XIII ERIAC DCIMO TERCER ENCUENTRO REGIONAL IBEROAMERICANO DE CIGR

Puerto Iguaz Argentina

24 al 28 de mayo de 2009

XIII/PI-A3 -07

Comit de Estudio A3 - Equipamiento de Alta Tensin

DIAGNSTICO DE ISOLADORES BASEADO NA EMISSO DE RUDOS ULTRA-SNICOS T.V. FERREIRA* Universidade Federal de Campina Grande Brasil E.G. DA COSTA Universidade Federal de Campina Grande Brasil A.D. GERMANO Universidade Federal de Campina Grande Brasil J.M.B. BEZERRA Universidade Federal de Pernambuco Brasil P.B. VILAR Universidade Federal de Campina Grande Brasil

Resumo Neste artigo descrito um mtodo de avaliao de isoladores baseado no rudo ultra-snico emitido por estes equipamentos. O mtodo realiza o processamento do rudo baseando-se em um algoritmo originalmente desenvolvido para o reconhecimento da fala humana, e que faz uso de sub-bandas espectrais. Ao final do processamento, redes neurais artificiais correlacionam as classes de rudo com classes de isoladores. Experimentalmente utilizou-se tenso aplicada e diferentes graus de poluio como variveis que definem as classes de isoladores. Resultados so apresentados e discutidos. As taxas de acerto das redes neurais indicam que o mtodo pode ser empregado para o auxlio na tomada de deciso em casos de estimao do grau de poluio de isoladores, bem como no agendamento de lavagens peridicas. Palavras chave: Isoladores ultra-som corona sub-bandas espectrais compresso espectral redes neurais artificiais poluio. 1 INTRODUO

As interrupes no fornecimento de energia acarretam grandes prejuzos para consumidores e empresas geradoras, transmissoras e distribuidoras. A proposta de uma melhor qualidade no fornecimento da energia oferecida pelas concessionrias tem como nfase a reduo das interrupes no fornecimento de energia eltrica. Para assegurar a continuidade no fornecimento importante monitorar os equipamentos do sistema para se antecipar as possveis falhas. Historicamente, isoladores constitudos de vidro ou porcelana vm sendo utilizados na forma de cadeias que do sustentao mecnica aos cabos e segregam regies com potencial eltrico diferente, entre as quais, idealmente, no deve estabelecer-se corrente eltrica. A falha destes equipamentos podem levar a interrupes de fornecimento. A Fig. 1 apresenta o diagrama esquemtico de um isolador de porcelana tradicional.

* Avenida Aprgio Veloso, 882. Grupo de Sistemas Eltricos (Bloco CF). Bodocong, Campina Grande PB Brasil. CEP: 58.429-900 tarso@ee.ufcg.edu.br

Fig. 1 - Diagrama esquemtico de um isolador de porcelana tradicional [1]. No obstante, o conjunto isolador-condutor energizado freqentemente apresenta emisso de rudo acstico. Tal fenmeno uma das manifestaes fsicas das descargas corona, que ocorrem em torno de um eletrodo energizado, quando a energia do campo eltrico criado pelo mesmo ultrapassa a energia de ionizao do meio isolante (neste caso, o ar). Alm do rudo acstico, as descargas corona geram ondas de radiao ultravioleta, oznio, eroso mecnica da superfcie, ondas eletromagnticas na faixa de radio recepo, dentre outros efeitos [2]. Os padres de descargas corona e o rudo acstico que estas descargas emitem podem ser influenciados pela poluio e por avarias no isolador. Sendo assim, o reconhecimento de padres de rudo ultra-snico em isoladores que apresentam poluio ou avarias pode ser considerada uma valiosa ferramenta de diagnstico. Este trabalho apresenta um novo mtodo de diagnstico de isolamentos baseado no rudo ultra-snico emitido pelo isolador. Para tanto, os sinais ultra-snicos so registrados com o auxlio de um detector de ultra-som comercialmente disponvel e um digitalizador. Em seguida, o sinal digital que representa o rudo ultra-snico digitalmente tratado e processado para que se obtenham os Vetores de Energia dos Centrides de Sub-Bandas Espectrais (VECSE). Tal processamento pode ser visto como uma compresso espectral inteligente, que explicita as regies espectrais mais importantes do rudo ultra-snico. Uma vez obtidos, os VECSEs servem de entrada para uma Rede Neural Artificial (RNA), que por sua vez classifica os padres de ultra-som de acordo com as condies do isolamento monitorado. Para teste da tcnica, foram elaborados em laboratrio dois ensaios. O primeiro tem como varivel a tenso aplicada aos isoladores de vidro, no qual foram utilizados quatro nveis de tenso diferentes. O rudo ultrasnico emitido processado pelo mtodo proposto e, ao fim, a RNA correlaciona o espectro do rudo adquirido com o nvel de tenso aplicado. As taxas de acerto foram sempre superiores a 95%.
No segundo ensaio, a varivel em questo o grau de poluio aplicada aos isoladores, de acordo com as normas internacionais, utilizando cinco nveis diferentes de Densidade Equivalente de Depsito de Sal (Equivalent salt deposit density - ESDD). Aps o processamento do sinal, a classificao da RNA atingiu taxas de acerto sempre superiores a 90%.

2 EMBASAMENTO TERICO 2.1 Redes neurais artificiais As redes neurais artificiais (RNAs) so modelos de processamento de informao inspirados na estrutura fsica natural do crebro humano. Elas so conceitualmente sistemas paralelos, no lineares e distribudos, compostos por unidades de processamento simples (neurnios). Essas unidades, por sua vez, esto dispostas em estruturas interligadas por um grande nmero de conexes (sinapses). Em diversas situaes redes neurais artificiais so empregadas para classificar padres. O neurnio a unidade de processamento fundamental da RNA. O modelo de um neurnio artificial apresentado na Fig. 2.

Fig. 2 - Modelo de um neurnio artificial.

2

Podem-se identificar trs elementos bsicos [3]: 1. Um conjunto de sinapses ou conexes, caracterizadas individualmente por um peso sinptico, que indica a importncia do sinal de entrada i na determinao da sada do neurnio j da camada k. 2. Um somador, que tem a funo de realizar uma combinao linear dos sinais de entrada, ponderados pelos respectivos pesos sinpticos de suas ligaes.
k 3. Uma funo de ativao j , que limita a amplitude da sada num intervalo normalizado, geralmente [0,1] ou [-1,1]. k

O modelo do neurnio tambm inclui um termo denominado de polarizao representado por b j , cujo efeito modificar a entrada da funo de ativao, atravs da aplicao de um sinal de entrada com valor fixo em +1. Dentre as diversas arquiteturas de RNA, destacam-se como as mais difundidas as Perceptrons. Elas representam uma generalizao do perceptron de camada nica [4]. Tipicamente uma rede MLP consiste de uma camada de entrada constituda de unidades sensoriais, uma ou mais camadas ocultas e uma camada de sada, todas conectadas. Tipicamente uma rede MLP consiste de uma camada de entrada constituda de unidades sensoriais, uma ou mais camadas ocultas e uma camada de sada, todas conectadas, conforme mostrado na Fig. 3.

Fig. 3 - Arquitetura de uma rede MLP. Com exceo da camada de entrada, que tem a nica funo de distribuir os sinais de entrada sem alter-los, as demais so constitudas de neurnios. O sinal de entrada se propaga atravs da rede, camada a camada, at que um sinal de sada seja computado. Existem diversos algoritmos de aprendizagem para redes neurais artificiais MLP, que tem por objetivo fazer a taxa de acertos da rede, em relao aos seus padres de treinamento, chegar a valores aceitveis. Dentre estes, destaca-se o algoritmo Resilient Propagation (RPROP) [5]. O algoritmo RPROP faz uso de uma estratgia localizada de atualizao dos pesos (processo de aprendizagem no qual sero definidos os pesos sinpticos), na qual apenas as variaes de sinal no gradiente local (baseado no erro em relao a um valor desejado) de cada peso so levadas em considerao. A rede neural implementada para classificar os padres presentes neste trabalho uma MLP de trs camadas, treinada com o algoritmo RPROP e utiliza a funo de ativao tangente hiperblica. 2.2 Vetores de Energia dos Centrides de Sub-bandas Espectrais Apesar de fornecerem resultados satisfatrios quando bem estruturadas, as RNAs possuem limitaes fsicas intrnsecas ao hardware sobre o qual so implementadas. O volume de dados que caracteriza um padro de entrada tem influncia direta no tamanho e na demanda de processamento da RNA. Sendo assim,
3

importante que os dados de entrada sejam concisos, objetivos e desprovidos de redundncias que venham a desacelerar o processamento sem fornecer informaes que auxiliem a classificao. Por outro lado, para que a representao digital de um sinal analgico ocorra sem perda de informao, necessrio que o teorema de Nyquist-Shannon seja respeitado. No escopo deste trabalho, isto implica em taxas de amostragem da ordem 40.000 amostras por segundo, uma vez que a banda do sinal de sada do detector ultra-snico vai at aproximadamente 20 kHZ. Ainda que cada padro de entrada seja definido como tendo a durao de um ciclo da freqncia industrial (1/60 s, no Brasil), isto implicaria em padres contendo mais de 600 amostras, o que torna a RNA grande o suficiente para inibir seu uso nos computadores atuais. Alm disso, a informao contida em um s ciclo pode no ser suficiente para garantir uma eficiente classificao por parte da RNA. Neste contexto, se faz necessria uma tcnica que compacte a informao digitalmente amostrada, reduzindo o volume de redundncias contidas nesta informao sem remover caractersticas significativas que permitiro RNA delimitar suas regies de classificao. O mtodo dos Vetores de Energia dos Centrides de Sub-bandas Espectrais (VECSE) figura como uma alternativa eficiente, mesmo com a presena de rudo aditivo. Os VECSEs baseiam-se numa tcnica criada originalmente para reconhecimento da fala, o mtodo dos Histogramas de Centrides de Sub-bandas Espectrais (HCSE) [6]. O mtodo dos HCSE tm um custo computacional equiparvel a outros mtodos com a finalidade similar, como mtodos baseados em coeficientes cepstrais, por exemplo. O diagrama de blocos apresentado na Fig. 1 sumariza o algoritmo empregado para a estimao dos VECSE.

Fig. 1 - Diagrama de blocos do algoritmo VECSE. Os passos para a estimao dos VECSEs so descritos a seguir: 1. Inicialmente, realizada a estimao do espectro de potncia do sinal em questo atravs de uma transformada rpida de Fourier; 2. Em seguida, aplicado um banco de filtros passa-faixa retangulares sobrepostos, a fim de dividir o espectro em um nmero de sub-bandas de freqncias sobrepostas. 3. A localizao dos centrides espectrais de cada sub-banda no espectro estimado pode ser matematicamente expressa como:
N 1

H
CH =
k =0

(k ) P(k )
, (1)

N 1

P(k )
k =0

em que P ( k ) o espectro de potncia estimado; H m ( k ) o vetor de freqncias; e N o nmero de amostras disponveis no espectro limitado pelo filtro. 4. A estimativa de energia associada a cada centride pode ser matematicamente apresentada como:
C H + N

Ec =

P(k ) ,

(2)

k = C H N

em que P o espectro de potncia estimado; N o nmero de amostras disponveis no espectro limitado pelo filtro; C H a localizao do centride da sub-banda em questo; e o parmetro que definir qual faixa em torno do centride ser utilizada para o clculo da energia.
4

O nmero de filtros, suas larguras e o percentual de sobreposio definiro a taxa de compresso do mtodo. No terceiro passo do algoritmo, pode-se constatar que o resultado da Equao (2) tem grandeza de Hertz, ou seja, apenas localiza os centrides dentro das sub-bandas e, conseqentemente, no espectro. Assim, para que se caracterize totalmente o VECSE, necessita-se que lhe seja atribuda a informao relativa energia presente naquela sub-banda. Para tanto, poder-se-ia simplesmente calcular a mdia dos valores de potncia espectral compreendidos na sub-banda em questo. Todavia a regio da sub-banda mais prxima ao centride possui mais energia que as demais dentro daquela sub-banda, logo, mais imune ao rudo. Assim, pode ser mais vantajoso efetuar o clculo de uma mdia de energia da sub-banda junto ao centride, utilizando-se o parmetro (0,5 > > 0). Por basear-se no domnio da freqncia, o mtodo dos VECSE apresenta como resultado vetores que no trazem informaes acerca da fase do sinal medido. No domnio do tempo, esta informao pode ser detectada pela RNA e tornar a tomada de deciso tendenciosa, uma vez que a fase do sinal ultra-snico capturado aleatria. Isto ocorre porque no h sincronismo entre o acionamento da captura do sinal e a fase da rede eltrica, que por sua vez est intimamente ligada gerao do rudo. 3 MATERIAIS E MTODOS 3.1 Materiais Visando verificar a eficincia do tratamento proposto, foram realizados ensaios utilizando isoladores de vidro. Na Fig. 5 possvel observar-se um diagrama esquemtico dos isoladores empregados.

Fig. 5 - Diagrama esquemtico dos isoladores empregados nos ensaios. Os isoladores pesam aproximadamente 3,5 kg cada, e foram utilizados em cadeias de duas unidades. A campnula e o pino so constitudos de ao e recobertos com uma camada de liga antioxidante. O vidro fixado s regies metlicas atravs de cimento. 3.2 Mtodos Foram empregados dois mtodos de avaliao da tcnica que combina RNA e VECSE. No primeiro, o fator variante ser o valor de tenso aplicada aos isoladores. No segundo mtodo variado o grau de poluio depositado sobre os isoladores. Em ambos os mtodos haver o processamento do rudo ultra-snico emitido pelo conjunto de isoladores energizado. Um diagrama esquemtico do arranjo utilizado em ambos os mtodos pode ser visto na Fig. 6. Os isoladores foram conectados a um brao de torre montado dentro do laboratrio de alta tenso da UFCG.

Fig 6 - Diagrama esquemtico dos isoladores empregados nos ensaios.

5

De acordo com o ajuste na mesa de comando (no representada na Fig. 6), o transformador T1 fornece ao arranjo alta tenso. Os capacitores Ca e Cb formam um divisor de tenso que permite a medio indireta e segura da alta tenso pelo sistema de aquisio de dados. Os sinais de ultra-som emitidos pelo isolador so adquiridos pelo detector, e em seguida digitalizados pelo sistema de aquisio de dados. O equipamento utilizado para a medio do ultra-som disponvel comercialmente, e alm de detectar o rudo ultra-snico atravs de seus microfones realiza um processo de rebatimento de freqncias, representando o rudo ultra-snico dentro do espectro audvel (20 Hz a 20 kHz). As taxas de aquisio utilizadas sempre respeitaram o critrio de Nyquist-Shanon. 3.2.1. Mtodo I - Diferentes nveis de tenso Foram utilizados apenas isoladores limpos nesta etapa do trabalho. Assim, a nica varivel presente nos ensaios e cujas caractersticas foram captadas nos sinais de rudo ultra-snico foi o nvel de tenso. Os isoladores foram expostos a uma gama de tenses que variou entre 60% e 90% da tenso de ruptura (TR) de cada isolador. Aps energizado, o arranjo foi mantido em regime permanente por alguns minutos, a fim de estabilizar os padres de emisso ultra-snica. Em seguida, foram realizadas as aquisies de ultra-som. Os sinais de udio gravados foram truncados em 5 s, ou seja, 300 ciclos senoidais de 16,67 ms cada. A abordagem em termos de ciclos importante, pois o corona que gera o rudo ultra-snico tende a manifestar-se nos momentos de mxima tenso positiva ou negativa, ou seja, durante os picos positivos e negativos da senide. Cada sinal de 300 ciclos (5 s) foi dividido em padres menores, de 5 ciclos cada um, atravs de um janelamento com sobreposio de 4 ciclos, o que totalizou 1180 padres na base de dados. Por fim, o algoritmo para estimao dos VECSE foi aplicado a cada uma das amostras, gerando 1180 vetores que constituram a base de dados sobre qual a RNA foi executada. 3.2.2. Mtodo II - Diferentes nveis de poluio Atravs de uma cmara de nvoa foi produzido um ambiente de umidade saturada em torno de duas unidades de isoladores, sobre as quais previamente foram pulverizadas solues contendo poluio nos nveis descritos na Tabela I.
TABELA I. CARACTERIZAO DOS NVEIS DE POLUIO [7]. Nveis 1 2 2 3 4 Classificao Atmosfera limpa Contaminao muito leve Contaminao leve Contaminao pesada Contaminao muito pesada Faixa de ESDD (mg/cm) 0,00 0,032 0,032 0,038 0,038-0,056 0,056 0,123 0,123 ESDD Aplicadas (mg/cm) 0,025 0,035 0,05 0,1 0,2 Condutividade da suspenso (mS/cm) 10 14 20 40 80

Foi ento aplicada tenso eltrica at se atingir o nvel de 14 kV, suficiente para produzir descargas superficiais sem conduzir o isolador descarga total. A distribuio de tenso para as duas unidades linear, representando, portanto, que cada unidade foi submetida tenso de ensaio 7 kV durante todo o experimento [8]. Aps energizado, o arranjo foi mantido em regime permanente por alguns minutos, a fim de estabilizar os padres de emisso ultra-snica. Em seguida, foram realizadas aquisies ultra-snicas durante aproximadamente cinco segundos. Os arquivos de udio capturados foram processados computacionalmente. A classe 2 foi definida, em complemento com o intuito de gerar amostras mais espaadas/diversificadas e, desta forma, poder produzir conjuntos de treinamento para o processo de classificao dos sinais bem mais prximos de situaes reais, encontradas em isoladores de alta tenso presentes em um sistema de transmisso [9]. Cada sinal de udio correspondente a uma das cinco classes foi dividido em padres menores, de 10 ciclos cada um, atravs de um janelamento com sobreposio de 90%. O resultado do processo de janelamento foram 450 padres, sendo cada uma das 5 classes representada por 90 padres. Por fim, cada um dos 450
6

padres foi normalizado, teve seu VECSE determinado, e desta maneira a base de dados apresentou-se pronta para ser aplicada RNA. 4 RESULTADOS Uma vez que o processo de aprendizagem da RNA tem incio com pesos sinpticos aleatrios, natural que para uma mesma base de dados, o tempo de aprendizagem e as taxas de acertos sejam diferentes em execues distintas do algoritmo. No intuito de reduzir os efeitos desta aleatoriedade inicial, cada base de dados referente a um mtodo foi processada 10 vezes, e em seguida foram calculados mdia e desvio padro para o conjunto em questo. 4.1 Mtodo I - Diferentes nveis de tenso O aprendizado da RNA baseado nos vetores de energia dos centrides de sub-bandas espectrais utilizou quatro nveis de tenso aplicada: 60%, 70%, 80% e 90% da TR. Na Fig. 7 observam-se os vetores de energia dos centrides espectrais de todos os 1180 padres, plotados de maneira sobreposta.

Fig. 7 - Vetores de energia dos centrides espectrais plotados de maneira sobreposta. So evidentes na Fig 7 as regies espectrais que caracterizam cada valor da TR, e baseada no comportamento destas regies espectrais que a RNA dever realizar suas classificaes. Tambm possvel notar-se que cada vetor foi composto de 39 elementos, e a RNA utilizada teve uma arquitetura 39-60-4. Na Tabela II apresentam-se os resultados do processamento utilizando os quatro nveis da TR.
TABELA II. TAXAS DE ACERTO PARA DIFERENTES NVEIS DE TENSO. Execuo 1 2 3 4 5 6 7 8 9 10 Mdia Desvio Padro Acertos (%) 98,31 96,61 97,74 100,00 98,87 97,18 98,13 96,61 98,31 99,45 98,12 0,87

Alm das excelentes taxas de acertos, percebe-se um desvio padro muito pequeno, o que demonstra boa preciso e coerncia da RNA. 4.2 Mtodo II - Diferentes nveis de poluio O aprendizado da RNA baseado nos vetores de energia dos centrides de sub-bandas espectrais utilizou os cinco nveis de poluio, conforme mostrado na Tabela I: 1, 2, 2, 3, 4 e 5. Na Fig. 8 observam-se os vetores de energia dos centrides espectrais de todos os 500 padres, plotados de maneira sobreposta.

Fig. 8 - VECSE das amostras ultra-snicas plotados de maneira sobreposta. Apesar de as regies espectrais que caracterizam cada grau de poluio no serem to evidentes na Fig. 8, a RNA dever realizar suas classificaes baseada no comportamento destas regies espectrais. Na Tabela III apresentam-se os resultados do processamento utilizando os cinco nveis de poluio.
TABELA III. TAXAS DE ACERTO PARA DIFERENTES NVEIS DE POLUIO. Execuo 1 2 3 4 5 6 7 8 9 10 Mdia Desvio Padro Acertos (%) 98,51 94,03 92,54 92,52 89,55 95,52 94,03 95,52 98,51 92,54 94,33 2,15

Apesar de no serem to elevadas quanto os resultados apresentados na seo 4.1, as taxas de acertos foram suficientemente satisfatrias, tendo uma mdia bastante elevada. 5 CONCLUSES

Foi apresentada neste trabalho uma tcnica de avaliao de isoladores baseada no rudo ultra-snico por eles emitidos quando conectados ao condutor energizado. Para extrair as informaes espectrais foi empregado o algoritmo dos VECSE, e para auxiliar na tomada de deciso empregaram-se as RNA. A tcnica foi testada em duas variedades de ensaios: na primeira variou-se a tenso aplicada aos isoladores de vidro, no qual foram utilizados quatro nveis de tenso diferentes, e a taxa mdia de acerto foi 98,12%. Na segunda, variou-se o grau da poluio aplicada aos isoladores, de acordo com as normas internacionais, utilizando cinco nveis diferentes de Densidade Equivalente de Depsito de Sal (Equivalent salt deposit density - ESDD). Aps o processamento do rudo, a classificao da RNA atingiu uma taxa mdia de acerto de 94,33%. Apesar de ser um mtodo recente e s ter sido testado em laboratrio at ento, sua experimentao e aplicao em campo, principalmente em subestaes, promissora. O mtodo pode agregar maior confiabilidade s inspees ultrasnicas de isolamentos eltricos. A adequao do mtodo a buchas e outros isolamentos alm dos isoladores de vidro tem se mostrado vivel.
6

REFERNCIAS BIBLIOGRFICAS

[1] Santa Terezinha, Isoladores de Suspenso de Vidro, Catlogo do fabricante, 2002. [2] Bartnikas, R.; McMahon, E. J., Engineering Dielectrics - Corona Measurement and Interpretation. vol. I, Philadelphia: ASTM Special Technical Publication STP 669, 1979. [3] Silva, K. M. Diagnstico de Faltas em Linhas de Trasmisso Baseado em Redes Neurais Artificiais e Transformada Wavelet. Dissertao de mestrado. Dept. de Engenharia Eltrica, Universidade Federal de Campina Grande, Campina Grande, PB, 2005. [4] Haykin, S. Redes neurais, princpios e prtica. 2a.. ed. Porto Alegre: Bookman, 2001. [5] Riedmiller, M. & Braun, H., 1993. A Direct Adaptive Method for Faster Backpropagation Learning: The RPROP Algorithm, In Proceedings of the IEEE International Conference on Neural Networks, pp. 586-591.
8

[6] Paliwal, K. K.; Spectral Subband Centroid Features For Speech Recognition, Proceedings of the 1998 IEEE International Conference on Acoustics, Speech and Signal Processing, 1998. [7] EPRI - Electric Power Research Institute, Transmission Line Reference Book 345 kV and Above. Fred Weidner & Son Printers, Inc., New York, NY, USA. 1975. [8] Bezerra, J. M. B.; Lima, A. M. N.; Deep, G. S. E; Costa, E. G., Estudo da Distribuio de Tenso em Cadeias de Isoladores Areos de Alta Tenso em Ambientes Poludos. XVII SNPTEE Seminrio Nacional de Produo Transmisso de Energia Eltrica, realizado em Uberlndia, MG, Brasil. 2003a.