Abstract The monitoring of partial discharges in high voltage devices, such as in power transformers, have an importance for prevent functional problems associated of insulation material deterioration. In transformers, the insulation materials could be early degraded if the device is stressed by some critical factors like as: excessive overloads, heat, atmospheric discharges, nonlinear charges, maneuvers that causes a transient response in electric system, water inlet in oil insulation, etc. These factors could change the physical and chemical properties in insulation materials and generated partial discharges (PD) at the transformers. The acoustic emission method is based on mechanic waves detection of ultrasound emitted from partial discharges by acoustic emission (AE) sensors installed on the transformer wall. The objective for this paper is evaluating the potential of low cost and flexible “Macro Fiber Composite Acoustic Emission Sensor P2 type (MFC-P2)” to detect partial discharges in distribution transformers. This work makes a comparison of PD detection between a consolidated sensor (RS15I – Physical Acoustics) and the MFC-P2 using a signal processing metrics such as spectrogram analisys, kurtosis and skewness behavior for both signals. These results allowed evaluating the performance of MFC-P2 in relation a consolidated sensor and this work can concluded that the MFC-P2 have a good potential to detect partial discharges in power transformers.
Index Terms — Partial Discharge, Acoustic Emission, Macro Fiber Composite Sensors, MFC-P2, Failure Diagnoses.
I. INTRODUÇÃO
desenvolvimento de sistemas não invasivos para o diagnóstico de falhas em transformadores de potência possui um elevado grau de relevância no desempenho do setor elétrico. Estas técnicas, que geralmente são metodologias não destrutivas, podem detectar problemas de forma precoce e, portanto, impedir o avanço de uma não conformidade cuja severidade pode externar um problema de alto custo de reparo ou até mesmo gerar a parada no fornecimento de energia elétrica [1]. Sendo assim, o diagnóstico prévio de falhas em transformadores está intimamente ligado com a qualidade no
B. A. Castro, Universidade Estadual Paulista, Faculdade de Engenharia, Departamento de Engenharia Elétrica, Bauru, SP, Brasil (e-mail: bruno.castro@feb.unesp.br).
V. P. Luiz, Universidade Estadual Paulista, Faculdade de Engenharia, Departamento de Engenharia Elétrica, Bauru, SP, Brasil (e-mail: vitor_padovan@hotmail.com)
J. A. C. Ulson, Universidade Estadual Paulista, Faculdade de Engenharia, Departamento de Engenharia Elétrica, Bauru, SP, Brasil (e-mail: ulson@feb.unesp.br).
A. L. Andreoli, Universidade Estadual Paulista, Faculdade de Engenharia, Departamento de Engenharia Elétrica, Bauru, SP, Brasil (e-mail: andreoli@feb.unesp.br).
fornecimento de energia elétrica bem como na redução de custos de manutenção nesses dispositivos [1-5].
Alguns fatores críticos na operação dos transformadores de potência, como a operação em sobrecarga, surtos de tensão de origem atmosférica ou de manobra, contaminação do óleo isolante pela penetração de umidade e ar atmosférico, sobreaquecimento, fazem com que as propriedades físico químicas dos materiais que compõe a isolação do transformador se deteriorem, produzindo o fenômeno das descargas parciais (DPs) [1-5]. As descargas parciais se caracterizam por uma perturbação em meios isolantes, a qual fornece calor, radiação eletromagnética, luz e ondas acústicas que se propagam de forma impulsiva por todas as direções da fonte desta avaria [6-9]. Por estas características, este fenômeno pode acelerar, ainda mais, a deterioração dos isolantes internos e, deste modo, gerar uma falha total no funcionamento do transformador. As técnicas mais comuns de identificação de DPs são: o método elétrico, que analisa pulsos elétricos nas terminações de alta e baixa tensão dos transformadores; o método químico, que analisa a variação da composição molecular dos materiais isolantes no transformador ao longo do tempo; o método eletromagnético, que detecta as radiações eletromagnéticas com sensores acoplados a parte interna do transformador; e o método por emissão acústica, que detecta sinais de ultrassom gerados pela descarga parcial (DP). Como destacado, estas técnicas tem como finalidade realizar o diagnóstico deste tipo de falha. No entanto, algumas técnicas possuem caráter invasivo ao transformador, como o método químico e eletromagnético, ou mesmo se valem de metodologias que colocam operadores em constante contato com as tensões presentes nas terminações do trafo, como o método elétrico [6,9]. A metodologia empregada pela análise acústica é o acoplamento de sensores na parede externa do transformador, os quais tem como finalidade detectar as ondas emitidas pelas descargas parciais. Sendo assim, além deste método ter característica não invasiva, ele não necessita de contato direto com as terminações do transformador, podendo atuar no diagnóstico de DPs com o transformador em pleno funcionamento. Outra finalidade de
F. G. Baptista, Universidade Estadual Paulista, Faculdade de Engenharia, Departamento de Engenharia Elétrica, Bauru, SP, Brasil (e-mail: fabriciogb@feb.unesp.br).
R. R. Riehl, Universidade Estadual Paulista, Faculdade de Engenharia, Departamento de Engenharia Elétrica, Bauru, SP, Brasil (e-mail:rrriehl@feb.unesp.br)
D. A. Luz, Faculdade de Ensino Superior do Interior Paulista, Marília, SP, Brasil (e-mail: engenharia_eletrica@faip.edu.br)
Avaliação do Desempenho dos Sensores MFCs
para o Diagnóstico de Descargas Parciais em
Transformadores
B. A. Castro, Member, IEEE, V. P. Luiz, J. A. C. Ulson, A. L. Andreoli, Member, IEEE, F. G.
Baptista, Member, IEEE, R. R. Riehl, D. A. Luz.
grande importância deste método é a possibilidade de se localizar a descarga parcial como em [11-13]. Todavia, os sensores de emissão acústica para o diagnóstico de descarga parcial possuem alto custo. No mercado brasileiro estão na ordem de milhares de reais. Tomando como base esta informação, o objetivo deste artigo é fazer um estudo da viabilidade dos sensores de baixo custo do tipo MFC-P2 (Macro Fiber Composite-P2). Estes sensores, desenvolvidos pela NASA em 1996 para aplicações de monitoramento de estruturas (SHM) [14, 15], são cerca de 10 vezes mais baratos que os sensores consolidados e, além disso, diferentemente dos sensores comerciais, são flexíveis para uso em superfícies de formato oval ou redondo o que o torna factível o uso em transformadores ovalados. A validação do uso do MFC-P2 para a aplicação em questão se deu pela comparação dos resultados com um sensor acústico consolidado no mercado em aplicações de identificação e localização de DPs, o R15I-AST, da Physical
Acoustics South America – PASA®. Deste modo, este artigo
propõe a viabilização de um método não invasivo de identificação de descargas parciais, fornecendo, por conseguinte, um aparato de baixo custo que permite o aperfeiçoamento e a disseminação de uma técnica de diagnóstico de falhas em transformadores.
II. EMISSÃO ACÚSTICA E AS DESCARGAS PARCIAIS A norma IEC-60270 (2011) [16] define a descarga parcial como uma descarga elétrica que preenche parcialmente o isolamento entre dois condutores. Tem característica impulsiva com duração menor que 1µs, e podem surgir quando cargas elétricas se formam em decorrência da diferença de potencial elétrico em bolhas de gases, trincas, materiais isolantes degradados, resultando em um canal ionizado incompleto com o surgimento de elétrons livres [8, 18-20]. As DPs fornecem uma perturbação que emite calor, luz, radiação eletromagnética e ondas de ultrassom que se propagam em todas as direções da fonte de descarga [17]. Boczar [21] definiu oito tipos de agrupamentos de descargas parciais:
Descargas parciais ponto a ponto em óleo isolante: relacionadas a defeitos de isolamento entre duas espiras adjacentes do enrolamento de um transformador;
Descargas ponto a ponto em óleo isolante com bolhas: este tipo de falha também é causada por DP entre duas espiras adjacentes do enrolamento, mas a condição de degradação do isolamento permite a formação de bolhas de gás;
Ponto de plano em óleo isolante: defeitos no sistema de isolamento do enrolamento causam descargas parciais entre as partes ligadas à terra do tanque do transformador;
Descargas de superfície entre dois eletrodos: é o tipo mais comum de DP, que ocorre entre dois eletrodos isolados com papel-óleo chamado ponto triplo, onde a superfície do eletrodo está em contato com dielétricos sólidos e líquidos;
Descargas parciais de superfície entre um eletrodo e um eletrodo multiponto: as descargas relativas a estes elementos são diferentes da anterior no que condiz à distribuição da intensidade do campo elétrico. Ambos eletrodos são isolados com papel-óleo;
Múltiplas descargas no plano: vários pontos danificados no isolamento do enrolamento podem causar DP entre eles e as partes aterradas do tanque do transformador;
Várias descargas no plano com bolhas de gás: a DP, neste caso, ocorre em vários pontos danificados no isolamento dos enrolamentos e as partes aterradas do tanque do transformador, mas na presença de gases dissolvidos no óleo isolante; Descargas provocadas por partículas: neste caso, o óleo isolante está contaminado com partículas de fibras de celulose formada pelo processo de degradação do isolamento de papel no óleo, devido ao envelhecimento do transformador de potência. Tais partículas estão em movimento constante do óleo, provocando as descargas.
Tomando como base estas características, a técnica não invasiva de análise de descargas parciais por emissão acústica toma como base a detecção das ondas de ultrassom emitidas por meio do emprego de sensores acoplados na parede externa do transformador.
Conforme Markalous [12], as DPs emitem ondas longitudinais no óleo mineral que se propagam até sofrerem refração, ao atingir a parede de aço do transformador, e se decomporem em ondas longitudinais e de cisalhamento. Por conseguinte, o acoplamento de sensores de emissão acústica captam estas ondas emitidas pelas DPs e modificadas pela trajetória. Segundo o estudo de Kweon, et al [18], este fenômeno possui uma faixa de frequência significativa de 70 kHz a 250 kHz, porém pode chegar a 400kHz.
Sendo assim, este artigo contempla a viabilidade de sensores piezelétricos flexíveis e de baixo custo na detecção de descargas parciais tendo em vista, além da comparação com um sensor comercial dedicado a análise deste problema, a faixa de frequência pré-determinada pela literatura.
III. SENSORES PIEZELÉTRICOS
Os materiais piezelétricos têm a propriedade de converter energia mecânica em energia elétrica (efeito piezelétrico direto) e energia elétrica em energia mecânica (efeito piezelétrico reverso). A modelagem matemática de um material piezelétrico pode ser determinada a partir de um capacitor plano de placas paralelas, no qual são aplicadas uma força e uma diferença de potencial elétrico [22-24]. Uma vez sendo o dielétrico do capacitor um material piezelétrico, ocorre uma interação entre as grandezas eletromecânicas. Neste caso, e desconsiderando os efeitos térmicos e magnéticos, as seguintes relações constitutivas podem ser determinadas [22].
𝐷𝑖= 𝑑𝑖𝑘𝑙𝑇𝑘𝑙+ 𝜀𝑖𝑘𝑇𝐸𝑘 (1) 𝑆𝑖𝑗 = 𝑠𝑖𝑗𝑘𝑙𝐸 𝑇𝑘𝑙 + 𝑑𝑘𝑖𝑗𝐸𝑘 (2) Em que 𝐸𝑘 é a constante de campo elétrico, 𝑠𝑖𝑗𝑘𝑙𝐸 é o tensor de elasticidade do material, também conhecido como tensor de
compliance, 𝜀𝑖𝑘𝑇 é o tensor de permissividade dielétrica do material, 𝑑𝑖𝑘𝑙 e 𝑑𝑘𝑖𝑗 são as constantes piezelétricas, 𝐷𝑖 é o componente de deslocamento elétrico, 𝑆𝑖𝑗 é a deformação mecânica, 𝑇𝑘𝑙 é o tensor de tração mecânica e i, j, k e l podem assumir os valores 1, 2 e 3, e representam a coordenada natural do material piezelétrico. Um maior aprofundamento encontra-se em [22].
De acordo com as Equações (1) e (2), os sensores piezelétricos produzem um campo elétrico associado a uma tensão mecânica, bem como uma deformação mecânica associada a aplicação de uma tensão elétrica. Por conseguinte, este acoplamento eletromecânico gera uma tensão elétrica quando estes sensores são excitados por ondas mecânicas de ultrassom geradas, por exemplo, por uma descarga parcial [22-24].
Normalmente, os sensores convencionais possuem alto custo, como o sensor RS15I, que é consolidado para aplicações acústicas de identificação de descarga parcial [25]. Os sensores de baixo custo do tipo MFC-P2 propostos neste estudo para a identificação de DPs, são flexíveis e compostos por hastes de piezo-cerâmica inseridas entre camadas adesivas, eletrodos e filme de poliamida como mostrado na Fig.1 [14-15]. Os eletrodos são ligados ao filme por um padrão que irá fazer a função de terminal de tensão para as hastes em forma de fita. Além de ser fino e flexível é muito utilizado no monitoramento de estruturas compósitas. O modelo do sensor do tipo MFC utilizado nesta pesquisa é o M2814-P2, cuja capacitância é 30.78nF [26]. Além de ser um sensor de baixo custo, sua flexibilidade o torna factível em aplicações cujos locais acessíveis são arredondados, como em muitos transformadores de potência.
Fig. 1. Sensores utilizados neste estudo: (a) R15I-AST como sensor convencional (b) sensor MFC-P2.
IV. CARACTERIZAÇÃO DO COMPORTAMENTO ESPECTRAL DE SENSORES VIA ESPECTROGRAMA
A Densidade Espectral de Potência (DEP) é um método padrão para a extração de resposta em frequência de sinais estocásticos e descreve a distribuição de energia de um sinal no domínio da frequência [27, 28]. Para este cálculo, os sinais são divididos em L segmentos de tamanho M. A densidade espectral de potência de um seguimento i é dado pela Equação (3). 𝑆̂ (𝜔)𝑖= 1 ∑𝑀−1𝑛=0𝑑𝑀2(𝑛)|∑ 𝑥 𝑖(𝑛) 𝑀−1 𝑛=0 𝑑𝑀𝑒−𝑗𝜔𝑛| 2 (3)
Em que 𝑑𝑀(𝑛) é a janela de tamanho 𝑀, 𝑥𝑖(𝑛) é o i-ésimo seguimento do sinal 𝑥(𝑛) [27, 28]. A média de 𝑆̂(𝜔)𝑖 de todos os 𝐿 seguimentos é a DEP do sinal 𝑥(𝑛) conforme Equação (4) 𝑆̅𝑥(𝜔) = 1 𝐿∑ 𝑆̂(𝜔) 𝑖 𝐿 𝑖=1 (4)
O espectrograma é uma poderosa ferramenta de análise simultânea de tempo-frequência. Este computa a densidade espectral de potência de um sinal mediante o emprego de uma janela deslizante, isto é, para cada janela do sinal, fixa em um período de tempo definido, a DEP é calculada. Sendo assim esta ferramenta permite, para ambos sensores comparados neste trabalho, fazer um estudo de como o conteúdo em frequência do sinal se comporta no decorrer do tempo quando uma descarga parcial é induzida no transformador e cujas ondas acústicas foram captadas por estes.
V. CARACTERIZAÇÃO DE SINAIS VIA ESTATÍSTICAS SKEWNESS E CURTOSES
As métricas de Curtoses e Skewness são critérios estatísticos que tem como finalidade estudar a forma e a distribuição de pontos em um determinado conjunto ou sinal.
A estatística Skewness (𝑆𝑤) é usada para caracterizar uma distribuição não-normal de um sinal. A Equação (5) define esta métrica.
𝑆
𝑤=
1 (𝑛−1)∑ (𝑉𝑖−𝑉̅)³ 𝑛 𝑖=1 𝑠³ (5) Sendo que V é o valor instantâneo, n é o número de amostras, i é o índice do valor, 𝑉̅ representa a média aritmética e s é a variância entre os dados. Analisando a equação característica, quando o sinal possuir plena simetria, o coeficiente de Skewness estará próximo de zero. Para valores negativos e positivos de (𝑆𝑤), existe, respectivamente, uma tendência de distribuição dos valores concentrados ao início e ao final do sinal, conforme Fig. 2 [13].Fig. 2. Representação da assimetria calculada pelo Skewness. (a) Sw<0, (b) Sw=0, (c) Sw>0 [13].
Já a estatística Curtose indica o quanto é dispersa uma concentração de pontos e é definida pela Equação (6).
𝑆
𝑘=
1 (𝑛−1)∑ (𝑉𝑖−𝑉̅) 4 𝑛 𝑖=1 𝑠4 (6) Sendo que V é o valor instantâneo, n é o número de amostras, i é o índice do valor, 𝑉̅ representa a média aritmética e s é a variância entre os dados. Tomando como base a Equação (6), quando o sinal possuir plena simetria, os valores de 𝑆𝑘 tenderão a 3. Já para valores mais altos e concentrados que a distribuição normal, o valor de Curtose é maior que 3, e, para distribuições menos afunilados à média, a distribuição o valor é menor que 3, conforme mostra a Figura 3 [13].
Fig. 3. Representação da assimetria calculada pela estatística Curtose. (a) Sk<0, (b) Sk=0, (c) Sk>0 [13].
Estas estatísticas são boas ferramentas para análise de sinais, pois seu emprego permite a análise do grau de similaridade dos formatos dos pontos externados pelos sensores para um mesmo fenômeno, bem como para a identificação de início de abalos em sismologia [29]. Conforme em [12], os métodos de detecção de tempo de chegada em um sensor possui grande relevância dada a incerteza da região de chegada da frente de onda acústica. Sendo assim, para este trabalho, os sinais foram janelados em 10ms e, após aplicadas estas estatísticas, verificou-se o grau de similaridade na forma externada pelos dois sensores bem como a utilização destes critérios para a identificação dos tempos de chegada da frente de onda acústica no sensor.
VI. PROCEDIMENTO EXPERIMENTAL
O objetivo desta pesquisa é avaliar o desempenho dos sensores MFC-P2 na identificação de descargas parciais. Para isto, executou-se o seguinte procedimento conforme ilustra o esquemático da Figura (4).
Fig. 4. Diagrama esquemático do procedimento experimental.
Para se gerar a descarga parcial, um eletrodo de cobre com gap de 2mm foi alimentado por uma fonte de tensão de 3,5KV. Esta fonte de média tensão se deu por meio de um transformador variável ajustado em 50V, ligado a um transformador elevador cuja relação entre espiras é de 70:1. Os sensores MFC-P2 e R15I-AST foram fixados na parede do transformador de distribuição por meio de uma parafina líquida oleaginosa de forma com que ambos ficassem equidistantes do ponto de geração da DP. A carcaça do transformador foi aterrada. A Figura 5 mostra o procedimento experimental.
Fig. 5.Montagem dos sensores
Para a aquisição dos sinais acústicos, um oscilógrafo foi ajustado a uma taxa de aquisição de 10 milhões de amostras por segundo. Foram utilizados cabos com blindagem aterrada para se evitar interferências eletromagnéticas. O sinal do sensor MFC-P2 foi amplificado em 25 vezes pelo circuito integrado INA 128P da Texas Instruments. Este CI tem resposta em frequência até a faixa de 500KHz e foi utilizado como um filtro
anti-alising. No mais, para se anular os efeitos externos de
vibração no sensor MFC, um filtro passa altas digital foi aplicado com uma frequência de corte de 20KHz. Com os dados coletados, foi realizada a análise tempo-frequência via espectrograma, utilizando-se uma janela retangular de 0,1ms. A sensibilidade dos sensores foi comparada a fim de validar o sensor de baixo custo para aplicação em diagnóstico de descargas parciais. Para se analisar o comportamento da forma e distribuição de ambos sensores ao longo do tempo, as estatísticas Curtoses e Skewness foram calculadas e normalizadas utilizando uma janela de 10ms no sinal puro. Foram realizados 10 ensaios e, tendo em vista que os resultados obtidos foram semelhantes, apresentou-se somente os resultados de uma DP.
Análise de Sinais Via Espectrograma, estatística
Curtose e Skewness.
Aquisição de Dados dos sensores MFC e
R15I-AST
Descarga Parcial Gerada no Óleo Mineral de um
Transformador de Distribuição de 30KVA
VII. RESULTADOS E DISCUSSÕES
As Figuras (6) e (7) apresentam, respectivamente, os sinais de emissão no domínio do tempo captados pelos sensores MFC-P2 e R15I mediante a aplicação de uma descarga parcial no óleo isolante do transformador de potência. A análise destes gráficos permite concluir que, pelas amplitudes máximas dos sinais, cujos valores foram de 0.7mV para o MFC e 5mV para o RS15I, o sensor consolidado tem maior sensibilidade para se detectar as ondas acústicas geradas pela descarga parcial. No entanto, assim como o RS15I, o MFC-P2 também foi sensível ao fenômeno acústico gerado pela descarga em 0.22s. No mais, a partir deste instante de tempo, ambos sensores apresentaram um decaimento que durou 20ms, conforme mostra as Figuras (6) e (7).
Fig. 6. Sinal de emissão acústica captado pelo sensor MFC-P2.
Fig. 7. Sinal de emissão acústica captado pelo sensor RS15I. Para análise tempo-frequência, as Figuras (8) e (9) apresentam o espectrograma dos sinais dos sensores. A análise tempo-frequência permite um estudo mais detalhado da resposta dos sensores.
Mediante análise da Figura (8), observa-se que o sinal proveniente do sensor MFC sofreu um transitório de resposta em frequência no instante de 0.22s. Este transitório perdurou por 20ms e a densidade espectral de potência variou entre -70dB/Hz para o início do sinal acústico, e -80 dB/Hz no final do sinal. A faixa de frequência significativa encontrada no espectrograma durante este instante de tempo mostrou que o sensor de baixo custo é sensível para bandas em até 150KHz.
Fig. 8. Espectrograma para o sinal do pelo sensor MFC-P2.
Fig. 9. Espectrograma para o sinal do pelo sensor RS15I.
Já o sensor consolidado para aplicações de identificação de descargas parciais, apresentou, durante o mesmo intervalo de tempo de 20ms, uma densidade espectral que variou entre também entre -70 e -80dB/Hz. Observou-se que a densidade espectral de potência variou entre 50KHz e 200KHz. Ambos sensores apresentaram transitórios em frequência no instante de tempo de 0.22s, fato que comprova o observado na análise do sinal puro pelas Figuras (6) e (7). Embora o sensor MFC apresente uma banda menor para a identificação de descargas parciais, sua aplicação tem grande potencial na detecção desta avaria tendo em vista os resultados obtidos.
As Figuras (10) e (11) ilustram o vetor Skewness calculado para os sensores estudados. A janela utilizada foi de 10ms.
Fig. 11. Skewness normalizado para o sensor RS15I.
No que condiz a análise Skewness, para ambos sensores, os valores retornados ficaram próximos a zero com exceção do período entre as amostras 218 a 220, que apresentou um transitório nesta métrica. Mediante a comparação com o sinal puro, constata-se que este pico, presente nas Figuras (12) e (13), está relacionado ao início e o término do sinal, quando os pontos ficam distribuídos a direita da janela. Este fato confirma a duração do sinal de 20ms, que, conforme janela de 10ms, demanda apenas duas amostras de Skewness. Por conseguinte, além da semelhança observada, tem-se que este critério estatístico pode se determinar o tempo de chegada de uma onda ao sensor.
As Figuras (11) e (12) apresentam os resultados externados pela estatística Curtoses.
Fig. 12. Curtoses normalizada para o sensor MFC-P2.
Percebe-se um elevado grau de semelhança no formato dos sinais processados mediante a estatística em questão. Sendo assim, pode-se afirmar que o padrão de achatamento das ondas acústicas produzidas pela descarga parcial e captadas pelo sensor de baixo custo teve grande proximidade com o sensor consolidado para esta aplicação. Além disso, assim como a estatística Skewness, o vetor Curtose apresentou um transitório entre as amostras 218 e 220. Este transitório indica o ponto de início e término do sinal acústico tendo em vista que o padrão de achatamento se modifica quando a janela intercepta o sinal demissão acústica.
Fig. 13. Curtoses normalizada para o sensor RS15I.
Tomando como base estes resultados constata-se que as métricas Skewness e Curtoses possuem grande relevância na comparação de sinais e, além disso, são ferramentas importante para a detecção do instante inicial de sinal.
VIII.CONCLUSÃO E TRABALHOS FUTUROS
O monitoramento de descargas parciais em transformadores tem uma grande importância no diagnóstico antecipativo de falhas associados à deterioração dos materiais que compõe o isolamento deste dispositivo elétrico. Sendo assim, este trabalho abordou a técnica da emissão acústica empregando os sensores MFCs-P2 para a identificação de descargas parciais. Estes sensores, além de serem de baixo custo, são flexíveis podendo ser acoplados em superfícies ovaladas, muito comuns em transformadores de potência. A validação deste sensor para esta aplicação foi dada mediante a comparação com um sensor consolidado na identificação de DPs, o RS15I. Tomando como base os resultados obtidos pela aplicação de técnicas avançadas de processamento de sinais, pode-se concluir que o sensor tem um potencial significativo para análise de emissão acústica gerada por esta avaria em transformadores de potência. Pode-se considerar que, o baixo custo, a flexibilidade e a facilidade de instalação são fatores de grande importância em relação aos sensores comerciais. Para trabalhos futuros sugere-se o emprego destes sensores na localização de descargas parciais, bem como o emprego em outros dispositivos que estão sujeitos a avarias que emitem ondas acústicas.
IX.REFERÊNCIAS
[1] Stone, G. C. “Partial discharge disgnostics and electrical equipment insulation condition assessment.” IEEE Transactions on Dieletrics and Eletrical Insulation. Vol 12, pp 891-904, 2005.
[2] Krueger, F. H. Partial Discharge Detection in High-Voltage Equipment. 1. ed. London: Butterworths, 1989.
[3] Mohammadi, E. et al (2009). Partial Discharge Localization and Classification Using Acoustic Emission Analysis I n Power Transformer. In: Proceedings of the 31st International Telecommunications Energy Conference, INTELEC, 18-22 October, Incheon, Korea.
[4] Zachariades, C.; Shuttleworth, R; Giussani, R; MacKinlay, R. “Optimization of a High-Frequency Current Transformer Sensor for Partial Discharge Detection Using Finite-Element Analysis,” IEEE Sensors Journal, vol. 16, 1558-1748, 2016
[5] M. Shafiq, L. Kutt, M. Lehtonen, T. Nieminen, and M. Hashmi, “Parameters identification and modeling of high-frequency current
transducer for partial discharge measurements,” IEEE Sensors Journal., vol. 13, no. 3, pp. 1081–1091, 2013.
[6] B. Castro, G. Clerice, C. Ramos, A. Andreoli, F. Baptista, F. Campos, J. Ulson, “Partial Discharge Monitoring in Power Transformers Using Low-Cost Piezoelectric Sensors,” Sensors 16, no. 8, 1266, 2016.
[7] Sarathi, R.; Singh, P. D.; Danikas, M. G. “Characterization of partial discharges in transformer oil insulation under ac and dc voltage using acoustic emission technique”. Journal of Eletrical Engineering. Vol. 58, pp 91-97, 2007.
[8] Wang, X; Li, B; Romant, T. H.; Russo, L. O; Chin K; Farmer R. K. Acousto-optical PD Detection for Transformers. IEEE Transactions on power delivery, Vol. 21, No. 3, Julho 2006.
[9] Castro, B. A.; Clerice, G. A. M.; Ulson, J. A. C.; Andreoli, A. L.; Creppe, R. C.; Alves, A. F. “Mitigação de Defeitos em Transformadores de Potência por Meio de um Sistema Piezelétrico de Detecção de Descargas Parciais” XI Latin-American Congress Electricity Generation and Transmission - Clagtee, 2015.
[10] Silva, I.N.; Gonzales, C.G.; Flauzino, R.A.; Silva, P.G.; Fernandes, R.A.S.; Silveira, E.; Spatti, D.H.; Ulson, J.A.C. Intelligent Systems for the Detection of Internal Faults in Power Transmission Transformers. In Advances in Expert Systems Vizureanu, P.; Ed.; Intech: Rijeka, Croatia, 2012, pp. 3-27.
[11] Biswas, S.; Koley, C.; Chatterjee, B.; Chakravorti, S., “A methodology for identification and localization of partial discharge sources using optical sensors” IEEE Transactions on Dielectrics and Electrical Insulation, vol. 19, 18-28, 2012.
[12] Markalous, S.; Tenbohlen, S; Feser, K. Detection and Location of Partial Discharges in Power Transformers using Acoustic and Electromagnetic Signals, IEEE Transactions on Dielectrics and Electrical Insulation, vol.15, n. 6, pp. 1576-1583, 2008.
[13] Clerice, G. A. M. Localização de Descargas Parciais por Meio de Cápsulas Piezelétricas de Baixo Custo e Sistemas Inteligentes. 2014. 120 f. Dissertação (Mestrado) – Faculdade de Engenharia, Universidade Estadual Paulista, Bauru, 2014.
[14] Drossel, W. G.; Hensel, S.; Nestler, M. “Evaluation of Actuator, Sensor, and Fatigue Performance of Piezo-Metal-Composites” IEEE Sensors Journal, vol. 47, 2129 - 2137, 2014.
[15] Sharab, S.; Erturk, A. “Coupling of experimentally validated electroelastic dynamics and mixing rules formulation for macro-fiber composite piezoelectric structures” Journal of Inteligent Material Systems and Structures, 2016.
[16] IEC Publication, IEC Standard 60270. High-voltage test techniques - Partial discharge measurement, Ed. 2, 2011.
[17] Sarathi, R.; Singh, P. D.; Danikas, M. G. Characterization of partial discharges in transformer oil insulation under ac and dc voltage using acoustic emission technique. Journal of Eletrical Engineering. Vol. 58, pp 91-97, 2007.
[18] Kweon, D.J.; Chin, S.B.; Kwak, H.R. The analysis of ultrasonic signals by partial discharge and noise from the transformer. IEEE Transactions on Power Delivery 2005, 20, 1976-1983.
[19] Danouj, B.; Tahan, S.A.; David, E. Using a new generation of piezoelectric sensors for partial discharge detection. Measurement 2013. [20] Àlvarez, F.; Garnacho, F.; Ortego, J.; Uran, M.A.S. Application of HFCT
and UHF sensors in on-line partial discharge measurements for insulation diagnosis of high voltage equipment. Sensors 2015.
[21] Boczar, T. Application Possibilities of Artificial Neural Networks for Recognizing Partial Discharges Measured by the Acoustic Emission Method. IEEE Transactions on Dielectrics and Electrical Insulation, 16(1), 214-223, 2009.
[22] Meitzler, A. H. IEEE standard on piezoelectricity: an american national standard. New York: IEEE-ANSI, 1987. 66 p. (Std, 176.).
[23] Areny, R. P.; Webster, J. G. Sensors and Signal Conditioning. 2ed. New York: John Wiley & Sons, 2000. 587P.
[24] Baptista, F. G. Uma contribuição aos sistemas de monitoramento de integridade estrutural baseados na impedância eletromecânica. 2010. 91 f. Tese (Doutorado em Engenharia Elétrica). Faculdade de Engenharia, Universidade Estadual Paulista. Ilha Solteira, Brasil. 2010.
[25] Physical Acoustics-MISTRAS Group, R15I-AST Sensor-Integral Preamplifier Sensor. Product Data Sheet, 2017.
[26] Smart Material Corporation, 2016, Macro Fiber Composite (MFC) brochure, Data Sheets.
[27] Yuan, M.; Pang, Z.; Dong, S.; Wang, S. “Research to Real-Time Algorithm of Crack Initiation Monitoring Based on Welch’s Method,” Proceedings of 2014 IEEE Chinese Guidance, Navigation and Control Conference, Yantai, 2014.
[28] Bawane, M. N.; Bhurchandi, K. M. “Classification of Mental Task Based on EEG Processing Using Self Organism Feature Map” 2014 Sixth International Conference on Intelligent Human-Machine Systems and Cybernetics, Hangzhou, 2014.
[29] Ross, Z. E.; Ben-Zion, Y. Bhurchandi, K. M. “Automatic picking of direct P, S seismic phases and fault zone head waves” Geophysical Journal International, v. 199, pp. 368–381, 2014.
BIOGRAFIA
Bruno Albuquerque de Castro possui graduação e mestrado em Engenharia Elétrica pela Universidade Estadual Paulista - UNESP, campus de Bauru. Atualmente é doutorando em Engenharia Elétrica pela Unesp e bolsista da Fundação em Amparo a Pesquisa do Estado de São Paulo (FAPESP). Foi professor substituto da Unesp e atualmente é docente da FAIP (Faculdade de Ensino Superior do Interior Paulista). Tem experiência profissional como colaborador das empresas Motorola do Brasil, Máquinas Agrícolas Jacto. Possui campo de pesquisa na área de sistemas inteligentes, instrumentação, diagnóstico de falhas em dispositivos e estruturas, transformadores, máquinas elétricas, SHM e emissão acústica.
Vitor Padovan Luiz é Engenheiro Eletricista formado pela Universidade Estadual Paulista - UNESP, campus de Bauru, no ano de 2015. Tem experiência profissional como colaborador das empresas SANDEN - Engenharia e Sistemas LTDA, e Racetronix Engenharia Industrial. Possui linha de pesquisa na área de emissões acústicas, transformadores e diagnóstico de falhas em transformadores.
José Alfredo Covolan Ulson nasceu em Bauru em 1966. Graduou-se em Engenharia Elétrica pela Unesp – Campus Bauru em 1991 e obteve o título de mestre e doutor pela Unesp em 1997 e 2002, respectivamente. Atualmente é professor assistente doutor no Departamento de Engenharia Elétrica. Seu campo de pesquisa concentra-se nas áreas de sistemas inteligentes e identificação de sistemas aplicados à controle de processos e sistemas elétricos de potência. André Luiz Andreoli graduou-se em Engenharia Elétrica pela FEB/UNESP em 1997, obteve o título de mestre em engenharia industrial pela UNESP em 2005, e o título de doutor em engenharia elétrica pela Escola de Engenharia de São Carlos (EESC/USP) em 2011. Atualmente é professor assistente doutor do Departamento de Engenharia Elétrica da Faculdade de Engenharia de Bauru, da Universidade Estadual Paulista (FEB/UNESP). Seu campo de pesquisa concentra-se nas áreas de eletrônica industrial, qualidade da energia elétrica, máquinas elétricas, acionamento de máquinas elétricas e sistemas inteligentes. Fabricio Guimarães Baptista possui graduação (2006) e doutorado (2010) em Engenharia Elétrica pela Universidade Estadual Paulista Júlio de Mesquita Filho, campus de Ilha Solteira-SP. Realizou estágio pós-doutoral (2010-2011) na área de monitoramento de integridade estrutural (SHM) no Center for Intelligent Material Systems and Structures da Virginia Polytechnic Institute and State University, Virginia, Estados Unidos. Atualmente, é Professor Assistente Doutor e Docente Permanente no Programa de Pós-Graduação em Engenharia Elétrica (PPGEE) da Faculdade de Engenharia de Bauru/UNESP. Tem experiência na área de Engenharia Elétrica com ênfase em circuitos eletrônicos, atuando principalmente nos seguintes temas: instrumentação eletrônica, microcontroladores, transdutores piezelétricos e monitoramento de integridade estrutural (SHM).
Rudolf Ribeiro Riehl nasceu em Bauru em 1963. Possui graduação em Engenharia Elétrica pela Universidade de Bauru (1985) e Mestrado (1994) e Doutorado (2010) em Engenharia Elétrica pela Faculdade de Engenharia Elétrica e de Computação (FEEC) da Universidade Estadual de Campinas (Unicamp). Atualmente é Professor Assistente Doutor do Departamento de Engenharia Elétrica da Faculdade de Engenharia da UNESP, Campus de Bauru. Atua nas áreas de Acionamentos e Controle de Máquinas Elétricas e Qualidade de Energia, com ênfase em automação, projeto de conversores estáticos de potência, projeto e ensaios de máquinas elétricas, eficiência energética e instrumentação.
Dimas de Abreu Luz é Engenheiro Eletricista formado pela Universidade Estadual Paulista - UNESP, campus de Ilha Solteira, no ano de 2007. É mestre em Engenharia Elétrica na área concentrada de Automação também pela Universidade Estadual Paulista - UNESP, campus de Ilha Solteira, no ano de 2012. Atualmente é coordenador do curso de Engenharia Elétrica da Faculdade de Ensino Superior do Interior Paulista – FAIP, na cidade Marília. Possui campo de pesquisa na área de sistemas digitais e eletrônicos, instrumentação e compatibilidade e interferência eletromagnética.
