Computação evolucionária aplicada ao diagnóstico de falhas incipientes em transformadores de potência utilizando dados de cromatografia

Exportado OPUSMade available in DSpace on 2019-08-10T18:06:18Z (GMT). No. of bitstreams: 1 182m.pdf: 1675845 bytes, checksum: 3accea8dcb53e1787171823110f367ef (MD5) Previous issue date: 23Em uma subestação elevadora, os transformadores de potência são os equipamentos responsáveis pela elevação dos valores de tensão, com o objetivo de transmitir a energia elétrica em alta tensão com redução das perdas por efeito Joule. Por outro lado, nos centros consumidores, os transformadores das subestações são responsáveis por rebaixar o nível de tensão para permitir a distribuição nos centros urbanos. Percebe-se, então, a importância desses equipamentos e a necessidade de mantê-los em perfeito funcionamento. Uma falha grave gera um elevado custo de manutenção corretiva, queda nos indicadores de desempenho, além de multas por parte da agência reguladora - Agência Nacional de Energia Elétrica - ANEEL . Portanto é altamente desejável avaliar a vida útil de um transformador de potência, ou pelo menos identificar as falhas incipientes no transformador antes que ocorra uma falha catastrófica. O fim da vida útil de um transformador de potência está diretamente relacionado ao fator térmico, isto é, quando ele está em operação o mesmo é submetido a elevadas temperaturas, impactando, de forma negativa, seu sistema de isolamento. O sistema de isolamento do transformador pode ser dividido em sólido (constituídos à base de celulose) e líquido (por meio da imersão do transformador em um tanque preenchido com óleo isolante). Os estresses térmicos e elétricos, sofridos pelo transformador em operação, ocasionam a degradação do papel e do óleo isolante. Com o envelhecimento do óleo mineral, formam-se gases que são produzidos de forma mais acentuada quando ocorre alguma falha. Para evitar danos aos transformadores, as concessionárias de energia elétrica têm adotado procedimentos de manutenção preventiva, no entanto os custos envolvidos nesse tipo de procedimento podem ser minimizados por meio de manutenções preditivas. A manutenção preditiva pode indicar o melhor momento para a realização da manutenção preventiva, evitando gastos desnecessários. Esta dissertação trata do desenvolvimento, análise e implementação de uma nova metodologia a qual utiliza um algoritmo evolucionário baseado em Programação Genética para detectar regras em base de dados de transformadores, com a finalidade de predição de falhas incipientes. Para melhorar a capacidade no diagnóstico de falhas utilizando informações sobre os gases dissolvidos no óleo isolante, foi desenvolvido um framework denominado MINERA para descoberta de regras em base dados. Esta ferramenta emprega um algoritmo de Programação Genética modificado que utiliza conceitos da Teoria da Informação, tais como Entropia e Ganho de Informação. O framework também fornece suporte para tirar máximo proveito da arquitetura de processadores com múltiplos núcleos.In an electrical substation of hydro-electric power station, power transformers are the equipments responsible for raising the voltage values, with the goal of transmitting electrical energy at high voltages with reduction of losses by Joule effect. On the other hand, at consumers centers, transformers are responsible for reducing the voltage level to allow distribution in urban centers. The importance of such equipments is clear. A major fault generates a high cost of corrective maintenance, drop in performance indicators, in addition to fines by the regulatory agency, which in Brazil is called the National Agency of Electric Energy (Agência Nacional de Energia Elétrica - ANEEL). Therefore it is highly desirable evaluate the lifetime of a power transformer, or at least identify the incipient faults in the transformer before a catastrophic failure occurs. The life cycle of a power transformer is directly related to the thermal factor, i.e., when in operation it is subjected to high temperatures that impact, in a negative way, their insulation system. The insulation system of the transformer can be divided into solid (made of cellulose-based) and liquid (by immersing the transformer in a tank filled with insulating oil). The thermal and electrical stress, suffered by the power transformer in operation, causes the degradation of both insulating paper and oil. With the aging of the mineral oil, gases are produced in a more pronounced way when a fault occurs. To prevent damage to transformers, the companies have adopted preventive maintenance procedures, however the costs involved in this kind of procedure can be minimized through predictive maintenance. The predictive maintenance can indicate the best time to perform preventive maintenance, avoiding unnecessary expenses. This dissertation aims at developing, analyzing and implementing a novel methodology that uses an Evolutionary Algorithm based on Genetic Programming to detect rules from power transformers database to predict incipient faults. The fault diagnosis abilities based on dissolved gas analysis (DGA), is enhanced by developing a framework called MINERA to discovery rules from database. MINERA was developed based on a modified Genetic Programming Algorithm that uses concepts from Information Theory, such as Entropy and Information Gain. This framework also provides support to take full advantage of the architecture of multi-core processors