaes de unio e de interseo entre conjuntos da mesma forma que Zadeh, por meio dos operadores de mximo e de mnimo, respectivamente. Todas as regras para as quais o coeficiente de disparo for maior que zero so ditas regras que disparam para as entradas atuais. A converso nebulosoescalar transforma informaes qualitativas em uma informao quantitativa, sendo um processo de especificao, chamado de desnebulizao. Os mtodos mais utilizados para converso nebulosoescalar so: o mtodo da mdia dos mximos e o mtodo do centro de massa. O mtodo da mdia dos mximos, o valor numrico da sada corresponde ao ponto do universo de discurso, que por sua vez corresponde mdia dos pontos de mximo locais da funo de pertinncia do conjunto de sada produzidas pelo processo de inferncia. J o mtodo do centro de massa, ou centride, calcula-se, para um conjunto nebuloso de sada proveniente de uma Base de Conhecimento processada, a abscissa (no universo de discurso definido para a varivel em questo) do ponto de centro de massa correspondente, e a utiliza como valor escalar de sada. 2.6 Sistema de Deteco de Falhas em Transformadores Aps vrios experimentos por meio da substituio da forma da funo membro, modificao de seus parmetros e alterao dos pesos das regras, chegou-se ao sistema mostrado na Figura 3 para o diagnstico de falhas em transformadores a fim de que o sistema apresentasse uma sada satisfatria, ou seja, identificar corretamente as incidncias de falhas em transformadores. O sistema proposto acima composto por 6 (seis) entradas e 3 (trs) sadas, conforme especificao que segue. As variveis de entrada do sistema so: TO Temperatura do leo isolante; NO Nvel do leo; AG Analisador de gs dissolvido no leo; TE Temperatura do enrolamento; TA Temperatura ambiente; CT Carregamento. As variveis de sada do sistema so: F1 Falha 1: curto-circuito interno; F2 Falha 2: sobreaquecimento; F3 Falha 3: problemas no leo isolante. Em lgica difusa necessrio definir funes de pertinncia, e mostrar o grau de verdade inerente a cada uma das varveis, adjetivadas por nomes escolhidos pelo usurio (provvel, alto, muito alto, normal, baixo,
4

muito baixo, etc.) e que melhor as represente. O ato de associar a uma varivel um contedo lingstico significa nebulizar a varivel. Os valores lingsticos associados s entradas do sistema de inferncia so: N normal; U urgncia; E emergncia. Os valores lingsticos associados s sadas so: N normal; PP pouco provvel; P provvel; MP muito provvel; C certo.

Figura 3: Sistema de Inferncia Nebulosa.

2.7 Definio dos Conjuntos Nebulosos Na construo do sistema nebuloso, as variveis de entrada foram divididas em trs categorias, conforme especificado abaixo. Os valores nebulosos para essas variveis e os conjuntos nebulosos correspondentes so definidos em relao s especificaes tcnicas e ao Manual de Operao do equipamento. Por exemplo, a posio do conjunto nebuloso E (emergncia) no universo para TE (temperatura do enrolamento) indica que o transformador opera fora das recomendaes tcnicas, o que implica em uma provvel interveno no equipamento para manuteno. A Figura 4 ilustra dois conjuntos nebulosos para variveis de entrada.

Figura 4: Conjuntos nebulosos para a temperatura do enrolamento e o dos gases dissolvido no leo.

Em funo dessas variveis de entrada o sistema nebuloso define o percentual de ocorrncia de falhas F1, F2 e F3 no transformador. As distribuies dos conjuntos nos universos, sua formas e domnios das variveis de sada so ilustradas na Figura 5.

Figura 5: Conjuntos nebulosos para as variveis de sada F1, F2 e F3. Aps a definio das variveis de entrada e sada do sistema, e dos conjuntos nebulosos associados a cada varivel, faz-se necessrio o desenvolvimento de regras de inferncia, objetivando a agregao destes conjuntos nebulosos e a determinao das possibilidades de ocorrncia de falhas no transformador. 2.8 Definio das Regras de Inferncia O conjunto de regras foi obtido por meio de entrevistas realizadas com diversos especialistas do setor e refletem a experincia desses profissionais, aliada ao conhecimento do problema de deteco e diagnstico de falhas em transformadores de potncia. A partir dessas informaes, determinam-se as possibilidades com que essas falhas ocorram. Um exemplo de construo de regra de inferncia para a falha de um curto-circuito interno definida da seguinte maneira: SE a Temperatura leo = normal E o Nvel de leo = normal E o Analisador de Gases = urgncia E a Temperatura do Enrolamento = advertncia E a Temperatura Ambiente = normal E o Carregamento do Transformador = normal ENTO falha 01 = muito provvel. No entanto, se as caractersticas de carregamento do transformador estiverem sendo modificadas, em um perodo de muito calor, poder estar havendo um aumento nos nveis de gases dissolvidos no leo isolante oriundos de um sobreaquecimento. O sistema de inferncia nebulosa permite que as variveis de entrada acionem esse conjunto de regras e faa implicaes sobre as variveis de sada. Os valores percentuais de cada falha (F1, F2 e F3) so retornados por meio do processo de desnebulizao do resultado da agregao. Para a montagem do sistema tipo Mamdani utilizou-se os seguintes processos: lgica E (min); lgica OU (max); implicao (min); agregao (soma); desnebulizao (centride). 3 RESULTADOS E DISCUSSO

Neste Captulo, ser apresentado um caso que acontece com muita freqncia, onde o transformador de potncia encontra-se em operao normal de funcionamento e as grandezas monitoradas so alteradas, colocando o operador em estado de alerta. Essas informaes so processadas pelo sistema de inferncia nebulosa na deteco e diagnsticos de falhas, e determina a possibilidade de ocorrncia de uma falha. Num caso hipottico onde os nveis de leitura das variveis de entrada esto sendo alterados, com tendncia a ocorrer uma falha, o operador entra apenas em estado de alerta, aguardando a prxima leitura, sem tomar nenhuma atitude corretiva. A Figura 6 ilustra o resultado do processamento de uma leitura crtica, com os nveis indicados no cabealho da mesma. Se o sistema de diagnstico de falha fosse do tipo convencional,
6

que utiliza a lgica binria para mapear os alarmes (operado e normalizado), certamente com nveis semelhantes aos dessa leitura os alarmes relativos a TO e TE, estariam operados e seria configurada a falha por sobreaquecimento. Nesse caso seria tomada alguma providncia no sentido de minimizar a sobrecarga, porm desnecessria caso esses nveis retornem regio normal de operao.

Figura 6: Resultado das regras de inferncia do sistema. 4 CONCLUSO

Os resultados obtidos indicam que a tcnica adotada adequada para a deteco e o diagnstico de falhas em transformadores de potncia, pois h uma grande quantidade de informaes a respeito do seu estado operativo, de dados com imprecises inerentes aos sistemas de medio e a lgica fuzzy trata muito bem dessas incertezas. Hoje, esses conceitos de conjuntos nebulosos so estendidos a tcnicas de otimizao a qualquer componente do sistema eltrico de potncia. O sistema inteligente d agilidade ao diagnstico, fornece ao pessoal de operao e manuteno ferramentas que antes eram exclusivas de laboratrios de anlises e de pessoal altamente especializado, reduz custos, incentiva e multiplica o conhecimento dentro da empresa. Nesse escopo, torna-se necessrio reavaliar, constantemente, os critrios de manuteno dos equipamentos, de forma a minimizar as indisponibilidades programadas, porm, tendo sempre em vista que essa ao no pode implicar reduo da confiabilidade, pois uma perda intempestiva ou no programada dos equipamentos provocar em perda de receita substancialmente maior. H a necessidade de se tomarem, sistematicamente, decises a respeito de alteraes de procedimentos de manuteno, implantao de sistemas de monitoramento de equipamentos, substituio de equipamentos obsoletos ou com desempenho inadequado e outros aspectos relacionados aos processos de manuteno. 5 REFERNCIAS BIBLIOGRFICAS

[1] ZADEH, L. A. Fuzzy Sets, Int. Journal of Information and Control, 338-353, 1965. [2] MAMDANI, E.; ASSILIAN, S. An experiment in linguistic synthesis with a fuzzy logic controller, International Journal of Man Machine Studies, Vol. 7, No. 1, pp. 1-13. 1975. [3] LEVINE, R. I. Inteligncia Artificial e Sistemas Especialistas - Editora McGRAW-HILL, 1988. [4] GOMIDE, F. A. C.; GUDWIN, R. R.; TANSCHEIT, R. Conceitos fundamentais da teoria de conjuntos fuzzy, lgica fuzzy e aplicaes. Proceedings of 6th International Fuzzy Systems Association World Congress - IFSA95, Tutorials, pp. 1-38. 1995. [5] KLIR G. J.; YUAN B. Fuzzy Sets and Fuzzy Logic Theory and Applications. Prentice Hall, NJ, 1995.

[6] SILVA V. N. A. L. da; ZEBULUM R. S. An Integration of Neural Networks and Fuzzy Logic for Power Systems Diagnosis. Proceedings from Intelligent Systems Applications to Power Systems, Orlando, Jan. 1996. [7] MACHADO R. J.; ROCHA A. F. da. Inference, Inquiry, Evidence Censorship, and Explanation in Connectionist Expert Systems, IEEE Transactions on Fuzzy Systems, Vol. 5, N. 03, pp. 443-459, Ago. 1997. [8] CHEIM, L. Sistema Inteligente de Diagnstico de Transformadores de Potncia, no XV Seminrio Nacional de Produo e Transmisso de Energia Eltrica, Foz do Iguau, 1999. [9] JANG, J.S.R.; GULLEY, N. Fuzzy Logic Toolbox, for use with MATLAB. V2.1.3 The MathWorks, Inc. MA: 2004.