You are on page 1of 10

CENTRO DE ENSINO UNIFICADO DO PIAUÍ – CEUPI

GRUPO EDUCACIONAL CEUMA

LEONARDO DE ARAÚJO COSTA

A UTILIZAÇÃO DE REDES NEURAIS ARTIFICIAIS COMO TÉCNICAS DE


MONITORAMENTO E DIAGNÓSTICO DE PÁRA-RAIOS DE ZNO EM LINHAS DE
69/230 KV

TERESINA – PIAUÍ
2018
CENTRO DE ENSINO UNIFICADO DO PIAUÍ – CEUPI
GRUPO EDUCACIONAL CEUMA

LEONARDO DE ARAÚJO COSTA

A UTILIZAÇÃO DE REDES NEURAIS ARTIFICIAIS COMO TÉCNICAS DE


MONITORAMENTO E DIAGNÓSTICO DE PÁRA-RAIOS DE ZNO EM LINHAS DE
69/230 KV

.
.

Projeto de Pesquisa apresentado ao Centro de


Ensino Unificado do Piauí - CEUPI, como
requisito para a obtenção de nota na Disciplina de
Trabalho de Conclusão de Curso – TCC
ORIENTADOR:
COORIENTADOR:

TERESINA – PIAUÍ
2018
SUMÁRIO

1. INTRODUÇÃO .............................................................................................................................. 4
1.1 Delimitação do Tema .............................................................................................................. 4
1.2 Formulação do Problema ........................................................................................................ 4
1.3 Hipótese................................................................................................................................... 4
1.4 Objetivos ................................................................................................................................. 4
1.4.1 Objetivo Geral ..................................................................................................................... 4
1.4.2 Objetivo Específico ............................................................................................................. 4
1.5 Justificativa ............................................................................................................................. 5
2. FUNDAMENTAÇÃO TEÓRICA .................................................................................................. 5
2.1 PÁRA-RAIOS A ZnO ............................................................................................................. 5
2.2 REDES NEURAIS ARTIFICIAIS .......................................................................................... 5
2.3 MAPAS AUTO-ORGANIZÁVEIS ........................................................................................ 6
2.4 PROPRIEDADES DO MAPA DE CARACTERÍSTICAS .................................................... 6
3. METODOLOGIA ........................................................................................................................... 6
3.1 Defeitos nos pára-raios a ZnO ................................................................................................. 7
3.2 Construção da base de dados ................................................................................................... 7
4. CRONOGRAMA DA PESQUISA ................................................................................................. 9
REFERÊNCIAS .................................................................................................................................... 10
1. INTRODUÇÃO
Os pára-raios de óxido de zinco (ZnO) são equipamentos utilizados na proteção dos
sistemas elétricos contra surtos de diversas origens, formas e intensidade. Dessa maneira, eles
contribuem decisivamente para o aumento da confiabilidade, economia e continuidade da
operação dos sistemas os quais protege.
Portanto, é de crucial importância o desenvolvimento e aperfeiçoamento de
ferramentas que venham a auxiliar no monitoramento e diagnóstico de falhas em pára-raios, de
forma a assegurar que os mesmos estejam em condições adequadas de operação.
O presente trabalho trata-se de uma revisão bibliográfica da tese “Monitoramento e
Diagnóstico de Pára-Raios a Zno através de Redes Neurais Artificiais, do autor: Estácio Tavares
Wanderley Neto.
1.1 Delimitação do Tema

Como a utilização de redes neurais artificiais pode contribuir no monitoramento e


no diagnóstico de falhas em para-raios de óxido de zinco a partir do seu perfil térmico obtido
de termografias de pára-raios submetidos à tensão de operação.
1.2 Formulação do Problema

De que forma a utilização de redes neurais artificias através de mapas auto-


organizáveis pode contribuir com o monitoramento e o diagnóstico de Pára-raios de óxido de
zinco em linhas de 69/230kV?
1.3 Hipótese

 Com a realização de ensaios no Pára-raios durante sua operação poderá ser possível a
detecção de defeitos quando utilizados a termovisão
 Seleção desses defeitos por meio de softwares para que os mesmos possam ser monitorados
e diagnosticados através de manutenções preventivas e preditiva

1.4 Objetivos
1.4.1 Objetivo Geral

Apresentar de que forma a utilização de redes neurais artificias através de mapas


auto-organizáveis pode contribuir com o monitoramento e o diagnóstico de Pára-raios de óxido
de zinco em linhas de 69/230kV.
1.4.2 Objetivo Específico
 Descrever o princípio de funcionamento e composição dos Pára-raios de ZnO
 Analisar os dados de falhas durante a operação dos Pára-raios de ZnO através da
termovisão
 Implementar através do software redes neurais artificiais os possíveis falhas ocorridos
durante a operação do Pára-raios de ZnO para que possam ser feitos seus devidos
diagnósticos e monitoramentos
1.5 Justificativa

Esta técnica de monitoramento está sujeita a imprecisões, uma vez que na análise
de imagens térmicas, o diagnóstico se baseia em parâmetros comparativos pré-definidos
empiricamente e no conhecimento do especialista. Assim, a simples obtenção da imagem
térmica não leva a um diagnóstico preciso.

Com intuito de superar as limitações existentes, especificamente, na análise de


imagens térmicas, é apresentada neste trabalho uma técnica (preliminar) baseada no uso
técnicas de Inteligência Artificial (IA), em especial os Mapas Auto Organizáveis, para
identificação e classificação de falhas em pára-raios de ZnO.

2. FUNDAMENTAÇÃO TEÓRICA
2.1 PÁRA-RAIOS A ZnO
Os pára-raios ou supressores de surto surgiram como uma alternativa para proteger
os sistemas elétricos contra surtos temporários de tensão, evitando que os mesmos se
propaguem através das linhas e cheguem aos equipamentos da subestação.
Atualmente, os pára-raios mais utilizados são os óxidos de zinco (ZnO), devido,
principalmente, à suas altas capacidades de absorção de energia e curva característica (V-I)
altamente não linear que possibilita a utilização do equipamento sem centelhadores em série,
os quais podem levar a uma série de problemas eletromecânicos e incertezas com relação à
atuação do pára-raios.
2.2 REDES NEURAIS ARTIFICIAIS
As Redes Neurais Artificiais (RNAs) são redes inspiradas na estrutura do cérebro,
com o objetivo de apresentar características similares ao comportamento humano, tais como:
aprendizado, associação, generalização e abstração. Segundo Haykin “[...] as RNAs podem
generalizar os resultados obtidos para dados previamente desconhecidos, ou seja, produzir
respostas coerentes e apropriadas para padrões ou exemplos que não foram utilizados no seu
treinamento. Dentre as suas principais características, pode-se citar:
(I) capacidade de aprendizado
(II) capacidade de generalização
(III) capacidade de adaptação
(IV) tolerância a erros
(V) conhecimento e computação distribuídos.
Como o cérebro, a organização dos neurônios artificiais conectados por ligações
sinápticas (funções matemáticas), são utilizadas para armazenar e gerar novos conhecimentos.
2.3 MAPAS AUTO-ORGANIZÁVEIS
Os Mapas Auto-Organizáveis correspondem a uma classe especial de grades
neurais baseadas na aprendizagem competitiva e treinamento não supervisionado do tipo feed
forward. Em uma rede SOM, os neurônios estão colocados em nós de uma grade, normalmente
unidimensional ou bidimensional, não possuindo uma forma topológica padrão, podendo ser
hexagonal, retangular, triangular, etc. Cada neurônio está conectado a todas as entradas da rede

2.4 PROPRIEDADES DO MAPA DE CARACTERÍSTICAS


Uma vez treinada a rede SOM, o mapa de características calculado pelo algoritmo
de treinamento evidencia características estatísticas importantes do espaço de entradas, que são
descritas a seguir:

† Aproximação do espaço de entrada: os vetores de pesos das unidades da SOM formam um


conjunto de protótipos, os quais constituem uma boa representação das características do espaço
de entradas;

† Ordenação topológica: o algoritmo SOM é ordenado de modo topológico, no sentido de que


a localização espacial de um neurônio na grade corresponde a um domínio particular ou
característica dos padrões de entrada;

† Seleção de características: a partir de dados do espaço de entrada com uma distribuição não-
linear, o mapa auto-organizável é capaz de selecionar um conjunto das melhores características
para aproximar a distribuição subjacente

3. METODOLOGIA
A metodologia desenvolvida consiste na obtenção de várias imagens termográficas
de pára-raios a ZnO, com defeitos típicos, produzidos intencionalmente. De posse, desses dados
foi construída uma base de dados com os perfis térmicos dos pára-raios defeituosos. A base de
dados por sua vez foi utilizada no treinamento da RNA, para que em um momento futuro, ela
possibilitasse diagnosticar, automaticamente, o estado de um determinado pára-raios baseado
no seu perfil térmico.

3.1 Defeitos nos pára-raios a ZnO


Além dos problemas relacionados à falhas nos pára-raios, também, são poucos os
dados relativos ao comportamento dos varistores de ZnO diante do seu envelhecimento natural.
Isto porque a vida útil estimada para os pára-raios a ZnO é de 30 anos, de forma que esse é o
tempo de instalação aproximado dos primeiros equipamentos nos sistemas elétricos.
Um fato curioso é o procedimento tomado pela maioria das companhias de
transmissão de energia quando alguma anormalidade é detectada por meio do termovisor.
Normalmente, quando não se trata de um caso crítico, executa-se a limpeza do equipamento
seguida de sua reenergização. No caso do comportamento anormal voltar a ocorrer, ou em casos
críticos, o pára-raios simplesmente é substituído.
Nenhum estudo posterior é feito no sentido de se avaliar o problema causador da
anormalidade detectada, seja ela proveniente do sistema, seja ela no próprio equipamento. Isso
resulta em um número muito reduzido de informações sobre o estado dos pára-raios retirados
do sistema elétrico após o defeito, dificultando a realização de estudos relativos ao diagnóstico
destes equipamentos em subestações.
Diante disso, foi realizado um estudo sobre os principais defeitos em pára-raios de
ZnO com a finalidade de produzidos em laboratório, e com isso obter uma base de dados que
possibilite correlacionar perfis térmicos com tipos de defeitos

3.2 Construção da base de dados


Para cada um dos pára-raios utilizados, foi feita uma análise do seu estado e
comportamento elétrico antes de sua abertura, ou seja, no estado em que foram entregues ao
laboratório. Para cada um deles foi feito o levantamento da curva característica, a análise
térmica e a análise do estado da coluna de varistores.
Com isso, foi possível construir a base de dados correspondente aos pára-raios sem
defeitos. Após a inserção dos defeitos descritos na seção anterior, cada um dos pára-raios foi
submetido a ensaios de tensão de operação e, em seguida, foram realizadas uma série de
termovisões em cada um deles, de onde se pode obter seus perfis térmicos (normalizado com
relação à menor temperatura medida na coluna).
Dessa forma, foi possível construir a base de dados correspondente aos para-raios
com defeitos. O perfil de temperaturas obtido irá representar bem o resultado esperado a partir
da imagem térmica, apresentando regiões de maior e menor aquecimento de acordo com a
distribuição dos varistores ao longo da coluna. Como dito anteriormente, as regiões de maior
aquecimento estão ligadas a uma maior concentração de varistores.
Para o perfil de temperatura, percebe-se no gráfico gerado uma série de pontos de
valor máximo e mínimo. Estas variações são justificadas pela presença das aletas na superfície
de porcelana. Os pontos de máxima temperatura representam as regiões entre as aletas,
enquanto que os pontos de mínima temperatura representam as extremidades das aletas
4. CRONOGRAMA DA PESQUISA

PERÍODO
ETAPAS Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
Escolha do Tema X
Levantamento X X X
Bibliográfico
Elaboração X
do Pré-projeto
Coleta de Dados X X
Correção X
do Pré-projeto
Apresentação do X
Projeto
Redação do X X X
Trabalho
Revisão e redação X X
final
Entrega do TCC X
Defesa da TCC X
REFERÊNCIAS

[1] V. Hinrichsen, “Metal-oxide surge arresters fundamentals,” 1st Edition. Siemens – Power
Transmission and Distribution Power Voltage Division, Berlin, 2001.
[2] S. Haykin, Neural networks, A comprehensive Foundation. New York: Macmilan, 1994.
[3] A. Braga, A. Carvalho, and T. Ludermir, Redes Neurais Artificiais: Teoria e Aplicações.
Rio de Janeiro: LTC, 2000.
[4] C. von der Malsburg, “Self-organization of orientation sensitive cells in the striate cortex,”
Biological Cybernetics, vol. 14, no. 2, pp. 85–100, 1973.
[5] T. Kohonen, Self-Organizing Maps. Springer; 3rd ed. edition, 2000.
[6] E. T. Wanderley Neto, “Monitoramento e diagnóstico de pára-raios a ZnO através de redes
neurais artificiais,” Tese de Doutorado, Departamento de Engenharia Elétrica, Universidade
Federal de Campina Grande, 2007.
[7] E. T. Wanderley Neto, E. G. Costa, and M. J. A. Maia, “Artificial neural networks used
for zno arresters diagnosis,” IEEE Transactions on Power Delivery, vol. 24, no. 3, pp. 1390–
1395, July 2009.
[8] C. Goutte, “Note on free lunches and cross-validation,” Neural Computation, vol. 9, no. 6,
pp. 1245–1249, 1997. [Online]. Available: citeseer.ist.psu.edu/goutte97note.html