Monitoramento e diagnóstico de estados de grandes transformadores, com ênfase para o diagnóstico pela cromatografia com o uso de redes neurais

Abstract

A confiabilidade dos sistemas elétricos de transmissão é de maior importância no atual modelo estruturado para o setor elétrico brasileiro. As agências reguladoras tem aplicado severas multas nas companhias elétricas, que envolvem perdas elevadas no caso de falhas em equipamentos. O antigo conceito de manutenção preventiva baseado em testes periódicos de isolação dos equipamentos são imprecisos, pouco confiáveis e caros. Os fabricantes e algumas empresas tem feito investimentos significativos de recursos para melhorar os métodos de monitoramento desses equipamentos, para predizer falhas e definir o momento apropriado para a manutenção. No início desse trabalho, foi feita uma análise de desempenho dos transformadores de potência no sistema elétrico de transmissão. Foram também mostrados os resultados de uma pesquisa literária sobre os sistemas de monitoramento para detectar falhas incipientes nos transformadores de potência usados no momento. A Companhia Hidro Elétrica do São Francisco CHESF, responsável pelo geração e transmissão de energia em alta e extra alta tensão no Nordeste do Brasil, tem priorizado ações para melhorar o uso da análise de gases dissolvidos (DGA) para o diagnóstico de falhas incipientes em transformadores de potência. Esta técnica está bem fundamentada há mais de vinte anos no mundo todo, e são muitos os métodos correntemente empregados para a análise de falhas. Neste trabalho, o método baseado na norma IEC 599 ( International Electrotechnical Commission ), foi extensivamente estudado como sendo o de melhores resultados quando comparados com outros métodos, embora não defina o diagnóstico para cerca de trinta por cento (30%) dos casos. O problema principal para solucionar foi o de obter satisfatoriamente resultados aonde este método não prevê um diagnóstico. O uso de Inteligência artificial como redes neurais, tem sido no momento extensamente considerado em muitas aplicações, em que podem representar o ser humano na solução de alguns problemas. Neste trabalho foi usada uma rede neural artificial (RNA) treinada com os dados da CHESF, para gerar o mesmo diagnóstico da IEC. A parte mais importante do trabalho foi definir apropriadamente esta rede neuralA saída principal desse trabalho, de aumentar o campo de diagnóstico pelo método da IEC foi bem alcançada. O trabalho melhora o conhecimento de defeitos que podem ser detectados por este método, que é uma das mais importantes ferramentas da engenharia de manutenção para o monitoramento de falhas incipientes em transformadores de potência