UNIVERSIDADE FEDERAL DE GOIÁS ESCOLA DE ENGENHARIA ELÉTRICA, MECÂNICA E DE COMPUTAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO

Transcrição

1 UNIVERSIDADE FEDERAL DE GOIÁS ESCOLA DE ENGENHARIA ELÉTRICA, MECÂNICA E DE COMPUTAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO DESENVOLVIMENTO DE UMA METODOLOGIA DE INTERPRETAÇÃO DE ANÁLISE DE GASES DISSOLVIDOS EM ÓLEO PARA TRANSFORMADORES DE POTÊNCIA USANDO LÓGICA FUZZY TIAGO HENRIQUE VIVAS E SILVA GOIÂNIA 2017

2 TERMO DE CIÊNCIA E DE AUTORIZAÇÃO PARA DISPONIBILIZAR VERSÕES ELETRÔNICAS DE TESES E DISSERTAÇÕES NA BIBLIOTECA DIGITAL DA UFG Na qualidade de titular dos direitos de autor, autorizo a Universidade Federal de Goiás (UFG) a disponibilizar, gratuitamente, por meio da Biblioteca Digital de Teses e Dissertações (BDTD/UFG), regulamentada pela Resolução CEPEC nº 832/2007, sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o documento conforme permissões assinaladas abaixo, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. 1. Identificação do material bibliográfico: [ x ] Dissertação [ ] Tese 2. Identificação da Tese ou Dissertação: Nome completo do autor: Tiago Henrique Vivas e Silva Título do trabalho: Desenvolvimento de uma Metodologia de Interpretação de Análise de Gases Dissolvidos em Óleo para Transformadores de Potência Usando Lógica Fuzzy. 3. Informações de acesso ao documento: Concorda com a liberação total do documento [ X ] SIM [ ] NÃO 1 Havendo concordância com a disponibilização eletrônica, torna-se imprescindível o envio do(s) arquivo(s) em formato digital PDF da tese ou dissertação. Assinatura do(a) autor(a)² Ciente e de acordo: Assinatura do(a) orientador(a)² Data: 20 / 07 / Neste caso o documento será embargado por até um ano a partir da data de defesa. A extensão deste prazo suscita justificativa junto à coordenação do curso. Os dados do documento não serão disponibilizados durante o período de embargo. ²A assinatura deve ser escaneada. Versão atualizada em maio de 2017.

3 TIAGO HENRIQUE VIVAS E SILVA DESENVOLVIMENTO DE UMA METODOLOGIA DE INTERPRETAÇÃO DE ANÁLISE DE GASES DISSOLVIDOS EM ÓLEO PARA TRANSFORMADORES DE POTÊNCIA USANDO LÓGICA FUZZY Dissertação de Mestrado apresentada à Comissão de Pós-Graduação da Faculdade de Engenharia Elétrica, Mecânica e de Computação - EMC UFG, como parte dos requisitos exigidos para a obtenção do título de Mestre em Engenharia Elétrica e de Computação. Área de Concentração: Sistemas Inteligentes e Computação Aplicada Orientador: Prof. Dr. Leonardo da Cunha Brito. Goiânia 2017

4 Ficha de identificação da obra elaborada pelo autor, através do Programa de Geração Automática do Sistema de Bibliotecas da UFG. Silva, Tiago Henrique Vivas Desenvolvimento de uma Metodologia de Interpretação de Análise de Gases Dissolvidos em Óleo para Transformadores de Potência Usando Lógica Fuzzy [manuscrito] / Tiago Henrique Vivas Silva xciii, 93 f.: il. Orientador: Prof. Dr. Leonardo da Cunha Brito. Dissertação (Mestrado) - Universidade Federal de Goiás, Escola de Engenharia Elétrica, Mecânica e de Computação (EMC), Programa de Pós-Graduação em Engenharia Elétrica e de Computação, Goiânia, Bibliografia. Inclui siglas, abreviaturas, lista de figuras, lista de tabelas. 1. Análise de Gases Dissolvidos. 2. Fluxograma. 3. Fuzzy. 4. Sistemas Elétricos. 5. Transformador de Potência. I. Brito, Leonardo da Cunha, orient. II. Título. CDU 621.3

5

6 Dedico este trabalho à minha família, especialmente aos meus pais Vera e Clóvis que me apoiaram e me deram suporte para que tudo acontecesse. Aos meus amigos do Pequi Mecânico pela parceria durante esta caminhada e à minha namorada Carolina pela compreensão e apoio.

7 AGRADECIMENTOS Agradeço a Deus pela saúde e força necessárias para a conclusão de mais esta etapa da minha formação. Ao meu orientador Prof. Dr. Leonardo da Cunha Brito pela paciência, incentivo e por estar sempre disponível e solícito às discussões que fizeram parte da elaboração deste trabalho. Aos professores e coordenadores da Escola de Engenharia Elétrica e de Computação da Universidade Federal de Goiás que me deram suporte e fundamentação para embasar esse trabalho, principalmente à Prof. Dr. Cacilda de Jesus Ribeiro pela orientação nos momentos de dificuldade. Aos profissionais da CELG-D pela parceria no projeto e pelo fornecimento das informações utilizadas neste trabalho. A meus pais, Vera e Clóvis, exemplos de dignidade e determinação, a quem devo quaisquer virtudes que porventura tenha conquistado. A todos meus amigos que, direta ou indiretamente, contribuíram para a realização deste trabalho.

8 Toda vez que você se encontrar ao lado da maioria, é hora de parar e refletir. Mark Twain Uma criança aprende primeiro a falar para depois aprender a gramática. Érico Rocha

9 RESUMO Este trabalho tem como tema central o planejamento da manutenção em transformadores de potência em subestações. Os transformadores de potência têm uma grande importância nos sistemas de transmissão e distribuição de energia elétrica. Além de serem essenciais para efetuar a transformação entre os diferentes níveis de tensão elétrica ao longo do sistema desde a geração até o consumo, o valor destes equipamentos representa uma parcela considerável do investimento das concessionárias no sistema. Uma falha em um transformador de potência pode comprometer o fornecimento de energia elétrica para uma região inteira da cidade, o que representa falta de faturamento e multas para a concessionária, além dos próprios custos de reparação do equipamento que falhou. Nesta dissertação é abordada uma das principais técnicas utilizadas para diagnósticos de transformadores de potência: a Análise de Gases Dissolvidos (AGD), bem como a utilização da lógica Fuzzy em conjunto com os diferentes métodos de análise desta técnica. O diferencial deste trabalho está no desenvolvimento de uma ferramenta computacional que permite a visualização gráfica da evolução do diagnóstico de cada equipamento ao longo do tempo e fornece um resultado final através de um fluxograma que considera os diagnósticos de todas as técnicas tradicionais abordadas com a aplicação da lógica Fuzzy. O resultado obtido é o desenvolvimento de um software que implementa a metodologia proposta e apresenta, de forma gráfica, os diagnósticos de cada equipamento presente no banco de dados da empresa. O software permite a análise do atual estado operacional do equipamento e a evolução deste diagnóstico ao longo do tempo, subsidiando a tomada de decisão do profissional da manutenção quanto às manutenções no equipamento. Palavras-chave: Análise de Gases Dissolvidos, Fluxograma, Lógica Fuzzy, Planejamento, Sistemas Elétricos, Transformadores de Potência.

10 ABSTRACT This work have its main theme on the maintenance in Power Transformers in energy substations. Power Transformers have great importance in power transmission and distribution systems. In addition to being essential to perform the transformation between diferent levels of electrical voltage from generation to consumption, the cost of these equipments represents a considerable part of the investment in the system. A failure in a transformer can compromise the supply of electricity to an entire region of the city, which represents a lack of billing and fines to the power distribution company, as well as the repair costs of the equipment that failed. In this dissertation one of the main techniques used to diagnose power transformers using the Dissolved Gas Analysis (DGA) are discussed, as well as the use of Fuzzy Logic in conjunction with the diferente analysis techniques. The differential of this work is the development of a computational tool that allows the grafical visualization of diagnosis evolution for each equipment over time and provides a final result by a flowchart that considers all diagnosis of the traditional techniques approached with application of Fuzzy Logic. The result obtained is the development of a software that implements the proposed methodology and graphically presents the diagnostics of each equipment present in the company s database. The software allows the analysis of the current operational state of the equipment and his evolution over time, subsidizing the decision of the maintenance professional regarding maintenance in the equipment. Key-Words: Dissolved Gas Analysis, Electrical Systems, Flowchart, Fuzzy Logic, Planning, Power Transformers.

11 LISTA DE FIGURAS FIGURA 2.1. PROPORÇÕES RELATIVAS DOS GASES-CHAVE PARA CADA DIAGNÓSTICO SEGUNDO METODOLOGIA GÁS CHAVE FIGURA 2.2. FLUXOGRAMA DA METODOLOGIA DE DOERNENBURG FIGURA 2.3. FLUXOGRAMA DA METODOLOGIA DE ROGERS FIGURA 2.4. INTERPRETAÇÃO GRÁFICA DO MÉTODO DGA FIGURA 2.5. FLUXOGRAMA DA METODOLOGIA DGA FIGURA 2.6. EXEMPLO DE APLICAÇÃO DO TRIÂNGULO DE DUVAL NO DIAGNÓSTICO DE FALHAS E DEFEITOS EM TRANSFORMADORES DE POTÊNCIA PARA METANO = 30%, ETILENO = 40% E ACETILENO = 30% FIGURA 2.7. FLUXOGRAMA DE ANÁLISE TRADUZIDO DE MORAIS FIGURA 2.8. FLUXOGRAMA DE ANÁLISE TRADUZIDO DE ABU-SIADA FIGURA 2.9. REGRAS PARA OS MÉTODOS DE ROGERS (ESQUERDA) E TRIÂNGULO DE DUVAL (DIREITA) FIGURA 3.1. FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE ENTRADA H2 EM IEEE SEM HISTÓRICO FIGURA 3.2. FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE ENTRADA CH4 EM IEEE SEM HISTÓRICO FIGURA 3.3. FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE ENTRADA C2H2 EM IEEE SEM HISTÓRICO FIGURA 3.4. FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE ENTRADA C 2H 4 EM IEEE SEM HISTÓRICO FIGURA 3.5. FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE ENTRADA C2H6 EM IEEE SEM HISTÓRICO FIGURA 3.6. FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE ENTRADA CO EM IEEE SEM HISTÓRICO FIGURA 3.7. FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE ENTRADA CO 2 EM IEEE SEM HISTÓRICO FIGURA 3.8. FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE ENTRADA TDCG EM IEEE SEM HISTÓRICO FIGURA 3.9. DIAGNÓSTICOS APRESENTADOS PELO SISTEMA FUZZY APLICADO AO MÉTODO IEEE SEM HISTÓRICO A PARTIR DE AMOSTRAS DO EQUIPAMENTO T

12 FIGURA DIAGNÓSTICOS APRESENTADOS PELO MÉTODO TRADICIONAL IEEE COM HISTÓRICO A PARTIR DE AMOSTRAS DO EQUIPAMENTO T FIGURA FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE SAÍDA DO IEEE COM HISTÓRICO FIGURA DIAGNÓSTICOS APRESENTADOS PELO SISTEMA FUZZY APLICADO AO MÉTODO IEEE COM HISTÓRICO A PARTIR DE AMOSTRAS DO EQUIPAMENTO T FIGURA DIAGNÓSTICOS APRESENTADOS PELO MÉTODO TRADICIONAL IEEE COM HISTÓRICO A PARTIR DE AMOSTRAS DO EQUIPAMENTO T FIGURA FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE SAÍDA DE GÁS CHAVE FIGURA FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE ENTRADA CO NO MÉTODO GÁS CHAVE FIGURA FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE ENTRADA H2 NO MÉTODO GÁS CHAVE FIGURA FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE ENTRADA CH4 NO MÉTODO GÁS CHAVE FIGURA FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE ENTRADA C2H6 NO MÉTODO GÁS CHAVE FIGURA FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE ENTRADA C2H4 NO MÉTODO GÁS CHAVE FIGURA FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE ENTRADA C 2H 2 NO MÉTODO GÁS CHAVE FIGURA CONJUNTO DE REGRAS UTILIZADO NO SISTEMA FUZZY DO MÉTODO GÁS CHAVE. 53 FIGURA DIAGNÓSTICOS APRESENTADOS PELO SISTEMA FUZZY APLICADO AO MÉTODO GÁS CHAVE A PARTIR DE AMOSTRAS DO EQUIPAMENTO T FIGURA DIAGNÓSTICOS APRESENTADOS PELO MÉTODO GÁS CHAVE TRADICIONAL A PARTIR DE AMOSTRAS DO EQUIPAMENTO T FIGURA FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE SAÍDA DE DOERNENBURG FIGURA FUNÇÕES DE PERTINÊNCIA PARA A RELAÇÃO R1 NO MÉTODO DE DOERNENBURG FIGURA FUNÇÕES DE PERTINÊNCIA PARA A RELAÇÃO R2 NO MÉTODO DE DOERNENBURG FIGURA FUNÇÕES DE PERTINÊNCIA PARA A RELAÇÃO R3 NO MÉTODO DE DOERNENBURG

13 FIGURA FUNÇÕES DE PERTINÊNCIA PARA A RELAÇÃO R4 NO MÉTODO DE DOERNENBURG FIGURA CONJUNTO DE REGRAS UTILIZADO NO SISTEMA FUZZY DO MÉTODO DOERNENBURG FIGURA DIAGNÓSTICOS APRESENTADOS PELO SISTEMA FUZZY APLICADO AO MÉTODO DE DOERNENBURG A PARTIR DE AMOSTRAS DO EQUIPAMENTO T FIGURA DIAGNÓSTICOS APRESENTADOS PELO MÉTODO DOERNENBURG TRADICIONAL A PARTIR DE AMOSTRAS DO EQUIPAMENTO T FIGURA FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE SAÍDA DE ROGERS FIGURA FUNÇÕES DE PERTINÊNCIA PARA A RELAÇÃO R1 NO MÉTODO DE ROGERS FIGURA FUNÇÕES DE PERTINÊNCIA PARA A RELAÇÃO R2 NO MÉTODO DE ROGERS FIGURA FUNÇÕES DE PERTINÊNCIA PARA A RELAÇÃO R5 NO MÉTODO DE ROGERS FIGURA CONJUNTO DE REGRAS UTILIZADO NO SISTEMA FUZZY DO MÉTODO ROGERS FIGURA DIAGNÓSTICOS APRESENTADOS PELO SISTEMA FUZZY APLICADO AO MÉTODO DE ROGERS A PARTIR DE AMOSTRAS DO EQUIPAMENTO T FIGURA DIAGNÓSTICOS APRESENTADOS PELO MÉTODO ROGERS TRADICIONAL A PARTIR DE AMOSTRAS DO EQUIPAMENTO T FIGURA FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE SAÍDA DO DGA FIGURA FUNÇÕES DE PERTINÊNCIA PARA A RELAÇÃO R1 NO MÉTODO DGA FIGURA FUNÇÕES DE PERTINÊNCIA PARA A RELAÇÃO R2 NO MÉTODO DGA FIGURA FUNÇÕES DE PERTINÊNCIA PARA A RELAÇÃO R5 NO MÉTODO DGA FIGURA CONJUNTO DE REGRAS UTILIZADO NO SISTEMA FUZZY DO MÉTODO DGA FIGURA DIAGNÓSTICOS APRESENTADOS PELO SISTEMA FUZZY APLICADO AO MÉTODO DGA A PARTIR DE AMOSTRAS DO EQUIPAMENTO T FIGURA DIAGNÓSTICOS APRESENTADOS PELO MÉTODO DGA TRADICIONAL A PARTIR DE AMOSTRAS DO EQUIPAMENTO T FIGURA FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE SAÍDA NO TRIÂNGULO DE DUVAL FIGURA FUNÇÕES DE PERTINÊNCIA PARA O GÁS CH 4 NO TRIÂNGULO DE DUVAL FIGURA FUNÇÕES DE PERTINÊNCIA PARA O GÁS C2H4 NO TRIÂNGULO DE DUVAL FIGURA FUNÇÕES DE PERTINÊNCIA PARA O GÁS C 2H 2 NO TRIÂNGULO DE DUVAL FIGURA CONJUNTO DE REGRAS UTILIZADO NO SISTEMA FUZZY DO TRIÂNGULO DE DUVAL

14 FIGURA DIAGNÓSTICOS APRESENTADOS PELO SISTEMA FUZZY APLICADO AO TRIÂNGULO DE DUVAL A PARTIR DE AMOSTRAS DO EQUIPAMENTO T FIGURA DIAGNÓSTICOS APRESENTADOS PELO MÉTODO TRIÂNGULO DE DUVAL TRADICIONAL A PARTIR DE AMOSTRAS DO EQUIPAMENTO T FIGURA FUNÇÕES DE PERTINÊNCIA PARA A VARIÁVEL DE SAÍDA DOS MÉTODOS COMPLEMENTARES FIGURA DIAGNÓSTICOS APRESENTADOS PELO SISTEMA FUZZY APLICADO AOS MÉTODOS COMPLEMENTARES A PARTIR DE AMOSTRAS DO EQUIPAMENTO T FIGURA DIAGNÓSTICOS APRESENTADOS PELO MÉTODO TRADICIONAL DOS MÉTODOS COMPLEMENTARES A PARTIR DE AMOSTRAS DO EQUIPAMENTO T FIGURA 4.1. FLUXOGRAMA PARA UNIÃO DAS DIFERENTES TÉCNICAS DE AGD E PRODUÇÃO DE UM DIAGNÓSTICO FINAL DO TRANSFORMADOR DE POTÊNCIA FIGURA 4.2. TELA INICIAL DO SOFTWARE DESENVOLVIDO A PARTIR DA PROPOSTA DESTE TRABALHO PARA ANÁLISE COMBINADA USANDO LÓGICA FUZZY DOS MÉTODOS DE AGD. 81 FIGURA 4.3. RESULTADOS DA ANÁLISE NO EQUIPAMENTO T01 APRESENTADA PELO SOFTWARE DESENVOLVIDO FIGURA 4.4. RESULTADOS DA ANÁLISE NO EQUIPAMENTO T02 APRESENTADA PELO SOFTWARE DESENVOLVIDO FIGURA 4.5. RESULTADOS DA ANÁLISE NO EQUIPAMENTO T03 APRESENTADA PELO SOFTWARE DESENVOLVIDO

15 LISTA DE TABELAS TABELA 2.1. LIMITES DE CONCENTRAÇÃO DE GASES PARA EQUIPAMENTO SEM HISTÓRICO TABELA 2.2. DETERMINAÇÃO DO INTERVALO DE AMOSTRAGEM DE ACORDO COM TDCG E SUA TAXA DIÁRIA DE CRESCIMENTO PARA EQUIPAMENTOS COM HISTÓRICO DE AMOSTRAGEM PARA AGD TABELA 2.3. LIMITES MÍNIMOS DE CONCENTRAÇÃO DE GASES PARA QUE A ANÁLISE POR DOERNENBURG SEJA VÁLIDA TABELA 2.4. FAIXAS DE VALORES PARA DETERMINAÇÃO DO DIAGNÓSTICO SEGUNDO MÉTODO DE DOERNENBURG TABELA 2.5. FAIXAS DE VALORES PARA DETERMINAÇÃO DO DIAGNÓSTICO SEGUNDO MÉTODO DE ROGERS TABELA 2.6. FAIXAS DE VALORES PARA DETERMINAÇÃO DO DIAGNÓSTICO SEGUNDO MÉTODO DGA TABELA 2.7. LIMITES MÍNIMOS DE CONCENTRAÇÃO DE GASES PARA QUE A ANÁLISE PELO TRIÂNGULO DE DUVAL SEJA VÁLIDA TABELA 2.8. COMPARAÇÃO ENTRE OS MÉTODOS DE INTERPRETAÇÃO DE AGD DESCRITOS NO GUIA IEEE STD C E NA NORMA TÉCNICA IEC TABELA 2.9. DIAGNÓSTICOS POSSÍVEIS FORNECIDOS PELA APLICAÇÃO DO FLUXOGRAMA PROPOSTO EM ABU-SIADA, TABELA 3.1. VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A ENTRADA H 2 EM IEEE SEM HISTÓRICO TABELA 3.2. VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A ENTRADA CH4 EM IEEE SEM HISTÓRICO TABELA 3.3. VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A ENTRADA C2H2 EM IEEE SEM HISTÓRICO TABELA 3.4. VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A ENTRADA C 2H 4 EM IEEE SEM HISTÓRICO TABELA 3.5. VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A ENTRADA C2H6 EM IEEE SEM HISTÓRICO TABELA 3.6. VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A ENTRADA CO EM IEEE SEM HISTÓRICO

16 TABELA 3.7. VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A ENTRADA CO2 EM IEEE SEM HISTÓRICO TABELA 3.8. VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A ENTRADA TDCG EM IEEE SEM HISTÓRICO TABELA 3.9. VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A CONVERSÃO DO VALOR DE TDCG EM UM VALOR FUZZY NO MÉTODO IEEE COM HISTÓRICO TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A VARIÁVEL CO NO MÉTODO GÁS CHAVE TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A VARIÁVEL H2 NO MÉTODO GÁS CHAVE TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A VARIÁVEL CH4 NO MÉTODO GÁS CHAVE TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A VARIÁVEL C2H6 NO MÉTODO GÁS CHAVE TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A VARIÁVEL C 2H 4 NO MÉTODO GÁS CHAVE TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A VARIÁVEL C2H2 NO MÉTODO GÁS CHAVE TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A RELAÇÃO R1 NO MÉTODO DE DOERNENBURG TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A RELAÇÃO R2 NO MÉTODO DE DOERNENBURG TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A RELAÇÃO R3 NO MÉTODO DE DOERNENBURG TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A RELAÇÃO R3 NO MÉTODO DE DOERNENBURG TABELA CONCENTRAÇÕES DOS GASES OBTIDAS NA ÚLTIMA AMOSTRAGEM DO EQUIPAMENTO T TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A RELAÇÃO R1 NO MÉTODO DE ROGERS TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A RELAÇÃO R2 NO MÉTODO DE ROGERS

17 TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A RELAÇÃO R5 NO MÉTODO DE ROGERS TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A RELAÇÃO R1 NO MÉTODO DGA TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A RELAÇÃO R2 NO MÉTODO DGA TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A RELAÇÃO R5 NO MÉTODO DGA TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA O GÁS CH4 NO TRIÂNGULO DE DUVAL TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA O GÁS C2H4 NO TRIÂNGULO DE DUVAL TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA O GÁS C2H2 NO TRIÂNGULO DE DUVAL TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A CONVERSÃO DO VALOR DA RELAÇÃO CO2/CO EM UM VALOR FUZZY TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A CONVERSÃO DO VALOR DA RELAÇÃO O2/N2 EM UM VALOR FUZZY TABELA VÉRTICES DOS TRAPÉZIOS QUE REPRESENTAM AS VARIÁVEIS LINGUÍSTICAS PARA A CONVERSÃO DO VALOR DA RELAÇÃO C 2H 2/H 2EM UM VALOR FUZZY TABELA RESUMO DAS CARACTERÍSTICAS DOS SISTEMAS FUZZY DESENVOLVIDOS A PARTIR DOS MÉTODOS DE INTERPRETAÇÃO DE AGD DESCRITOS NO GUIA IEEE STD C E NA NORMA TÉCNICA IEC

18 LISTA DE ABREVIATURAS E SIGLAS DEC FEC AGD kv W CO CO2 H2 CH4 C2H2 C2H4 C2H6 ppm DGA OLTC Duração Equivalente de Interrupção por Unidade Consumidora Frequência Equivalente de Interrupção por Unidade Consumidora Análise de Gases Dissolvidos Kilo-Volt Watt Monóxido de Carbono Dióxido de Carbono Gás Hidrogênio Metano Acetileno Etileno Etano Parte Por Milhão Dissolved Gas Analysis On Load Tap Changer

19 SUMÁRIO CAPÍTULO 1 INTRODUÇÃO OBJETIVOS JUSTIFICATIVA ESTRUTURA DO TRABALHO...18 CAPÍTULO 2 FUNDAMENTAÇÃO TEÓRICA METODOLOGIAS DE INTERPRETAÇÃO DE AGD TRADICIONAIS Método de Análise pelas Tabelas IEEE Sem Histórico Método de Análise pelas Tabelas IEEE Com Histórico Método de Análise Gás Chave Método de Análise de Doernenburg Método de Análise de Rogers Método Análise de Gases Dissolvidos (DGA) Método de Análise Triângulo de Duval Métodos Complementares COMPARAÇÃO ENTRE MÉTODOS DE INTERPRETAÇÃO DE AGD TRADICIONAIS TRABALHOS PUBLICADOS NA ÁREA DE LÓGICA FUZZY APLICADA À AGD...36 CAPÍTULO 3 APLICAÇÃO DA LÓGICA FUZZY AOS MÉTODOS DE AGD METODOLOGIAS DE INTERPRETAÇÃO DE AGD COM LÓGICA FUZZY Método de Análise Fuzzy pelas Tabelas IEEE Sem Histórico Método de Análise Fuzzy pelas Tabelas IEEE Com Histórico Método de Análise Fuzzy Gás Chave Método de Análise Fuzzy de Doernenburg Método de Análise Fuzzy Rogers Método de Análise Fuzzy por Ánalise de Gases Dissolvidos (DGA) Método de Análise Fuzzy Triângulo de Duval Métodos Fuzzy Complementares COMPARAÇÃO ENTRE MÉTODOS DE INTERPRETAÇÃO COM LÓGICA FUZZY...77 CAPÍTULO 4 PROPOSTA DE METODOLOGIA FUZZY COMBINADA UNIÃO DOS MÉTODOS DE AGD ATRAVÉS DO FLUXOGRAMA PROPOSTO ESTUDO DE CASO PARA O EQUIPAMENTO T ESTUDO DE CASO PARA O EQUIPAMENTO T ESTUDO DE CASO PARA O EQUIPAMENTO T CAPÍTULO 5 CONCLUSÃO CAPÍTULO 6 REFERÊNCIAS... 88

20 16 Capítulo 1 Introdução Os transformadores elétricos de potência são um dos componentes com maior impacto financeiro e maior importância em um sistema elétrico. Eles são responsáveis por fazer a transformação entre os diferentes níveis de tensão existentes ao longo do sistema, desde a geração, transmissão e finalmente distribuição. Uma falha ou defeito em um transformador de potência pode exigir que ele seja retirado de operação para realização de manutenções corretivas ou mesmo substituição do equipamento e tem o potencial de fazer toda uma região da cidade ficar sem fornecimento de energia durante este procedimento (BECHARA, 2010). Essa falta de fornecimento pode prejudicar os Indicadores Coletivos de Continuidade: Duração Equivalente de Interrupção por Unidade Consumidora, da sigla DEC e a Frequência Equivalente de Interrupção por Unidade Consumidora, da sigla FEC, regulados pela ANEEL (ANEEL, 2017) além de representar um prejuízo financeiro pela falta de faturamento nesse período e econômico pelos custos relacionados à manutenção corretiva do equipamento danificado. Por isso torna-se vital para toda concessionária de energia ter um planejamento eficiente de manutenções preventivas e corretivas para os equipamentos do sistema elétrico de potência, especialmente os transformadores de potência. É importante também ter um acompanhamento de eventos que ocorram ao longo do tempo, tais como falhas e defeitos, manutenções ocorridas, retiradas de equipamentos de operação entre outros. Esta dissertação aborda o processo de planejamento de manutenções em transformadores de potência e as ferramentas utilizadas para seu acompanhamento na concessionária de energia de Goiás, CELG-D. São abordadas os principais métodos de amostragem e análise segundo as normas vigentes, bem como as ferramentas computacionais utilizadas no planejamento da manutenção aplicadas a estudos de casos reais. Com base nas atuais técnicas de Análise de Gases Dissolvidos, da sigla AGD, propostas no guia IEEE std C (IEEE, 2008) e na norma IEC (IEC, 2007), faz-se a proposta de uma nova abordagem utilizando Lógica Fuzzy aplicada às técnicas citadas visando atingir uma maior eficiência no planejamento da manutenção.

21 Objetivos O objetivo deste trabalho é auxiliar o trabalho do especialista do setor de Engenharia e Planejamento da Manutenção na tomada de decisões com relação à realização de manutenções preventivas e corretivas nos transformadores de potência da empresa. O desenvolvimento desta ferramenta visa diminuir o tempo necessário para detectar uma possível falha ou defeito existente no equipamento. A detecção antecipada visa subsidiar uma ação para evitar que o equipamento fique exposto aos defeitos por muito tempo e gerar uma economia financeira para a empresa devido ao aumento do tempo de vida útil do equipamento. Além do ganho financeiro proporcionado pelo aumento da vida útil dos equipamentos, este trabalho tem o objetivo de otimizar o gerenciamento dos recursos materiais, humanos e tempo utilizados no setor de manutenção. Subsidiando mais ações voltadas às manutenções preditivas e menos corretivas, conforme citado por KARDEC, 2012 e OSTERMANN, 2006, além da redução dos custos com manutenção permite que as causas das falhas sejam combatidas e não somente suas consequências, o que torna o trabalho mais eficiente. 1.2 Justificativa O número total de transformadores e autotransformadores entre as classes de tensão 34,5 KV e 230 kv no sistema elétrico da CELG-D no estado de Goiás vem aumentando nas últimas décadas. Segundo SOUZA, 2008 e RIBEIRO, 2008, em 1979 haviam 211 transformadores em operação. Já em 2005 o número subiu para 662 equipamentos. Entre os anos de 1979 e 2013 ocorreram 601 interrupções em 301 destes equipamentos. Estas interrupções exigiram que os equipamentos fossem retirados de operação para realização de manutenções corretivas ou preventivas. Vários esforços já foram realizados no estudo sobre AGD em outros trabalhos incluindo a aplicação da lógica Fuzzy, apresentando resultados consistentes e tendo consolidado estas técnicas na área de manutenções preventivas. Este trabalho, no entanto, tem como diferenciais:

22 18 Apresenta uma proposta inédita para unir os diagnósticos individuais dos métodos através de um fluxograma proposto em BRITO, 2015 e a aplicação de condições de contorno ainda não utilizadas. Uso de poucas regras de decisão para tornar a análise mais simples e intuitiva para o profissional do planejamento de manutenção. Realização de uma representação gráfica dos resultados obtidos pela aplicação dos métodos propostos de modo a simplificar as análises. A criação de uma interface gráfica intuitiva que pode ser utilizada pelo profissional responsável pelo planejamento da manutenção. Ela apresenta tanto os resultados da aplicação dos métodos individualmente quanto também o resultado combinado dos métodos utilizando o fluxograma citado, permitindo sua utilização nas empresas do setor elétrico. Validação através de estudos de casos em 498 amostras de equipamentos reais com diferentes características construtivas, valores de tensão e potência nominais. 1.3 Estrutura do trabalho Este trabalho é dividido em 5 capítulos, nos quais são abordados os fundamentos teóricos que sustentam a hipótese, a estrutura da abordagem proposta, os resultados obtidos com a aplicação em estudos de casos e a conclusão do trabalho. O capítulo 1 apresenta as motivações, objetivos, justificativa, diferenciais e organização do trabalho. O capítulo 2 apresenta a revisão bibliográfica sobre os estudos em outros trabalhos e a base teórica utilizada para o desenvolvimento deste trabalho. O capítulo 3 apresenta a estrutura proposta para a aplicação da lógica Fuzzy aos métodos tradicionais. São apresentados os resultados obtidos individualmente em cada método de AGD com a aplicação da lógica Fuzzy. O capítulo 4 apresenta a estrutura proposta para a criação da ferramenta computacional proposta. É apresentada a interface do software desenvolvido para a análise dos resultados das técnicas combinadas com a aplicação da lógica Fuzzy.

23 19 trabalhos futuros. Finalmente, o capítulo 5 apresenta as conclusões do trabalho e sugestões para

24 20 Capítulo 2 Fundamentação Teórica O objetivo deste capítulo é apresentar a forma tradicional de aplicação dos métodos de interpretação de AGD em transformadores de potência. São apresentados também trabalhos já desenvolvidos na área que fazem a união de alguns destes métodos através de técnicas de inteligência artificial como redes neurais, support vector machine, e a própria lógica Fuzzy. 2.1 Metodologias de Interpretação de AGD Tradicionais Uma das técnicas preditivas de acompanhamento de transformadores de potência mais utilizadas hoje baseia-se na Análise de Gases Dissolvidos (AGD) no óleo isolante. A ocorrência de distúrbios térmicos ou elétricos durante a operação do transformador gera alguns tipos específicos de gases dependendo do local onde a falha esteja acontecendo. Quando ocorre uma decomposição térmica da celulose do papel isolante que envolve a parte ativa do equipamento, são produzidas quantidades de monóxido de carbono (CO) e dióxido de carbono (CO2) além de gás hidrogênio (H2) e metano (CH4) que dependem exponencialmente da temperatura e diretamente do volume de material submetido à falha (IEEE, 2008). As ocorrências térmicas e elétricas também afetam a composição do óleo isolante, que é composto por diversos hidrocarbonetos diferentes. A formação de gases no óleo está relacionada à quebra das ligações químicas entre os átomos de hidrogênio e carbono formando radicais livres que se recombinam formando compostos mais complexos como acetileno (C 2H 2), etileno (C 2H 4) e etano (C 2H 6). O guia IEEE std C (IEEE, 2008) e a norma IEC (IEC, 2007), sugerem modelos matemáticos que relacionam as concentrações absolutas e relativas dos gases citados com a temperatura e nível de energia de descargas que ocorrem dentro do equipamento como consequência de falhas e defeitos. São eles: aplicação das tabelas IEEE com histórico e sem histórico, métodos Doernenburg, Rogers, Gás Chave, Dissolved Gas Analysis (da sigla em inglês DGA) e Triângulo de Duval.

25 Método de Análise pelas Tabelas IEEE Sem Histórico O método de análise de gases dissolvidos em óleo proposto no guia IEEE std C de 2008 (IEEE, 2008), é capaz de indicar a condição de operação de um transformador de potência, bem como a possível causa de uma operação fora dos valores típicos. Para identificar a condição de operação, a metodologia propõe duas situações. Na primeira, trata-se de um equipamento novo, que acabou de ser reparado ou que ainda não possui nenhum histórico de amostras para AGD. Neste caso utilizam-se as concentrações absolutas dos gases H2, CH4, C2H2, C2H4, C2H6, CO, CO2 e o Volume Total de Gases Combustíveis, da sigla em inglês TDCG, para determinar a condição de operação. No segundo caso, quando já existem um histórico de coleta dos gases, utilizam-se o TDCG e a taxa diária de crescimento do TDCG para determinar a condição de operação e um novo intervalo de amostragem para o equipamento em análise. Depois de determinada a condição de operação do transformador, caso exista algum problema, busca-se a causa do mesmo através de métodos como Doernenburg e Rogers (IEEE, 2008). As possíveis condições operacionais indicadas pelo guia são: Condição 1: Níveis de gases abaixo dos limites. Equipamento operando satisfatoriamente. Condição 2: Níveis de gases são maiores que os valores típicos. Necessário acompanhar a tendência que está se formando na geração de gases. Condição 3: Níveis de gases muito acima dos valores típicos, indicando alto nível de decomposição. É provável que exista um defeito no equipamento. Condição 4: Níveis de gases alarmantes, indicando excessiva decomposição. Continuidade de operação do equipamento pode resultar em falha. Necessário intervir no equipamento. O método consiste em determinar a condição de operação do transformador por meio da concentração dos gases combustíveis presentes. A concentração absoluta de cada gás

26 22 é usada para verificar se algum deles excede o limite de dada condição. A Tabela 2.1 apresenta os limites individuais para o caso de análise em um equipamento novo, que tenha sido reparado recentemente ou que ainda não tenha nenhum histórico de amostragem para AGD. Tabela 2.1. Limites de concentração de gases para equipamento sem histórico. Condição Limites de concentração dos gases dissolvidos (µl/l) operacional H2 CH4 C2H2 C2H4 C2H6 CO CO2 TDCG Condição Condição Condição Condição 4 >1800 >1000 >35 >200 >150 >1400 >10000 > Método de Análise pelas Tabelas IEEE Com Histórico Caso a condição o equipamento em análise já tenha histórico de amostras para AGD, pode-se utilizar a Tabela 2.2 para determinar sua condição operacional e o intervalo para uma nova amostragem de acordo com a taxa diária de crescimento do TDCG. Tabela 2.2. Determinação do intervalo de amostragem de acordo com TDCG e sua taxa diária de crescimento para equipamentos com histórico de amostragem para AGD. TDCG (µl/l) Taxa de aumento do TDCG (µl/l/dia) Intervalo de amostragem >30 Diário Condição 4 > Diário <10 Semanal >30 Semanal Condição Semanal <10 Mensal >30 Mensal Condição Mensal <10 Trimestral >30 Mensal Condição 1 < Trimestral <10 Anual Fonte: IEEE, 2008.

27 23 A metodologia apresentada em IEEE std C já fornece um diagnóstico da condição operacional do equipamento. No entanto, além da condição, deseja-se identificar a causa de uma possível condição 3 ou 4, bem como a tendência de evolução da condição. A implementação de um sistema Fuzzy junto ao método IEEE, seja com histórico ou sem histórico, tem o objetivo de identificar como a condição evolui entre as amostragens e com que velocidade a gravidade do problema aumenta Método de Análise Gás Chave O método de análise Gás Chave é apresentado pelo guia IEEE std C de 2008 (IEEE, 2008). Segundo esta metodologia, para cada tipo de defeito, ocorre a geração de alguns tipos específicos de gases, chamados pela metodologia de gases-chave. A geração de gases tem cinco principais causas segundo Gás Chave: térmica no óleo, térmica na celulose, descargas parciais e arcos elétricos. Os gases utilizados na análise são o monóxido de carbono metano, gás hidrogênio, acetileno, etileno e etano (CO, CH4, H2, C2H2, C2H4 e C2H6, respectivamente). O método consiste em determinar a presença ou não de indicativos de falha no equipamento por meio da proporção relativa dos gases-chave presentes. A Figura 2.1 mostra graficamente a interpretação das proporções dos gases-chave para determinação do diagnóstico de acordo com a metodologia Gás Chave. Figura 2.1. Proporções relativas dos gases-chave para cada diagnóstico segundo metodologia Gás Chave. Fonte: Adaptado de IEEE, 2008.

28 24 Para uma falha térmica no óleo, o principal gás gerado é o etileno, que surge juntamente com o metano. Pequenas quantidades de gás hidrogênio e de etano também podem ser gerados. Para uma falha térmica na celulose, como foi dito anteriormente, há predominantemente a geração de monóxido de carbono e dióxido de carbono. Também podem ser geradas pequenas quantidades de metano e etileno, mas o principal gás presente será o monóxido de carbono. Já nos casos de falha ou defeito elétrico, são gerados principalmente gás hidrogênio e metano no caso de descargas parciais ou gás hidrogênio e acetileno no caso de arcos elétricos Método de Análise de Doernenburg O método de análise de Doernenburg é apresentado pelo guia IEEE std C de 2008 (IEEE, 2008). Segundo esta metodologia, a geração de gases tem três principais causas: decomposição térmica, descargas parciais e arcos elétricos (descargas de alta energia). Os gases utilizados na análise são o metano, gás hidrogênio, acetileno, etileno e etano (CH4, H2, C2H2, C2H4 e C2H6, respectivamente). O método consiste em determinar a presença ou não de indicativos de falha no equipamento por meio da relação de concentração dos gases apresentados. A concentração absoluta de cada gás é usada para verificar se algum deles excede o limite mínimo para validação da análise. Considera-se que é necessário que ao menos um dos gases H2, CH4, C2H2 ou C2H4 esteja acima do dobro do limite L1 e que um dos gases C2H6 ou CO esteja acima do limite L1 da Tabela 2.3, conforme IEEE, Tabela 2.3. Limites mínimos de concentração de gases para que a análise por Doernenburg seja válida. Gás H 2 CH 4 CO C 2H 2 C 2H 4 C 2H 6 Limite L1 (µl/l) Fonte: IEEE, Caso a condição anterior seja satisfeita, calcula-se as relações entre as concentrações de gases R1, R2, R3 e R4 conforme equações (1) a (4), retiradas do guia IEEE, 2008.

29 25 1 = (1) 2 = (2) 3 = (3) 4 = (4) Sendo que H2, CH4, C2H2, C2H4 e C2H6 são as respectivas concentrações dos gases em partes por milhão (da sigla ppm) ou microlitro por litro (µl/l). Outra condição para que a análise de Doernenburg seja válida é que ao menos um dos gases de cada relação R1, R2, R3 e R4 esteja acima do limite L1 apresentado na Tabela 2.3. Caso esta condição também seja satisfeita, a análise é válida e pode-se passar para a etapa de identificação da causa da geração de gases comparando os valores das relações obtidas através das equações (4) a (7), retiradas do guia IEEE, 2008 com os valores da Tabela 2.4. Tabela 2.4. Faixas de valores para determinação do diagnóstico segundo método de Doernenburg. Diagnóstico sugerido Relação 1 (R1) CH4/H2 Relação 2 (R2) C2H2/C2H4 Relação 3 (R3) C2H2/CH4 Relação 4 (R4) C2H6/C2H2 Decomposição térmica >1,00 <0,75 <0,30 >0,40 Descarga parcial <0,10 irrelevante <0,30 >0,40 Arco elétrico >0,10 e <1,00 >0,75 >0,30 <0,40 Fonte: adaptado de IEEE, A Figura 2.2 é a representação gráfica desta metodologia apresentada para o método de Doernenburg.

30 26 Figura 2.2. Fluxograma da metodologia de Doernenburg. Fonte: Adaptado de IEEE, É importante notar que o método de Doernenburg pode não ser capaz de detectar a causa do problema em algumas situações. Nesses casos, o método recomenda reamostrar o equipamento e utilizar outras metodologias descritas nas normas vigentes. A metodologia apresentada em Doernenburg já fornece um diagnóstico da possível causa de geração excessiva de gases no óleo isolante do equipamento. No entanto, além do diagnóstico, desejase identificar a tendência de evolução do diagnóstico. Geralmente as falhas se iniciam em baixas temperaturas ou descargas de baixa energia e evoluem para altas temperaturas e descargas de alta energia. A implementação de um sistema Fuzzy junto ao método Doernenburg tem o objetivo de identificar como a falha evolui entre as amostragens e com que velocidade a gravidade do problema aumenta Método de Análise de Rogers O método de análise de Rogers é apresentado pelo guia IEEE std C de 2008 (IEEE, 2008). Segundo esta metodologia, a geração de gases tem cinco principais causas: descargas parciais, arcos elétricos, falhas térmicas de baixa temperatura (<300 C), média temperatura (entre 300 C e 700 C) e alta temperatura (>700 C). Os gases utilizados na

31 27 análise são o metano, gás hidrogênio, acetileno, etileno e etano (CH4, H2, C2H2, C2H4 e C2H6, respectivamente). O método consiste em determinar a presença ou não de indicativos de falha no equipamento por meio da relação de concentração dos gases apresentados. O procedimento do método de Rogers é semelhante ao de Doernenburg, basta que um dos gases envolvidos na análise esteja acima do limite L1 da Tabela 2.3 para que o método Rogers seja válido. As relações de concentrações usadas em Rogers são as mesmas R1 e R2 utilizadas em Doernenburg e calculadas através das equações (1) e (2), mais a relação R5 calculada através da equação (5) retiradas do guia IEEE, = (5) Após calculadas as relações de concentrações R1, R2 e R5, é feita a comparação com os valores apresentados na Tabela 2.5 para determinação da causa do problema com o equipamento. Tabela 2.5. Faixas de valores para determinação do diagnóstico segundo método de Rogers. Diagnóstico sugerido Relação 2 (R2) Relação 1 (R1) Relação 5 (R5) C2H2/C2H4 CH4/H2 C2H4/C2H6 Normal (sem falha) <0,1 >0,1 e <1,0 <1,0 Descargas parciais <0,1 <0,1 <1,0 Arco elétrico >0,1 e <3,0 >0,1 e <1,0 >3,0 Térmica baixa temperatura <0,1 >0,1 e <1,0 >1,0 e <3,0 Térmica <700 C <0,1 >1,0 >1,0 e <3,0 Térmica >700 C <0,1 >1,0 >3,0 Fonte: adaptado de IEEE, método de Rogers. A Figura 2.3 é a representação gráfica desta metodologia apresentada para o

32 28 Figura 2.3. Fluxograma da metodologia de Rogers. Fonte: Adaptado de IEEE, É importante notar que o método de Rogers pode não ser capaz de detectar a causa do problema em algumas situações. Nesses casos, o método recomenda utilizar outras metodologias descritas nas normas vigentes. A metodologia apresentada em Rogers já fornece um diagnóstico da possível causa de geração excessiva de gases no óleo isolante do equipamento. No entanto, além do diagnóstico, deseja-se identificar a tendência de evolução do diagnóstico. Geralmente as falhas se iniciam em baixas temperaturas ou descargas de baixa energia e evoluem para altas temperaturas e descargas de alta energia. A implementação de um sistema Fuzzy junto ao método Rogers tem o objetivo de identificar como a falha evolui entre as amostragens e com que velocidade a gravidade do problema aumenta Método Análise de Gases Dissolvidos (DGA) O método Dissolved and Free Gas Analysis, da sigla em inglês DGA, é apresentado pela norma IEC (IEC, 2007). O DGA é uma das técnicas mais utilizadas no mundo para detecção e interpretação de falhas e defeitos em equipamentos elétricos.

33 29 Segundo esta metodologia, a geração de gases tem seis principais causas: a) PD: descargas parciais detectadas através da visualização de pequenos furos carbonizados no papel isolante; b) D1: descargas elétricas de baixa energia detectadas pela visualização de grandes perfurações carbonizadas no papel isolante, carbonização da superfície do papel isolante ou presença de partícula de carbono no óleo; c) D2: descargas elétricas de alta energia, detectadas pela presença de carbonização e destruição de grandes áreas do papel isolante, fusão de metal na extremidade da descarga, grande carbonização do óleo; d) T1: térmicas de baixa temperatura (<300 C) detectadas pela alteração da cor do papel para um tom castanho; e) T2: térmicas de média temperatura (entre 300 C e 700 C), detectadas pela carbonização do papel; f) T3: térmicas de alta temperatura (>700 C), detectadas pela evidência de carbonização do óleo, coloração do metal ou mesmo fusão do metal (IEC, 2007). Os gases utilizados na análise são o metano, gás hidrogênio, acetileno, etileno e etano (CH 4, H 2, C 2H 2, C 2H 4 e C 2H 6, respectivamente). O método consiste em determinar a presença ou não de indicativos de falha no equipamento por meio da relação de concentração dos gases apresentados. São usadas as relações de concentrações R1, R2 e R5 calculadas através das equações (1), (2) e (5). Após calculadas as relações de concentrações R1, R2 e R5, é feita a comparação com os valores apresentados na Tabela 2.6 para determinação da causa do problema no equipamento.

34 30 Tabela 2.6. Faixas de valores para determinação do diagnóstico segundo método DGA. Diagnóstico sugerido Relação 2 (R2) C2H2/C2H4 Relação 1 (R1) CH4/H2 Relação 5 (R5) C2H4/C2H6 Descargas parciais Irrelevante <0,1 <0,2 Descarga baixa energia >1,0 >0,1 e <0,5 >1,0 Descarga alta energia >0,6 e <2,5 >0,1 e <1,0 >2,0 Térmica <300 C Irrelevante >1,0 <1,0 Térmica 300 C C <0,1 >1,0 >1,0 e <4,0 Térmica >700 C <0,2 >1,0 >4,0 Fonte: adaptado de IEC, A Figura 2.4 é a representação gráfica da Tabela 2.6 e apresenta as regiões que representam cada diagnóstico pela metodologia DGA. Figura 2.4. Interpretação gráfica do método DGA. Fonte: IEC, É importante notar que o método DGA pode não ser capaz de detectar a causa do problema em algumas situações. Nesses casos, o método recomenda utilizar outras metodologias descritas nas normas vigentes. Há uma sobreposição entre os diagnósticos D1 e

35 31 D2 evidenciada na Figura 2.4. Nessa região sobreposta deve-se procurar outras evidências para diferenciar a causa da falha/defeito ou considerar o diagnóstico mais alarmante, D2, por se tratar de uma maior energia e ter potencial para gerar mais danos ao equipamento. A Figura 2.5 é a representação gráfica desta metodologia apresentada para o método DGA. Figura 2.5. Fluxograma da metodologia DGA. Fonte: Adaptado de IEC, A metodologia apresentada no DGA já fornece um diagnóstico da possível causa de geração excessiva de gases no óleo isolante do equipamento. No entanto, além do diagnóstico, deseja-se identificar a tendência de evolução do diagnóstico. Geralmente as falhas se iniciam em baixas temperaturas ou descargas de baixa energia e evoluem para altas temperaturas e descargas de alta energia. A implementação de um sistema Fuzzy junto ao método DGA tem o objetivo de identificar como a falha evolui entre as amostragens e com que velocidade a gravidade do problema aumenta Método de Análise Triângulo de Duval O método de análise utilizando o Triângulo de Duval foi proposto por Michael Duval em 1960 e é uma forma de representação gráfica da concentração de gases dissolvidos

36 32 no óleo do transformador de potência. Os gases utilizados na análise são o metano, etileno e acetileno (CH 4, C 2H 4 e C 2H 2, respectivamente) (SUGANYABHARATHI, 2013). O método consiste em determinar a presença ou não de indicativos de falha no equipamento por meio da concentração dos gases apresentados. Considera-se que é necessário que ao menos um dos gases apresentados esteja acima do limite L2 da Tabela 2.7, como é apresentado em AHMED, Tabela 2.7. Limites mínimos de concentração de gases para que a análise pelo Triângulo de Duval seja válida. Gás H 2 CH 4 C 2H 2 C 2H 4 C 2H 6 Limite L2 (µl/l) Fonte: AHMED, Caso ao menos um dos gases exceda o limite L2 da Tabela 2.7, são calculadas as concentrações relativas dos gases metano (CH4), etileno (C2H4) e acetileno (C2H2) dissolvidos no óleo isolante do equipamento utilizando-se: % = % = % = (6) (7) (8) Sendo que x, y e z são, respectivamente, as concentrações absolutas dos gases acetileno (C 2H 2), etileno (C 2H 4) e metano (CH 4). Finalmente, são traçadas retas paralelas a cada lado do Triângulo de Duval nos pontos de concentração calculados. A região na qual essas retas se encontram indica a mais provável causa da falha segundo a metodologia. Conforme é exemplificado na Figura 2.6, para concentrações verificadas de 30% de metano (CH4), 40% de etileno (C2H4) e 30% de acetileno (C2H2), o ponto de cruzamento (1) das retas referentes a cada gás encontra-se na região D2 do triângulo, ou seja, o diagnóstico é: presença de descargas de alta energia.

37 33 Figura 2.6. Exemplo de aplicação do Triângulo de Duval no diagnóstico de falhas e defeitos em transformadores de potência para metano = 30%, etileno = 40% e acetileno = 30%. Adaptado de DUVAL, Os possíveis diagnósticos apresentados pela técnica são: N: Diagnóstico normal; PD: descargas parciais; D1: descargas elétricas de baixa energia; D2: descargas elétricas de alta energia; T1: falha térmica com temperatura menor que 300 C; T2: falha térmica com temperatura entre 300 C e 700 C; T3: falha térmica com temperatura maior que 700 C; DT: combinação de descargas elétricas e falhas térmicas. A metodologia apresentada no Triângulo de Duval já fornece um diagnóstico da possível causa de geração excessiva de gases no óleo isolante do equipamento. No entanto, além do diagnóstico, deseja-se identificar a tendência de evolução do diagnóstico. Geralmente as falhas se iniciam em baixas temperaturas ou descargas de baixa energia e evoluem para altas temperaturas e descargas de alta energia. A implementação de um sistema Fuzzy junto ao método Triângulo de Duval tem o objetivo de identificar como a falha evolui entre as amostragens e com que velocidade a gravidade do problema aumenta.

38 Métodos Complementares Além dos métodos descritos anteriormente, a norma IEC (IEC, 2007) também sugere o uso de outras relações de concentrações de gases para tornar o diagnóstico mais preciso. São elas: relação CO2/CO, relação O2/N2 e relação C2H2/H2. A relação CO2/CO é usada para identificar se a celulose do papel isolante está envolvida na falha ou defeito através da carbonização e produção do gás monóxido de carbono. Caso esta relação seja menor que 3, há o indicativo de envolvimento da celulose na falha ou defeito do equipamento e recomenda-se uma análise de compostos furânicos ou do grau de polimerização de uma amostra do papel, se possível. A relação O2/N2 é usada para detectar o consumo excessivo de gás oxigênio no interior do equipamento. A presença destes gases é normal e vem do contato do interior do equipamento com a atmosfera durante os processos de manutenção, por exemplo. Um valor típico para esta relação é de 0,5 e valores menores que 0,3 podem indicar que o gás oxigênio está sendo consumido muito mais rapidamente. A relação C 2H 2/H 2 é usada para detectar uma possível comunicação entre o tanque principal do equipamento e o tanque de óleo do comutador em carga. Em transformadores que possuem comutação em carga (da sigla em inglês OLTC On Load Tap Changer), a operação de comutação pode gerar um conjunto de gases que indicaria descargas de baixa energia e caso haja comunicação entre os tanques de óleo, estes gases podem contaminar o óleo do tanque principal e gerar diagnósticos incorretos. Caso a relação C 2H 2/H 2 seja maior que 2 ou 3, recomenda-se interpretar os resultados de AGD no tanque principal com cuidado e investigar uma possível comunicação entre os tanques do comutador e principal. 2.2 Comparação entre Métodos de Interpretação de AGD Tradicionais Os métodos de interpretação de AGD descritos no guia IEEE std C e na norma técnica IEC foram criados com base em estudos estatísticos de forma empírica em um grande conjunto de amostras de diferentes fontes. Por essa razão os métodos possuem algumas diferenças entre si, tais como as variáveis utilizadas na análise, o nível de detalhamento dos tipos de diagnósticos possíveis, ou mesmo apresentar diferentes

39 35 diagnósticos para uma mesma amostra. A Tabela 2.8 apresenta um comparativo entre os métodos apresentados. Tabela 2.8. Comparação entre os métodos de interpretação de AGD descritos no guia IEEE std C e na norma técnica IEC Metodologia Variáveis analisadas Diagnósticos possíveis IEEE sem histórico H2, CH4, C2H2, C2H4, C2H6, CO, CO2, TDCG Condição 1, 2, 3 ou 4 IEEE com histórico TDCG, taxa de aumento do TDCG Condição 1, 2, 3 ou 4 + intervalo de amostragem Gás Chave %H2, %CH4, %C2H2, Térmica no óleo, térmica na celulose, %C2H4, %C2H6, %CO descarga parcial, arco elétrico Doernenburg R1=CH4/H2, R2=C2H2/C2H4, R3=C2H2/CH4, Térmica, Descarga parcial, arco elétrico Rogers Análise de Gases Dissolvidos (DGA) Triângulo de Duval R4=C2H6/C2H2 R1=CH4/H2, Térmicas de baixa, média ou alta R2=C2H2/C2H4, temperatura, descarga parcial, arco elétrico R5=C2H4/C2H6 R1=CH4/H2, Térmicas de baixa, média ou alta R2=C 2H 2/C 2H 4, temperatura, descarga parcial, descargas R5=C 2H 4/C 2H 6 de baixa ou alta energia Térmicas de baixa, média ou alta temperatura, descarga parcial, descargas %CH4, %C2H2, %C2H4 de baixa ou alta energia, mistura de térmica e descargas Fonte: Próprio autor (2017). Como pode-se perceber na Tabela 2.8, alguns métodos utilizam as concentrações absolutas dos gases dissolvidos no óleo, outros utilizam sua concentração relativa e outros ainda utilizam a relação entre as concentrações de diferentes gases. O diagnóstico que são capazes de apresentar também varia entre os métodos. Os métodos IEEE com e sem histórico apresentam a condição operacional do equipamento. Valores entre 1 e 4 determinam se o equipamento está em sua condição normal de operação, exige atenção e acompanhamento especial ou se precisa ser retirado para manutenção com urgência.

40 36 Já os demais métodos buscam apresentar o motivo do equipamento apresentar algum problema. Os diagnósticos apresentados são basicamente falha térmica, falha elétrica ou uma mistura entre os dois. No entanto métodos como Doernenburg e Gas Chave apresentam menos detalhes do problema, enquanto o triângulo de Duval apresenta o maior nível de detalhamento, sendo capaz de diferenciar o nível de temperatura da falha térmica, o tipo e intensidade de uma falha elétrica e a mistura entre térmica e elétrica. 2.3 Trabalhos Publicados na Área de Lógica Fuzzy Aplicada à AGD O uso das técnicas de interpretação de AGD apresentadas já é consagrada e muito utilizada no setor de manutenção de transformadores de potência. No entanto, como estes métodos tradicionais foram criados baseados estatisticamente em um conjunto grande de dados de AGD de forma empírica e não a partir de formulações matemáticas, muitas vezes são fornecidos diagnósticos diferentes em cada método. Uma forma de minimizar este problema e fornecer diagnósticos mais assertivos foi a implementação de técnicas de inteligência artificial juntos às técnicas já tradicionais (BAKAR, 2014). Em MIRANDA, 2005 é apresentada uma abordagem ao método DGA da norma IEC utilizando redes neurais artificiais como uma forma de melhorar o desempenho do método. Foi desenvolvida uma rede neural artificial capaz de transformar o conhecimento adquirido em sua fase de treinamento, a partir de um grande número de amostras, em um conjunto de regras para serem usadas em um sistema de inferência Fuzzy. Este sistema por sua vez resultou em novos intervalos de análise para o método DGA da norma IEC Nos resultados apresentados no trabalho o sistema elevou a taxa de acerto do diagnóstico de 94,02% para até 100% no conjunto de amostras utilizados para o treinamento em comparação com a aplicação do método tradicional. Em MORAIS, 2006 os autores utilizam uma combinação entre os métodos tradicionais descritos nas normas, redes neurais artificiais e sistema de inferência Fuzzy com o objetivo de fornecer um diagnóstico com maior taxa de acerto que utilizando os métodos individualmente. A estrutura de análise proposta é apresentada na Figura 2.7.

41 37 Figura 2.7. Fluxograma de análise traduzido de MORAIS, No trabalho de MORAIS, 2006 os métodos de interpretação de AGD utilizados são aplicados da forma tradicional, como são descritos nas normas. O uso de redes neurais artificiais tem o objetivo de unir os diagnósticos destes métodos em um resultado final. O índice de acerto alcançado foi de aproximadamente 81,6%. Em ABU-SIADA, 2013 é utilizada uma abordagem pela lógica Fuzzy para eliminar as limitações já citadas que os métodos tradicionais possuem. O trabalho divide os tipos possíveis de problemas em 4 categorias: Falhas térmicas na celulose (F1), falhas térmicas no óleo (F2), falhas elétricas tipo corona (F3) e falhas elétricas tipo arco (F4). A estrutura de análise proposta é apresentada na Figura 2.8.

42 38 Figura 2.8. Fluxograma de análise traduzido de ABU-SIADA, A proposta de ABU-SIADA, 2013 é utilizar uma versão Fuzzy de cada método tradicional para gerar um diagnóstico e fornecer um resultado final baseado no resultado de cada método e em sua taxa de acerto. Cada método tradicional foi representado através de um conjunto de funções de pertinências triangulares e um grande conjunto de regras. Para representar o método de Rogers, por exemplo, foram utilizadas 72 regras e para o Triângulo de Duval, 347 regras, que podem ser vistas na Figura 2.9, as regras para Rogers à esquerda e para o Triângulo de Duval à direita. Figura 2.9. Regras para os métodos de Rogers (esquerda) e Triângulo de Duval (direita). Fonte: Adaptado de ABU-SIADA, 2013.

43 39 A resultado final apresentado após a aplicação da amostra no fluxograma proposto é um valor entre 0 e 10. Cujo significado é mostrado através da Tabela 2.9. Tabela 2.9. Diagnósticos possíveis fornecidos pela aplicação do fluxograma proposto em ABU-SIADA, Valor de saída D 0 D<2 2 D<4 4 D<6 6 D<8 8 D<10 Falha Diagnóstico da Sem Falha térmica Falha elétrica Falha elétrica térmica no falha/defeito falha na celulose tipo corona tipo arco óleo Fonte: adaptado de ABU-SIADA, O trabalho ABU-SIADA, 2013 conclui que o método proposto é capaz de identificar com precisão problemas de origem elétrica, mas não diferencia bem os de origem térmica que ocorrem no óleo ou na celulose. Portanto, vários esforços já foram realizados no estudo das técnicas de AGD em outros trabalhos incluindo a aplicação da lógica Fuzzy, apresentando resultados consistentes e tendo consolidado estas técnicas na área de manutenções preventivas. Este trabalho, no entanto, tem como diferenciais: O trabalho apresenta uma proposta para unir os diagnósticos individuais dos métodos por meio de um fluxograma apresentado por BRITO, 2016 e a aplicação de condições de contorno ainda não utilizadas. Uso de poucas regras de decisão para tornar a análise mais simples e intuitiva para o profissional do planejamento de manutenção. Realização de uma representação gráfica dos resultados obtidos pela aplicação dos métodos propostos de modo a simplificar as análises. A criação de uma interface gráfica intuitiva que pode ser utilizada pelo profissional responsável pelo planejamento da manutenção. A interface criada apresenta tanto os resultados da aplicação dos métodos individualmente quanto também o resultado combinado dos métodos utilizando o fluxograma proposto, permitindo sua utilização no mercado de trabalho. Validação através de estudos de casos em 498 amostras de equipamentos reais com diferentes características construtivas, valores de tensão e potência nominais.

44 40 Capítulo 3 Aplicação da Lógica Fuzzy aos Métodos de AGD O objetivo deste capítulo é apresentar a metodologia adotada na aplicação da lógica Fuzzy aos métodos de AGD descritos no guia IEEE std C (IEEE, 2008) e na norma técnica IEC (IEC, 2007). Cada tópico trata da aplicação de um método diferente, da forma como o sistema Fuzzy foi modelado para esta técnica e os resultados obtidos com sua aplicação individual em equipamentos reais, em operação no Sistema Elétrico Brasileiro. 3.1 Metodologias de Interpretação de AGD com Lógica Fuzzy Os métodos de interpretação de AGD tradicionais são capazes de determinar a condição operativa atual do equipamento e, caso haja algum problema, o tipo da falha/defeito. No entanto, a simples aplicação dos métodos tradicionais não é capazes de fornecer a informação de como o problema está evoluindo ou a intensidade de um determinado tipo de problema nem sua gravidade. A implementação do sistema Fuzzy tem o objetivo de fornecer estas valiosas informações a mais de modo a subsidiar o especialista no planejamento da manutenção de forma mais efetiva, buscando reduzir custos e predizer a tendência de evolução dos diagnósticos. A seguir são apresentadas as formas como a lógica Fuzzy foi aplicada para cada um dos métodos tradicionais descritos no capítulo 2, bem como suas vantagens e desvantagens Método de Análise Fuzzy pelas Tabelas IEEE Sem Histórico Na implementação do sistema Fuzzy para o método sem histórico foram utilizadas 8 variáveis (H2, CH4, C2H2, C2H4, C2H6, CO, CO2 e TDCG) para converter o valor de concentração de cada gás em um valor Fuzzy de condição operacional de forma individual. As variáveis linguísticas para as variáveis de entrada são representadas por trapézios que possuem um desvio de 20% do valor convencional nas transições das faixas

45 41 apresentadas na Tabela 2.1. Este valor foi determinado empiricamente de modo a melhor representar as variáveis. Da Figura 3.1 à Figura 3.8 são mostradas as regiões delimitadas pelos trapézios de cada uma das variáveis de entrada correspondentes aos gases H2, CH4, C2H2, C2H4, C2H6, CO, CO2 e TDCG respectivamente e da Tabela 3.1 até a Tabela 3.8 são apresentados os valores dos vértices dos trapézios seguindo o desvio de 20%. Figura 3.1. Funções de pertinência para a variável de entrada H2 em IEEE sem histórico. Tabela 3.1. Vértices dos trapézios que representam as variáveis linguísticas para a entrada H 2 em IEEE sem histórico. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Condição 1 (1) Condição 2 (2) Condição 3 (3) Condição 4 (4) Figura 3.2. Funções de pertinência para a variável de entrada CH4 em IEEE sem histórico.

46 42 Tabela 3.2. Vértices dos trapézios que representam as variáveis linguísticas para a entrada CH 4 em IEEE sem histórico. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Condição 1 (1) Condição 2 (2) Condição 3 (3) Condição 4 (4) Figura 3.3. Funções de pertinência para a variável de entrada C 2H 2 em IEEE sem histórico. Tabela 3.3. Vértices dos trapézios que representam as variáveis linguísticas para a entrada C 2H 2 em IEEE sem histórico. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Condição 1 (1) 0 0 0,8 1,2 Condição 2 (2) 0,8 1,2 7,2 10,8 Condição 3 (3) 7,2 10, Condição 4 (4)

47 43 Figura 3.4. Funções de pertinência para a variável de entrada C 2H 4 em IEEE sem histórico. Tabela 3.4. Vértices dos trapézios que representam as variáveis linguísticas para a entrada C 2H 4 em IEEE sem histórico. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Condição 1 (1) Condição 2 (2) Condição 3 (3) Condição 4 (4) Figura 3.5. Funções de pertinência para a variável de entrada C 2H 6 em IEEE sem histórico.

48 44 Tabela 3.5. Vértices dos trapézios que representam as variáveis linguísticas para a entrada C 2H 6 em IEEE sem histórico. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Condição 1 (1) Condição 2 (2) Condição 3 (3) Condição 4 (4) Figura 3.6. Funções de pertinência para a variável de entrada CO em IEEE sem histórico. Tabela 3.6. Vértices dos trapézios que representam as variáveis linguísticas para a entrada CO em IEEE sem histórico. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Condição 1 (1) Condição 2 (2) Condição 3 (3) Condição 4 (4) Figura 3.7. Funções de pertinência para a variável de entrada CO 2 em IEEE sem histórico.

49 45 Tabela 3.7. Vértices dos trapézios que representam as variáveis linguísticas para a entrada CO 2 em IEEE sem histórico. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Condição 1 (1) Condição 2 (2) Condição 3 (3) Condição 4 (4) Figura 3.8. Funções de pertinência para a variável de entrada TDCG em IEEE sem histórico. Tabela 3.8. Vértices dos trapézios que representam as variáveis linguísticas para a entrada TDCG em IEEE sem histórico. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Condição 1 (1) Condição 2 (2) Condição 3 (3) Condição 4 (4) O sistema Fuzzy desenvolvido a partir da metodologia do guia IEEE sem histórico foi aplicado em algumas amostras reais de equipamentos da concessionária de energia de Goiás, CELG-D, que estão em operação no Sistema Elétrico Brasileiro. A Figura 3.9 mostra o resultado obtido para a aplicação do sistema Fuzzy desenvolvido a partir da técnica sem histórico no equipamento T01 com potência nominal de 6,25 MVA.

50 46 Figura 3.9. Diagnósticos apresentados pelo sistema Fuzzy aplicado ao método IEEE sem histórico a partir de amostras do equipamento T01. Fonte: Próprio autor. No diagnóstico apresentado, percebe-se a evolução gradual entre as condições operacionais do equipamento para cada gás analisado em AGD. Para a maioria dos gases houve uma transição abrupta na última amostragem para a condição 4, evidenciando a ocorrência de uma falha crítica do equipamento. No entanto a presença de CO2 desde as primeiras amostragens em condição 3 já indicava a presença de um defeito no transformador e sugeria a realização de uma manutenção preventiva. Após a última amostragem apresentada na figura, o equipamento foi retirado de operação, para realização de uma manutenção e foi detectado o rompimento de uma lide de alta tensão devido à altas temperaturas presentes no interior do equipamento, o que gerou descargas de alta energia e levou o equipamento à falhar. A Figura 3.10 mostra o resultado obtido para a aplicação do método tradicional IEEE sem histórico, sem utilização da lógica Fuzzy, para o mesmo equipamento.

51 47 Figura Diagnósticos apresentados pelo método tradicional IEEE com histórico a partir de amostras do equipamento T01. Fonte: Próprio autor. Pela comparação entre a Figura 3.9 e Figura 3.10 é possível perceber que os diagnósticos são bastante semelhantes. A principal diferença e vantagem do sistema Fuzzy para o tradicional é possibilidade de visualizar o nível de gravidade da condição indicada. Por exemplo, no sistema tradicional os níveis de dióxido de carbono indicavam condição 3 entre as amostras 5 e 19, enquanto o sistema Fuzzy indicava a presença de uma transição entre as condições 2 e Método de Análise Fuzzy pelas Tabelas IEEE Com Histórico Na implementação do sistema Fuzzy para o método com histórico foi utilizada apenas 1 variável para converter o valor de TDCG em um valor Fuzzy de acordo com a coluna 2 da Tabela 2.2. A Figura 3.11 mostra as funções de pertinência utilizadas em tal processo. Figura Funções de pertinência para a variável de saída do IEEE com histórico.

52 48 As variáveis linguísticas da Figura 3.11 possuem um desvio de 20% do valor convencional nas transições das faixas apresentadas na Tabela 2.2 e os valores dos vértices são apresentados na Tabela 3.9. Este valor foi determinado empiricamente de modo a melhor representar as variáveis. Tabela 3.9. Vértices dos trapézios que representam as variáveis linguísticas para a conversão do valor de TDCG em um valor Fuzzy no método IEEE com histórico. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Condição 1 (1) 0,0 0,0 540,0 900,0 Condição 2 (2) 540,0 900,0 1440,0 2400,0 Condição 3 (3) 1440,0 2400,0 3472,5 5787,5 Condição 4 (4) 3472,5 5787,5 6000,0 6000,0 O sistema Fuzzy desenvolvido a partir da metodologia do guia IEEE com histórico foi aplicado em algumas amostras reais de equipamentos da concessionária de energia de Goiás, CELG-D, que estão em operação no Sistema Elétrico Brasileiro. A Figura 3.12 mostra o resultado obtido para a aplicação do sistema Fuzzy desenvolvido a partir da técnica com histórico no equipamento T01 com potência nominal de 6,25 MVA. Figura Diagnósticos apresentados pelo sistema Fuzzy aplicado ao método IEEE com histórico a partir de amostras do equipamento T01. Fonte: Próprio autor. No diagnóstico apresentado, constata-se a evolução gradual da condição operacional do equipamento, que passou de condição 1 (cor verde escuro) para condição 2 (cor verde claro) e na amostragem número 31, na data 02/01/2014, passou a apresentar

53 49 condição 4 (cor vermelha), indicando a ocorrência súbita de algum fato crítico no equipamento. Após a última amostragem apresentada na figura que apresentou condição 4, o equipamento foi retirado de operação, para realização de uma manutenção e foi detectado o rompimento de uma lide de alta tensão, o que gerou descargas de alta energia e levou o equipamento à falhar. A Figura 3.13 mostra o resultado obtido para a aplicação do método tradicional IEEE com histórico, sem utilização da lógica Fuzzy, para o mesmo equipamento. Figura Diagnósticos apresentados pelo método tradicional IEEE com histórico a partir de amostras do equipamento T01. Fonte: Próprio autor. Pela comparação entre a Figura 3.12 e Figura 3.13 constata-se que o sistema Fuzzy foi capaz de detectar o início da condição 2 entre as amostras 16 e 23, enquanto o sistema tradicional indicava condição 1. O sistema Fuzzy identificou também a evolução gradual da condição do equipamento nas amostras que antecederam a ocorrência da falha Método de Análise Fuzzy Gás Chave Na implementação do sistema Fuzzy Gás Chave foram utilizadas 6 variáveis de entrada (concentrações relativas dos gases CO, H2, CH4, C2H6, C2H4 e C2H2) e 1 variável de saída representando o diagnóstico (N, PD, D2, Toleo e Tcelulose). A Figura 3.14 mostra a variável de saída, representada por triângulos igualmente espaçados para simplificação da implementação.

54 50 Figura Funções de pertinência para a variável de saída de Gás Chave. As variáveis linguísticas para as variáveis de entrada são representadas por trapézios que possuem um desvio de 15% do valor convencional nas transições das faixas apresentadas na Erro! Fonte de referência não encontrada.. Este valor foi determinado empiricamente de modo a melhor representar as variáveis. Da Figura 3.15 até a Figura 3.20 são mostradas as regiões delimitadas pelos trapézios das variáveis de entrada CO, H2, CH4, C2H6, C2H4 e C2H2, respectivamente e da Tabela 3.10 até a Tabela 3.15 são apresentados os valores dos vértices dos trapézios seguindo o desvio de 15%. Figura Funções de pertinência para a variável de entrada CO no método Gás Chave. Tabela Vértices dos trapézios que representam as variáveis linguísticas para a variável CO no método Gás Chave. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo (1) 0,00 0,00 63,75 86,25 Alto (2) 63,75 86,25 100,00 100,00

55 51 Figura Funções de pertinência para a variável de entrada H 2 no método Gás Chave. Tabela Vértices dos trapézios que representam as variáveis linguísticas para a variável H 2 no método Gás Chave. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo (1) 0,00 0,00 17,00 23,00 Médio (2) 17,00 23,00 63,75 86,25 Alto (3) 63,75 86,25 100,00 100,00 Figura Funções de pertinência para a variável de entrada CH 4 no método Gás Chave. Tabela Vértices dos trapézios que representam as variáveis linguísticas para a variável CH 4 no método Gás Chave. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo (1) 0,00 0,00 8,50 11,50 Médio (2) 8,50 11,50 17,00 23,00 Alto (3) 17,00 23,00 100,00 100,00

56 52 Figura Funções de pertinência para a variável de entrada C 2H 6 no método Gás Chave. Tabela Vértices dos trapézios que representam as variáveis linguísticas para a variável C 2H 6 no método Gás Chave. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo (1) 0,00 0,00 4,25 5,75 Médio (2) 4,25 5,75 29,75 40,25 Alto (3) 29,75 40,25 100,00 100,00 Figura Funções de pertinência para a variável de entrada C 2H 4 no método Gás Chave. Tabela Vértices dos trapézios que representam as variáveis linguísticas para a variável C 2H 4 no método Gás Chave. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo (1) 0,00 0,00 8,50 11,50 Médio (2) 8,50 11,50 38,25 51,75 Alto (3) 38,25 51,75 100,00 100,00

57 53 Figura Funções de pertinência para a variável de entrada C 2H 2 no método Gás Chave. Tabela Vértices dos trapézios que representam as variáveis linguísticas para a variável C 2H 2 no método Gás Chave. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo (1) 0,00 0,00 17,00 23,00 Médio (2) 17,00 23,00 42,50 57,50 Alto (3) 42,50 57,50 100,00 100,00 Foram estabelecidas 4 regras que relacionam as variáveis de entrada à variável de saída de modo a apresentar um comportamento semelhante ao do modelo tradicional do método Gás Chave. O conjunto de regras criado é apresentado na Figura Figura Conjunto de regras utilizado no sistema Fuzzy do método Gás Chave. O sistema Fuzzy desenvolvido a partir da metodologia Gás Chave foi aplicado em algumas amostras reais de equipamentos da concessionária de energia de Goiás, CELG-D, que estão em operação no Sistema Elétrico Brasileiro. A Figura 3.22 mostra o resultado obtido para a aplicação do sistema no equipamento T01 com potência nominal de 6,25 MVA.

58 54 Figura Diagnósticos apresentados pelo sistema Fuzzy aplicado ao método Gás Chave a partir de amostras do equipamento T01. Fonte: Próprio autor. No diagnóstico apresentado, constata-se a presença de um problema relacionado à decomposição térmica da celulose desde as primeiras amostras. Este diagnóstico está presente junto à evolução da quantidade de CO2 segundo o método IEEE sem histórico. No entanto apresenta sua maior gravidade entre as amostras 0 e 5, quando os níveis de concentração de todos os gases se encontram em condições 1 ou 2, ou seja, sem indicativo de defeito no equipamento. Já no momento de ocorrência da falha elétrica no transformador, na última amostra coletada, o método Gás Chave não foi capaz de fornecer um diagnóstico da ocorrência. A Figura 3.23 mostra o resultado obtido para a aplicação do sistema tradicional no equipamento T01.

59 55 Figura Diagnósticos apresentados pelo método Gás Chave tradicional a partir de amostras do equipamento T01. Fonte: Próprio autor. Na implementação do método Gás Chave tradicional, apresentada na Figura 3.23 percebe-se um aumento na contradição do diagnóstico fornecido. O método apresentou um diagnóstico de falha térmica na celulose em um momento em que todos os gases, incluindo monóxido de carbono e dióxido de carbono estavam em níveis aceitáveis e os métodos IEEE com e sem histórico apontavam condições 1 ou 2. Portanto, a aplicação da lógica Fuzzy ao método Gás Chave tornou a detecção mais sensível, apresentando diagnóstico fora do normal em mais momentos, no entanto o método Gás Chave em si apresentou diagnósticos contraditórios em relação à situação geral do equipamento Método de Análise Fuzzy de Doernenburg Na implementação do sistema Fuzzy Doernenburg foram utilizadas 4 variáveis de entrada (relações entre as concentrações R1, R2, R3 e R4), e 1 variável de saída representando o diagnóstico (N, T, PD, D2). A Figura 3.24 mostra a variável de saída, representada por triângulos igualmente espaçados para simplificação da implementação.

60 56 Figura Funções de pertinência para a variável de saída de Doernenburg. As variáveis linguísticas para as variáveis de entrada são representadas por trapézios que possuem um desvio de 70% do valor convencional nas transições das faixas apresentadas na Tabela 2.4. Este valor foi determinado empiricamente de modo a melhor representar as variáveis. A Figura 3.25, Figura 3.26, Figura 3.27 e Figura 3.28 são mostradas as regiões delimitadas pelos trapézios das variáveis de entrada R1, R2, R3 e R4, respectivamente e da Tabela 3.16 até a Tabela 3.19 são apresentados os valores dos vértices dos trapézios seguindo o desvio de 70%. Figura Funções de pertinência para a relação R1 no método de Doernenburg. Tabela Vértices dos trapézios que representam as variáveis linguísticas para a relação R1 no método de Doernenburg. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo (1) 0,00 0,00 0,03 0,17 Médio (2) 0,03 0,17 0,30 1,70 Alto (3) 0,30 1,7 2,00 2,00

61 57 Figura Funções de pertinência para a relação R2 no método de Doernenburg. Tabela Vértices dos trapézios que representam as variáveis linguísticas para a relação R2 no método de Doernenburg. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo (1) 0,00 0,00 0,225 1,275 Alto (2) 0,225 1,275 2,00 2,00 Figura Funções de pertinência para a relação R3 no método de Doernenburg. Tabela Vértices dos trapézios que representam as variáveis linguísticas para a relação R3 no método de Doernenburg. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo (1) 0,00 0,00 0,09 0,51 Alto (2) 0,09 0,51 1,00 1,00

62 58 Figura Funções de pertinência para a relação R4 no método de Doernenburg. Tabela Vértices dos trapézios que representam as variáveis linguísticas para a relação R3 no método de Doernenburg. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo (1) 0,00 0,00 0,12 0,68 Alto (2) 0,12 0,68 1,00 1,00 Foram estabelecidas 17 regras que relacionam as variáveis de entrada à variável de saída de modo a apresentar um comportamento semelhante ao do modelo clássico do método de Doernenburg. O conjunto de regras criado é apresentado na Figura Figura Conjunto de regras utilizado no sistema Fuzzy do método Doernenburg. O sistema Fuzzy desenvolvido a partir da metodologia do Doernenburg foi aplicado em algumas amostras reais de equipamentos da concessionária de energia de Goiás, CELG-D, que estão em operação no Sistema Elétrico Brasileiro. A Figura 3.30 mostra o

63 59 resultado obtido para a aplicação do sistema no equipamento T01 com potência nominal de 6,25 MVA. Figura Diagnósticos apresentados pelo sistema Fuzzy aplicado ao método de Doernenburg a partir de amostras do equipamento T01. Fonte: Próprio autor. No diagnóstico apresentado, verifica-se o início de um problema relacionado à descargas de alta energia (cor azul). Após a última amostragem apresentado na figura, dia 02/01/2014, o equipamento foi retirado de operação para realização de uma manutenção e foi detectado o rompimento de lide de alta tensão por causas térmicas, o que estava provocando descargas de alta energia no enrolamento do equipamento, confirmando o diagnóstico apresentado. Neste caso, a aplicação do método clássico de Doernenburg, sem o sistema Fuzzy, não teria sido capaz de identificar a falha. A Tabela 3.20 mostra as concentrações de cada gás obtidas na última amostragem do equipamento T01. Tabela Concentrações dos gases obtidas na última amostragem do equipamento T01. Gás H 2 CH 4 CO C 2H 2 C 2H 4 C 2H 6 Concentração (ppm) Calculando as relações através das equações (1) a (4), temos: R1=1,01; R2=1,36; R3=1,38 e R4=0,311. Aplicando a metodologia de Doernenburg com estes valores, temos a informação de que o transformador se encontra com um defeito, uma vez que as concentrações absolutas satisfazem as condições da Tabela 2.3, no entanto não é possível

64 60 identificar a causa do problema, pois as relações R1, R2, R3 e R4 não satisfazem nenhuma condição da Tabela 2.4. A Figura 3.31 mostra o resultado obtido para a aplicação do sistema tradicional no equipamento T01, indicando que, segundo o método tradicional, o equipamento se encontra em condições normais. Figura Diagnósticos apresentados pelo método Doernenburg tradicional a partir de amostras do equipamento T01. Fonte: Próprio autor Método de Análise Fuzzy Rogers Na implementação do sistema Fuzzy foram utilizadas 3 variáveis de entrada (relações entre as concentrações R1, R2 e R5), e 1 variável de saída representando o diagnóstico (N, PD, D2, T1, T2 e T3). A Figura 3.32 mostra a variável de saída, representada por triângulos igualmente espaçados para simplificação da implementação. Figura Funções de pertinência para a variável de saída de Rogers.

65 61 As variáveis linguísticas para as variáveis de entrada são representadas por trapézios que possuem um desvio de 40% do valor convencional nas transições das faixas apresentadas na Tabela 2.5. Este valor foi determinado empiricamente de modo a melhor representar as variáveis. Da Figura 3.33 até a Figura 3.35 são mostradas as regiões delimitadas pelos trapézios das variáveis de entrada R1, R2 e R5, respectivamente e da Tabela 3.21 até a Tabela 3.23 são apresentados os valores dos vértices dos trapézios seguindo o desvio de 40%. Figura Funções de pertinência para a relação R1 no método de Rogers. Tabela Vértices dos trapézios que representam as variáveis linguísticas para a relação R1 no método de Rogers. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo (1) 0,00 0,00 0,06 0,14 Médio (2) 0,06 0,14 0,60 1,40 Alto (3) 0,60 1,4 2,00 2,00 Figura Funções de pertinência para a relação R2 no método de Rogers.

66 62 Tabela Vértices dos trapézios que representam as variáveis linguísticas para a relação R2 no método de Rogers. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo (1) 0,00 0,00 0, Alto (2) 0,06 0,14 3,00 3,00 Figura Funções de pertinência para a relação R5 no método de Rogers. Tabela Vértices dos trapézios que representam as variáveis linguísticas para a relação R5 no método de Rogers. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo (1) 0,00 0,00 0,60 1,40 Médio (2) 0,60 1,40 1,80 4,20 Alto (3) 1,80 4,20 5,00 5,00 Foram estabelecidas 18 regras que relacionam as variáveis de entrada à variável de saída de modo a apresentar um comportamento semelhante ao do modelo clássico do método de Rogers. O conjunto de regras criado é apresentado na Figura 3.36.

67 63 Figura Conjunto de regras utilizado no sistema Fuzzy do método Rogers. O sistema Fuzzy desenvolvido a partir da metodologia do Rogers foi aplicado em algumas amostras reais de equipamentos da concessionária de energia de Goiás, CELG-D, que estão em operação no Sistema Elétrico Brasileiro. A Figura 3.37 mostra o resultado obtido para a aplicação do sistema no equipamento T01 com potência nominal de 6,25 MVA. Figura Diagnósticos apresentados pelo sistema Fuzzy aplicado ao método de Rogers a partir de amostras do equipamento T01. Fonte: Próprio autor. No diagnóstico apresentado, percebe-se o início de um problema relacionado à descargas de alta energia (cor azul escuro) e a ocorrência de descargas parciais entre as amostras 16 e 18 que já antecipavam a existência de um defeito no equipamento. Após a última amostragem apresentado na figura o equipamento foi retirado de operação, na data 02/01/2014, para realização de uma manutenção e foi detectado o rompimento de lide de alta tensão por causas térmicas, o que estava provocando descargas de alta energia no enrolamento

68 64 do equipamento, confirmando o diagnóstico apresentado. Neste caso, a aplicação do método clássico de Rogers, sem o sistema Fuzzy, não teria sido capaz de identificar a falha. A Tabela 3.20 mostra as concentrações de cada gás obtidas na última amostragem do equipamento T01. Calculando as relações através das equações (1), (2) e (5), temos: R1=1,01; R2=1,36 e R5=2,35. Aplicando a metodologia de Rogers com estes valores, temos a informação de que não é possível identificar a causa do problema, pois as relações R1, R2 e R5 não satisfazem nenhuma condição da Tabela 2.5. A Figura 3.38 mostra o resultado obtido para a aplicação do método tradicional no equipamento T01, indicando que o equipamento se encontrava em condições normais de operação todo o tempo. Figura Diagnósticos apresentados pelo método Rogers tradicional a partir de amostras do equipamento T01. Fonte: Próprio autor Método de Análise Fuzzy por Ánalise de Gases Dissolvidos (DGA) Na implementação do sistema Fuzzy foram utilizadas 3 variáveis de entrada (relações entre as concentrações R1, R2 e R5), e 1 variável de saída representando o diagnóstico (N, PD, D1, D2, T1, T2 e T3). A Figura 3.39 mostra a variável de saída, representada por triângulos igualmente espaçados para simplificar da implementação.

69 65 Figura Funções de pertinência para a variável de saída do DGA. As variáveis linguísticas para as variáveis de entrada são representadas por trapézios que possuem um desvio de 20% do valor convencional nas transições das faixas apresentadas na Tabela 2.6. Este valor foi determinado empiricamente de modo a melhor representar as variáveis. Da Figura 3.40 até a Figura 3.42 são mostradas as regiões delimitadas pelos trapézios das variáveis de entrada R1, R2 e R5, respectivamente e da Tabela 3.24 até a desvio de 20%. Tabela 3.26 são apresentados os valores dos vértices dos trapézios seguindo o Figura Funções de pertinência para a relação R1 no método DGA. Tabela Vértices dos trapézios que representam as variáveis linguísticas para a relação R1 no método DGA. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo1 (1) 0,00 0,00 0,08 0,12

70 66 Baixo2 (2) 0,08 0,12 0,40 0,60 Alto1 (3) 0,40 0,60 0,80 1,20 Alto2 (4) 0,80 1,20 2,00 2,00 Figura Funções de pertinência para a relação R2 no método DGA. Tabela Vértices dos trapézios que representam as variáveis linguísticas para a relação R2 no método DGA. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo1 (1) 0,00 0,00 0,08 0,12 Baixo2 (2) 0,08 0,12 0,16 0,24 Médio1 (3) 0,16 0,24 0,48 0,72 Médio2 (4) 0,48 0,72 0,80 1,20 Alto1 (5) 0,80 1,20 2,00 3,00 Alto2 (6) 2,00 3,00 4,00 4,00 Figura Funções de pertinência para a relação R5 no método DGA.

71 67 Tabela Vértices dos trapézios que representam as variáveis linguísticas para a relação R5 no método DGA. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo1 (1) 0,00 0,00 0,16 0,24 Baixo2 (2) 0,16 0,24 0,80 1,20 Médio (3) 0,80 1,20 1,60 2,40 Alto1 (4) 1,60 2,40 3,20 4,80 Alto2 (5) 3,20 4,80 6,00 6,00 Foram estabelecidas 23 regras que relacionam as variáveis de entrada à variável de saída de modo a apresentar um comportamento semelhante ao do modelo clássico do método DGA. O conjunto de regras criado é apresentado na Figura Figura Conjunto de regras utilizado no sistema Fuzzy do método DGA. O sistema Fuzzy desenvolvido a partir da metodologia DGA foi aplicado em algumas amostras reais de equipamentos da concessionária de energia de Goiás, CELG-D, que estão em operação no Sistema Elétrico Brasileiro. A Figura 3.44 mostra o resultado obtido para a aplicação do sistema no equipamento T01 com potência nominal de 6,25 MVA.

72 68 Figura Diagnósticos apresentados pelo sistema Fuzzy aplicado ao método DGA a partir de amostras do equipamento T01. Fonte: Próprio autor. O diagnóstico apresentado se iniciou em uma falha térmica de baixa temperatura, na cor rosa. A partir da última amostragem é possível constatar a evolução do diagnóstico para uma descarga elétrica de alta energia, na cor azul, seguindo a mesma tendência dos demais diagnósticos para este equipamento. A Figura 3.45 mostra o resultado obtido para a aplicação do DGA tradicional, sem lógica Fuzzy, no equipamento T01. Figura Diagnósticos apresentados pelo método DGA tradicional a partir de amostras do equipamento T01. Fonte: Próprio autor. O método tradicional também foi capaz de detectar o diagnóstico da falha até a amostragem número 30 da mesma forma que o método Fuzzy. No entanto, não foi capaz de

73 69 identificar a evolução da falha para descargas de alta energia na última amostragem. Tal informação pode ser útil para confirmar a causa do problema através de métodos diferentes Método de Análise Fuzzy Triângulo de Duval Na implementação do sistema Fuzzy foram utilizadas 3 variáveis de entrada (concentrações relativas de CH 4, C 2H 4 e C 2H 6), e 1 variável de saída representando o diagnóstico (N, PD, D1, D2, T1, T2, T3 ou DT). A Figura 3.46 mostra a variável de saída, representada por triângulos igualmente espaçados para simplificação da implementação. Figura Funções de pertinência para a variável de saída no triângulo de Duval. As variáveis linguísticas para as variáveis de entrada são representadas por trapézios que possuem um desvio de 5%, 10% e 25% do valor convencional do triângulo de Duval nas transições para o CH4, C2H4 e C2H6, respectivamente. Estes valores foram determinados empiricamente de modo a melhor representar as variáveis. Da Figura 3.47 até a Figura 3.49 são mostradas as regiões delimitadas pelos trapézios das variáveis de entrada CH4, C2H4 e C2H6 respectivamente e da Tabela 3.27 até a Tabela 3.29 são apresentados os valores dos vértices dos trapézios seguindo o desvio de 5%, 10% e 25%. Figura Funções de pertinência para o gás CH 4 no triângulo de Duval.

74 70 Tabela Vértices dos trapézios que representam as variáveis linguísticas para o gás CH4 no Triângulo de Duval. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo (1) 0,00% 0,00% 68,40% 75,60% Médio (2) 68,40% 75,60% 90,25% 99,75% Alto (3) 90,25% 99,75% 100,00% 100,00% Figura Funções de pertinência para o gás C 2H 4 no triângulo de Duval. Tabela Vértices dos trapézios que representam as variáveis linguísticas para o gás C 2H 4 no Triângulo de Duval. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo (1) 0,00% 0,00% 19,80% 24,20% Médio1 (2) 19,80% 24,20% 36,00% 44,00% Médio2 (3) 36,00% 44,00% 45,00% 55,00% Alto (4) 45,00% 55,00% 100,00% 100,00% Figura Funções de pertinência para o gás C 2H 2 no triângulo de Duval.

75 71 Tabela Vértices dos trapézios que representam as variáveis linguísticas para o gás C 2H 2 no Triângulo de Duval. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Baixo (1) 0,00% 0,00% 3,75% 6,25% Médio1 (2) 3,75% 6,25% 9,00% 15,00% Médio2 (3) 9,00% 15,00% 22,50% 37,50% Alto (4) 22,50% 37,50% 100,00% 100,00% Foram estabelecidas 17 regras que relacionam as variáveis de entrada à variável de saída de modo a apresentar um comportamento semelhante ao do modelo clássico do Triângulo de Duval. O conjunto de regras criado é apresentado na Figura Figura Conjunto de regras utilizado no sistema Fuzzy do triângulo de Duval. O sistema Fuzzy desenvolvido a partir da metodologia do Triângulo de Duval foi aplicado em algumas amostras reais de equipamentos da concessionária de energia de Goiás, CELG-D, que estão em operação no Sistema Elétrico Brasileiro. A Figura 3.51 mostra o resultado obtido para a aplicação no equipamento T01 com potência nominal de 6,25 MVA.

76 72 Figura Diagnósticos apresentados pelo sistema Fuzzy aplicado ao Triângulo de Duval a partir de amostras do equipamento T01. O diagnóstico apresentado varia entre as diferentes temperaturas de falhas térmicas T1, T2 e T3, nas cores rosa, alaranjado e vermelho, respectivamente. A partir da amostragem número 27, na data 20/04/2012, é possível perceber a evolução gradual do diagnóstico de T1 (falha térmica com temperatura menor que 300 C) para T2 (falha térmica com temperatura entre 300 C e 700 C) até que na última amostragem, na data 02/01/2014, ocorreu uma falha representada pelo diagnóstico de descarga elétrica de alta energia. Após a manutenção do equipamento, constatou-se que a falha foi causada pelo rompimento de lide de alta tensão devido à elevação de temperatura gerando descargas de alta energia no interior do equipamento. O diagnóstico apresentado pelo Triângulo de Duval conseguiu capturar com grande precisão os eventos do transformador, mostrando o aumento na gravidade da falha térmica ao longo do tempo até culminar no rompimento da lide e falha do equipamento. A Figura 3.52 mostra o resultado obtido para a aplicação do Triângulo de Duval tradicional, sem lógica Fuzzy, no equipamento T01.

77 73 Figura Diagnósticos apresentados pelo método Triângulo de Duval tradicional a partir de amostras do equipamento T01. Fonte: Próprio autor. O método tradicional também foi capaz de detectar o diagnóstico da falha com sucesso, no entanto não foi capaz de identificar a evolução gradual das falhas térmicas que antecederam a falha elétrica. Entre as amostragens de números 27 e 30 (equivalente ao período entre as datas 20/04/2012 e 02/07/2013) o método tradicional diagnosticou o equipamento sempre em T2 dando a falsa indicação de que a situação estava estável e sem indicar que a situação operativa do equipamento estava piorando ao longo do tempo. Tal informação pode ser útil para prever uma tendência do diagnóstico e tomar providências antes da ocorrência da falha no equipamento Métodos Fuzzy Complementares Na implementação do sistema Fuzzy para os métodos complementares (relações entre CO 2/CO, O 2/N 2 e C 2H 2/H 2) foi utilizada apenas 1 variável para converter o valor de cada relação em um valor Fuzzy. A Figura 3.53 mostra as funções de pertinência utilizadas em tal processo.

78 74 Figura Funções de pertinência para a variável de saída dos métodos complementares. As funções de pertinência são as mesmas para as 3 relações e apenas os valores dos vértices dos trapézios são diferentes para cada relação. O desvio utilizado para os vértices foi de 40% dos valores apresentados em IEC, Da Tabela 3.30 até a Tabela 3.32 são apresentados os valores dos vértices para as relações CO 2/CO, O 2/N 2 e C 2H 2/H 2, respectivamente. Tabela Vértices dos trapézios que representam as variáveis linguísticas para a conversão do valor da relação CO 2/CO em um valor Fuzzy. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Alterado (1) 0,0 0,0 1,8 4,2 Normal (2) 1,8 4,2 6,0 6,0 Tabela Vértices dos trapézios que representam as variáveis linguísticas para a conversão do valor da relação O 2/N 2 em um valor Fuzzy. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Alterado (1) 0,00 0,00 0,18 0,42 Normal (2) 0,18 0,42 0,60 0,60 Tabela Vértices dos trapézios que representam as variáveis linguísticas para a conversão do valor da relação C 2H 2/H 2em um valor Fuzzy. Variável Vértice 1 Vértice 2 Vértice 3 Vértice 4 Normal (1) 0,0 0,0 1,8 4,2 Alterado (2) 1,8 4,2 6,0 6,0 O sistema Fuzzy desenvolvido a partir dos métodos complementares foi aplicado em algumas amostras reais de equipamentos da concessionária de energia de Goiás, CELG-D,

79 75 que estão em operação no Sistema Elétrico Brasileiro. A Figura 3.54 mostra o resultado obtido para a aplicação do sistema Fuzzy desenvolvido no equipamento T01 com potência nominal de 6,25 MVA. Figura Diagnósticos apresentados pelo sistema Fuzzy aplicado aos métodos complementares a partir de amostras do equipamento T01. Fonte: Próprio autor. No diagnóstico apresentado, percebe-se que o sistema Fuzzy aplicado aos métodos de análise complementar das relações CO2/CO, O2/N2 e C2H2/H2 identificou situações anormais apenas na relação O 2/N 2 (barras vermelhas), indicando um excesso de consumo de gás oxigênio. A relação CO2/CO também detectou um início de envolvimento da celulose no defeito, mas logo a indicação foi eliminada. É importante notar que a relação C2H2/H2 permaneceu normal em todas as amostras, indicando que não há contaminação das amostras

80 76 pelo óleo do comutador e que a análise pelos métodos descritos no guia IEEE, 2008 e na norma técnica IEC, 2007 não foi influenciada pelo comutador. A Figura 3.55 mostra o resultado obtido para a aplicação do método tradicional dos métodos complementares, sem utilização da lógica Fuzzy, para o mesmo equipamento. Figura Diagnósticos apresentados pelo método tradicional dos métodos complementares a partir de amostras do equipamento T01. Fonte: Próprio autor. Pela comparação entre a Figura 3.54 e Figura 3.55 é possível perceber que o sistema Fuzzy foi capaz de detectar de forma mais suave a evolução do diagnóstico para a relação O2/N2, fornecendo uma informação da gravidade do diagnóstico.

81 Comparação entre Métodos de Interpretação com Lógica Fuzzy Os sistemas Fuzzy implementados possuem algumas diferenças entre si, tais como as variáveis utilizadas na análise, o nível de detalhamento dos tipos de diagnósticos possíveis e número de regras de decisão necessárias. A Tabela 3.33 apresenta um resumo das características dos métodos desenvolvidos. Tabela Resumo das características dos sistemas Fuzzy desenvolvidos a partir dos métodos de interpretação de AGD descritos no guia IEEE std C e na norma técnica IEC Metodologia Número de funções de pertinência nas Número de regras de variáveis de entrada decisão IEEE sem histórico 32 - IEEE com histórico 4 - Gás Chave 17 4 Doernenburg 9 20 Rogers 8 14 DGA Triângulo de Duval Os métodos IEEE com histórico e sem histórico não apresentam regras de decisão pois a lógica Fuzzy foi utilizada nestes métodos apenas para converter o valor das concentrações de gases em um valor Fuzzy através da aplicação nas variáveis de entrada, sem a criação de um sistema Fuzzy. O principal ganho obtido com a aplicação da lógica Fuzzy aos métodos de interpretação de AGD foi a) O aumento da sensibilidade aos defeitos presentes nos equipamentos, b) Introdução da análise da evolução do diagnóstico ao longo do tempo e c) Construção de um ambiente de análise visual, facilitando a análise do diagnóstico. O aumento de sensibilidade nos diagnósticos pode ser percebido através dos resultados apresentados pelos sistemas Fuzzy dos métodos Doernenburg e Rogers para o estudo de caso apresentado para o equipamento T01. Neste estudo de caso o sistema Fuzzy foi

82 78 capaz de detectar a falha elétrica ocorrida na última amostragem mostrada enquanto a versão tradicional dos métodos não detectou nenhum problema. Isto pode ser constatado através da comparação entre a Figura 3.30 e Figura 3.31 para Doernenburg e Figura 3.37 e Figura 3.38 para Rogers. A evolução do diagnóstico ao longo do tempo pode ser observada, por exemplo, no sistema Fuzzy aplicado ao método do Triângulo de Duval através da Figura Entre as amostras de número 27 e 30 o diagnóstico apresentado evoluiu de térmica com baixa temperatura para térmica de média temperatura gradativamente até que, na amostra 31, ocorreu a falha elétrica gerando um diagnóstico de descargas de alta energia. Na versão tradicional do Triângulo de Duval, vista na Figura 3.52, o diagnóstico apresentado entre as amostras 27 e 30 foi sempre térmica de média temperatura. O estudo da evolução da condição operacional do equipamento permite identificar a tendência futura do diagnóstico, prevendo com maior taxa de acerto uma possível falha e sendo possível planejar manutenções preventivas antes que a falha ocorra e possa causar danos físicos maiores. Outro ganho considerável introduzido de forma inédita neste trabalho é a visualização de todo o diagnóstico do equipamento a partir do banco de dados existente de forma visual através de gráficos de barras coloridos. A visualização gráfica ajuda o profissional especialista na análise das informações e torna o trabalho de planejamento mais ágil e preciso.

83 79 Capítulo 4 Proposta de Metodologia Fuzzy Combinada O objetivo deste capítulo é apresentar uma proposta de sistema que combina os resultados de diferentes métodos de análise de AGD apresentadas no capítulo 3 para fornecer um único diagnóstico que considera os diferentes pontos de vista abordados pelas técnicas individualmente. No capítulo 3 foram apresentadas diversas técnicas de interpretação dos resultados de AGD existentes nos guias técnicos IEEE std C e IEC Os métodos IEEE com histórico e sem histórico são capazes de determinar a condição operacional de um transformador de potência. Condições 1 ou 2 indicam que o equipamento opera normalmente enquanto condições 3 ou 4 indicam que existe uma alta probabilidade de o equipamento falhar se não forem tomadas ações imediatas. Já os métodos Gás Chave, Doernenburg, Rogers, DGA e Triângulo de Duval fornecem uma provável causa para o problema apresentado pelo transformador, podendo ser descargas elétricas ou falhas térmicas em diferentes intensidades. Finalmente os métodos complementares indicam diagnósticos extras que ajudam o especialista a identificar a localização do problema no equipamento. A relação CO2/CO indica o envolvimento ou não da celulose do papel isolante nas falhas térmicas, a relação O2/N2 indica se está ocorrendo o consumo excessivo de gás oxigênio devido à oxidação do óleo ou o envelhecimento do papel isolante e a relação C2H2/H2 consegue indicar se o óleo do tanque principal pode estar sofrendo contaminação do óleo do comutador de tap em carga, dificultando a interpretação dos métodos de AGD. A aplicação individual das técnicas de AGD apresentadas pode gerar diferentes diagnósticos para uma mesma amostra de óleo retirada do mesmo equipamento. Isso ocorre devido à natureza estatística como essas técnicas foram criadas. Reuniram-se diversas amostras de diferentes equipamentos e verificou-se o padrão de geração de gases para cada tipo de problema (natureza elétrica ou térmica em suas diferentes intensidades) (IEC, 2007). 4.1 União dos Métodos de AGD Através do Fluxograma Proposto Com o objetivo de aproveitar as vantagens que cada método de interpretação de AGD apresenta e minimizar as suas desvantagens individuais, foi proposta em BRITO, 2016

84 80 uma forma de unir os diferentes diagnósticos através do fluxograma apresentado na Figura 4.1. Figura 4.1. Fluxograma para união das diferentes técnicas de AGD e produção de um diagnóstico final do transformador de potência. Fonte: Adaptado de BRITO, Após realizar a coleta e análise cromatográfica do óleo isolante do transformador de potência, aplica-se o fluxograma apresentado na Figura 4.1 às concentrações de gases obtidas. Todos os métodos apresentados no fluxograma são aplicados em suas versões Fuzzy desenvolvidas e apresentadas no capítulo 3. A primeira análise feita é da condição operacional do equipamento utilizando IEEE com histórico e sem histórico. IEEE com histórico analisa a concentração total de gases dissolvidos enquanto IEEE sem histórico analisa as concentrações individuais de cada gás presente para gerar uma condição entre 1 e 4. Caso a condição apresentada por ambos os métodos seja 1 ou 2, não há indicativo de defeito no equipamento sendo diagnosticado como normal e feito o ajuste para a próxima coleta de uma nova amostra de acordo com a Tabela 2.2. Caso a condição apresentada seja 3 ou 4 em algum dos métodos, utilizam-se as outras metodologias para identificar o diagnóstico e determinar a causa do problema.

85 81 Cada um dos métodos seguintes determinará o diagnóstico baseado nas concentrações e relações entre concentrações dos gases analisados, bem como o nível de gravidade deste diagnóstico, apresentando um resultado final combinado. Finalmente aplicam-se os métodos complementares que analisam as relações CO2/CO, O2/N2 e C2H2/H2 para fornecer mais detalhes sobre o defeito no equipamento. A Figura 4.2 mostra a tela principal do software desenvolvido para a realização da análise proposta neste trabalho. A linguagem de programação utilizada foi Java e toda a interface foi desenvolvida utilizando a biblioteca JSwing. Figura 4.2. Tela inicial do software desenvolvido a partir da proposta deste trabalho para análise combinada usando lógica Fuzzy dos métodos de AGD. 4.2 Estudo de Caso para o Equipamento T01 A Figura 4.3 mostra a mesma tela inicial agora apresentando os resultados da análise do equipamento T01, cuja potência é 6,25 MVA e que foi analisado no capítulo 3.

86 82 Figura 4.3. Resultados da análise no equipamento T01 apresentada pelo software desenvolvido. No canto superior direito da Figura 4.3, uma janela de notificação é apresentada mostrando um resumo do diagnóstico do equipamento. Neste caso, o equipamento se encontra com um defeito e os métodos de interpretação de AGD apontaram que se trata de uma falha elétrica, ou seja, descargas elétricas. Há ainda uma observação indicando que é recomendado estudar as causas de um possível consumo excessivo de gás oxigênio. No canto inferior esquerdo da Figura 4.3 há a indicação da condição operacional do equipamento segundo os métodos IEEE com e sem histórico, bem como os principais gases que foram responsáveis pela geração deste diagnóstico. No exemplo apresentado, ambos os métodos indicaram 100% de condição 4, ou seja, iminência de ocorrência de uma falha e necessidade da tomada de ações imediatas no equipamento. Segundo o método com histórico, a condição 4 gerada foi devido à quantidade total de gases dissolvidos (TDCG), já no método sem histórico, os gases H 2, CH 4, C 2H 2, C 2H 4, C 2H 6 e TDCG apresentaram condição 4, indicando um problema generalizado na geração de gases neste equipamento. No centro da Figura 4.3 há uma tabela que apresenta os resultados individuais dos métodos de interpretação de AGD. O método Gás Chave apresentou um diagnóstico normal, Doernenburg apresentou 49,32% de descargas elétricas de alta energia (D2), Rogers apresentou 18,18% de D2, DGA e Triângulo de Duval apresentaram 100% de D2.

87 83 Finalmente no canto inferior direito da Figura 4.3 há a indicação do diagnóstico segundo os métodos complementares e o intervalo de reamostragem recomendado para este equipamento. Neste exemplo houve a recomendação de estudo do consumo excessivo de gás oxigênio, que pode indicar o envelhecimento do papel isolante ou a oxidação do óleo. O intervalo de reamostragem sugerido foi o menor possível, diário, indicando que é recomendado acompanhar a evolução dos gases neste equipamento todos os dias. 4.3 Estudo de Caso para o Equipamento T02 A Figura 4.4 mostra a mesma tela inicial agora apresentando os resultados da análise do equipamento T02, cuja potência é 5 MVA. Figura 4.4. Resultados da análise no equipamento T02 apresentada pelo software desenvolvido. No canto superior direito da Figura 4.4, uma janela de notificação é apresentada mostrando um resumo do diagnóstico do equipamento. Neste caso, o equipamento se encontra com um defeito e os métodos de interpretação de AGD apontaram que se trata de uma falha térmica. Há ainda uma observação indicando que é recomendado estudar as causas de um possível consumo excessivo de gás oxigênio. No canto inferior esquerdo da Figura 4.4 há a indicação da condição operacional do equipamento segundo os métodos IEEE com e sem histórico, bem como os principais

88 84 gases que foram responsáveis pela geração deste diagnóstico. No exemplo apresentado, ambos os métodos indicaram 100% de condição 4 e necessidade da tomada de ações imediatas no equipamento. Segundo o método com histórico, a condição 4 gerada foi devido à quantidade total de gases dissolvidos (TDCG), já no método sem histórico, os gases H2, CH4, C2H2, C2H4, C2H6, CO2 e TDCG apresentaram condição 4, indicando um problema generalizado na geração de gases neste equipamento. No centro da Figura 4.4 há uma tabela que apresenta os resultados individuais dos métodos de interpretação de AGD. O método Gás Chave apresentou um diagnóstico normal, Doernenburg apresentou 100% de falha térmica (T), Rogers apresentou 39,6% de térmica de média temperatura (T2) e 60,4% de térmica de alta temperatura (T3), DGA apresentou 50,0% de térmica de baixa temperatura (T1), 48,45% de T2 e 1,55% de T3 e Triângulo de Duval apresentou 100% de T3. A análise mais profunda dos métodos individuais, especialmente DGA indica que a falha térmica está evoluindo em temperatura e tornando-se mais grave. Finalmente no canto inferior direito da Figura 4.4 há a indicação do diagnóstico segundo os métodos complementares e o intervalo de reamostragem recomendado para este equipamento. Neste exemplo houve a recomendação de estudo do consumo excessivo de gás oxigênio, que pode indicar o envelhecimento do papel isolante ou a oxidação do óleo. O intervalo de reamostragem sugerido foi semanal. 4.4 Estudo de Caso para o Equipamento T03 25 MVA. A Figura 4.5 mostra os resultados da análise do equipamento T03, cuja potência é

89 85 Figura 4.5. Resultados da análise no equipamento T03 apresentada pelo software desenvolvido. No canto superior direito da Figura 4.5, uma janela de notificação é apresentada mostrando um resumo do diagnóstico do equipamento. Neste caso, o equipamento se encontra com defeito e os métodos de interpretação de AGD apontaram que se trata de uma mistura de falhas térmica e elétricas. Há ainda uma observação indicando que é recomendado estudar as causas de um possível consumo excessivo de gás oxigênio e uma possível contaminação da amostra com óleo do comutador de taps. No canto inferior esquerdo da Figura 4.5 há a indicação da condição operacional do equipamento segundo os métodos IEEE com e sem histórico, bem como os principais gases que foram responsáveis pela geração deste diagnóstico. Segundo o método com histórico a condição operacional é condição 1, ou seja, operação normal. Já no método sem histórico, o gás C 2H 2, foi o responsável por apresentar condição 4, indicando uma condição de defeito avançado e iminente falha do equipamento caso não sejam tomadas ações imediatas. De acordo com a tabela no centro da Figura 4.5, os métodos Gás Chave, Doernenburg e Rogers apresentaram um diagnóstico normal, DGA apresentou 100% de falha térmica de baixa temperatura (T1) e Triângulo de Duval apresentou 69,4% de descargas de alta energia e 30,6% de uma mistura de defeitos com origem térmica e elétrica (DT). Finalmente no canto inferior direito da Figura 4.5 há a indicação do diagnóstico segundo os métodos complementares e o intervalo de reamostragem recomendado para este