Análise de Incertezas em Amostras de Gases Usadas no Diagnóstico de Falhas em Transformadores de Potência

Abstract

Grandes transformadores de potência são importantes ativos do sistema elétrico. A saída inesperada de operação desses equipamentos por ocorrência de falhas não observadas, causa grandes prejuízos financeiros, sociais e ambientais. A análise dos gases dissolvidos no óleo e o uso de ferramentas analíticas para o diagnóstico de falhas incipientes nos transformadores, podem apresentar baixa assertividade e/ou ausência de diagnóstico. Por outro lado, o aprimoramento de técnicas de inteligência computacional, aliada a novas tecnologias de medição tem permitido aumentar a confiança nos diagnósticos produzidos. Neste contexto, para eliminar ou reduzir erros no processo de classificação de falhas, empregou-se estatísticas adicionais para obter informações, avaliar e tratar a presença de outliers no conjunto disponível de dados dos gases dissolvidos. Portanto, com o objetivo de reduzir os efeitos deletérios de interrupções intempestivas e imprevisíveis dos transformadores, este artigo propõe metodologias de eliminação de outliers com base em valores limites determinados através de técnicas de identificação e processamento com algoritmos de aprendizado de máquinas.