1
Modelo para Diagnóstico de Falhas em
Transformadores de Potência Utilizando DGA
DANIEL AMARAL PINHEIRO
Escola de Engenharia, Departamento de Engenharia Elétrica
Universidade Federal de Minas Gerais
Belo Horizonte - MG, Brasil
(daniel.eletronica@yahoo.com.br)
Resumo: As falhas incipientes em transformadores de
potência estão relacionadas às condições do isolamento e dos
gases dissolvidos no óleo do mesmo. Neste Artigo, faremos
uma revisão sobre as características dos transformadores e
seu isolamento e também sobre os métodos convencionais de
diagnóstico de falhas. Depois será proposto novo modelo para
análise e diagnóstico baseado na análise cromatográfica dos
gases dissolvidos no óleo isolante.
Palavras-Chave: Transformadores de Potência, Diagnóstico
de Falhas, Análise de Gases Dissolvidos no Óleo, Modelo
Matemático.
I. INTRODUÇÃO
Transformadores de potência são um dos mais críticos e
caros equipamentos de uma subestação elétrica. Possuem
elevada complexidade e seu funcionamento é através de
indução eletromagnética onde ocorre a transferência de
potência do circuito primário para o secundário. Neste
processo de transferência ocorrem perdas internas em
virtude da imobilidade de suas partes componentes,
provocando o aumento da temperatura das partes ativas
(enrolamentos, blindagem, núcleo e conexões). [1] [2]
Visando refrigerar o equipamento e atuar como
dielétrico utiliza-se o procedimento de imersão do
transformador em uma caixa cheia de óleo, que pode ser
mineral (parafínico) ou sintético (naftênico). A elevação da
temperatura ocasiona desequilíbrio térmico entre a parte
aquecida e o óleo, transmitindo, para este, parte do calor
produzido. Neste processo formam-se gases, que são
gerados de forma mais acentuada quando ocorre alguma
falha nos transformadores [1] [3].
Como são equipamentos críticos e de grande valor, um
grande esforço vem sendo empregado para garantir seu
correto funcionamento evitando falhas relacionadas ao ciclo
natural de envelhecimento do sistema de isolamento e
também aquelas relacionadas aos regimes elétricos aos
quais os transformadores estão submetidos. Existe
atualmente um grande número de ferramentas de
diagnóstico das condições de operação dos transformadores
de potência. [2]
Este artigo apresenta uma ferramenta de diagnóstico de
falhas incipientes em transformadores de potência através
da análise dos gases dissolvidos em óleo. O Tópico II
descreve as características físicas e químicas do isolamento
dos transformadores. O Tópico III trata da análise
cromatográfica dos gases dissolvidos em óleo, onde são
descritos os principais gases associados às falhas em
transformadores de potência imersos em óleo. No Tópico
IV são descritos os métodos convencionais de análise e
diagnóstico das falhas. No Tópico V é proposto um modelo
para o diagnóstico. No Tópico VI será realizada uma
análise crítica do modelo proposto e também um
comparativo com os métodos convencionais de diagnóstico.
No Tópico VII serão estabelecidas as conclusões sobre o
modelo proposto.
II. CARACTERÍSTICAS DO ISOLAMENTO
Os transformadores possuem de modo geral dois itens
principais compondo o sistema de isolamento: parte sólida
(papel/celulose) e parte líquida (óleo). [4]
Existem diversos tipos de papéis utilizados como
isolantes cujas características dependem da matéria prima e
processo de fabricação. Este material normalmente sofre
degradação pela ação da temperatura, do oxigênio e da
umidade.
Entre 5% e 10% da isolação de celulose encontram-se
nas proximidades dos condutores de corrente elétrica que
operam na faixa de 10°C a 20°C acima da temperatura do
óleo do transformador em operação e uma pequena
porcentagem de celulose opera em temperaturas superiores
a 30°C acima da temperatura do óleo. De forma geral entre
90% e 95% da isolação sólida dos transformadores é
influenciada pela temperatura do óleo. [1] [5].
O óleo utilizado como meio refrigerante deve possuir
boa capacidade de transferência de calor e também baixa
viscosidade. Inicialmente eram utilizados óleos minerais
(parafínicos), entretanto, os mesmos oxidavam originando
borras insolúveis que aumentavam a viscosidade. Isto
diminuía a capacidade de transferência de calor, gerando
sobreaquecimento e prejudicando a vida útil.
Posteriormente estes óleos minerais foram substituídos
pelos óleos sintéticos (naftênicos), que mesmo oxidando
com maior facilidade, não geram borra, mantendo assim a
sua boa capacidade de transferência de calor [1] [5].
Dentre as propriedades químicas do óleo destacam-se a
Estabilidade à Oxidação (resistência à degradação dos
líquidos isolantes em contato com o oxigênio), Ponto de
Fulgor (a menor temperatura na qual se formam vapores
inflamáveis na superfície do óleo), Índice de Neutralização
(a acidez no líquido isolante, responsável pela formação de
borra que, uma vez depositada na parte ativa do
transformador, dificulta transferência de calor), Teor de

Umidade (a quantidade de água presente no óleo) e a
tendência à absorção de gases. [1] [4].
Dentre as propriedades físicas do óleo isolante
destacam-sese a Viscosidade e a Condutividade. A
Viscosidade indica
ndica a capacidade que o óleo tem de
transferir calor do transformador para o meio ambiente. Os
óleos utilizados para isolamento possuem a mais baixa
viscosidade entre os fluidos e também um elevado grau de
condutividade, isto possibilita a utilização de volume
v
reduzido, tornando os transformadores mais compactos e
baratos. [5]
Uma vez em operação, ocorre um aumento significativo
da temperatura interna devido às perdas no núcleo e no
enrolamento, o que aumenta a taxa de envelhecimento do
óleo, reduzindo a vida
ida útil do sistema de isolação. Durante
este processo de envelhecimento do óleo, ocorre a formação
de gases e estes são produzidos de forma mais acentuada
quando ocorrem falhas nos transformadores. É possível
avaliar a condição operacional do isolamento dos d detectadas em seu estágio inicial de desenvolvimento,
transformadores e detectar eventuais falhas através da
análise dos gases dissolvidos no óleo isolante (Dissolved
Gas Analysis – DGA ou Análise Cromatográfica dos Gases
Dissolvidos). [6]
Este Artigo visa analisar os dados obtidos através da
cromatografia gasosa e propor um modelo para diagnosticar
a condição de falha insipiente nos transformadores.
III. ANÁLISE DE CROMATOGRAFIA GASOSA
A Cromatografia Gasosa é uma técnica para separação e
análise de misturas de substâncias voláteis. A amostra é
vaporizada e introduzida em um fluxo de um gás adequado
denominado de fase móvel ou gás de arraste. [7]
Fig. 1. Sistema de Cromatografia a Gás. Fonte: Wikipédia
Este fluxo de gás com a amostra passa por um tubo
contendo a fase estacionária (coluna cromatográfica), onde
ocorre a separação da mistura. As substâncias separadas
saem da coluna, dissolvidas no gás de arraste e passam por
um dispositivo detector que gera um sinal elétrico
proporcional à quantidade de material. O registro deste
sinal em função do tempo é o Cromatograma , sendo que as
substâncias aparecem nele como picos com área
proporcional à sua massa, o que possibilita a análise
quantitativa. [7]
Durante a vida útil do transformador, várias amostras
são coletadas com o equipamento em operação e enviadas a
um laboratório para análise. Isto permite a avaliação de
2
tipos, concentração e taxa de produção de gases gerados e
dissolvidos no óleo do transformador e também a
associação com as respectivas falhas insipientes presentes
no mesmo. Estes métodos de diagnódiagnóstico baseados em
DGA são os mais estudados e aplicados em
transformadores de potência. A utilização destes métodos
por décadas gerou uma grande base de conhecimento na
caracterização do equilibro dos gases nno interior dos
transformadores. [2]
Os gases dissolvidos no óleo são formados durante o
envelhecimento natural dos transformadores, entretanto, sua
quantidade aumenta quando ocorrem descargas corona,
sobrecargas severas, arco elétrico, centelhamento de baixa
energia, sobreaquecimento no sistemaa de isolação e falhas
nos motores das bombas. Estas ocorrências decompõem os
materiais isolantes e foram gases de diversos tipos. Se um
transformador apresentar uma falha e continu continuar em
operação, corre-se o risco de sérios danos ao equipamento.
Por isto, é de grande importância que as falhas sejam
permitindo tomadas de decisão a partir da evolução dos
gases. [1]
Para cada tipo de falha que ocorre num transformador, é
liberada uma quantidade de energia qque decompõe o óleo
isolante. O modo como esta energia é liberada e sua
intensidade relaciona-sese com os tipos e quantidades de
gases gerados. Desta forma, existe uma relação entre os
tipos de falhas e gases gerados.
Os principais gases formados a partir da decomposição
do óleo isolante dos transformadores quando ocorrem
falhas insipientes são: Hidrogênio
idrogênio (H2), Metano (CH4),
Etano (C2H6), Etileno (C2H4) e Acetileno
cetileno (C2H2). Também
são formados os gases Dióxido de Carbono (CO2) e
Monóxido de Carbono (CO).
Existe também uma relação entre a temperatura de
sobreaquecimento e os tipos e quantidades de gases
gerados, conforme a Figura 2:
Fig. 2. Relação Entre Gases Formados e a Temperatura
Temperatura. Fonte: [7]
O diagnóstico de transformadores utilizando a
tecnologia DGA baseia-se naa interpretação dos dados
obtidos das
as análises cromatográficas dos gases dissolvidos.
Este diagnóstico é utilizado para determinar a condição
 3

operacional dos equipamentos, emitir sinais de advertência Tabela 3. Diagnóstico do Método em Função do Código
relativos às condições críticas e auxiliar no planejamento de CH4/H2 C2H6/CH4 C2H4/C2 H6 C2H2/C2 H4 Diagnóstico
utilizações futuras. Os métodos de interpretação dos dados 0 0 0 0 Deterioração Normal
5 0 0 0 Descargas Parciais
possibilitam a identificação de falhas incipientes através do 1/2 0 0 0 Sobreaquecimento – Abaixo de 150°C
monitoramento das razões entre as concentrações dos gases 1/2 1 0 0 Sobreaquecimento de 150°C – 200°C

dissolvidos ou da taxa de crescimento dos mesmos. [8] 0 1 0 0 Sobreaquecimento de 200°C – 300°C

0 0 1 0 Sobreaquecimento de Condutores
Correntes de Circulação nos
1 0 1 0
Estas razões entre as concentrações dos gases Enrolamentos
1 0 2 0 Correntes de Circ. no Núcleo e Tanque
fundamentam os métodos convencionais de monitoramento 0 0 0 1 Descarga Contínua
e diagnóstico das falhas. 0 0 1/2 1/2 Arco com Alta Energia
0 0 2 2 Descarga Contínua de Baixa Potência
5 0 0 1/2 Descarga Parcial Envolvendo o Papel
IV. MÉTODOS CONVENCIONAIS DE ANÁLISE
Fonte: [4]

Vários pesquisadores desenvolveram ao longo dos anos B. Método de Doernenburg

métodos próprios para diagnosticar falhas em
transformadores utilizando análise dos gases dissolvidos no Estabelece o diagnóstico de três tipos de falhas
óleo isolante. Vários destes métodos geraram publicações baseando em relações de concentração de gases e de limites
que se transformaram em recomendações ou normas para de variações para estas relações. Em sua forma original não
diagnostico das falhas. [1] [6] estabelece critérios para as condições normais de operação
do transformador. Na Tabela 4 são apresentados os valores
Grande parte destes métodos é baseada em razões entre
de relações gasosas que classificam o tipo de falha a que o
os gases formados de modo que seja possível a
identificação de uma falha tomando por base a faixa em que equipamento está submetido. [9]
se encontra cada razão. A Tabela 1 indica as razões Tabela 4. Identificação de Falhas no Método de Doernenburg
historicamente mais utilizadas nestes métodos. [8] Relações Entre Concentrações de Gases
Relações Principais Relações Auxiliares
Tabela 1. Razões Entre as Concentrações dos Gases TIPO DE FALHA
CH 4/H2 C2H 2/C2H4 C2H 6/C2H2 C2H2/CH4
CH 4 C2 H 2 C2 H 2 C2H 6 C2H 4 Ponto Quente >1 < 0,75 > 0,4 < 0,3
Razão Descarga Parcial < 0,1 N. Signif. > 0,4 < 0,3
H2 C2 H 4 CH 4 C2H 2 C2H 6
Outros Tipos de Descarga < 1 e > 0,1 > 0,75 < 0,4 > 0,3
Notação R1 R2 R3 R4 R5 Fonte: [4]
Fonte: [8]
A Tabela 6 apresenta os dados de concentração de gases
Entre os métodos mais utilizados, estão o Método de individualmente para a validação de aplicação do método.
Rogers e o Método de Döernenburg, que levam em O critério define que, para a utilização da Tabela 5, no
consideração o nível de degradação térmica no diagnóstico mínimo um dos gases que compõe as relações principais
de falhas. Os resultados das análises de concentrações de tenha uma concentração superior ao dobro do valor da
gases são comparados com valores pré-estabelecidos e Tabela 5 e que para as relações auxiliares, pelo menos um
catalogados, os quais indicam a intensidade do problema. O dos gases tenha uma concentração superior à apresentada
Método de Duval considera a concentração de três tipos de na mesma tabela.
gases e analisa as informações através de um triângulo
gráfico. Tabela 5. Concentração de Gases para Validação do Método de
Doernenburg.
A. Método de Rogers Tipos de Gás H2 CH 4 C2H 6 C2H 4 C2H 2
Concentração PPM (V/V) 200 50 15 60 15
Estabelece o diagnóstico baseando em relações de Fonte: [4]
concentração de gases e de limites de variações para estas
C. Método Previsto na NBR7274
relações. Utilizada quatro relações envolvendo cinco gases.
Estas relações são dispostas em uma tabela indicando
Este método, baseado na IEC 599/1978, é semelhante ao
códigos que são combinados e interpretados através de uma
método de Rogers, com modificações na interpretação dos
segunda tabela contendo o diagnóstico da falha. [9]
valores de cada diagnóstico e também variando alguns
Tabela 2. Definição dos Códigos do Método de Rogers limites das relações. A Tabela 6 apresenta as relações e
Relação de Gases Faixa de Variação Código diagnósticos conforme a NBR7274. [10]
< = 0,1 5
> 0,1 ; < 1 0 Tabela 6. Análise de Gases Conforme NBR7274
CH4/H 2
>=1;<3 1 C2H2/C2H4 CH4/H 2 C2H4/C2H6 DIAGNÓSTICO
>=3 2 < 0,1 0,1 a 1,0 < 0,1 Envelhecimento Normal
<1 0
C2H 6/CH 4 < 0,1 < 0,1 < 0,1 Descarga Parcial Baixa Energia
>=1 1
0,1 a 0,3 < 0,1 < 0,1 Descarga Parcial Alta Energia
<1 0
C2H4/C2H6 >=1;<3 1 > 0,1 0,1 a 1,0 > 0,1 Arco – Descarga Baixa Energia
>=3 2 0,1 a 0,3 0,1 a 1,0 > 0,3 Arco – Descarga Alta Energia
< 0,5 0 < 0,1 > 0,1 < 0,1 Sobreaquecimento 150°C < t < 300°C
C2H2/C2H4 > = 0,5 ; < 3 1 < 0,1 > 0,1 1,0 a 3,0 Sobreaquecimento 150°C < t < 300°C
>=3 2 < 0,1 > 0,1 > 0,3 Sobreaquecimento 150°C < t < 300°C
Fonte: [4] Fonte: [4]

D. Método de Duval
O método proposto por Duval considera somente a
concentração percentual relativa dos gases Acetileno
(C2H2), Etileno (C2H4) e Metano (CH4). Este método pode
identificar três falhas de origem elétrica e três falhas de
origem térmica. O princípio de funcionamento é
visualizado através do Triângulo de Duval indicado na
Figura 3. [11] [12]
Cada código apresentado no triângulo representa uma
condição de falha, como descrito abaixo:
PD: Descargas Parciais (corona)
T1: Falha Térmica com Temperatura T < 300ºC
T2: Falha Térmica com Temperatura: 300ºC < T < 700ºC
T3: Falha Térmica com Temperatura T > 700ºC
D1: Descargas de Baixa Energia (centelhamento)
D2: Descargas de Alta Energia (arco elétrico I > 20 In)
DT: Ocorrência Simultânea de Falta Térmica e Arco
Fig. 3. Triângulo de Duval. Fonte: [11]
As coordenadas do triângulo correspondem aos
resultados da DGA medidos em PPM e são calculadas da
seguinte forma: [11] [12]
100 x
%C2 H 2 =
x+ y+z
100 y
%C2 H 4 =
x+ y+z
100 z
% CH 2 =
x+ y+z
Onde: x = C2H2, y= C2H4, e z = CH4.
Como este método não indica nenhuma condição de
envelhecimento natural, a sua aplicação resulta sempre em
um diagnóstico de uma falha, elétrica ou térmica. Por isto,
recomenda-se que, antes da aplicação deste método, seja
verificado se a evolução dos gases está dentro dos limites
considerados normais pela empresa. [6]
4
V. MODELO DE DIAGNÓSTICO PROPOSTO
Para o desenvolvimento de um modelo de análise dos
gases para diagnóstico de falhas, foram utilizadas 3 bases
de dados provenientes da literatura sobre o assunto,
conforme segue: [4]
A. Base IEC TC10 – (Base 1)
Composta de 52 amostras com diagnósticos
determinados através de medições específicas e inspeções
visuais feitas por especialistas. Possui 16 amostras com
diagnóstico de condição normal, 22 com diagnóstico de
falha elétrica e 14 com diagnóstico de falha térmica.
B. Dados do CEPEL para Transformadores (Base 2)
Composta de 224 amostras com diagnósticos
determinados através de medições específicas e inspeções
visuais feitas por especialistas. Possui 83 amostras com
diagnóstico de condição normal, 61 com diagnóstico de
falha elétrica e 80 com diagnóstico de falha térmica.
C. Dados Históricos de Transformadores (Base 3)
Composta de 232 amostras com diagnósticos
determinados através de medições específicas e inspeções
visuais feitas por especialistas. Possui 191 amostras com
diagnóstico de condição normal, 13 com diagnóstico de
falha elétrica e 28 com diagnóstico de falha térmica.
As Bases 1 e 2 foram agrupadas e estas informações
foram utilizadas para elaborar um modelo. Posteriormente,
este modelo foi validado utilizando a Base 3.
Com o objetivo de tornar mais ampla a análise dos gases
e as relações proporcionais entre eles, foram criadas 5
razões adicionais que denominaremos R6 a R10, conforme
a Tabela 7. Desta forma, todas as possíveis relações par a
par entre os gases presentes entrarão no processo de análise.
Tabela 7. Novas Razões Entre as Concentrações dos Gases
C2H 2 C2 H 4 C2H 6 C2 H 4 C2 H 6
Razão
H2 CH 4 CH 4 H2 H2
Notação R6 R7 R8 R9 R10
Uma vez agrupados os dados das Bases 1 e 2, foi
elaborada uma planilha incluindo as quantidades de gases
dissolvidos e também as razões R1 a R10 de cada tipo de
diagnóstico para uma análise gráfica de forma a estabelecer
um ponto inicial para o modelo proposto. A ideia foi
entender graficamente o comportamento de cada uma das
razões R1 a R10 em cada tipo de diagnóstico, para através
de uma análise, desenvolver um padrão de comportamento.
Uma vez identificado um padrão inicial de
comportamento, o modelo proposto fará uma sequência
lógica de combinações comparativas de valores para cada
razão identificada como um padrão e para cada tipo de
diagnóstico. No final desta sequência, os 3 diagnósticos
possíveis para o Transformador serão identificados.
 5

Para os diagnósticos de Condição Normal e Falha Dados de

Cromatografia
Térmica, não foi possível identificar em primeira análise
um padrão de dispersão de qualquer uma das razões R1 a R3
<1 ≥1
R10, entretanto, para a condição de Falha Elétrica
observou-se que a Razão R3 em 84,34% dos casos é maior
ou igual a 1. Fig. 4. Diagrama de Blocos da Razão 3

Os Gráficos 1 e 2 indicam respectivamente as Razões A partir da identificação deste ponto inicial do modelo,
R1 a R5 para o diagnóstico de Falha Elétrica e a Razão R3 novas interações foram feitas em cada segmento do bloco.
de forma isolada. Primeiro foi definida a sequência lógica de comparação
para refinar os dados do diagnóstico de Falha Elétrica a
30,00
partir da R3 ≥ 1.

Desta forma, foram realizadas comparações

25,00
matemáticas a partir das demais Razões de forma a
maximizar o percentual de acerto do diagnóstico de Falha
Elétrica. Para cada Razão foi identificada uma linha de
20,00 corte para separar os diagnósticos e depois, foi feito um
R1 comparativo entre todas elas para avaliar qual possuiu um
R2 parâmetro que melhor separa um diagnóstico do outro. Este
15,00
R3 processo foi executado em diversas etapas de forma a criar
sucessivas camadas de blocos de comparação no modelo
R4
até atingirmos um diagnóstico otimizado.
10,00 R5

Para o caso da Falha Elétrica, o bloco seguinte foi

relacionado à Razão R2 ≥ 1, onde chegamos ao diagnóstico
5,00
final e obtivemos 87,5% de acerto para esta parte do
modelo. Seguindo na outra aba do modelo com R2 < 1,
0,00
foram incluídas mais duas camadas de blocos
0 20 40 60 80 100 comparativos, R9 e R1. Para o caso de R9 < 2, também foi
identificado o diagnóstico de Falha Elétrica para esta parte
Gráfico 1. Razões R1 a R5 para Diagnóstido de Falha Elétrica do modelo. É importante observar que a cada nova camada,
as quantidades de amostras vão diminuindo
Razão R3 sucessivamente. A partir da de R9 ≥ 2, foi incluído o bloco
comparativo de R1, onde através do parâmetro de corte
30,00
obtivemos os diagnósticos de Condição Normal e Falha
Térmica.
25,00
A Figura 5 indica a configuração final desta parte do
modelo, já com a identificação dos diagnósticos. É
20,00 importante ressaltar que o percentual de acerto de cada
diagnóstico é calculado individualmente a cada bloco para
15,00 definir qual Razão e linha de corte utilizar, entretanto, o
percentual de acerto geral será calculado somente quando o
modelo estiver completamente concluído.
10,00
Dados de
Cromatografia
5,00 R3
<1 ≥1
R2
<1 ≥1
0,00
0 20 40 60 80 100
R9
<2 ≥2
Gráfico 2. Razão R3 para Diagnóstido de Falha Elétrica
R1
Nota 1: Quando a indicação de determinado tipo de gás <1 ≥1

não constava em uma medição específica na base de dados,

este dado foi desconsiderado para o cálculo das Razões.
Desta forma o campo referente a esta Razão em específico
ficou em branco na elaboração dos gráficos.

Com base nesta observação de comportamento, foi

elaborado o seguinte diagrama de blocos que compõe a Condição
Falha Térmica Falha Elétrica
Normal
parte inicial do modelo.
Fig. 5. Configuração da Aba R3 ≥ 1 do Modelo
 6

Após a conclusão desta aba do modelo relativa à Razão Tabela 8. Desempenho do Modelo Proposto com as Bases 1 e 2
R3, foi elaborada a outra parte do diagrama de blocos BASES DE DADOS 1 E 2
% de Diagnósticos Corretos
considerando R3 < 1. Método
Condição Normal Falha Elétrica Falha Térmica
Proposto
Nota 2: Para compor a lógica de comparação dentro dos 71,71% 81,92% 64,89%
blocos do modelo, quando os dados referentes a qualquer
Razão estavam em branco por falta da medição específica Observa-se que o modelo proposto possui um bom
na base de dados, foi considerado o valor de 0 (zero). Isto resultado para o diagnóstico das Bases 1 e 2, onde a média
foi feito, pois mesmo quando uma Razão estava com o valor de acerto geral foi de 72,46%.
em branco, as demais possuíam medições que foram
utilizadas nas outras etapas do modelo. Após esta avaliação, os dados da Base 3 foram
simulados no modelo e o resultado está indicado na Tabela
O processo matemático de realizar comparações a partir 9. Observa-se que o desempenho para a Condição Normal
das demais Razões de forma a maximizar o percentual de aumentou e que para os diagnósticos de falha diminuiu,
acerto do diagnóstico foi mantido. Este processo foi entretanto, a média geral de acerto para o modelo de todos
executado em novas camadas sucessivas de blocos de os diagnósticos da Base 3 foi de 82,32%.
comparação no modelo até atingirmos um diagnóstico
otimizado. Desta forma, com base nestas informações,
consideramos que o modelo proposto está validado para a
Foram criadas 3 novas camadas de blocos referentes às aplicação de diagnóstico de falhas insipiente em
Razões R9, R1 e R10 com diferentes valores de linhas de transformadores de potência.
corte. Desta forma, obtivemos critério matemático para
definição dos diagnósticos de Condição Normal e Falha Tabela 9. Desempenho do Modelo Proposto com a Base 3
Térmica, conforme o modelo final indicado na Figura 6. BASE DE DADOS 3 (Validação)
% de Diagnósticos Corretos
Método
Dados de Condição Normal Falha Elétrica Falha Térmica
Cromatografia Proposto
R3 90,05% 46,15% 46,42%
<1 ≥1
R9 R2
<2 ≥2 <1 ≥1
Fazendo uma comparação com o Método de Rogers,
observa-se um ganho do modelo proposto, principalmente
R1 R9 para o diagnóstico da Condição Normal. As Tabelas 10 e 11
<1 ≥1 <2 ≥2
indicam os resultados utilizando este método, onde está
R10 R1 identificando o percentual de acerto de cada tipo de
<0,5 ≥0,5 <1 ≥1
diagnóstico de acordo com a base de dados utilizada.

Tabela 10. Desempenho do Método de Rogers com as Bases 1 e 2

BASE DE DADOS IEC BASE DE DADOS CEPEL
% de Diagnósticos Corretos % de Diagnósticos Corretos
Método Cond. Falha Falha Cond. Falha Falha
de Rogers Normal Elétrica Térm. Normal Elétrica Térm.
----- 86,36% 64,28% 4,82% 52,46% 40,00%
Condição
Falha Térmica Falha Elétrica
Normal Fonte: [4]
Fig. 6. Configuração Final do Modelo
Tabela 11. Desempenho do Método de Rogers com a Base 3
BASE DE DADOS – Dados Históricos
Observe que para a construção do modelo final foram % de Diagnósticos Corretos
utilizadas somente as Razões R1, R2, R3, R9 e R10 com Método
Condição Normal Falha Elétrica Falha Térmica
variados valores de linhas de corte. As demais Razões de Rogers

foram consideradas no processo matemático em cada 1,67% 40,00% 40,91%

camada de blocos, entretanto, como o modelo buscou Fonte: [4]
maximizar o percentual de acerto no diagnóstico, somente
as Razões mais eficientes neste processo foram Fazendo a comparação com o Método de Doernenburg,
aproveitadas. conforme Tabelas 11 e 12, também observamos ganho na
precisão dos diagnósticos, principalmente aqueles
VI. ANÁLISE CRÍTICA DO MODELO vinculados à Base de Dados 3. Para as Bases de Dados 1 e
2, esta diferença de precisão entre os modelos é menor.
O modelo matemático para diagnóstico de falhas Vale ressaltar que o modelo proposto utilizou as Bases 1 e 2
insipientes em transformadores indicado na Figura 6 foi em conjunto para a simulação.
desenvolvido através das Bases de dados 1 e 2. Depois de
concluído foi realizada uma simulação para verificar o Tabela 12. Desemp. Método de Doernenburg com as Bases 1 e 2
BASE DE DADOS IEC BASE DE DADOS CEPEL
percentual de acerto deste modelo em cada tipo de % de Diagnósticos Corretos % de Diagnósticos Corretos
diagnóstico. Método de Cond. Falha Falha Cond. Falha Falha
Doernenburg Normal Elétrica Térm. Normal Elétrica Térm.
A Tabela 8 indica o desempenho do modelo proposto no 43,75% 72,73% 71,43% 85,54% 42,62% 50,00%
diagnóstico para das Bases de Dados 1 e 2. Fonte: [4]

Tabela 13. Desempenho do Método de Doernenburg com a Base 3
BASE DE DADOS – Dados Históricos
% de Diagnósticos Corretos
Método de
Condição Normal Falha Elétrica
Doernenburg
95,00% -----
Fonte: [4]
Fazendo a comparação com o Método da NBR 7264, as
precisões no diagnóstico das condições de Falha Elétrica e
Falha Térmica foram relativamente semelhantes. Para esta
situação, a diferença foi maior para o diagnóstico de
Condição Normal. As Tabelas 14 e 15 indicam os
resultados utilizando este método.
Tabela 14. Desemp. do Método da NBR 7264 com as Bases 1 e 2
BASE DE DADOS IEC BASE DE DADOS CEPEL
% de Diagnósticos Corretos % de Diagnósticos Corretos
Método da Cond. Falha Falha Cond.
NBR 7264 Normal Elétrica Térm. Normal Elétrica
----- 86,36% 78,57% 10,84%
Fonte: [4]
Tabela 15. Desempenho do Método da NBR 7264 com a Base 3
BASE DE DADOS – Dados Históricos
% de Diagnósticos Corretos
Método da
Condição Normal Falha Elétrica
NBR 7264
12,22% 70,00%
Fonte: [4]
Optamos por não estabelecer um critério de comparação
com o Método de Duval, pois o mesmo utiliza somente a
concentração percentual relativa dos gases Acetileno,
Etileno e Metano, enquanto os demais métodos e o modelo
proposto utilizam as razões entre as concentrações de 5
tipos de gases presentes na análise de cromatografia.
VII. CONCLUSÕES
Vários métodos de monitoramento e diagnóstico de
falhas incipientes em transformadores, utilizando dados de
cromatografia de gases dissolvidos no óleo isolante,
obtiveram grande sucesso nos últimos anos. Entretanto,
parte deste sucesso deve-se à experiência e conhecimento
agregados por alguns especialistas ao longo dos anos. É de
grande interesse por parte dos engenheiros na área de
manutenção que este conhecimento seja compilado de
forma científica, organizado e representado na forma de
lógica computacional. Por isso, tornou-se tema frequente de
diversas pesquisas ao redor do mundo a aplicação de
modelos matemáticos envolvendo recursos de Inteligência
Computacional para o diagnóstico de falhas.
Este Artigo apresentou uma revisão sobre as
características dos transformadores e seu isolamento e
também sobre os métodos convencionais de diagnóstico de
falhas. Também foi discutida a análise cromatográfica dos
gases dissolvidos no óleo isolante, fazendo a relação dos
mesmos com as falhas insipientes em transformadores de
potência. Após esta revisão de conteúdo foi proposto um
novo modelo para análise e diagnóstico destas falhas.
Utilizou-se de forma otimizada uma série de blocos
comparativos das razões entre as concentrações dos gases
para chegarmos a um modelo final que gera os diagnósticos
de Condição Normal, Falha Elétrica e Falha Térmica.
7
Após a execução de uma simulação do modelo,
utilizando bases de dados de cromatografia presentes na
literatura sobre o assunto, o mesmo foi validado. Após esta
Falha Térmica
validação, foi feita uma análise crítica e também uma
36,36% comparação com diversos métodos clássicos de
diagnóstico, onde se verificou a viabilidade e eficiência do
modelo proposto.
Os resultados obtidos na utilização do modelo aplicado
ao diagnóstico de falhas insipientes de transformadores
apresentaram um percentual elevado de diagnósticos
corretos. No entanto, os estudos continuam no que visa
aprimorar a aplicação das diversas técnicas que vem sendo
estudadas, inclusive utilizando Inteligência Computacional,
visando mesclar as qualidades destas para obtenção de
resultados ainda melhores.
Falha Falha
Térm. VIII. REFERÊNCIAS BIBLIOGRÁFICAS
55,73% 61,25%
[1] S. L. Senna. Computação Evolucionária Aplicada ao Diagnóstico
de Falhas Incipientes em Tranformadores de Potência Utilizando
Dados de Cromatografia. Dissertação de Mestrado. Programa de
Pós-Graduação em Engenharia Elétrica, Universidade Federal de
Minas Gerais, Setembro, 2010.
[2] O. M. Almeida, S. E. U. Lima, L. L. N. Reis, J. C. Oliveira, G. C.
Falha Térmica Leite. Ferramenta Para o Diagnóstico de Falhas em
transformadores de Potência Utilizando DGA.
45,45%
[3] A. L. Júnior. Manutenção Pré-corretiva em Transformadores de
Potência – Um Novo Conceito de Manutenção.
[4] D. R. Morais. Ferramenta Inteligente para Detecção de Falhas
Incipientes em Transformadores Baseada na Análise de Gases
Dissolvidos no Óleo Isolante. Dissertação de Mestrado.
Universidade Federal de Santa Catarina, 2004.
[5] T. C. B. N. Assunção. Contribuição à Modelagem e Análise do
Envelhecimento de Transformadores de Potência. Tese de
Doutorado. Programa de Pós-graduação em Engenharia Elétrica,
Universidade Federal de Minas Gerais, 2007.
[6] P. M. Cardoso. Adaptação de um Sistema de Medição de Gases
Dissolvidos em Óleo Mineral Isolante para Monitoração de
Múltiplos Transformadores de Potência. Dissertação de Mestrado.
Pós-Graduação em Metrologia Científica e Industrial,
Universidade Federal de Santa Catarina, Setembro, 2005.
[7] J. G. Arantes. Diagnóstico de Falhas em Transformadores de
Potência Pela Análise de Gases Dissolvidos em Óleo Isolante
Através de Redes Neurais. Dissertação de Mestrado. Universidade
Federal de Itajubá, 2005.
[8] S. E. U. Lima. Diagnóstico Inteligente de Falhas Incipientes em
Transformadores de Potência Utilizando a Análise dos Gases
Dissolvidos em Óleo. Dissertação de Mestrado. Departamento de
Engenharia Elétrica, Universidade Federal do Ceara, , 2005.
[9] IEEE Std C 57.104-1991. IEEE Guide for the Interpretation of
Gases Generated in Oil-Immersed Transformers.
[10] IEC 599 – Interpretation of the Analysis of Gases in Transformers
and other Oil-filled Electrical Equipment in Service, International
Electrotechnical Commission, Geneva, Switzerland, 1978.
[11] M. Duval, A. dePablo. Interpretation of Gas-in-Oil Analysis Using
New IEC Publication 60599 and IEC TC 10 Databases. IEEE
Electrical Insulation Magazine, Vol. 17, 2001.
[12] M. Duval. A Review of Faults Detectable by Gas-in-Oil Analysis in
Transformers. IEEE Electrical Insulation Magazine, 2002.