Técnicas de processamento de sinais aplicadas a separação de dados e análise em frequência de sinais UHF emitidos por falhas de transformadores

Abstract

Sistemas de monitoramento de transformadores de potência visam realizar o diagnóstico de falhas incipientes e evitar o colapso total da máquina. Tal fato tem extrema importância para o adequado planejamento de manutenção como também evitar o ônus de cobranças pelo não fornecimento de energia elétrica. A degradação dielétrica causada por operações em sobrecarga, contaminação dos materiais isolantes ou mesmo defeitos oriundos da fabricação ou transporte do transformador, podem dar início a falhas como descargas parciais e arcos elétricos. Esses últimos também podem ser conhecidos como descargas totais. Diversos são os métodos para se diagnosticar descargas sendo a detecção de ondas de ultra alta frequência, ou método UHF, um dos mais promissores. Neste contexto, um dos desafios desta análise é estabelecer uma determinada faixa de frequência que caracterize corretamente o espectro emitido pelas falhas oriundas de transformadores. Outro desafio é o desenvolvimento de sistemas de classificação de falhas para se permitir um maior planejamento de manutenção, uma vez que diferentes falhas demandam diferentes ações de manutenção. Todavia, muitos algoritmos de classificação de falhas se valem do próprio espectro de frequência destas, e a limitação espectral da faixa de frequência a ser considerada para o diagnóstico de falhas em transformadores, embora possa auxiliar em projeto de hardwares de sistemas de aquisição de dados, pode limitar algoritmos de classificação. Desta forma, essa dissertação avalia 3 sistemas de classificação de falhas (técnica cromática, análise de componentes principais e análise de forma) em 3 faixas de frequências UHF consolidadas pela literatura técnico-científica (banda total, banda de 100 MHz a 1 GHz e banda de 400 MHz a 900 MHz) considerando descargas totais internas e descargas parciais superficiais em isoladores de um transformador. Os resultados indicam que a análise de componentes principais foi a técnica mais eficaz em classificar as falhas. No mais, a menor banda considerada pelo estudo (400 MHz a 900 MHz) não impacta na eficácia da classificação, o que pode ser fator primordial para sistemas de aquisição de dados mais simples, ou seja, com menores taxas de aquisição para sistemas de identificação e classificação de falhas em transformadores.

Power transformer monitoring systems aim to diagnose incipient faults and prevent the total outage of the machine. This fact is extremely important for adequate maintenance planning and to avoid charges due to non-supply electricity. Dielectric degradation caused by overload operations, contamination of insulating materials or even defects arising from the manufacturing or transportation of the transformer, can start partial discharges and electric arcs (full discharges) activity. There are several methods for diagnosing discharges, and UHF technologies are one of the most promising. In this context, the challenge of UHF systems is to establish the correct frequency range that may characterize the spectrum emitted by transformer faults. Another challenge is the development of failure classification systems to allow for better maintenance planning since different failures require different maintenance actions. However, many fault classification algorithms depend on the frequency spectrum content. In this context, this work evaluates 3 fault classification systems (chromatic technique, principal component analysis and shape analysis) in 3 UHF frequency bands consolidated by techno-scientific literature (total band, band from 100 MHz to 1 GHz and band from 400 MHz to 900 MHz) by considering internal discharges and partial discharges on transformer insulators. The results indicate that principal component analysis was the most effective technique in classifying failures. Furthermore, the smallest band considered by the study (400 MHz to 900 MHz) does not impact the effectiveness of classification, which may be a key factor for the development of simpler data acquisition systems applied to power transformer failure identification and classification.