Made available in DSpace on 2016-08-17T14:52:50Z (GMT). No. of bitstreams: 1 Shigeaki_Leite_de_Lima.pdf: 998716 bytes, checksum: aa9cf7f7aaa0920ff57f5d185ef67b46 (MD5) Previous issue date: 2008-08-01 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Power transformers play an important role in the power energy supply, demanding the continuous monitoring of process that could lead to operation faults, specifically in the equipment electric insulation. Methods considered in the standards IEC, IEEE and NBR7274 for dissolved gas analysis (DGA) do not provide good levels of accuracy, because there are scenarios with oil samples that lead to contradictory evaluations. The extension theory is a method based on the idea that contradiction can be transformed into compatible problems. In this work, this theory is applied for solving incompatibilities found in the application of the standard NBR7274 for incipient detection faults (the modified Roger s Method). In order to validate the approach, several test cases from recent literature have been implemented and included. The approach has shown good comparative performance in the fault identification process. / Os transformadores de potência cumprem um papel decisivo na continuidade do fornecimento de energia elétrica, obrigando um monitoramento contínuo dos processos que possam provocar falhas de operação, que particularmente ocorrem no isolamento do equipamento. Os métodos previstos na IEC, IEEE e NBR7274 para análise do gás dissolvido (AGD), não alcançam nível pleno de acerto, pois existem situações nas amostras de óleo que geram resultados contraditórios e incompatíveis. A Teoria da Extensão é um método baseado na idéia de que contradições podem ser transformadas em problemas compatíveis. Neste trabalho tal metodologia é aplicada para resolver incompatibilidades encontradas no diagnóstico feito com a NBR7274 (método de Rogers modificado) para detecção de falhas incipientes. O método consiste em modelar a NBR e analisar os resultados quanto ao grau de acerto obtido. Foram feitos testes com vários estudos de caso disponíveis na literatura técnica, mostrando-se bem promissor na identificação das falhas.

The induction motors are used worldwide in various industries. Several maintenance techniques are applied to increase the operating time and the lifespan of these motors. Among these, the predictive maintenance techniques such as Motor Current Signature Analysis (MCSA), Motor Square Current Signature Analysis (MSCSA), Park's Vector Approach (PVA) and Park's Vector Square Modulus (PVSM) are used to detect and diagnose faults in electric motors, characterized by patterns in the stator current frequency spectrum. In this work, these techniques are applied and compared on real motors, which have the faults of eccentricity in the air-gap, inter-turn short circuit and broken bars. It was used a theoretical model of an electric induction motor without fault and with the same voltage supply in order to assist comparison between the stator current frequency spectrum patterns with and without faults. Metrics were purposed and applied to evaluate the sensitivity of each technique fault detection. The results presented here show that the above techniques are suitable for the faults above mentioned. / Os motores elétricos de indução são utilizados em todo o mundo nos mais variados ramos industriais. Diversas técnicas de manutenção são aplicadas para aumentar o tempo de operação e a vida útil destes motores. No contexto da manutenção preditiva, técnicas como Motor Current Signature Analysis (MCSA), Motor Square Current Signature Analysis (MSCSA), Park’s Vector Approach (PVA) e Park’s Vector Square Modulus (PVSM) são utilizadas para detectar e diagnosticar falhas em motores elétricos, caracterizadas por padrões no espectro de frequência da corrente estatórica. Neste trabalho, estas técnicas são aplicadas e comparadas em motores reais, os quais apresentam as falhas de excentricidade no entreferro, curto circuito entre espiras e barras quebradas. Utilizou-se um modelo teórico de um motor elétrico de indução sem falhas, com a mesma tensão de suprimento, com o objetivo de auxiliar a comparação entre os padrões do espectro de frequência de corrente estatórica com e sem falhas. Foram propostas e aplicadas métricas que avaliam a sensibilidade de cada técnica na detecção da falha. Os resultados apresentados neste trabalho mostraram que as técnicas acima mencionadas foram adequadas para as falhas supracitadas, cuja comparação entre estas evidenciou a adequabilidade de cada uma.

O objetivo principal desta tese consiste no desenvolvimento de ferramentas matemáticas e computacionais dedicadas a um sistema de diagnóstico de barras quebradas no rotor de Motores de Indução Trifásicos. O sistema proposto é baseado em um método matemático de decomposição de sinais elétricos, denominado de Decomposição em Componentes Ortogonais, e ferramentas de aprendizagem de máquinas. Como uma das principais contribuições desta pesquisa, realizou-se um aprofundamento do entendimento da técnica de Decomposição em Componentes Ortogonais e de sua aplicabilidade como ferramenta de processamento de sinais para sistemas elétricos e eletromecânicos. Redes Neurais Artificiais e Support Vector Machines, tanto para classificação multi-classes quanto para detecção de novidades, foram configurados para receber índices advindos do processamento de sinais elétricos de motores, e a partir deles, identificar os padrões normais e os padrões com falhas. Além disso, a severidade da falha também é diagnosticada, a qual é representada pelo número de barras quebradas no rotor. Para a avaliação da metodologia, considerou-se o acionamento de motores de indução pela tensão de alimentação da rede e por inversores de frequência, operando sob diversas condições de torque de carga. Os resultados alcançados demonstram a eficácia das ferramentas matemáticas e computacionais desenvolvidas para o sistema de diagnóstico, sendo que os índices criados se mostraram altamente correlacionados com o fenômeno da falha. Mais especificamente, foi possível criar índices monotônicos com a severidade da falha e com baixa variabilidade, demonstrando-se que as ferramentas são eficientes extratores de características. / This doctoral thesis consists of the development of mathematical and computational tools dedicated to a diagnostic system for broken rotor bars in Three Phase Induction Motors. The proposed system is based on a mathematical method for decomposing electrical signals, named the Orthogonal Components Decomposition, and machine learning tools. As one of the main contributions of this research, an in-depth investigation of the decomposition technique and its applicability as a signal processing tool for electrical and electromechanical systems was carried-out. Artificial Neural Networks and Support Vector Machines for multi-class classification and novelty detection were configured to receive indices derived from the processing of electrical signals and then identify normal motors and faulty motors. In addition, the fault severity is also diagnosed, which is represented by the number of broken rotor bars. Experimental data was tested in order to evaluate the proposed method. Signals were obtained from induction motors operating with different torque levels and driven either directly by the grid or by frequency inverters. The results demonstrate the effectiveness of the mathematical and computational tools developed for the diagnostic system since the indices created are highly correlated with the fault phenomenon. More specifically, it was possible to create monotonic indices with the fault severity and with low variability, what supports that the solution is an efficient fault-specific feature extractor.

Submitted by Luciclea Silva (luci@ufpa.br) on 2018-12-11T14:50:03Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Diagnosticofalhasincipientes.pdf: 5235661 bytes, checksum: 67b492c9d40682971d19271da4d4a96c (MD5) / Approved for entry into archive by Luciclea Silva (luci@ufpa.br) on 2018-12-11T14:50:33Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Diagnosticofalhasincipientes.pdf: 5235661 bytes, checksum: 67b492c9d40682971d19271da4d4a96c (MD5) / Made available in DSpace on 2018-12-11T14:50:33Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Diagnosticofalhasincipientes.pdf: 5235661 bytes, checksum: 67b492c9d40682971d19271da4d4a96c (MD5) Previous issue date: 2018-10-26 / Atualmente, a operação do sistema de transmissão de energia elétrica é sobrecarregada pela grande quantidade de informações oriundas dos mais diversos sistemas de monitoração, que devem analisar estas informações para manter o sistema em condições de operação aceitáveis de acordo com a normas do Setor Elétrico Brasileiro. Nesse contexto, este trabalho propõe um sistema de diagnóstico de falhas on-line em linhas de transmissão baseado na análise da monitoração da corrente de fuga para múltiplas falhas incipientes, que é composto de módulos que se adaptam de modo autônomo às melhorias que são executadas na LT. O trabalho desenvolvido aborda especificamente o módulo diagnóstico, no qual são extraídas as características do espectro harmônico da corrente de fuga com falha, e posteriormente, identifica a falha mais proeminente em um cenário multi eventos. Para extrair as características dos sinais de corrente de fuga com falhas foi utilizada a redundância analítica, que a partir de dados obtidos em laboratório e em campo, serviu para determinar o comportamento normal da LT, elaborar o modelo da LT em funcionamento normal e com a anomalia. De posse da corrente de fuga de funcionamento normal e com falha realiza-se a caracterização destes sinais, que empregam algoritmos adequados nas características levantadas no estado da arte sobre o tema e nos dados obtidos em campo e em laboratório. Após escolher o algoritmo de extração que possui melhor desempenho para múltiplas falhas, são propostos classificadores para determinar qual a falhas mais proeminente na LT. O projeto do classificador levou em consideração que o sistema precisa se adaptar às mudanças ocorridas na LT, incorporando o conhecimento sobre o sistema, uma vez que este é bastante dinâmico. / Atualmente, a operação do sistema de transmissão de energia elétrica é sobrecarregada pela grande quantidade de informações oriundas dos mais diversos sistemas de monitoração, que devem analisar estas informações para manter o sistema em condições de operação aceitáveis de acordo com a normas do Setor Elétrico Brasileiro. Nesse contexto, este trabalho propõe um sistema de diagnóstico de falhas on-line em linhas de transmissão baseado na análise da monitoração da corrente de fuga para múltiplas falhas incipientes, que é composto de módulos que se adaptam de modo autônomo às melhorias que são executadas na LT. O trabalho desenvolvido aborda especificamente o módulo diagnóstico, no qual são extraídas as características do espectro harmônico da corrente de fuga com falha, e posteriormente, identifica a falha mais proeminente em um cenário multi eventos. Para extrair as características dos sinais de corrente de fuga com falhas foi utilizada a redundância analítica, que a partir de dados obtidos em laboratório e em campo, serviu para determinar o comportamento normal da LT, elaborar o modelo da LT em funcionamento normal e com a anomalia. De posse da corrente de fuga de funcionamento normal e com falha realiza-se a caracterização destes sinais, que empregam algoritmos adequados nas características levantadas no estado da arte sobre o tema e nos dados obtidos em campo e em laboratório. Após escolher o algoritmo de extração que possui melhor desempenho para múltiplas falhas, são propostos classificadores para determinar qual a falhas mais proeminente na LT. O projeto do classificador levou em consideração que o sistema precisa se adaptar às mudanças ocorridas na LT, incorporando o conhecimento sobre o sistema, uma vez que este é bastante dinâmico.

Nos sistemas de distribuição de alta e média tensão tem-se aumentado a utilização de linhas de distribuição de energia subterrâneas ou cabos subterrâneos. A ocorrência de faltas nas linhas afeta negativamente a qualidade da energia e o correto funcionamento da rede. O processo que leva a uma falta nos cabos é gradual e está caracterizado por uma série de subciclos de faltas incipientes associadas a uma tensão de arco. Estas, muitas vezes, passam despercebidas e, eventualmente, resultam em uma falta permanente. Os métodos clássicos de localização de faltas como as metodologias baseadas no cálculo da impedância aparente, as baseadas na inteligência artificial e as baseadas nas ondas viajantes são, habitualmente, aplicadas ao sistema depois de uma falta permanente acontecer e precisam de um ou mais ciclos do sinal para entregar uma resposta razoável. No entanto, as faltas nos cabos são um processo gradual, de curta duração (entre ¼ e ½ ciclo do sinal) e seria desejável localizar a falta incipiente antes de tornar-se permanente. Nesse contexto, esta pesquisa aborda o problema de localização de faltas incipientes. Assim, nesta tese propõe-se uma nova técnica de localização de faltas incipientes usando medições em um terminal, no domínio do tempo e que utiliza componentes de fase. Desta forma, são desenvolvidas duas novas formulações do modelo elétrico do sistema de distribuição com cabos subterrâneos durante uma falta incipiente. A abordagem proposta considera simultaneamente na sua formulação características da falta incipiente e dos sistemas de distribuição de energia, como a tensão de arco, o modelo Π nominal de parâmetros concentrados do cabo subterrâneo, o desequilíbrio do sistema e a condição da carga. A estimativa da distância da falta, junto com os parâmetros da falta incipiente, é obtida a partir da solução de um sistema sobredeterminado de equações lineares pela aplicação do método de mínimos quadrados ponderados não negativos. As formulações propostas permitem estimar a distância da falta em termos da reatância da linha até a falta. Além disso, é proposto um processo de compensação de corrente para estimar a corrente de falta; é aplicado um pré-processamento dos dados de entrada para suavizar o efeito do ruído que pode conter o sinal e, é aplicado um pós-processamento dos resultados para refinar e entregar a melhor estimativa obtida durante o processo de localização da falta. O desempenho da técnica proposta é avaliado mediante estudos de casos simulados em um circuito real de distribuição no Alternative Transients Program (ATP/EMTP) considerando análises de sensibilidade e comparativa. Também, o modelo da falta incipiente foi programado utilizando a ferramenta de MODELS do ATP/EMTP. Os resultados obtidos, considerando faltas incipientes simuladas que avaliam a influência da variação da magnitude de tensão de arco, do ruído aleatório inserido na tensão de arco, da distância da falta, da taxa de amostragem, do carregamento do sistema, do modelo de tensão de arco e de incertezas nas medições, indicam claramente que a abordagem proposta possui validade como técnica de localização de faltas incipientes, apresentando erros médios globais de 1,60% e 0,93%, respectivamente para cada formulação proposta. / The use of underground power distribution lines or underground cables in the high and medium voltage distribution systems has increased dramatically in recent years. The fault occurrence in the distribution lines negatively affects the power quality and the correct network operation. The process which leads to a fault in underground cables is gradual and is characterized by a series of sub-cycles of incipient faults associated with an arc voltage. These often are unnoticed and, eventually, results in a permanent fault. Classical fault localization methods such as the based-impedance, the based on artificial intelligent and the based on traveling waves are, usually, applied to the system after a permanent fault occurrence and need one or more signal cycles for providing a reasonable response. However, the faults in cables are a gradual process, with short duration (between ¼ to ½ of signal cycle) and would be desirable to locate the fault before this becomes a permanent fault. In this context, this research approaches the incipient faults location problem. Thus, in this thesis is proposed a new incipient fault location technique using single-end terminal measurement, in time-domain and employing phase components. In this way, two new formulations of the electrical model of the distribution system with underground cables during an incipient fault are developed. The proposed approach considers simultaneously in its formulation, incipient fault type and power distribution systems characteristics as arc voltage, unbalanced operation, load conditions and complete line model. The fault distance estimation, together with the incipient fault parameters, it is obtained from the solution of an overdetermined linear system of equations by the application of the non-negative weighted least squares estimator method. The proposed formulations allow estimating the fault distance in terms of the line reactance up to the fault. In addition, a load current compensation strategy is proposed to reduce its effect in the fault current estimation; an input data pre-processing is applied to smooth out the noise effect and a post-processing of the results is performed for estimation refinement and to provide the best estimate obtained during the fault location process. The proposed technique performance is evaluated through simulated cases studies in a real-life distribution network with underground cable data in the Alternative Transients Program (ATP/EMTP) considering sensitivity and comparative analyzes. Also, the fault model was programmed using the MODELS tool of ATP/EMTP. The obtained results, considering simulated incipient faults, which evaluate the influence of variations in the arc voltage magnitude, random noise percentage inserted in the arc voltage, fault distance, sampling rate, load dynamics, the arc voltage model and uncertainties in measurements, indicate clearly that the proposed approach is valid as incipient faults location technique, showing overall average errors of 1,60% and 0,93%, respectively for each proposed formulation.

Neste trabalho, um novo enfoque para detecção e diagnóstico de falhas (DDF) em robôs manipuladores é apresentado. Um robô com falhas pode causar sérios danos e pode colocar em risco o pessoal presente no ambiente de trabalho. Geralmente, os pesquisadores têm proposto esquemas de DDF baseados no modelo matemático do sistema. Contudo, erros de modelagem podem ocultar os efeitos das falhas e podem ser uma fonte de alarmes falsos. Aqui, duas redes neurais artificiais são utilizadas em um sistema de DDF para robôs manipuladores. Um perceptron multicamadas treinado por retropropagação do erro é usado para reproduzir o comportamento dinâmico do manipulador. As saídas do perceptron são comparadas com as variáveis medidas, gerando o vetor de resíduos. Em seguida, uma rede com função de base radial é usada para classificar os resíduos, gerando a isolação das falhas. Quatro algoritmos diferentes são empregados para treinar esta rede. O primeiro utiliza regularização para reduzir a flexibilidade do modelo. O segundo emprega regularização também, mas ao invés de um único termo de penalidade, cada unidade radial tem um regularização individual. O terceiro algoritmo emprega seleção de subconjuntos para selecionar as unidades radiais a partir dos padrões de treinamento. O quarto emprega o mapa auto-organizável de Kohonen para fixar os centros das unidades radiais próximos aos centros dos aglomerados de padrões. Simulações usando um manipulador com dois graus de liberdade e um Puma 560 são apresentadas, demostrando que o sistema consegue detectar e diagnosticar corretamente falhas que ocorrem em conjuntos de padrões não-treinados. / In this work, a new approach for fault detection and diagnosis in robotic manipulators is presented. A faulty robot could cause serious damages and put in risk the people involved. Usually, researchers have proposed fault detection and diagnosis schemes based on the mathematical model of the system. However, modeling errors could obscure the fault effects and could be a false alarm source. In this work, two artificial neural networks are employed in a fault detection and diagnosis system to robotic manipulators. A multilayer perceptron trained with backpropagation algorithm is employed to reproduce the robotic manipulator dynamical behavior. The perceptron outputs are compared with the real measurements, generating the residual vector. A radial basis function network is utilized to classify the residual vector, generating the fault isolation. Four different algorithms have been employed to train this network. The first utilizes regularization to reduce the flexibility of the model. The second employs regularization too, but instead of only one penalty term, each radial unit has a individual penalty term. The third employs subset selection to choose the radial units from the training patterns. The forth algorithm employs the Kohonen’s self-organizing map to fix the radial unit center near to the cluster centers. Simulations employing a two link manipulator and a Puma 560 manipulator are presented, demonstrating that the system can detect and isolate correctly faults that occur in nontrained pattern sets.

Falhas são eventos que não podem, pela sua própria natureza, serem totalmente eliminados num sistema de manufatura real. No entanto, a maioria das pesquisas e publicações técnicas nesta área consideram somente a descrição e otimização dos processos “normais” ou processos isolados de tratamento de falhas. Assim este trabalho é uma contribuição no desenvolvimento de uma metodologia de modelagem e análise que considera a detecção e o tratamento de falhas junto com os processos “normais”. A hipótese é que uma adequada abordagem de modelagem e análise de sistemas de manufatura considerando todas estas características é fundamental para melhorar a flexibilidade e autonomia do sistema. Tais sistemas podem ser abordados segundo a perspectiva de sistemas a eventos discretos (DEDS) e dentre as técnicas existentes de representação destes sistemas, destaca-se o potencial das rede de Petri (PN) como uma técnica uniforme de modelagem e análise, a qual permite o estudo e caracterização de diferentes propriedades de um sistema através de um mesmo modelo. Assim, este trabalho introduz uma metodologia, baseada no conceito de redes de Petri, que além da modelagem e a análise dos processos “normais” (de acordo com as especificações funcionais), permite a detecção e tratamento de falhas em sistemas de manufatura de uma forma hierárquica e modularizada utilizando supervisores distribuídos nos equipamentos do chão de fábrica. Esta metodologia considera a integração de três módulos referentes aos processos “normais”, aos processos de detecção de falhas e, aos processos de tratamento de falhas. Através das abordagens “top-down” e “bottom-up” a modelagem de um sistema é desenvolvida em níveis hierárquicos. Estudos de caso de sistemas com estas característica são considerados. Nos modelos desenvolvidos são realizados um estudo analítico e simulações para validar a metodologia proposta. / In a real manufacturing system, failures are events that should be considered. However in this area, most researches consider only the description and optimization of normal processes. This research is a contribution to develop a methodology for modeling and analyzing manufacturing system including normal processes, failure detection, and failure treatment. An approach considering those processes is basic for improving flexibility and autonomy of the systems. These systems can be observed from a point of view of discrete event dynamics systems (DEDS). From this point of view, Petri nets are a powerful tool for modeling and analyzing different characteristics of a system using the same model. In this research a methodology based on Petri nets considering normal process, detection, and treatment of failures in manufacturing systems is introduced. This methodology considers a hierarchical and modular structure. The modular characteristic permits integration of three types of processes: normal, failure detection, and failure treatment processes. The hierarchical characteristic permits to model a system by hierarchical levels (such as factory, manufacturing cell, and equipment) based on top-down and bottom-up approaches, and using distributed supervisors inside of machines on the workshop level. Case studies with these characteristics are considered. On the developed models, analytical and simulation analyses are executed to validate the proposed methodology.

O objetivo principal desta tese consiste no desenvolvimento de ferramentas matemáticas e computacionais dedicadas a um sistema de diagnóstico de barras quebradas no rotor de Motores de Indução Trifásicos. O sistema proposto é baseado em um método matemático de decomposição de sinais elétricos, denominado de Decomposição em Componentes Ortogonais, e ferramentas de aprendizagem de máquinas. Como uma das principais contribuições desta pesquisa, realizou-se um aprofundamento do entendimento da técnica de Decomposição em Componentes Ortogonais e de sua aplicabilidade como ferramenta de processamento de sinais para sistemas elétricos e eletromecânicos. Redes Neurais Artificiais e Support Vector Machines, tanto para classificação multi-classes quanto para detecção de novidades, foram configurados para receber índices advindos do processamento de sinais elétricos de motores, e a partir deles, identificar os padrões normais e os padrões com falhas. Além disso, a severidade da falha também é diagnosticada, a qual é representada pelo número de barras quebradas no rotor. Para a avaliação da metodologia, considerou-se o acionamento de motores de indução pela tensão de alimentação da rede e por inversores de frequência, operando sob diversas condições de torque de carga. Os resultados alcançados demonstram a eficácia das ferramentas matemáticas e computacionais desenvolvidas para o sistema de diagnóstico, sendo que os índices criados se mostraram altamente correlacionados com o fenômeno da falha. Mais especificamente, foi possível criar índices monotônicos com a severidade da falha e com baixa variabilidade, demonstrando-se que as ferramentas são eficientes extratores de características. / This doctoral thesis consists of the development of mathematical and computational tools dedicated to a diagnostic system for broken rotor bars in Three Phase Induction Motors. The proposed system is based on a mathematical method for decomposing electrical signals, named the Orthogonal Components Decomposition, and machine learning tools. As one of the main contributions of this research, an in-depth investigation of the decomposition technique and its applicability as a signal processing tool for electrical and electromechanical systems was carried-out. Artificial Neural Networks and Support Vector Machines for multi-class classification and novelty detection were configured to receive indices derived from the processing of electrical signals and then identify normal motors and faulty motors. In addition, the fault severity is also diagnosed, which is represented by the number of broken rotor bars. Experimental data was tested in order to evaluate the proposed method. Signals were obtained from induction motors operating with different torque levels and driven either directly by the grid or by frequency inverters. The results demonstrate the effectiveness of the mathematical and computational tools developed for the diagnostic system since the indices created are highly correlated with the fault phenomenon. More specifically, it was possible to create monotonic indices with the fault severity and with low variability, what supports that the solution is an efficient fault-specific feature extractor.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-05-01T14:25:43Z No. of bitstreams: 1 ADALBERTO GOMES TEIXEIRA JÚNIOR - DISSERTAÇÃO PPGCC 2015..pdf: 2611686 bytes, checksum: 6b9c4a2efc3946611ad0263328434bd1 (MD5) / Made available in DSpace on 2018-05-01T14:25:43Z (GMT). No. of bitstreams: 1 ADALBERTO GOMES TEIXEIRA JÚNIOR - DISSERTAÇÃO PPGCC 2015..pdf: 2611686 bytes, checksum: 6b9c4a2efc3946611ad0263328434bd1 (MD5) Previous issue date: 2015-07 / Capes / O som gerado por motores em funcionamento contém informações sobre seu estado e condições, tornando-se uma fonte importante para a avaliação de seu funcionamento sem a necessidade de intervenção no equipamento. A análise do estado do equipamento muitas vezes é realizada por diagnóstico humano, a partir da experiência vivenciada no ambiente ruidoso de operação. Como o funcionamento dos motores é regido por um processo periódico, o sinal de áudio gerado segue um padrão bem definido, possibilitando, assim, a avaliação de seu estado de funcionamento por meio desse sinal. Dentro deste contexto, a pesquisa ora descrita trata da modelagem do sinal acústico gerado por motores em usinas termoelétricas, aplicando técnicas de processamento digital de sinais e inteligência artificial, com o intuito de auxiliar o diagnóstico de falhas, minimizando a presença humana no ambiente de uma sala de motores. A técnica utilizada baseia-se no estudo do funcionamento dos equipamentos e dos sinais acústicos por eles gerados por esses, para a extração de características representativas do sinal, em diferentes domínios, combinadas a métodos de aprendizagem de máquinas para a construção de um multiclassificador, responsável pela avaliação do estado de funcionamento desses motores. Para a avaliação da eficácia do método proposto, foram utilizados sinais extraídos de motores da Usina Termoelétrica Borborema Energética S.A., no âmbito do projeto REPARAI (REPair over AiR using Artificial Intelligence, código ANEEL PD6471-0002/2012). Ao final do estudo, o método proposto demonstrou acurácia próxima a 100%. A abordagem proposta caracterizou-se, portanto, como eficiente para o diagnóstico de falhas, principalmente por não ser um método invasivo, não exigindo, portanto, o contato direto do avaliador humano com o motor em funcionamento. / The sound generated by an engine during operation contains information about its conditions, becoming an important source of information to evaluate its status without requiring intervention in equipment. The fault diagnosis of the engine usually is performed by a human, based on his experience in a noisy environment. As the operation of the engine is a periodic procedure, the generated signal follows a well-defined pattern, allowing the evaluation of its operating conditions. On this context, this research deals with modeling the acoustic signal generated by engines in power plants, using techniques from digital signal processing and artificial intelligence, with the purpose of assisting the fault diagnosis, minimizing the human presence at the engine room. The technique applied is based on the study of engines operation and the acoustic signal generated by them, extracting signal representative characteristics in different domains, combined with machine learning methods, to build a multiclassifier to evaluate the engines status. Signals extracted from engines of Borborema Energética S.A. power plant, during the REPARAI Project (REPair over AiR using Artificial Intelligence), ANEEL PD-6471-0002/2012, were used in the experiments. In this research, the method proposed has demonstrated an accuracy rate of nearly 100%. The approach has proved itself to be efficient to fault diagnosis, mainly by not being an invasive method and not requiring human direct contact with the engine.

Nos sistemas de distribuição de alta e média tensão tem-se aumentado a utilização de linhas de distribuição de energia subterrâneas ou cabos subterrâneos. A ocorrência de faltas nas linhas afeta negativamente a qualidade da energia e o correto funcionamento da rede. O processo que leva a uma falta nos cabos é gradual e está caracterizado por uma série de subciclos de faltas incipientes associadas a uma tensão de arco. Estas, muitas vezes, passam despercebidas e, eventualmente, resultam em uma falta permanente. Os métodos clássicos de localização de faltas como as metodologias baseadas no cálculo da impedância aparente, as baseadas na inteligência artificial e as baseadas nas ondas viajantes são, habitualmente, aplicadas ao sistema depois de uma falta permanente acontecer e precisam de um ou mais ciclos do sinal para entregar uma resposta razoável. No entanto, as faltas nos cabos são um processo gradual, de curta duração (entre ¼ e ½ ciclo do sinal) e seria desejável localizar a falta incipiente antes de tornar-se permanente. Nesse contexto, esta pesquisa aborda o problema de localização de faltas incipientes. Assim, nesta tese propõe-se uma nova técnica de localização de faltas incipientes usando medições em um terminal, no domínio do tempo e que utiliza componentes de fase. Desta forma, são desenvolvidas duas novas formulações do modelo elétrico do sistema de distribuição com cabos subterrâneos durante uma falta incipiente. A abordagem proposta considera simultaneamente na sua formulação características da falta incipiente e dos sistemas de distribuição de energia, como a tensão de arco, o modelo Π nominal de parâmetros concentrados do cabo subterrâneo, o desequilíbrio do sistema e a condição da carga. A estimativa da distância da falta, junto com os parâmetros da falta incipiente, é obtida a partir da solução de um sistema sobredeterminado de equações lineares pela aplicação do método de mínimos quadrados ponderados não negativos. As formulações propostas permitem estimar a distância da falta em termos da reatância da linha até a falta. Além disso, é proposto um processo de compensação de corrente para estimar a corrente de falta; é aplicado um pré-processamento dos dados de entrada para suavizar o efeito do ruído que pode conter o sinal e, é aplicado um pós-processamento dos resultados para refinar e entregar a melhor estimativa obtida durante o processo de localização da falta. O desempenho da técnica proposta é avaliado mediante estudos de casos simulados em um circuito real de distribuição no Alternative Transients Program (ATP/EMTP) considerando análises de sensibilidade e comparativa. Também, o modelo da falta incipiente foi programado utilizando a ferramenta de MODELS do ATP/EMTP. Os resultados obtidos, considerando faltas incipientes simuladas que avaliam a influência da variação da magnitude de tensão de arco, do ruído aleatório inserido na tensão de arco, da distância da falta, da taxa de amostragem, do carregamento do sistema, do modelo de tensão de arco e de incertezas nas medições, indicam claramente que a abordagem proposta possui validade como técnica de localização de faltas incipientes, apresentando erros médios globais de 1,60% e 0,93%, respectivamente para cada formulação proposta. / The use of underground power distribution lines or underground cables in the high and medium voltage distribution systems has increased dramatically in recent years. The fault occurrence in the distribution lines negatively affects the power quality and the correct network operation. The process which leads to a fault in underground cables is gradual and is characterized by a series of sub-cycles of incipient faults associated with an arc voltage. These often are unnoticed and, eventually, results in a permanent fault. Classical fault localization methods such as the based-impedance, the based on artificial intelligent and the based on traveling waves are, usually, applied to the system after a permanent fault occurrence and need one or more signal cycles for providing a reasonable response. However, the faults in cables are a gradual process, with short duration (between ¼ to ½ of signal cycle) and would be desirable to locate the fault before this becomes a permanent fault. In this context, this research approaches the incipient faults location problem. Thus, in this thesis is proposed a new incipient fault location technique using single-end terminal measurement, in time-domain and employing phase components. In this way, two new formulations of the electrical model of the distribution system with underground cables during an incipient fault are developed. The proposed approach considers simultaneously in its formulation, incipient fault type and power distribution systems characteristics as arc voltage, unbalanced operation, load conditions and complete line model. The fault distance estimation, together with the incipient fault parameters, it is obtained from the solution of an overdetermined linear system of equations by the application of the non-negative weighted least squares estimator method. The proposed formulations allow estimating the fault distance in terms of the line reactance up to the fault. In addition, a load current compensation strategy is proposed to reduce its effect in the fault current estimation; an input data pre-processing is applied to smooth out the noise effect and a post-processing of the results is performed for estimation refinement and to provide the best estimate obtained during the fault location process. The proposed technique performance is evaluated through simulated cases studies in a real-life distribution network with underground cable data in the Alternative Transients Program (ATP/EMTP) considering sensitivity and comparative analyzes. Also, the fault model was programmed using the MODELS tool of ATP/EMTP. The obtained results, considering simulated incipient faults, which evaluate the influence of variations in the arc voltage magnitude, random noise percentage inserted in the arc voltage, fault distance, sampling rate, load dynamics, the arc voltage model and uncertainties in measurements, indicate clearly that the proposed approach is valid as incipient faults location technique, showing overall average errors of 1,60% and 0,93%, respectively for each proposed formulation.