O estudo das condições de operação de um motor de indução em um ambiente industrial é indispensável, tendo em vista que eventuais problemas podem contribuir para um prejuízo na produção, ou ainda para custos adicionais relacionados à falta de manutenção dos equipamentos. Uma das principais falhas que podem ocorrer em um motor de indução do tipo gaiola de esquilo durante sua operação é o rompimento de uma ou mais barras que compõem o seu rotor. Apresenta-se neste trabalho um novo método para auxiliar na detecção de barras quebradas em um rotor tipo gaiola de esquilo, para um motor de grande porte, durante sua operação em regime permanente. A partir de um modelo matemático foi possível avaliar o rompimento de barras do rotor, detectando em uma posição específica, a variação da densidade de fluxo magnético resultante, produzida pela contribuição do fluxo de dispersão de cada barra do rotor, bem como pelo fluxo criado pelas correntes do estator. Um sensor de efeito Hall é instalado entre duas bobinas do estator, a fim de representar a posição onde é realizado o cálculo da densidade de fluxo magnético resultante pela modelagem matemática proposta. O sinal gerado pelo sensor a partir de uma falha é comparado com aquele obtido a partir do rotor saudável, para posterior análise. O trabalho sugere ainda a aplicação do método de detecção da falha em conjunto com uma técnica de inteligência artificial baseada nas redes neurais artificiais, a fim de contribuir para o diagnóstico da falha e estimativa do número de barras rompidas. Os resultados obtidos da simulação, bem como os dados obtidos durante o ensaio são apresentados e usados na validação do modelo matemático desenvolvido. / The study of operational conditions of an induction motor in an industrial environment is indispensable, once eventual problems can contribute for production losses, or still for additional costs related to the lack of equipments maintenance. Among the principal faults, in a squirrel cage induction motor can occur the breaking of one or more rotor bars. This work presents a new method in aid of detection of broken bars in a large squirrel cage induction motor during its operation in steady-state. A mathematical model is used to evaluate the broken rotor bars, detecting in a specific point, the resulting magnetic flux density produced by the leakage flux created by the rotor and stator currents. The Hall effect sensor is installed between two stator coils, in order to represent the position where the resulting magnetic flux density is calculated by the proposed mathematical model. The signal detected in the sensor during a fault, is compared to the obtained result of the magnetic flux density from a healthy rotor for analysis. The work still suggests the application of the artificial intelligence technique, based on artificial neural networks in the mathematical model, in order to aid on the fault detection and estimate of the number of broken bars. The simulation and experimental results are presented in order to validate the developed mathematical model.

Este trabalho de pesquisa apresenta o desenvolvimento de uma metodologia de diagnóstico automático de falhas do tipo curto-circuito de baixa impedância em circuitos alimentadores de média tensão de sistemas reticulados de distribuição de energia elétrica tipo spot network. O diagnóstico compreende a identificação do tipo de curto-circuito ocorrido e a sua localização. A metodologia está baseada no treinamento e uso de Redes Neurais Artificiais (RNAs). Os parâmetros para treinamento das RNAs são obtidos a partir de padrões de comportamento elétrico de curtos circuitos monofásicos, bifásicos e trifásicos à terra, obtidos por simulação de um circuito de distribuição real localizado na cidade de Brasília. Para obtenção do comportamento elétrico do circuito de distribuição foi utilizado o aplicativo de simulação ATP (Alternative Transient Program); para estruturação, treinamento e testes das RNAs da metodologia de diagnóstico foi utilizado o software Matlab (aplicativo de RNA). Os principais resultados dos testes das RNAs da metodologia são apresentados. Tais resultados demonstram a viabilidade científica e tecnológica de se aplicar a metodologia desenvolvida como ferramenta de diagnóstico em tempo real de auxílio dos departamentos de engenharia de operação e manutenção de concessionárias elétricas. Este trabalho também apresenta as principais possibilidades de continuidade desta pesquisa científica e tecnológica baseada em redes neurais artificiais na área de diagnóstico automático de sistemas reticulados. / This work presents the development of an automatic failure diagnostic methodology for low impedance short circuit in mid voltage feeders of distribution spot networks systems. The developed methodology has the feature to identify the type of short circuit and its location. An Artificial Neural Network technique was employed. The parameters used to train the Artificial Neural Networks are obtained based upon patterns in simulations of real cases for short circuit behavior in mono-phase, bi-phase and tri-phase to ground configuration. The input data for the simulation was based on a real distribution circuit belonging to the Power Utility CEB located in Brasília-Brazil. The simulation program ATP (Alternative Transient Program) was used to obtain the electric behavior of the circuit in the distribution network. As for the Artificial Neural Network simulation, trainings and tests Matlab was employed. As a main contribution the results of this work shows the technical feasibility to apply such methodology as a important real time diagnostic tool to support the system operation and maintenance departments of power utilities that uses spot network topologies. Furthermore, it is presented the possibilities to continue this research related to automatic diagnostics for network distribution systems based on Artificial Neural Networks technique.

Este trabalho de pesquisa apresenta o desenvolvimento de uma metodologia de diagnóstico automático de falhas do tipo curto-circuito de baixa impedância em circuitos alimentadores de média tensão de sistemas reticulados de distribuição de energia elétrica tipo spot network. O diagnóstico compreende a identificação do tipo de curto-circuito ocorrido e a sua localização. A metodologia está baseada no treinamento e uso de Redes Neurais Artificiais (RNAs). Os parâmetros para treinamento das RNAs são obtidos a partir de padrões de comportamento elétrico de curtos circuitos monofásicos, bifásicos e trifásicos à terra, obtidos por simulação de um circuito de distribuição real localizado na cidade de Brasília. Para obtenção do comportamento elétrico do circuito de distribuição foi utilizado o aplicativo de simulação ATP (Alternative Transient Program); para estruturação, treinamento e testes das RNAs da metodologia de diagnóstico foi utilizado o software Matlab (aplicativo de RNA). Os principais resultados dos testes das RNAs da metodologia são apresentados. Tais resultados demonstram a viabilidade científica e tecnológica de se aplicar a metodologia desenvolvida como ferramenta de diagnóstico em tempo real de auxílio dos departamentos de engenharia de operação e manutenção de concessionárias elétricas. Este trabalho também apresenta as principais possibilidades de continuidade desta pesquisa científica e tecnológica baseada em redes neurais artificiais na área de diagnóstico automático de sistemas reticulados. / This work presents the development of an automatic failure diagnostic methodology for low impedance short circuit in mid voltage feeders of distribution spot networks systems. The developed methodology has the feature to identify the type of short circuit and its location. An Artificial Neural Network technique was employed. The parameters used to train the Artificial Neural Networks are obtained based upon patterns in simulations of real cases for short circuit behavior in mono-phase, bi-phase and tri-phase to ground configuration. The input data for the simulation was based on a real distribution circuit belonging to the Power Utility CEB located in Brasília-Brazil. The simulation program ATP (Alternative Transient Program) was used to obtain the electric behavior of the circuit in the distribution network. As for the Artificial Neural Network simulation, trainings and tests Matlab was employed. As a main contribution the results of this work shows the technical feasibility to apply such methodology as a important real time diagnostic tool to support the system operation and maintenance departments of power utilities that uses spot network topologies. Furthermore, it is presented the possibilities to continue this research related to automatic diagnostics for network distribution systems based on Artificial Neural Networks technique.

O estudo das condições de operação de um motor de indução em um ambiente industrial é indispensável, tendo em vista que eventuais problemas podem contribuir para um prejuízo na produção, ou ainda para custos adicionais relacionados à falta de manutenção dos equipamentos. Uma das principais falhas que podem ocorrer em um motor de indução do tipo gaiola de esquilo durante sua operação é o rompimento de uma ou mais barras que compõem o seu rotor. Apresenta-se neste trabalho um novo método para auxiliar na detecção de barras quebradas em um rotor tipo gaiola de esquilo, para um motor de grande porte, durante sua operação em regime permanente. A partir de um modelo matemático foi possível avaliar o rompimento de barras do rotor, detectando em uma posição específica, a variação da densidade de fluxo magnético resultante, produzida pela contribuição do fluxo de dispersão de cada barra do rotor, bem como pelo fluxo criado pelas correntes do estator. Um sensor de efeito Hall é instalado entre duas bobinas do estator, a fim de representar a posição onde é realizado o cálculo da densidade de fluxo magnético resultante pela modelagem matemática proposta. O sinal gerado pelo sensor a partir de uma falha é comparado com aquele obtido a partir do rotor saudável, para posterior análise. O trabalho sugere ainda a aplicação do método de detecção da falha em conjunto com uma técnica de inteligência artificial baseada nas redes neurais artificiais, a fim de contribuir para o diagnóstico da falha e estimativa do número de barras rompidas. Os resultados obtidos da simulação, bem como os dados obtidos durante o ensaio são apresentados e usados na validação do modelo matemático desenvolvido. / The study of operational conditions of an induction motor in an industrial environment is indispensable, once eventual problems can contribute for production losses, or still for additional costs related to the lack of equipments maintenance. Among the principal faults, in a squirrel cage induction motor can occur the breaking of one or more rotor bars. This work presents a new method in aid of detection of broken bars in a large squirrel cage induction motor during its operation in steady-state. A mathematical model is used to evaluate the broken rotor bars, detecting in a specific point, the resulting magnetic flux density produced by the leakage flux created by the rotor and stator currents. The Hall effect sensor is installed between two stator coils, in order to represent the position where the resulting magnetic flux density is calculated by the proposed mathematical model. The signal detected in the sensor during a fault, is compared to the obtained result of the magnetic flux density from a healthy rotor for analysis. The work still suggests the application of the artificial intelligence technique, based on artificial neural networks in the mathematical model, in order to aid on the fault detection and estimate of the number of broken bars. The simulation and experimental results are presented in order to validate the developed mathematical model.

Dans ce mémoire de thèse nous présentons une méthodologie pour le diagnostic et la surveillance en ligne des éoliennes de l'état de l'ensemble machine électrique onduleur à partir de la mesure du champ magnétique continu. Ce travail est scindé en deux parties complémentaires. Dans la première partie, nous donnons quelques contributions concernant l'estimation de l'état et des paramètres pour certaines classes de systèmes non linéaires. Ces mêmes estimateurs ont été validés en simulation et sur un banc d'essai. La deuxième partie porte sur la mise en œuvre et la conception de deux bancs d'essai utilisés pour l'étude des défauts dans un système double alimentation MADA et un ensemble moteur électrique onduleur classique pour l'analyse des défauts du convertisseur. L'identification des paramètres et la technique de contrôle du système en boucle fermé est introduite pour l'application MADA. De plus, les capteurs virtuels sont conçus pour estimer la vitesse mécanique qui est utilisée pour calculer les fréquences caractéristiques défectueuses, et le signal de couple mécanique qui exerce une influence sur l'amplitude de certaines des signatures défectueux typiquement. Finalement, sur la base de la mise en équation théorique des signaux électriques avec défauts puis des simulations correspondantes, une comparaison avec l'expérimentation est réalisée pour valider la technique proposée. Ces travaux montrent l'avantage d'une telle technique dans la simplicité de l'instrumentation mis en œuvre / This doctoral thesis presents a methodology for the online condition monitoring of the electrical power drive in wind energy systems based on the local measurement of the DC-bus magnetic field. The work is divided into two complementary parts. In the first part, some contributions related to the estimation of the state and parameters for certain classes of nonlinear systems are provided. The estimators have been validated in simulation and on test benches. The second part focuses on the implementation and control design of two benchmarks used to study defects in a doubly-fed induction generator (DFIG) system and an induction motor power drive. In the former benchmark, the parameters identification of the induction machine and the controller design of the DFIG system are carried out. For the latter test bench, the notable work is to build an induction machine drive for the purpose of fault investigation, in which a PWM generator is developed to control and create the fault of the converter. Furthermore, virtual sensors are designed to estimate mechanical speed that is used to calculate the characteristic frequencies, and mechanical torque signal that has influence on the amplitude of some typical fault signatures. Finally, based on the theoretical aspect of the selected faults, the relevant simulations are developed and experiments are implemented on the benchmarks in order to validate the proposed technique. It has been shown that the diagnostic relying on the magnetic field measurement is feasible and offers various advantages such as simplicity and cost-effectiveness