Orientador: José Alfredo Covolan Ulson / Banca: Rogério Andrade Flauzino / Banca: Fabrício Guimarães Baptista / Resumo: O monitoramento e a localização precoce de descargas parciais em aparelhos de alta tensão, como nos transformadores de potência, são de fundamental importância para a prevenção de problemas funcionais associados à degradação contínua dos materiais que compõe o isolamento elétrico destes tipos de aparelho. Alguns fatores críticos na operação dos transformadores, como o funcionamento em sobrecarga, superaquecimento, transitórios e sinais elétricos de grande conteúdo harmônico vinculados a sistemas chaveados, em longo prazo, fazem com que o sistema de isolação de um transformador apresente degradação de suas propriedades físicas e químicas intrínsecas aos diversos tipos de materiais utilizados para esta finalidade e, deste modo, surjam descargas parciais. Este trabalho teve como objetivo aplicar sensores piezelétricos de baixo custo para a identificação e localização de descargas parciais em transformadores de potência por meio de sistemas inteligentes do tipo Redes Neurais e sistema de inferência neuro fuzzy adaptativos. Ambos os sistemas foram treinados com algumas métricas de processamento de sinais e os resultados de erro médio de localização chegaram na casa dos milímetros. Variou-se o número de sensores acoplados e foi realizado um estudo sobre os resultados de localização obtidos. / Abstract: Partial discharge damages in power transformers require high cost monitoring procedures based on corrective maintenance or even interruptions of the power system. The development of online non-invasive monitoring systems to detect partial discharges in power transformers has great relevance since it can reduce significant maintenance costs. Some critical factors in the operation of transformers such as overload, nonlinear loads, transient voltage surges by atmospheric origin and switching, can make the insulation system of transformers to lose their physical and chemical properties. Therefore, these operating conditions can cause early deterioration of the insulation, causing internal partial discharges that may develop into major defects and thus shorten the useful life of electrical equipment. This research aimed to apply a low cost piezoelectric sensors for partial discharge identification and location in power transformers through intelligent systems such as neural networks and adaptive fuzzy inference system. Both systems were trained with some signal processing metrics and the results for location error was in the region of millimeters. It was varied the number of coupled sensors and a study was conducted on the obtained location results. / Mestre

Orientador: José Alfredo Covolan Ulson / Banca: José Carlos de Melo Vieira Junior / Banca: Renato Crivellari Creppe / Resumo: Os transformadores são equipamentos importantes do sistema elétrico de potência, possuem alto custo e suas falhas tem influência direta na qualidade da energia entregue aos consumidores. Uma das principais causas de falhas em transformadores imersos em líquido isolante, as descargas parciais, advém da degradação física e química do sistema de isolação devido à diversos fatores tais como sobrecarga, cargas não-lineares, chaveamento e superaquecimento. Essas descargas parciais aceleram a degradação do dielétrico do transformador e podem levar à destruição do equipamento, ocasionando elevado prejuízo financeiro. Dessa forma, são necessárias ações de prevenção de falhas causadas por descargas parciais em transformadores, através de métodos de monitoramento e localização. Este trabalho teve por objetivo apresentar um método de localização de descargas parciais em transformadores de potência imersos em óleo mineral isolante utilizando o método de emissão acústica e sistemas inteligentes do tipo redes neurais artificiais e algoritmos genéticos. Foram aplicadas métricas de processamento de sinais aos sinais acústicos gerados a partir de descargas parciais e obtidos através de sensores piezelétricos de baixo custo instalados no lado externo do tanque do transformador. Estas métricas foram utilizadas para treinamento das redes neurais a fim de obter a distância euclidiana entre os sensores e as descargas parciais. Essas distâncias euclidianas foram utilizadas em um sistema não-linear d... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Transformers are important devices of the electric power system, which have high cost and their failures have a direct influence on the power quality delivered to the consumers. One of the main causes of failures in oil-immersed transformers, the partial discharges, comes from the physical and chemical degradation of the insulation system due to several factors such as overload, non-linear loads, switching and overheating. These partial discharges accelerate the degradation of the transformer dielectric and they can lead to the destruction of the equipment, causing high financial losses. Thus, actions are necessary to prevent faults caused by partial discharges in transformers, through monitoring and locating methods. The aim of this work was to present a method for locating partial discharges in oil-immersed power transformers using the acoustic emission method and intelligent systems such as artificial neural networks and genetic algorithms. Signal processing metrics were applied to the acoustic signals generated from partial discharges and obtained by low-cost piezoelectric sensors installed on the external side of the transformer tank. These metrics were used to train the neural networks in order to obtain the euclidean distance between the sensors and the partial discharges. These euclidean distances were used in a nonlinear location system, which was solved through a genetic algorithm in order to obtain the three-dimensional coordinates of the partial discharge. The ana... (Complete abstract click electronic access below) / Mestre

Made available in DSpace on 2015-04-14T13:56:35Z (GMT). No. of bitstreams: 1 389987.pdf: 1360851 bytes, checksum: d8bf43ca52fd146b24970288170182a3 (MD5) Previous issue date: 2007-02-28 / Nos ?ltimos anos, observa-se com grande euforia o crescimento do mercado de sistemas embarcados nas ?reas econ?mico-sociais de grande import?ncia, tais como a sa?de, telecomunica??es, automotiva e aeroespacial, entre outras. Como conseq??ncia, exige-se maior robustez tanto do hardware quanto do software integrante destes sistemas, al?m de componentes de baixo custo, principalmente mem?ria. Dentre os tipos poss?veis de falhas, as falhas que alteram o fluxo de controle de processadores que executam aplica??es embarcadas, por implicarem em quase sempre em falhas catastr?ficas do sistema, s?o focadas nesta disserta??o. Por falhas catastr?ficas, entende-se como sendo aquelas falhas que al?m de induzir o sistema a produzir um comportamento diferente daquele esperado para a sua fun??o, implicam na maioria das vezes tamb?m na reinicializa??o do sistema como forma de recupera??o da falha. Assim, a utiliza??o de t?cnicas capazes de detectar estes tipos de falhas evita que as mesmas se propaguem pelo sistema e acabem gerando sa?das incorretas, pois tais falhas podem ser catastr?ficas para a seguran?a dos usu?rios e para a imagem e reputa??o das empresas. Por?m, a utiliza??o de t?cnicas de detec??o de falhas gera um aumento na taxa de ocupa??o de mem?ria do sistema, bem como provoca aumento da degrada??o de desempenho, o que pode ser considerado um fator cr?tico tratando-se de aplica??es embarcadas de tempo-real. Como alternativa para minimizar estes fatores, tr?s hip?teses foram investigadas, sendo uma delas implementada. Assim, nesta disserta??o prop?e-se uma abordagem baseada em software profiling que analisa o grafo de fluxo de controle da aplica??o, visando ? otimiza??o do n?mero de assinaturas (checkpoints) a serem inseridas no c?digo-fonte. Para validar a abordagem proposta, foi realizada por simula??o a inje??o de tr?s tipos de falhas: jump, nop e bit-flip, sobre diferentes programas aplicativos. Este processo de inje??o de falhas foi acelerado via prototipagem do sistema em hardware, atrav?s do uso de um FPGA (Field-Programmable Gate Array) em uma placa comercial da Xilinx. A an?lise dos resultados obtidos indica que a t?cnica proposta reduz o n?mero de assinaturas inseridas no c?digo da aplica??o, e portanto, minimizando o overhead de mem?ria e a degrada??o do desempenho do sistema, ao passo que mant?m aproximadamente inalterado n?vel de cobertura de falhas quando comparada a outras t?cnicas atualmente existentes na literatura

Orientadores: Hermano M.F. Tavares, Fernando Antonio Campos Gomide / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-07-23T06:02:46Z (GMT). No. of bitstreams: 1 Caminhas_WalmirMatos_D.pdf: 9286248 bytes, checksum: 6278bb59afd29fde6eebfd6e5603e2c1 (MD5) Previous issue date: 1997 / Resumo: A detecção e diagnóstico de falhas (DDF) em sistemas dinâmicos baseados em redundância analítica são tratadas sob diversas abordagens, fundamentadas em conceitos básicos que incluem: espaço de paridade; estimação de estados; estimação de parâmetros; sistemas especialistas; reconhecimento de padrões e outros. Neste trabalho a DDF é abordada sob a ótica de classificação de padrões. O problema de classificação de padrões pode ser resolvido utilizando-se diversas técnicas, tais como algoritmos heurísticos, técnicas de probabilidade, redes neurais, lógica fuzzy e outras. Aqui, para classificação de padrões, é proposta uma estrutura de rede neurofuzzy and/or, além de uma modificação na estrutura clássica da rede neural auto-organizada. São propostas três estratégias de sistema de detecção e diagnóstico de falhas. Na primeira, os padrões são formados a partir das informações de entrada e saída da planta. A segunda e a terceira são baseadas em sistema de classificação de padrões e geração residual (estratégias híbridas). Na segunda, os resíduos são gerados a partir de comparações entre os estados para diversos observadores em modos deslizantes. Na terceira, são utilizados parâmetros do modelo da planta, que são os pesos de uma rede neurofuzzy. As estruturas foram testadas em três sistemas dinâmicos, a saber: sistema de acionamento elétrico utilizando máquina de corrente contínua; sistema de acionamento elétrico utilizando máquina de corrente alternada e sistema de tanques interativos (acoplados) / Abstract: Analytical redundancy for fault detection and diagnosis of dynamic systems, FDD, has been approached by several methodologies, state estimation, parameter estimation, expert systems, and pattern classification and recognition being typical examples. In particular, pattern classification and recognition methods adopt probabilistic, heuristic, neural, and fuzzy set based techniques as a solution framework. This work introduces the FDD as a pattern classification and recognition problem. Two neural approaches for pattern classific ation and recognition are introduced and compared: a neurofuzzy network composed by logical and and or neurons with a competitive learning, and a variation of a supervised Learning Vector Quantization (LVQ) network with ?N IND. 1?,? N IND. 2? and Noo norrns and a pruning scheme, respectively. In addition, three schemes are proposed to solve FDD problems. The first scheme uses input and output signals to classify the operational condition of the dynamic system. In this case mathematical models are not needed to detect and to diagnose faults. The second uses residues generated by comparisons among the states of several sliding mode observers. The third uses the parameters of a model of the system. The model parameters are the weights of a neurofuzzy network. The last two schemes constitute hybrid strategies to solve FDD problems. The schemes developed herein were tested in three different dynamic systems: a DC motor drive; an AC motor drive, and an interactive tank system. Simulation results are reported for these three example problems / Doutorado / Doutor em Engenharia Elétrica

Dissertação (Mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-17T07:06:02Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-08T22:55:14Z : No. of bitstreams: 1 138876.pdf: 8783289 bytes, checksum: 276492d9225e9a5016049181d89101e4 (MD5)

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2010. / Made available in DSpace on 2012-10-25T10:17:06Z (GMT). No. of bitstreams: 1 276934.pdf: 227796 bytes, checksum: 9ff87091df2f802688e38877cffc2a3b (MD5) / No passado, as condições dos transformadores de potência eram acompanhadas com programas de manutenção preventiva executadas de acordo com o tempo, com o transformador fora de serviço. Estas ações eram combinadas com alguns testes que não exigiam o desligamento do transformador e que poderiam ser aplicadas mais frequentemente, como por exemplo a análise dos gases dissolvidos no óleo isolante. Devido ao processo de desregulamentação, as companhias de energia vem tentando reduzir os custos de manutenção e desligamentos para serviços, sem diminuir a confiabilidade e a segurança dos seus sistemas. Para atingir estes objetivos, é necessário o desenvolvimento de melhores ferramentas de monitoramento e diagnóstico para avaliação das condições internas dos transformadores. Antes de analisar o transformador, o especialista de manutenção deve recolher informações apartir dos ensaios e dados históricos de manutenção, sistemas de monitoramento e possivelmente acerca das condições operacionais apartir dos sistemas supervisórios. Estes dados são normalmente encontrados em diversas bases de dados de diferentes departamentos e laboratórios. A proposta contida neste documento apresenta um modelo de sistema multiagente para o diagnóstico integrado de transformadores de potência. Cada um dos agentes desenvolvidos neste trabalho é dotado de alguma inteligência e pode representar um ensaio ou teste realizado com o equipamento. Existem ainda agentes hierarquicamente superiores que lidam com os diagnósticos fornecidos pelos agentes subordinados e que, através de sua inteligência ou um conjunto de regras, alcançam um diagnóstico mais significativo. Esta abordagem visa auxiliar os operadores e especialistas de manutenção, provendo-os com resultados de uma análise inteligente dos dados disponíveis, com diagnóstico mais conclusivo e confiável acerca do estado do transformador, auxiliando na tomada de decisão para agendamento da manutenção.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Engenharia Mecânica / Made available in DSpace on 2012-10-22T18:22:10Z (GMT). No. of bitstreams: 1 228283.pdf: 857661 bytes, checksum: 2fa1e50ef555da30c5a56ee7178f5ed1 (MD5) / Grandes perdas decorrentes de falhas e acidentes têm marcado a indústria de processo, particularmente as refinarias de petróleo, tanto por ocorrências de acidentes catastróficos isolados quanto, principalmente, pelo somatório de eventos de pequena magnitude do dia-a-dia. Ocorrências indesejáveis com equipamentos estáticos representam cerca de 70% dessas perdas, sendo a manutenção responsável por quase metade. As causas fundamentais de falhas e acidentes podem ter natureza técnica, humana ou organizacional. As falhas técnicas são tratadas pelo atributo da qualidade do produto para evitar condições latentes de natureza técnica e pelo atributo da integridade física para evitar condições inseguras. As falhas humanas e organizacionais são tratadas pela cultura de segurança, partindo-se das teorias desenvolvidas nos últimos vinte e cinco anos, que distinguem as diversas as classes de erro humano envolvidas em falhas e acidentes. Para estudar as falhas organizacionais, adotou-se um modelo de formação do comportamento humano baseado na interação dos domínios psicológico, condições de trabalho e situação organizacional, inserindo-o em um modelo epidemiológico de fluxo causal de acidentes vinculados a falhas, que preconiza que decisões gerenciais e institucionais geram condições latentes que agem sobre tais domínios da organização, proporcionando a constituição de atos inseguros e a degradação das barreiras do sistema, que culminam em falhas ou mesmo acidentes. A metodologia para definir o diagnóstico da integridade e segurança de equipamentos estáticos é constituída por uma série de proposições que sustenta um processo de varredura em cada domínio para identificar as causas fundamentais de falhas e acidentes, de forma a antecipar-se à ocorrência desses eventos indesejáveis ou minimizar as suas conseqüências. Os modelos de acidentes e as classificações das falhas adotadas para compor a metodologia permitem utilizar as mesmas ferramentas de identificação de causas fundamentais para qualquer das naturezas de falha. Process industry has been marked by big losses due to failures and accidents, in special petroleum refineries, as from catastrophic accidents or mainly due to small-scale events. These occurrences with static equipments represent 70% of these losses, at which maintenance is responsible for one half of them. The underlying causes of accidents and failures can be technical, human or organizational nature. Technical failures are treated by product quality to avoid latent conditions of technical nature and by physical integrity to avoid unsafe conditions. Human and organizational failures are treated by safety culture, applying theories which classify human error and have been developed at last twenty five years to explain accidents and failures. To study organizational failures, it was adopted a model of conception of human act based on interaction of psychology, job and situational factors, at which it was introduced in a epidemiologic model of causal flux of accidents linked to failures that preconizes institutional and managerial decisions create latent conditions in components of activities of the organization that act over such factors, conducing to generation of unsafe acts and to deterioration of system barriers and safeguards, that results at failures or even accidents. The methodology to diagnostic integrity and safety of static equipments is constituted of several questions to support a scanning process to each factor to identify fundamental causes of failures and accidents, antecipating these undesirable events or minimizing their consequences. Accident models and failure classifications that were adopted to compose the methodology permit to aplly the same tools to identify root causes of technical, human and organizational nature.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2012-10-23T22:20:42Z (GMT). No. of bitstreams: 1 258148.pdf: 3827003 bytes, checksum: be410cb703d11a70dde06764f7c3879b (MD5) / Este trabalho consiste na análise da corrente de partida do motor de indução para a detecção de falhas nas barras do rotor. Esta análise difere da grande maioria dos métodos atualmente empregados, pois a máquina não precisa operar nas condições nominais de carga. Com isso, algumas desvantagens relativas às metodologias largamente utilizadas, como escorregamento inconstante e baixa relação sinal/ruído são eliminadas. A metodologia consiste em extrair o sinal fundamental da corrente de partida e analisar o restante do sinal utilizando a transformada wavelet. Foram utilizados três motores de indução com polaridades diferentes para a avaliação da metodologia proposta. Os resultados mostraram que é possível detectar falhas nas barras do rotor. Pode-se observar que o sinal decomposto pela transformada wavelet apresenta variações significativas na presença de falhas em pelo menos uma barra do rotor. A necessidade de se variar os parâmetros de convergência do sistema de extração da fundamental bem como a localização variável das falhas na decomposição wavelet ainda impede a aplicação da metodologia proposta em larga escala.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2013-12-05T21:43:41Z (GMT). No. of bitstreams: 1 264409.pdf: 2151822 bytes, checksum: 7bf0f0c8848f366e1899fae61acffa13 (MD5) Previous issue date: 2008 / O produto energia elétrica tornou-se imprescindível para a nossa sociedade, sendo necessário tanto para o bem estar da população, como para o desenvolvimento econômico do país. Desta forma, esta mesma sociedade vem pressionando o setor elétrico para a manutenção da continuidade do serviço prestado, em função dos seus impactos na sociedade. Uma das evidências marcantes deste fenômeno no setor são as metas estipuladas pela Agência Nacional de Energia Elétrica (ANEEL) aos indicadores individuais de energia como DIC (Duração de Interrupção por Unidade Consumidora) e FIC (Freqüência de Interrupção por Unidade Consumidora), que mensuram a #continuidade# da prestação de serviço de energia para cada consumidor. Em virtude disso, a presente dissertação aborda o desenvolvimento de uma metodologia para apoiar a gestão desses indicadores, na qual foram utilizadas a metodologia Failure Mode and Effects Analysis (FMEA) e a técnica de inteligência artificial Lógica Fuzzy. A metodologia proposta diz respeito à classificação de falhas, indicando quais ações preventivas devem ser realizadas pelo gestor de forma a melhorar as condições operacionais do sistema de distribuição de energia elétrica. As melhorias na qualidade do serviço prestado permitem uma maior continuidade do fornecimento e melhora os valores dos indicadores de uma concessionária DIC e FIC perante a ANEEL, sendo que nas aplicações efetuadas foram utilizados dados de modos de falhas e de indicadores de uma concessionária brasileira. Para validação da metodologia foi realizado um estudo comparativo entre a metodologia FMEA clássica e a metodologia desenvolvida FMEAFUZZY e os resultados obtidos mostraram ganhos significativos na classificação do risco em relação à metodologia FMEA clássica e a viabilidade para aplicações em sistemas reais de distribuição de energia elétrica. The electrical energy service has become essential for our society. This service is used to develop our economy and to improve quality of life. As consequence, our society has been demanding higher levels of quality of service. In Brazil, the regulatory agency ANEEL (National Government Agency for Electricity) is the entity responsible to define the targets related to the quality of service for the utilities. These targets are evaluated through indices, namely DIC (duration of interruption in each consumer unit) and FIC (frequency of interruption in each consumer unit). This dissertation presents the development of a methodology that supports the preventive maintenance of equipments in order to improve these indices. For this accomplishment, the utility equipment is ranked according to its risk of failure using specific rules. These rules were developed by utilizing Fuzzy Logic and FMEA (Failure Mode and Effects Analysis) concepts. The proposed approach was validated using a database provided by a Brazilian utility. In addition, cross-validation and comparative analyses with the traditional FMEA methodology were performed. The results pointed out that the proposed approach improves the traditional FMEA methodology and its feasibility for any electrical energy distribution utility

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Engenharia Elétrica. / Made available in DSpace on 2012-10-22T01:18:17Z (GMT). No. of bitstreams: 1 203190.pdf: 758712 bytes, checksum: 7e55000dc60bef12d568105725407f8b (MD5) / O presente trabalho de mestrado aborda o desenvolvimento e a implementação de uma ferramenta de diagnóstico de falhas em transformadores de potência através da análise dos gases dissolvidos no óleo (DGA). O sistema computacional desenvolvido baseia-se na utilização de forma conjunta de critérios de análise dos gases referenciados em normas, de uma rede neural artificial e de um sistema de inferência fuzzy. O objetivo da ferramenta é fornecer ao usuário uma resposta que combine os melhores resultados não somente dos métodos tradicionais já consolidados na literatura técnica, bem como das técnicas de inteligência artificial, de forma a aumentar a confiabilidade em relação aos métodos individualmente. Para validação da metodologia e da implementação foram utilizados três conjuntos de dados de geração de gases: da IEC, do CEPEL e dados históricos (utilizados para a validação fuzzy), sendo este último grupo obtido junto a um grande concessionário do setor elétrico brasileiro. Os resultados se mostraram promissores no que diz respeito ao diagnóstico de falhas incipientes em transformadores, alcançando níveis de acertos com valores acima de 80%.