Sensoriamento UHF baseado em RTL-SDR para diagnóstico e classificação de falhas em transformadores

Abstract

A qualidade no fornecimento de energia, juntamente com a vida útil de todo equipamento conectado à rede e a confiabilidade do sistema de distribuição para os usuários estão ligados diretamente à operação adequada dos transformadores de potência. Essas máquinas elétricas são responsáveis por regular os níveis de tensão do sistema de distribuição de energia do país. No entanto, a deterioração e contaminação dos elementos internos e externos do transformador, causadas pelos estresses durante sua operação contínua, defeitos oriundos da fabricação, do transporte e das intempéries, podem resultar no surgimento de falhas do tipo descargas parciais e arcos elétricos (ou descargas totais), ocasionando interrupções abruptas no fornecimento de energia e até mesmo defeitos irreparáveis em um ativo de alto custo. Com o avanço da tecnologia, várias abordagens de monitoramento foram propostas. Dentre elas, destaca-se a detecção de falhas através da análise de sinais de ondas de ultra alta frequência (em inglês, ultra-high Frequency - UHF), uma técnica promissora de monitoramento sem as limitações das técnicas convencionais, como a necessidade de interromper a operação do equipamento. No entanto, os dispositivos de aquisição de dados exigem altas taxas de amostragem, elevando o custo final do sistema. Dessa forma, este estudo propõe a criação de um sistema de detecção e classificação de falhas em transformadores de potência através de sinais UHF utilizando dispositivo SDR (em inglês, software-defined radio) de baixo custo sintonizado nas frequências de 400 MHz, 500 MHz, 600 MHz, 700 MHz, 800 MHz e 900 MHz. O sistema foi testado com duas topologias de antena, Vivaldi e bioinspirada, em condições operacionais de: descargas parciais no isolador; descargas parciais no isolante a base de celulose; descarga total no óleo; e operação normal da máquina elétrica. Os sinais coletados foram processados utilizando três tipos de técnicas de classificação: mapas de Power Ratio, análise de componentes principais (em inglês, Principal Component Analysis – PCA), e as estatísticas Skewness, Kurtosis e valor RMS. Os resultados demonstraram que as técnicas utilizadas obtiveram êxito em detectar e classificar falhas em pelo menos três frequências. A combinação da antena de Vivaldi, do mapa Power Ratio e da frequência de 400 MHz apresentou melhor desempenho. Já para a antena bioinspirada, a melhor combinação foi das estatísticas valor RMS e Skewness na frequência de 900 MHz.

The quality of energy supply, along with the lifespan of all equipment connected to the grid and the reliability for users of the power distribution system, is directly linked to the proper operation of power transformers. These electrical machines are responsible for regulating voltage levels in the country's power distribution system. However, the deterioration and contamination of internal and external transformer components, caused by operational stress, manufacturing defects, transportation, and environmental factors, can lead to the occurrence of faults such as partial discharges and electrical arcing (also referred to as total discharges), resulting in abrupt power supply interruptions and even irreversible damage to a high-cost asset. With the advancement of technology, several monitoring approaches have been proposed. Among them, fault detection through the analysis of ultra high frequency (UHF) wave signals stands out as a promising monitoring technique without the limitations of conventional methods, such as the need to interrupt the equipment’s operation. However, data acquisition devices require high sampling rates, increasing the overall system cost. Thus, this study proposes the development of a fault detection and classification system for power transformers using UHF signals with a low-cost SDR (software-defined radio) device tuned to frequencies of 400 MHz, 500 MHz, 600 MHz, 700 MHz, 800 MHz, and 900 MHz. The system was tested with two antenna topologies, Vivaldi and bio-inspired, under operational conditions of: partial discharges in the insulator, partial discharges in the cellulose-based insulation, total discharges in oil, and normal operation of the electrical machine. The collected signals were processed using three classification techniques: Power Ratio maps, principal component analysis (PCA), and statistical features such as Skewness, Kurtosis, and RMS value. The results demonstrated that the techniques used were successful in detecting and classifying faults at least at three frequencies. The combination of the Vivaldi antenna, the Power Ratio map, and the 400 MHz frequency showed better performance. For the bioinspired antena, the best combination was RMS value and Skewness statistics at the frequency of 900 MHz.