3.1 Descrição do Modelo Atual
4.1.4 Integração de Novo TP
A inclusão de dados relativos a um TP para caraterização de um novo caso — ou, ainda, a alteração de dados existentes de um dado TP — não implica o recurso ao MatLab para efetuar novo cálculo do algoritmo FCM.
É possível proceder através do cálculo da função de pertença Upcque traduz a distância eucli-
diana do novo registo face ao centro do cluster pela Equação4.7[36]:
Upc= (1/dpc)2/(m−1) ∑kc=1(1/dpc)2/(m−1) (4.7) com k
∑
c=1 (Upc) = 1 (4.8)Os centros dos clusters são obtidos pelo MatLab. O peso atribuído à pertença é m = 2 uma vez que é para este valor que se obtêm os resultados coerentes em termos de funções de pertença e indicador ISCA. A distância euclidiana dpcentre cada ponto multidimensional (h dimensões) ao
centro do cluster é dada pela Equação4.9:
dpc= d2(Xp,Vc) =
s
∑
h
(xp− vc)2 (4.9)
Desta forma, é possível obter o novo indicador ISCA para o registo pretendido4.
No caso de uma inclusão significativa de novos dados pode recorrer-se uma vez mais ao al- goritmo FCM ou, em alternativa, ter-se-á de calcular os novos centros Vcatravés da expressão da
Equação4.10[36]:
Vc=
∑np=1(Upc)m× Xp
∑np=1(Upc)m
(4.10)
4.1.4.1 Estimativa de Parâmetros Ausentes (EPA)
No caso de não serem conhecidos todos os parâmetros integrantes do modelo de cálculo pro- posto, efetua-se um processo de estimação dos valores não presentes de forma a apresentar uma previsão do valor do indicador ISCA. Desta forma, é sempre possível obter uma avaliação da saúde
4Note-se que a introdução de um novo TP tem influência no valor das coordenadas do centro do cluster. No entanto, considera-se insignificante esse impacto uma vez que numa base de dados da dimensão do parque de TP da empresa a alteração de um registo não tem relevância prática desse ponto de vista.
46 Metodologia de Cálculo
do TP — ainda que possa ser apenas uma estimativa aproximada quando se desconhecem um ou mais parâmetros.
De facto, uma vez que nem sempre serão conhecidos todos os parâmetros, criou-se uma forma que permite extrair do histórico de dados os casos de TP similares, tendo em conta os fatores conhecidos. Com estes conjunto de casos estima-se o valor esperado para os parâmetros desco- nhecidos, aplicando-se de seguida o método descrito na Subsecção4.1.4.
Segue-se a descrição do processo de Estimativa de Parâmetros Ausentes (EPA) que se baseia numa média aritmética especificada por um conjunto de condições.
Em primeiro lugar, inserem-se os dados de um certo TP (considerando que os espaços em branco correspondem a valores desconhecidos).
Seguidamente, define-se um intervalo dentro do qual estará o valor estimado desse parâmetro. Para este intervalo, o valor máximo é 1 (um) se o parâmetro for desconhecido e, em caso contrário, é igual ao valor do parâmetro adicionado de uma constante especificada pelo utilizador e ajustada caso a caso. De igual modo, o valor mínimo é 0 (zero) se o parâmetro for desconhecido e, em caso contrário, é igual ao valor do parâmetro subtraido de uma constante especificada pelo utilizador e ajustada caso a caso. Esta constante assume um valor entre 0 (zero) e 1 (um) que depende do número de parâmetros — conhecidos e ausentes — de que se dispõe.
O valor de EPA para cada parâmetro para um dado TP corresponde ao cálculo de um valor médio que inclui:
• Average Range — a amplitude da média considera toda a matriz de entradas (normalizada); • Criteria — como primeiro critério ser inferior ao valor máximo e como segundo critério superior ao valor mínimo (valores tais obtidos como anteriormente explanado para cada parâmetro).
4.2
Síntese do Capítulo
No presente capítulo, é feita a descrição do novo modelo proposto para o cálculo de um indi- cador de saúde do ativo TP. Estabelecem-se os pressupostos e detalham-se as etapas do processo de obtenção do indicador ISCA.
Capítulo 5
Aplicação, Validação e Resultados
Neste capítulo procede-se ao tratamento estatístico dos dados disponibilizados pela EDP Dis- tribuição e à aplicação prática da metodologia de cálculo descrita no Capítulo4, com consequente análise crítica e retirada de conclusões.
5.1
Análise dos Dados
Os dados utilizados nesta Dissertação foram disponibilizados pela empresa e incluem todas as medições e ensaios realizados — valores atualizados para os respetivos parâmetros integrantes da metolodogia de cálculo — para o conjunto do parque de 729 Transformadores de Potência, distribuídos por 419 Subestações Elétricas AT/MT.
Cada TP é identificado por um código da empresa (ID do Transformador), um código do fabricante1(Número de Série) e um código do laboratório (ID da Labelec). Ainda se identifica a instalação respetiva (Nome e Código ID da Subestação), o número do TP e o respetivo painel na instalação, o ano de fabrico do TP e os níveis de tensão (kV) e de potência (MVA) estipulados.
Segue-se uma análise geral do conjunto dos TP da empresa, no que se refere à distribuição de potências utilizadas e também à idade (em 2015). Além disso, ainda uma distribuição em função das cinco classes de IS consideradas pela empresa.
Como evidenciado na Figura5.1, o caso típico é o de uma potência de 20 MVA (surgindo logo a seguir os TP de 31,5 MVA). Este conjunto corresponde a mais de dois terços do total de TP da empresa.
1De entre os principais fabricantes de TP, destacam-se a EFACEC e a SIEMENS.
48 Aplicação, Validação e Resultados
Figura 5.1: Distribuição de TP da EDP Distribuição em função da potência (MVA).
Na Figura5.2, mostra-se uma distribuição dos TP em classes em função da idade. Observa- se que a faixa etária predominante (com quase 40%) é a que compreende os TP entre os 30 e os 40 anos. Os TP que podem ser considerados em fim de vida, ou seja, acima dos 50 anos, correspondem a menos de 5% do total.
Figura 5.2: Distribuição de TP da EDP Distribuição em função da idade em 2015 (anos).
É também importante apresentar a distribuição de TP segundo as cinco classes de IS — deta- lhadas na Subsecção2.2.2— tal como definido pela empresa na Tabela2.1.