LGICA FUZZY COMO FERRAMENTA PARA

DIAGNSTICO DE FALHAS EM TRANSFORMADORES

1
DE POTNCIA 2
Mrcio Zamboti Fortes
3
Helio de Paiva Amorim Jnior
4
Atair Csar Domingueti Junior
4
Ramon Marques Abrita
5
Carlos Jesivan Marques Albuquerque
Resumo
A partir de dados histricos de analises dos gases dissolvidos, a Lgica Fuzzy
pode ser utilizada como ferramenta para diagnstico de falhas e previso de
prxima avaliao do leo isolante em transformadores de potncia. Utilizando-se
um banco de regras criado a partir de critrios e limites das normas IEC, IEC-
Neural e Dornemburg, analisam-se os dados histricos de anlises fsico-qumicas
e cromatogrficas com a ferramenta SIF (Sistema de Inferncia Fuzzy) do software
MATLAB. A partir da entrada de um novo dado de anlise, o sistema emite um
laudo do atual status do leo isolante do transformador e quando for o caso,
sugere a data para reanlise. Utilizaram-se sete transformadores de potncia com
os respectivos histricos de anlises, para comparao com os laudos originados
por empresas especializadas em analise preditiva de transformadores. Os
resultados encontrados mostraram-se semelhantes comprovando que a
ferramenta pode ser utilizada como suporte para uma analise rpida e confivel do
estado do leo isolante dos transformadores.
Palavras-chave: Lgica Fuzzy; Transformadores de potncia; Manuteno
industrial.

LOGIC FUZZY AS TOOL FOR POWER TRANSFORMERS FAILURE

DIAGNOSIS
Abstract
Using dissolved gases historical data, the Fuzzy Logic can be used as tool for
diagnosis of failures and to foresee next evaluation data for isolating oil power
transformers. It can create some limits for a data rules in according to IEC, IEC-
Neural and Dornemburg standards. The historical data from chromatographic
physicist-chemistries tests are analyzed, with tool SIF (System of Fuzzy Inference)
of MATLAB software. After a new data input, the system generate a report about
the current status of oil isolating and when it will be the case, it suggests the date
for reanalysis. In this paper seven power transformers are analyzing, comparing the
software results with the specialist companies reports. The joined results are
similar, it can prove that this tool can be used as support for fast and trustworthy
analyzes.
Key words: Fuzzy logic; Power transformers; Industrial maintenance.
1 Trabalho tcnico apresentado ao X Seminrio de Automao de Processos, 4 a 6 de outubro
de 2006, Belo Horizonte MG.
2 Membro ABM, Prof. Assistente, Universidade Severino Sombra, Vassouras (RJ),Brasil. MSc.
Engenharia.
3 Prof. Titular, Universidade Severino Sombra, Vassouras (RJ), Brasil. DSc. Engenharia.
4 Eng. Eletricista, Universidade Severino Sombra, Vassouras (RJ), Brasil.
5 Prof. Titular, Universidade Severino Sombra, Vassouras (RJ), Brasil. MSc. Engenharia.

203
INTRODUO

Ensaios fsico-qumicos realizados com leo isolante fornecem indicaes

importantes sobre a sua qualidade (condio de deteriorao). Todavia, no
permitem obter concluses sobre as condies funcionais dos transformadores. No
decorrer da operao do transformador, o leo isolante e outros materiais
dieltricos sofrem, por ao do calor e de tenses eltricas, processos de
decomposio qumica, resultando formao de gases, pela decomposio dos
materiais isolantes. Os gases so total ou parcialmente dissolvidos no leo,
circulando em todas as partes do equipamento. Quando amostras so analisadas,
possvel obter-se informaes dessas condies funcionais e detectar-se
possveis defeitos existentes, sem necessidade de retirar de operao o
transformador. H diversos mtodos de anlise desses gases. Podem-se citar: IEC
[1] [2] [3]
599-1978, IEC-Neural Cepel, Doernenburg, Rogers, Rogers modificado,
[4]
CSUS, NBR 7274, IEC 60599, Tringulo Duval e CSUS. Nas ltimas dcadas, a
Lgica Fuzzy vem sendo utilizada em estudos para auxilio no diagnstico de falhas
[5] [6]
em transformadores de potncia, como mostram Lin, Ling e Huang, Zhange col.
[7]
e Guardadoe col. Neste trabalho utiliza-se a Lgica Fuzzy como suporte
manuteno, modelando diagnstico atravs de dados e informaes numricas,
ao usar-se regras geradas a partir dos critrios IEC, IEC-Neural CEPEL e
Doernenburg que, processadas, geram resultados que so agregados e
defuzzyficados.

METODOLOGIA
A metodologia desenvolvida neste artigo prev Diagnstico de Anlise dos Gases
Dissolvidos (DGA) no leo Mineral Isolante do Transformador, na identificao de
falhas ou sua data provvel. Os gases analisados podem ser combustveis
(hidrognio - H , metano - CH , acetileno - C H , etileno - C H , etano - C H e
2 4 2 2 2 4 2 6
monxido de carbono CO) ou no combustiveis (oxignio - O , nitrognio - N e
2 2
dixido de carbono - CO ).
2

A. Critrio IEC
O critrio da IEC usado como mtodo bsico na deteco do tipo e gravidade da
falha incipiente, estudando a causa dos gases produzidos na deteriorao do leo.
[1]
Conforme a norma IEC 599-78, algumas relaes chaves para o diagnstico so
codificadas (Tabela 1) e analisadas (Tabela 2). Ressalta-se que a quantidade
absoluta dos gases dissolvidos no leo isolante no indica falha. Se analisada
isoladamente, no nos informa o estgio real das condies dos materiais do
transformador de potncia. Contudo, a velocidade com que os gases so formados
informao segura do estgio em dos materiais.

B. Critrio IEC-Neural Cepel

[2]
O Centro de Pesquisas de Eletricidade (CEPEL), mostra em Cheim, Varella, e Isaias critrio
de avaliao complementar ao do IEC, denominado IEC-Neural Cepel (mostrado na Tabela
3).
204
C. Mtodo de Doernenburg
Baseia-se em diagnsticos genricos para a identificao de pontos quentes, descargas
eltricas (no descargas internas) e descargas parciais, que h em bolhas de ar.
[8]
Determinam falhas incipientes. O mtodo descrito na ANSI/IEEE C57.104, e baseia-se
na relao entre os gases acima listados. Utilizam-se quatro relaes (Tabela 4) entre esses
gases A primeira: CH com H . A segunda: C H com o C H . A terceira: C H com C H , e a
4 2 2 2 2 4 2 6 2 2
quarta entre o C H e o CH .
2 2 4

INTERPRETAO DAS REGRAS

A Lgica Fuzzy ferramenta adequada para mapear-se um espao de entradas
em um espao de sadas. Tem como vantagens: fcil aprendizagem, flexibilidade
de manipulao, boa tolerncia a impreciso dos dados e utilizao de experincia
de outros casos na construo de sua base de regras e anlises. Calculam-se as
[9]
relaes gasosas descritas por lgicas desenvolvidas no programa MATLAB e
utilizam-se estas lgicas na obteno diagnstico mais preciso na deteco de
falhas incipientes no transformador.
Para construo do modelo que ser utilizado neste estudo, utilizou-se como
exemplo um pequeno nmero de regras para ajustar os valores de entrada e sada
de dados. Apresenta-se na Figura 1 um simples exemplo da definio destas
regras.
Na Figura 2, exemplo da utilizao deste banco de regras citado, com anlise
para concentrao de gases (CG) igual a 1,5, obtendo-se valor de alta pertinncia
(=1).
Com os dados e informaes numricas encontrados, utilizam-se as regras que
so processadas em paralelo. Os resultados so agregados e defuzzyficados. A
Figura 3 ilustra um exemplo de bloco de resultados.

205
Para entendimento deste exemplo, com um valor de diagnstico fuzzy igual a 46,2 obtm-
se diagnstico de falha pouco provvel (FPV) e algum indcio de falha com pertinncias
iguais a 0,38 e 0,9 ( = 0,38 e = 0,9), onde a implicao resultante ser o valor de
pertinncia maior, ilustrado na Figura 4.

206
Estudo de Casos
Para comprovao da eficcia dos mtodos de anlise e diagnsticos
desenvolvidos neste artigo, efetuaram-se anlises em sete transformadores:
quatro de 62,5 MVA, 138/13,8 kV, fabricante TUSA e tempo de uso de 25 anos,
em operao em uma industria metalrgica (transformadores 1,2,3 e 4) e outros
trs de 7,5 MVA, 138/13,8 kV, fabricante ABB e tempo de uso de 10 anos.
Destacam-se os seguintes pontos:
a) Entre as pertinncias encontradas, a de valor maior ser sada do conjunto.
b) Compararam-se os resultados obtidos pelos critrios da IEC, IEC- Neural e
Doernenburg, com os propostos pela empresa responsvel pela
manuteno.
Analisam-se as variveis: Concentrao de Gases (NG), Taxa de Gerao Anormal (TG) e
Relao Gasosa (RG). O clculo de NG, TG e RG, com respectivas pertinncias, seguem-se
descritos:

207
A varivel centro o valor central da curva gaussiana arbitrria. Para cada conjunto fuzzy
da NG, centro tem um valor diferente, pelos seguintes critrios: Normal centro = 0,5;
Alto centro =1,5 e Muito Alto centro=2,5. A varivel TG dada por:

onde a varivel centro tambm o valor central da curva gaussiana arbitrria. Para
cada conjunto fuzzy da TG, centro tem um valor diferente, pelos critrios:
Aceitvel centro = -10; Importante centro = 30 e Perigosa centro = 70.
Para o clculo de RG, analisam-se as relaes gasosas oriundas das redes
neurais do IEC-CEPEL. Em cada diagnstico arbitra-se uma nota, conforme o grau
de pertinncia da falha. Por exemplo, se a falha trmica de baixa intensidade, a
nota atribuda 40 (quando TG < 10% de variao) ou 55 ( para TG > 10% de
variao). A nota 90 se a falha trmica for alta. Desta forma, constituem-se os
conjuntos fuzzy para as relaes gasosas encontradas. Adotam-se neste estudo
os conjuntos: Sem falha (SF), Falha Leve (FL), Falha importante (FI) e Falha
Grave (FG). Aps definir-se o valor de RG, calcula-se sua pertinncia como se
segue:

onde centro tambm o valor central da curva gaussiana arbitrria. Para cada
conjunto fuzzy da RG, centro tem valores pelos critrios: Sem Falhacentro=25;
Falha Leve centro=50; Falha Importante centro=75 e Falha Grave
centro=100.
Aps calcular-se a pertinncia de todos os conjuntos fuzzy, utiliza-se a regra de
inferncia do Max-Min, para obteno da sada.

Na Tabela 6 apresentam-se os resultados dos clculos das pertinncias.

208
Anlise dos Resultados

Transformador 1
Para o transformador 1 encontrou-se a maior pertinncia de 0,9, caracterizando-se Falha
Provvel (FPV). Na Tabela 7 ilustra-se os resultados da anlise Neural e o laudo da empresa
responsvel pela Manuteno.

Transformador 2
Para o transformador 2 encontrou-se maior pertinncia de 0,91, caracterizando-se algum
indcio de falha (AIF). Ilustra-se na Tabela 8 ilustra os resultados encontrados na anlise
Neural e o laudo da empresa responsvel pela Manuteno.

209
Transformador 3
Para o transformador 3 encontrou-se maior pertinncia de 0,8, caracterizando-se falha
provvel (FPV). Ilustra-se na Tabela 9 os resultados.

Transformador 4
Para o transformador 4 encontrou-se maior pertinncia de 0,9, caracterizando-se Falha
Muito Provvel (FMP). Ilustra-se na Tabela 10 os resultados encontrados na anlise Neural
e o laudo da empresa responsvel pela Manuteno.

Transformador 5
Para o transformador 5 encontrou-se maior pertinncia de 0,9, caracterizando-se Falha
Provvel (FPV). Ilustra-se na Tabela 11 os resultados encontrados na anlise Neural e o
laudo da empresa responsvel pela Manuteno.

Transformador 6

210
Para o transformador 6 encontrou-se maior pertinncia de 0,91, caracterizando-se Falha
Provvel (FPV). Ilustra-se na Tabela 12 os resultados encontrados na anlise Neural e o
laudo da empresa responsvel pela Manuteno.

Transformador 7
Para o transformador 7 encontrou-se maior pertinncia de 0,8, caracterizando-se Falha
Provvel (FPV). Ilustra-se na Tabela 13 os resultados encontrados na anlise Neural e o
laudo da empresa responsvel pela Manuteno.

CONCLUSES
A comparao entre a anlise de consultores externos e o diagnstico da ferramenta
inteligente foram prximos e em todos os casos os resultados encontrados mais
criteriosos, confirmando-se que a mesma pode ser utilizada como suporte s atividades de
manuteno, possuindo a vantagem de gerar relatrios e apresentar comparaes de
forma mais rpida. Os sete casos analisados foram escolhidos aleatoriamente de um
universo de mais de 200 transformadores de indstrias do ramo metalrgico e de
alimentos, para comprovar o eficcia do banco de dados. A ferramenta apresenta pode ser
utilizada em apoio a qualquer sistema de gerenciamento de manuteno e ser
implementado para utilizao da equipe de manuteno atravs de programa em Visual
Basic. Existe a possibilidade de regras especiais serem incrementadas ao sistema, quando
por exemplo, desejar-se testar um material ou condio de funcionamento do
equipamento, o que demonstra a versatilidade e aplicabilidade do mtodo. A tcnica e
base de dados utilizadas neste trabalho so expansveis para outros critrios e normas,
bem como, a outros equipamentos do sistema eltrico que utilizem leo isolante em suas
partes, como Transformadores de Potencial e Comutadores de Tap sob Carga (LTC).

REFERNCIAS
1 INTERNATIONAL ELETROTECHNICAL COMISSION. IEC 599-78:
Interpretation of the Analysis of Gases in Transformers and Other Oil-
Filled Electrical Equipment in Operation. 1978.
211
 2 CHEIM, L.; VARELLA,V.; ISAIAS,D. Determinao dos nveis normais de
gases dissolvidos no leo isolante de grandes transformadores da
CHESF. Relatrio Tcnico DPP-TEQ 303/98. Rio de Janeiro: CEPEL, 1998.
3 ABRITA, R.M. ; DOMINGUETI JUNIOR,A. C. Anlise do leo Isolante de
Transformador Utilizando Sistema Inteligente. Trabalho de Concluso do

Curso de Engenharia Eltrica. Vassouras: Universidade Severino Sombra,

2005. 59 p.
4 GUARDADO,J.L.; NAREDO,J.L.; MORENO,P.; FUERTE,C.R., A Comparative
Study of Neural Network Efficiency in Power Transformers Diagnosis
Using Dissolved Gas Analysis,In: IEEE Trans. On Power Delivery, v.16, p.
643-647,2001.
5 LIN,C.E.;LING,J.M.;HUANG,C.L.,An Expert System for Transformer Fault
diagnosis Using Dissolved Gas Analysis, In:IEEE Trans. On Power Delivery,
v. 8, p.231-238,1993.
6 ZHANG,Y.; DING,X.; LIU,Y.; GRIFFIN,P.J., An Artificial Neural Network
Approach to Transformer Fault Diagnosis, In: IEEE Trans. On Power
Delivery, v. 11, p. 1836-1841, 1996.
7 AMERICAN NATION STANDARDS INSTITUTE. ANSI/IEEE C57.104-1978 IEEE
Guide for the Detection and Determination of Generated Gases in Oil-
Immersed Transformers and their relation to the Serviceability of the
Equipment. Washington D.C., 1978.
8 HANSELMAN,D.; LITTLEFIELD,B. MATLAB 5 Verso do Estudante. So
Paulo: Makron Books, 1999.
9 MORAIS, D.R.; ROLIM, J.G. A Neural Network for Detection of Incipient
Faults in Transformers Based on the Dissolved Gas Analysis of Insulating
Oil, In: VI INDUSCON Conferncia Internacional de Aplicaes Industriais,
2004.
10 DUVAL, M. A Review of Faults Detectable by Gas-in-Oil Analysis in
Transformers, In: IEEE Electrical Insulation Magazine, v.18, p.8-17, 2002.
11 HUANG, Y.C., Condition assessment of power transformers using genetic-
based neural networks, In: IEE Proceedings Science, Measurement and
Technology, v. 150, p. 19-24, 2003.

212

The author has requested enhancement of the downloaded file. All in-text references underlined in blue are linked to publications on ResearchGate.