Você está na página 1de 14

CENTRO DE ENSINO UNIFICADO DO PIAUÍ – CEUPI

GRUPO EDUCACIONAL CEUMA

LEONARDO DE ARAÚJO COSTA

UTILIZAÇÃO DE REDES NEURAIS ARTIFICIAIS COMO TECNICAS DE


MONITORAMENTO E DIAGNÓSTICO DE PÁRA-RAIOS DE ZNO EM LINHAS DE 69 /
230 kV

TERESINA – 2018
CENTRO DE ENSINO UNIFICADO DO PIAUÍ – CEUPI
GRUPO EDUCACIONAL CEUMA

LEONARDO DE ARAÚJO COSTA

UTILIZAÇÃO DE REDES NEURAIS ARTIFICIAIS COMO TECNICAS DE


MONITORAMENTO E DIAGNÓSTICO DE PÁRA-RAIOS DE ZNO EM LINHAS DE 69 /
230 kV

Projeto de Pesquisa apresentado ao Centro de


Ensino Unificado do Piauí - CEUPI, como
requisito para a obtenção de nota na Disciplina de
Trabalho de Conclusão de Curso – TCC
ORIENTADOR:

TERESINA – 2018
SUMÁRIO

1. INTRODUÇÃO .................................................................................................................. 4
1.1 Delimitação do Tema ................................................................................................... 4
1.2 Formulação do Problema ............................................................................................. 4
1.3 Hipótese ....................................................................................................................... 4
1.4 Objetivos ...................................................................................................................... 5
1.4.1 Objetivo Geral .......................................................................................................... 5
1.4.2 Objetivo Específico .................................................................................................. 5
1.5 Justificativa .................................................................................................................. 5
2. FUNDAMENTAÇÃO TEÓRICA ...................................................................................... 5
2.1 Pára-Raios a ZnO ......................................................................................................... 5
2.2 Características Construtivas ......................................................................................... 6
2.2.1 Varistores ................................................................................................................. 6
2.3 Características Eletrotérmicas ...................................................................................... 7
2.3.1 Curva característica .................................................................................................. 7
2.3.2 Corrente harmônica .................................................................................................. 7
2.3.3 Distribuição de tensão .............................................................................................. 8
2.3.4 Comportamento térmico........................................................................................... 8
2.3.5 Monitoramento de Pára-Raios.................................................................................. 8
2.3.6 Medição da Temperatura .......................................................................................... 9
2.4 Redes Neurais Artificiais ............................................................................................. 9
2.5 Mapas Auto-Organizáveis ......................................................................................... 10
2.6 Propriedades do Mapa de Características Organizacionais ....................................... 10
3. METODOLOGIA ............................................................................................................. 11
4. CRONOGRAMA DA PESQUISA ................................................................................... 12
REFERÊNCIAS ....................................................................................................................... 13
4

1. INTRODUÇÃO
Os pára-raios de óxido de zinco (ZnO) são equipamentos utilizados na proteção dos
sistemas elétricos contra surtos de diversas origens, formas e intensidade. Dessa maneira, eles
contribuem decisivamente para o aumento da confiabilidade, economia e continuidade da
operação dos sistemas os quais protege.
Seu papel é limitar o nível de tensão a que são submetidos equipamentos importantes da
subestação, como os transformadores de potência, evitando que os mesmos sejam atingidos por
uma sobretensão inadequada a sua operação.
Portanto, é de crucial importância o desenvolvimento e aperfeiçoamento de ferramentas
que venham a auxiliar no monitoramento e diagnóstico de falhas em pára-raios, de forma a
assegurar que os mesmos estejam em condições adequadas de operação.
O presente trabalho trata-se de uma revisão bibliográfica da tese “Monitoramento e
Diagnóstico de Pára-Raios a ZnO através de Redes Neurais Artificiais, do autor: Estácio
Tavares Wanderley Neto.

1.1 Delimitação do Tema


Como a utilização de redes neurais artificiais pode contribuir no monitoramento e no
diagnóstico de falhas em para-raios de óxido de zinco a partir do seu perfil térmico obtido de
termografias de pára-raios submetidos à tensão de operação.

1.2 Formulação do Problema


De que forma a utilização de redes neurais artificias através de mapas auto-organizáveis
pode contribuir com o monitoramento e o diagnóstico de Pára-raios de óxido de zinco em linhas
de 69/230kV?

1.3 Hipótese
• Com a realização de ensaios no Pára-raios durante sua operação poderá ser possível a
detecção de defeitos quando utilizados a termovisão
• Seleção desses defeitos por meio de softwares para que os mesmos possam ser monitorados
e diagnosticados através de manutenções preventivas e preditiva
• O uso de redes neurais artificias possibilitara uma análise e diagnostico mais precisos,
através de simulações reais.
5

1.4 Objetivos
1.4.1 Objetivo Geral
Apresentar de que forma a utilização de redes neurais artificias através de mapas auto-
organizáveis pode contribuir com o monitoramento e o diagnóstico de Pára-raios de óxido de
zinco em linhas de 69/230kV.

1.4.2 Objetivo Específico


• Descrever o princípio de funcionamento e composição dos Pára-raios de ZnO
• Analisar os dados de falhas durante a operação dos Pára-raios de ZnO através da
termovisão
• Implementar através do software redes neurais artificiais os possíveis falhas ocorridos
durante a operação do Pára-raios de ZnO para que possam ser feitos seus devidos
diagnósticos e monitoramentos.

1.5 Justificativa
Esta técnica de monitoramento está sujeita a imprecisões, uma vez que na análise
de imagens térmicas, o diagnóstico se baseia em parâmetros comparativos pré-definidos
empiricamente e no conhecimento do especialista. Assim, a simples obtenção da imagem
térmica não leva a um diagnóstico preciso.
Com intuito de superar as limitações existentes, especificamente, na análise de
imagens térmicas, é apresentada neste trabalho uma técnica (preliminar) baseada no uso
técnicas de Inteligência Artificial (IA), em especial os Mapas Auto Organizáveis, para
identificação e classificação de falhas em pára-raios de ZnO.

2. FUNDAMENTAÇÃO TEÓRICA
2.1 Pára-Raios a ZnO
Os pára-raios ou supressores de surto surgiram como uma alternativa para proteger os
sistemas elétricos contra surtos temporários de tensão, evitando que os mesmos se propaguem
através das linhas e cheguem aos equipamentos da subestação.
Atualmente, os pára-raios mais utilizados são os óxidos de zinco (ZnO), devido,
principalmente, à suas altas capacidades de absorção de energia e curva característica (V-I)
altamente não linear que possibilita a utilização do equipamento sem centelhadores em série,
os quais podem levar a uma série de problemas eletromecânicos e incertezas com relação à
atuação do pára-raios.
6

2.2 Características Construtivas


Os pára-raios a óxido de zinco são equipamentos de estrutura simples. Basicamente são
constituídos de uma coluna de varistores envolvida por uma coluna de porcelana ou material
polimérico, havendo ainda alguns outros componentes estruturais.
Sua configuração depende do sistema ao qual será aplicado, mas no aspecto geral, segue
o esquema mostrado na Figura 1.

Figura 1:Estrutura de um pára-raios de ZnO com invólucro de porcelana


Fonte: [HINRICHSEN, 2001].

2.2.1 Varistores
Os varistores de óxido de zinco são o que se pode chamar de a “alma” do pára-raios, em
que são constituídas, além do ZnO, por outros óxidos aditivos, tais como óxidos de alumínio,
antimônio, bismuto e manganês.
Estes outros óxidos, principalmente os de bismuto e o de antimônio, são responsáveis
pela formação da camada intergranular, ou seja, as camadas entre os grãos de ZnO que
proporcionam ao material características exclusivas. As características dos varistores variam
em função de sua composição e pureza [ABB, 2001] [FRANCO, 1993].
A Fig. 2 mostra alguns varistores a ZnO de diversas dimensões.

Figura 2: Varistores de ZnO em diversas dimensões.


Fonte: [Google Imagens]
7

2.3 Características Eletrotérmicas


2.3.1 Curva característica
A principal característica do pára-raios a ZnO é a sua não-linearidade em relação a curva
V x I. Esta característica representou um avanço em relação aos pára-raios convencionais a
carboneto de silício, isto porque, sua curva característica, ao contrário do que ocorre com o SiC,
permite sua conexão direta com o sistema elétrico gerando apenas uma corrente de fuga
desprezível em condições de operação normal. Assim, dispensou-se o uso de centelhadores em
série com a coluna de elementos varistores. A Figura 3 mostra a configuração típica de um pára-
raios no sistema elétrico.

Figura 3: Pára-raios inserido no sistema elétrico.


Fonte: [Google Imagens]

2.3.2 Corrente harmônica


Devido a sua alta não-linearidade, a corrente que atravessa o pára-raios possui
um elevado conteúdo harmônico, principalmente de 3ª ordem. Um circuito elétrico
equivalente para um pára-raios de ZnO pode ser visto na Figura 4:

Figura 4: Circuito equivalente ao pára-raios.


Fonte: [Google Imagens]
8

2.3.3 Distribuição de tensão


Um outro aspecto a ser considerado no estudo das características elétricas do pára-raios
é a distribuição de tensão ao longo da coluna de varistores. Medições mostram que esta
distribuição não é uniforme, de modo que os varistores mais próximos do terminal de alta tensão
estão sujeitos a uma diferença de potencial superior aos varistores da base.
Consequentemente, os varistores superiores estão sujeitos a uma maior solicitação
térmica, degradando-se mais rapidamente que os demais [CHRZAN e GIELNIAK, 2003]. Tal
irregularidade na distribuição de tensão pode ser explicada através da presença de capacitâncias
parasitas ou pela existência de campos elétricos mais intensos nas proximidades do terminal de
alta tensão.

2.3.4 Comportamento térmico


Uma das características mais desejadas de um varistor de ZnO é a estabilidade térmica.
Um varistor é considerado estável termicamente quando:
• Após a ocorrência de um surto, ele retorna as suas condições normais, ou seja, as condições
nas quais ele se encontrava antes da ocorrência do surto;
• Quando consegue manter sua capacidade de dissipação de calor durante o regime de
operação contínua sem apresentar aquecimento excessivo.
Durante sua operação normal, em meio a surtos produzidos por descargas atmosféricas
ou operações de manobra e chaveamentos, o pára-raios deve ter capacidade de absorver e
dissipar a energia para o ambiente sem que sua temperatura aumente excessivamente.

2.3.5 Monitoramento de Pára-Raios


O monitoramento é uma ferramenta de grande importância para se avaliar o
estado dos pára-raios que estão em uso em campo. Pode-se dizer que o monitoramento é uma
manutenção preditiva, pois a mesma permite detectar anomalias que podem ocasionar a falha
do pára-raios.
Deste modo, evita-se que o equipamento falhe e comprometa a segurança do sistema no
qual está inserido. Por motivos de caráter prático e econômico, é preferível que a análise do
estado dos pára-raios em uso seja feita sem que haja necessidade da retirada do mesmo, de
modo a não comprometer a segurança e a operação.
9

2.3.6 Medição da Temperatura


A medição da temperatura pode fornecer a maioria das informações desejadas durante o
monitoramento de um pára-raios – absorção de energia, aumento da perda de potência devido
ao envelhecimento dos varistores e perda da estanqueidade, sendo a variação na temperatura
dos varistores o resultado do efeito de todas estas influências sobre o pára-raios.
Isso se deve ao fato de que qualquer anormalidade que venha a ocorrer na operação dos
varistores se reflete em aumento de temperatura. Existem várias técnicas para se analisar a
variação de temperatura nos varistores durante a realização de ensaios ou em operação normal.
Estas técnicas vão desde a inserção de termômetros entre as pastilhas, até a utilização de
ultrassom e termovisores.

2.4 Redes Neurais Artificiais


Uma rede neural artificial (RNA) ou simplesmente, rede neural, figura 5 é uma estrutura
de processamento computacional inspirada no funcionamento do cérebro humano. O cérebro
pode ser visto como uma estrutura computacional altamente complexa e eficiente, apresentando
características de processamento não-linear e paralelo.
Se forem observadas as tarefas desempenhadas pelo mesmo, tais como reconhecimento e
controle, pode-se perceber que ainda não se conseguiu desenvolver nenhuma estrutura de
processamento artificial – computadores ou algoritmos – capazes de desempenhar estas mesmas
funções de maneira tão rápida e precisa, em que a organização dos neurônios artificiais
conectados por ligações sinápticas (funções matemáticas), são utilizadas para armazenar e gerar
novos conhecimentos.

Figura 5: Estrutura de um neurônio artificial.


Fonte: [Google Imagens]
10

As Redes Neurais Artificiais (RNAs) são redes inspiradas na estrutura do cérebro, com
o objetivo de apresentar características similares ao comportamento humano, tais como:
aprendizado, associação, generalização e abstração.
Segundo Haykin “[...] as RNAs podem generalizar os resultados obtidos para dados
previamente desconhecidos, ou seja, produzir respostas coerentes e apropriadas para padrões
ou exemplos que não foram utilizados no seu treinamento. Dentre as suas principais
características, pode-se citar:
• capacidade de aprendizado
• capacidade de generalização
• capacidade de adaptação
• tolerância a erros
• conhecimento e computação distribuídos.

2.5 Mapas Auto-Organizáveis


Os Mapas Auto-Organizáveis (Self-Organizing Map - SOM) correspondem a uma classe
especial de grades neurais baseadas na aprendizagem competitiva e treinamento não
supervisionado do tipo feed forward. Em uma rede SOM, os neurônios estão colocados em nós
de uma grade, normalmente unidimensional ou bidimensional, não possuindo uma forma
topológica padrão, podendo ser hexagonal, retangular, triangular, etc. Cada neurônio está
conectado a todas as entradas da rede.

2.6 Propriedades do Mapa de Características Organizacionais


Uma vez treinada a rede SOM, o mapa de características calculado pelo algoritmo de
treinamento evidencia características estatísticas importantes do espaço de entradas, que são
descritas a seguir:

† Aproximação do espaço de entrada: os vetores de pesos das unidades da SOM formam um


conjunto de protótipos, os quais constituem uma boa representação das características do espaço
de entradas;

† Ordenação topológica: o algoritmo SOM é ordenado de modo topológico, no sentido de que


a localização espacial de um neurônio na grade corresponde a um domínio particular ou
característica dos padrões de entrada;
11

† Seleção de características: a partir de dados do espaço de entrada com uma distribuição não-
linear, o mapa auto-organizável é capaz de selecionar um conjunto das melhores características
para aproximar a distribuição subjacente.

3. METODOLOGIA
A metodologia que será utilizada consiste na obtenção de várias imagens termográficas
de pára-raios a ZnO, com defeitos típicos, produzidos intencionalmente. De posse, desses dados
será construída uma base de dados com os perfis térmicos dos pára-raios defeituosos.
A base de dados por sua vez será utilizada no treinamento da RNA, para que em um
momento futuro, ela possibilitasse diagnosticar, automaticamente, o estado de um determinado
pára-raios baseado no seu perfil térmico.
12

4. CRONOGRAMA DA PESQUISA

PERÍODO
ETAPAS Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Escolha do X
Tema
Levantamento X X X
Bibliográfico
Elaboração X
do Pré-projeto
Coleta de X X
Dados
Correção X
do Pré-projeto
Apresentação X
do Projeto
Redação do X X X
Trabalho
Revisão e X X
redação final
Entrega do X
TCC
Defesa da TCC X
13

REFERÊNCIAS

V. Hinrichsen, “Metal-oxide surge arresters fundamentals,” 1st Edition. Siemens – Power


Transmission and Distribution Power Voltage Division, Berlin, 2001.

S. Haykin, Neural networks, A comprehensive Foundation. New York: Macmilan, 1994.

A. Braga, A. Carvalho, and T. Ludermir, Redes Neurais Artificiais: Teoria e Aplicações. Rio
de Janeiro: LTC, 2000.

C. von der Malsburg, “Self-organization of orientation sensitive cells in the striate cortex,”
Biological Cybernetics, vol. 14, no. 2, pp. 85–100, 1973.

T. Kohonen, Self-Organizing Maps. Springer; 3rd ed. edition, 2000.

E. T. Wanderley Neto, “Monitoramento e diagnóstico de pára-raios a ZnO através de redes


neurais artificiais,” Tese de Doutorado, Departamento de Engenharia Elétrica, Universidade
Federal de Campina Grande, 2007.

E. T. Wanderley Neto, E. G. Costa, and M. J. A. Maia, “Artificial neural networks used for zno
arresters diagnosis,” IEEE Transactions on Power Delivery, vol. 24, no. 3, pp. 1390–1395, July
2009.

C. Goutte, “Note on free lunches and cross-validation,” Neural Computation, vol. 9, no. 6, pp.
1245–1249, 1997. [Online]. Available: citeseer.ist.psu.edu/goutte97note.html

ABB Switchgear: “Physical properties of zinc oxide varistors”. ABB Power Technology
Products AB, 2001.

FERNANDO, S. N., RAGHUVEER, M. R.: “Simulation of Metal Oxide Arrester Diagnostics


including Stray Capacitance Effect”. 12th International Symposium on High Voltage
Engineering. August 20 – 24, 2001. Bangalore, India.
14

FRANCO, J. L. Estudo das propriedades elétricas dos varistores de ZnO na região de baixas
tensões aplicadas. Dissertação de Mestrado, Universidade Federal da Paraíba, 1993

Você também pode gostar