Análise comparativa do diagnóstico e classificação de falhas em transformadores por meio de sensoriamento de corrente em altas frequências, UHF e piezeletricidade

Abstract

Apesar do avanço nos estudos de técnicas de monitoramento de descargas em transformadores, ainda permanecem alguns desafios na classificação e diagnóstico de diferentes tipos de falhas, além da necessidade de melhorias na aquisição de dados, especialmente em técnicas de UHF. Esses avanços podem ajudar a reduzir custos e melhorar a confiabilidade do fornecimento de energia elétrica, minimizando interrupções e perdas no sistema elétrico. Neste contexto, este estudo investigou três métodos de sensoriamento – UHF, emissão acústica e análise de corrente elétrica em alta frequência – bem como duas técnicas de classificação de falhas, sendo elas a combinação de estatísticas e Análise de Componentes Principais, a fim de se detectar e classificar três condições em transformadores: descarga parcial no isolador, arco elétrico e operação sem falha. Foram coletados 200 sinais para cada falha imposta ao transformador e, posteriormente, foram realizadas análises com o intuito de classificar as condições estudadas. Os resultados indicaram que, apesar das três técnicas de sensoriamento obterem êxito tanto na detecção, quanto na classificação das falhas quando operando individualmente, a utilização de um sensoriamento híbrido, ou seja, os três sensores operando simultaneamente, aprimora a confiabilidade do sistema. Além disso, esse trabalho analisou a utilização de um detector de envoltória para os sinais UHF, a fim de possibilitar a manipulação de frequências menores em relação à faixa de frequência descrita pela bibliografia.

Despite the advancements in studies on transformer discharge monitoring techniques, several challenges remain in classifying and diagnosing different types of faults, as well as in improving data acquisition, particularly in UHF techniques. These advancements can help reduce costs and enhance the reliability of power supply by minimizing interruptions and losses in the electrical system. In this context, this study investigated three sensing methods – UHF, acoustic emission, and high-frequency electric current analysis – as well as two fault classification techniques, namely the combination of statistical methods and Principal Component Analysis, to detect and classify three conditions in transformers: partial discharge in the insulator, electric arc, and fault-free operation. A total of 200 signals were collected for each fault imposed on the transformer, and analyses were subsequently conducted to classify the studied conditions. The results indicated that, although the three sensing techniques were successful in both detecting and classifying faults when operating individually, the use of hybrid sensing – with all three sensors operating simultaneously – ensures system reliability. Furthermore, this work analyzed the use of an envelope detector for UHF signals to facilitate the manipulation of lower frequencies compared to the frequency range described in the literature.