DIAGNÓSTICO DA QUALIDADE DO OLEO MINERAL DE TRANSFORMADORES DE POTÊNCIA ATRAVÉS DAS CONCENTRAÇÕES DOS GASES DISSOLVIDOS UTILIZANDO REDES NEURAIS ARTIFICIAIS

Abstract

RESUMO: Este trabalho tem como objetivo aplicar Redes Neurais Artificiais (RNA) para obter o diagnóstico da qualidade do óleo isolante de transformadores de potência a partir das concentrações de gases dissolvidos neste óleo. Tal diagnóstico é tradicionalmente obtido a partir da análise das propriedades físico-químicas do líquido, enquanto a concentração dos gases é utilizada para detectar as ocorrências de falhas incipientes no transformador. No entanto, existe uma dualidade entre essas duas características. Análises de óleo realizadas por mais de trinta anos em mais de 150 transformadores de potência do Brasil foram usadas para implementar e testar a ferramenta proposta. A consolidação da ferramenta proposta possibilitaria permitir um planejamento correto da manutenção de transformadores com menor custo, uma vez que apenas com a análise dos gases dissolvidos seria possível inferir sobre a qualidade do óleo e a ocorrência de falhas. Quatro RNA são testadas para realizar essa tarefa: Perceptron Multi Camadas, ou Multilayer Perceptron (MLP), Rede Função de Base Radial,ou Radial Basis Function (RBF), Rede Máquina de Aprendizado Extremo,ou Extreme Learning Machine (ELM) e Rede Mapa Auto Organizável com K Vencedores,ou K-Winners Self Organizated Map (KSOM). O desempenho das RNAs foi analisado e comparado entre elas e entre os métodos tradicionais de diagnósticos de óleo. Os resultados mostraram que a ferramenta proposta foi capaz de diagnosticar a qualidade de óleo comum a taxa de acerto muito maior do que os métodos tradicionais, quando comparado ao diagnóstico realizado por especialistas e com taxas de acerto semelhantes a outros trabalhos que utilizam RNAs para diagnosticar a qualidade do óleo de transformadores utilizando suas propriedades físico-químicas. ABSTRACT: This work aims to apply Artificial Neural Networks (ANN)toobta in the diagnosis of the quality of the insulatingoilof power transformers from the concentrations of dissolved gases in this oil. Such diagnosis is usually obtained from its physical-chemical analysis, while the dissolved gases concentrations are used to detect the occurrences of faults in the transformer. However, there is a duality between these two characteristics (BARBOSA,2013). Oil Analisys performed for more than thirty years in more than 150 Power Transformers from Brazil were used to implement and test the proposal tool. The consolidation of the tool would allow a correct maintenance planning of power transformers with lower cost, once with just the dissolved gas analysis it would be possible to infer about both the quality of the oil and the occurrence of faults. Four ANN‘s were tested to do such task: Multi Layer Perceptron (MLP), Radial Basis Function (RBF), Extreme Learning Machine (ELM) and K Self Organization Map (K-SOM). The performance of the ANNs were analysed and compared between the mand between traditional oil diagnosys standarts. There sults shown that the proposed tool was able to diagnose the quality of the oil with a accuracy rate much better than using traditional methods, when compared to the especialists diagnosys and with accuracy rates similar to works that use ANN to diagnose the transformer quality from it physical-chemical properties.