Professional Documents
Culture Documents
Tese de Doutorado submetida Coordenao dos Cursos de PsGraduao em Engenharia Eltrica da Universidade Federal de Campina
Grande como parte dos requisitos necessrios para obteno do grau de
Doutor em Engenharia Eltrica.
rea de Concentrao: Processamento da Informao
Orientadores:
Professor Gurdip Singh Deep
Professor Antnio Marcus Nogueira Lima
Professor Edson Guedes da Costa
Campina Grande
Jos Maurcio de Barros Bezerra, abril - 2004
II
Campina Grande PB
Abril - 2004
III
Dedicatria
Esta obra dedicada especialmente a minha esposa, Judith Santos de Souza Lima
Bezerra, companheira fiel de todas as horas de rduas batalhas; aos meus pais, Mozart
Bezerra Alves e Maria Luiza de Barros Bezerra (em memria), pelas sementes lanadas
no sentido da construo do meu intelecto e aos meus filhos, Carlos Eduardo Lima
Bezerra, Ricardo Lima Bezerra e Mnica Regina Lima Bezerra, para que as sementes
se multipliquem na busca e aplicao de novos conhecimentos e que floresam
continuamente contribuindo desta forma para a transformao do nosso pas em uma
nao mais soberana e socialmente mais justa.
IV
Agradecimentos
Sumrio
Captulo 1: Introduo................................................................................................. 15
Captulo 2: Reviso Bibliogrfica................................................................................ 24
2.1 Descargas em Isoladores Areos........................................................................ 25
2.2 Descargas em Isolantes Internos ........................................................................ 26
Captulo 3: Metodologia.............................................................................................. 32
3.1 Conceitos Preliminares de Reconhecimento de Padres..................................... 33
3.2 Tipos de Atributos Extrados ............................................................................. 35
3.3 Tcnicas Matemticas Aplicadas ....................................................................... 37
3.4 Estudo de Casos ................................................................................................ 37
3.4.1 Caso 1: Poluio em Isoladores................................................................... 37
3.4.1.1 Sensor de Ultra Som ............................................................................ 38
3.4.1.2 Sistema de Digitalizao ...................................................................... 38
3.4.1.3 Cmara de Nvoa................................................................................. 39
3.4.1.4 Circuito de Proteo............................................................................. 40
3.4.1.5 Termovisor .......................................................................................... 43
3.4.1.6 Antena de VHF e Analisador de Espectro............................................. 44
3.4.1.7 Preparao das Amostras...................................................................... 44
3.4.1.8 Arranjo Experimental........................................................................... 45
3.4.1.9 Identificao da Tenso de Ensaio........................................................ 46
3.4.1.10 Desenvolvimento dos Experimentos................................................... 53
3.4.1.11 Processamento das Informaes ......................................................... 53
3.4.2 Caso 2: Defeitos em Isoladores Polimricos................................................ 54
3.4.2.1 Circuito Experimental e seus Componentes.......................................... 54
3.4.2.2 Preparao das Amostras...................................................................... 56
3.4.2.3 Procedimento dos Ensaios.................................................................... 56
3.4.2.4 Processamento das Informaes ........................................................... 57
Captulo 4: Anlise e Discusso dos Resultados. ......................................................... 62
4.1 Caso 1: Poluio em Isoladores ......................................................................... 63
4.1.1 Sensor Trmico (termovisor) ...................................................................... 64
4.1.2 Sensor de VHF ........................................................................................... 67
4.1.3 Sensor de Ultra-som.................................................................................... 69
4.1.3.1 Sinais de Ultra-som no Domnio do Tempo.......................................... 69
4.1.3.2 Sinais de Ultra-som no Domnio da Freqncia.................................... 71
4.1.3.3 Sinais de Ultra-som. Avaliaes a partir das Transformadas Wavelets.. 72
4.1.4 Sensor de Corrente de Fuga ........................................................................ 77
4.1.4.1 Sinais de Corrente de Fuga no Domnio do Tempo............................... 78
4.1.4.2 Sinais de Corrente de Fuga no Domnio da Freqncia......................... 79
4.1.4.3 Sinais de Corrente de Fuga. Avaliaes a partir das Transformadas
Wavelets.......................................................................................................... 80
4.1.5 Avaliao de Classificadores No Lineares ................................................. 83
4.1.6 Anlise da Composio de Sinais e Sensores .............................................. 88
4.1.7 Validao dos Modelos............................................................................... 92
4.1.8 Perspectivas Operacionais dos Classificadores. ........................................... 96
4.1.9 Avaliao do Estudo ................................................................................. 102
VI
4.2 Caso 2: Defeitos em Isoladores Polimricos .................................................... 102
4.2.1 Resultados Obtidos ................................................................................... 102
4.2.2 Validao dos Modelos............................................................................. 105
4.2.3 Avaliao do Estudo ................................................................................. 105
Captulo 5: Concluses.............................................................................................. 106
5.1 Contribuies de Carter Tcnico-cientfico .................................................... 106
5.2 Contribuies de Carter Tecnolgico ............................................................. 108
5.3 Refinamentos Propostos para Continuidade das Pesquisas ............................... 111
5.4 Consideraes Finais ....................................................................................... 111
Anexo ....................................................................................................................... 113
A.1 Tcnicas Lineares de Reconhecimento de Padres .......................................... 113
A.1.1 Tcnicas para Determinao do Classificador Linear ............................... 119
A.1.1.1 Tcnica de Fisher .............................................................................. 120
A.1.1.2 Tcnica de Fisher para Seleo de Atributos...................................... 124
A.1.1.3 Tcnica de Karhunen-Love.............................................................. 125
A.1.1.4 Tcnicas de Redes Neurais ................................................................ 129
A.2 Tcnicas No Lineares de Reconhecimento de Padres................................... 135
A.3 Extrao de Atributos ..................................................................................... 138
A.3.1 Tcnicas de Processamento Digital de Sinais ........................................... 138
A.3.2 Transformada de Fourier.......................................................................... 139
A.3.3 Transformada Wavelet ............................................................................. 141
Bibliografia ............................................................................................................... 145
VII
ndice de Figuras
VIII
Figura 30 Histogramas tpicos dos sinais de ultra-som no domnio do tempo............ 70
Figura 31 Classificadores para o sinal de ultra-som no domnio do tempo. ............... 70
Figura 32 Densidade espectral de potncia para sinais tpicos de ultra-som............... 71
Figura 33 Avaliao de classificadores para o sinal de ultra-som no domnio da
freqncia............................................................................................................ 71
Figura 34 - Visualizao da decomposio de sinal tpico de ultra-som em 6 nveis.
Utilizada a wavelet bior3.1. ................................................................................. 74
Figura 35 Histogramas de sinais tpicos de ultra-som decompostos por wavelets
especficas. .......................................................................................................... 75
Figura 36 Sinais tpicos de corrente de fuga, com a presena de umidade. ................ 77
Figura 37 Histogramas para sinais tpicos de corrente de fuga, com presena de
umidade............................................................................................................... 78
Figura 38 Avaliao de classificadores para o sinal de corrente de fuga no domnio do
tempo. ................................................................................................................. 79
Figura 39 Densidade espectral de potncia para sinais tpicos de ultra-som............... 79
Figura 40 Avaliao de classificadores para o sinal de corrente de fuga no domnio da
freqncia............................................................................................................ 80
Figura 41 Histogramas de sinais tpicos de corrente de fuga, decompostos por
wavelets especficas............................................................................................. 81
Figura 42 Visualizao da composio da matriz de atributos................................... 88
Figura 43 Sinal de ultra-som com simulao de rudos. ............................................ 95
Figura 44 Sinal de corrente de fuga com simulao de rudos. .................................. 95
Figura 45 Imagem trmica de cadeia de isoladores na subestao de Natal. .............. 97
Figura 46 - Imagem trmica de cadeia de isoladores na Linha de Transmisso de 230 kV
Santa Cruz Natal............................................................................................... 97
Figura 47 Visualizao operacional do processo de classificao.............................. 98
Figura 48 - Fluxograma para visualizao operacional do processo de classificao. .. 99
Figura 49 Evoluo da indicao dos nveis de poluio......................................... 101
Figura 50 Evoluo do fator de correlao modificado: (a) isolador sem defeito e (b)
isolador com defeito do tipo (a). ........................................................................ 103
Figura 51 Evoluo da assimetria: (a) isolador sem defeito e (b) isolador com defeito
do tipo (a).......................................................................................................... 103
Figura 52 Evoluo da curtose: (a) isolador sem defeito e (b) isolador com defeito do
tipo (a)............................................................................................................... 103
Figura 53 Exemplificao da montagem do hiperplano. Fonte: Slansky e Wassel
(1981)................................................................................................................ 117
Figura 54 A superfcie de deciso g(x)=0. Fonte: Slansky e Wassel (1981). ........... 118
Figura 55 Relaes de distncias em um espao bi-dimensional. Fonte: Slansky e
Wassel (1981). .................................................................................................. 119
Figura 56 Projeo de amostras sobre uma reta: (a) inadequada e (b) adequada. Fonte:
Duda e Hart (1973)............................................................................................ 120
Figura 57 - Representao geomtrica de um classificador de mnima distncia
quadrada para trs classes. Fonte: Anderson (1960). .......................................... 128
Figura 58 Representao de um neurnio simples. Fonte: Beale e Jackson (1991). . 130
Figura 59 A funo de ativao: (a) disparo em e (b) disparo em 0. Fonte: Beale e
Jackson (1991). ................................................................................................. 131
Figura 60 Detalhe do modelo bsico. Fonte: Beale e Jackson (1991). ..................... 132
Figura 61 Evoluo da rede neural de uma camada. Fonte: Beale e Jackson (1991).133
Figura 62 Classes linearmente inseparveis. Fonte: Beale e Jackson (1991)............ 134
IX
Figura 63 - Exemplo de regies de classificao indefinida. ...................................... 134
Figura 64 Funes de ativao: (a) linear, (b) log-sigmide e (c) tan-sigmide. ...... 135
Figura 65 Arquitetura bsica de uma rede neural no Matlab (2000). ....................... 136
ndice de Tabelas
XI
cc
d
Di
f
f h (x )
Fi
gj
h
H(r)
H n ()
H qn ( )
i
~
I ()
J(w)
Ku
L
mi
~
m
i
m
mcc
N
Pi
q
Q
r
(r1 , r2 , ..., rM )
r(t)
r[n]
R ( j)
arc
p
s
Intervalo de Nyquist.
Entropia de um sinal r.
Nmero de descargas observadas em cada janela de fase, como uma
funo do ngulo de fase.
Amplitude mdia, em cada janela de fase, como uma funo do
ngulo de fase, pC.
Corrente de entrada na camada poluda, A. Eventualmente esta letra
tambm usada em sub ndice para representar componentes de um
vetor. Tais situaes estaro explicitadas no texto.
Periodograma mdio.
Discriminante linear de Fisher.
Curtose (desvio em relao distncia normal).
Nmero de classes.
Mdia das amostras associadas classe i.
Mdia das amostras projetadas em uma reta associadas classe i.
Estimador da mdia amostral.
Fator de correlao cruzada modificado.
Perodo fundamental do sinal original discreto no tempo.
Probabilidade de ocorrncia da classe i.
Dimenso da descarga parcial, pC.
Assimetria das descargas.
Vetor padro de entrada (sinais adquiridos atravs de sensores para o
caso analisado no documento).
Componentes do vetor padro de entrada.
Sinal contnuo original.
Sinal original discreto no tempo.
Transformada de Fourier de um sinal aperidico.
Resistncia do arco por unidade de comprimento, cm .
Resistncia da camada de poluio, .
Resistncia interna da fonte de alimentao, .
XII
s i2
S
S
Sk
Sw
SB
t
T
u
Ui
v
Vs
Vc
Va
x
(x1 , x 2 , ...., x N )
X
X ij
wj
y
y
z
p
arc
{i}
x
ij
2
i
Varincia amostral.
Matriz de covarincia.
Estimativa da matriz de covarincia S.
Assimetria em relao distribuio normal.
Matriz de espalhamento interclasse.
Matriz de espalhamento intraclasses.
Tempo, s.
Perodo fundamental do sinal original contnuo no tempo.
Vetor atributo transformado por Karhunen-Love.
Tenso de ignio associada ao ngulo de fase i , kV.
Vetor peso aumentado.
Tenso aplicada a um isolador sob teste, V.
Queda de tenso no catodo, V.
Queda de tenso no anodo, V.
Vetor de atributos.
Componentes do vetor de atributos.
Matriz de atributos.
Mdia dos atributos x i na classe j, j=1, 2.
XIII
Resumo
A contaminao de isoladores utilizados em linhas de transmisso de alta tenso
responsvel por grande parte das falhas em um sistema de potncia. Por outro lado,
as descargas parciais no interior de materiais isolantes podem conduzir,
cumulativamente, equipamentos eltricos a danos irreversveis. Neste sentido, sistemas
de aquisio de dados que viabilizem a monitorao de sinais relacionados com o nvel
de contaminao de isoladores ou com descargas parciais no interior de materiais
isolantes podem ajudar na reduo de falhas no sistema de potncia. Diante das
dificuldades de desenvolvimento de modelos analticos especficos, foram utilizadas
tcnicas de reconhecimento de padres para interpretar os sinais adquiridos e
classificar o estado do isolamento sob monitorao. A principal nfase das pesquisas
desenvolvidas foi a caracterizao dos atributos dos sinais monitorados, de tal forma a
se obter um melhor desempenho do processo de reconhecimento. Com este propsito,
foram utilizadas tcnicas de processamento digital de sinais, transformaes de Fourier
e Wavelet para dar suporte caracterizao dos atributos. So descritas, ainda,
diversas avaliaes de sensibilidade quanto ao tipo e ao nmero de atributos
caracterizados, como tambm so inseridos procedimentos para a escolha da wavelet
me mais significativa para o reconhecimento dos sinais analisados. O trabalho
apresenta dois estudos de caso. No primeiro deles, a metodologia direcionada no
sentido de se diagnosticar o nvel de poluio em isoladores areos de alta tenso,
atravs de tcnicas lineares e no lineares de reconhecimento de padres, a partir de
sinais adquiridos de diversos sensores. Este caso pode ser caracterizado como uma
anlise de fuso de dados. No segundo, as tcnicas de reconhecimento de padres so
utilizadas para o diagnstico de defeitos presentes em isoladores polimricos atravs
do processamento de atributos de sinais de descargas parciais.
XIV
Abstract
Contamination of outdoor insulators employed in the overhead high voltage
transmission lines in the polluted geographic regions is one of major causes of electric
power system failure. The partial discharges within the body of an insulation material
also progressively lead to the irreversible deterioration in the performance of the
electrical equipment. Data acquisition systems for automatically monitoring the signals
related with insulator contamination levels as well as partial discharges, can help in
reducing the electrical system failures In view of the practical difficulties in the
development of specific analytical models for these phenomena, signal. pattern
recognition techniques have been employed to interpret the acquired signals to classify
the state of insulator contamination and predict the potential occurrence of system
failure. The main emphasis of the present investigation is the characterization of the
attributes of the monitored signal, with a view to obtain improved performance the
existing pattern recognition techniques. Digital signal processing techniques like digital
Fourier transforms and Wavelet transforms have been employed as an aid to
characterize the signal attributes. Various evaluations of the number and types of the
characterized signal attributes are described. The procedures are outlined for choosing
the most significant mother wavelet to be utilized in the recognition of the pattern of the
attributes of the acquired signals. Two case studies are presented. In the first one, a
method is developed to predict the level of contamination of the overhead high voltage
transmission line insulator strings based on linear and nonlinear pattern recognition of
the attributes of the acquired signals. This case can be considered to represent an
analysis of data fusion originating from multiple sensors employed for data monitoring.
In the second case study, signal pattern recognition techniques are employed to
diagnose the defects in polymeric insulators utilizing the attributes of the partial
discharge signals.
Captulo 1: Introduo
transmisso, por exemplo, conforme afirma Nigri (1999), o desempenho das instalaes
est diretamente relacionado com o desempenho dos seus isoladores. A introduo de
tecnologias confiveis que possibilite alertar as equipes de manuteno quanto a
processo degenerativo de isolamentos representa, portanto, uma ao estratgica
importante, tanto para a operao normal do sistema quanto para a sociedade que ser
poupada do infortnio da falta intempestiva da energia.
As anlises aqui empreendidas procuram introduzir tcnicas de diagnstico que
possam ser utilizadas em aes preditivas voltadas para alertar quanto necessidade de
manutenes especiais antes que os equipamentos ou instalaes venham a sofrer danos
e/ou interrupo de suas condies normais de operao. Nos estudos de caso so dadas
nfases especiais aos isolamentos areos de subestaes e de linhas de transmisso,
como tambm a isolantes internos de equipamentos eltricos.
No que tange a isolamentos areos de sistemas de potncia, os mesmos ficam
expostos a intempries caractersticas das regies atravessadas por esses sistemas, em
especial a poluio ambiental e industrial presentes. Com a presena da poluio e
umidade ocorrem descargas superficiais aos isoladores. Conforme j descrevia o Project
EHV (1968) essas descargas esto associadas formao de bandas secas, as quais
surgem em conseqncia da presena no uniforme da umidade ao longo da superfcie
do isolador. As tenses impostas a essas bandas secas redundam no surgimento de
descargas sobre as mesmas, podendo ficar restritas ao local dessas bandas ou se
desenvolverem sobre toda a superfcie do isolador, resultando em uma descarga total do
mesmo.
16
Captulo 1: Introduo
______________________________________________________________________
Nos experimentos realizados durante o Project EHV (1968) ficou evidenciado que,
quando uma cadeia contaminada com sal energizada em estado seco no existe
evidncia de cintilao. A corrente de fuga to pequena que praticamente toda
corrente do isolador permanece capacitiva. Nesta ocasio o isolador possui a maior
parte de sua suportabilidade como se estivesse limpo e seco. Com o surgimento da
neblina, se forma um filme de umidade na superfcie contaminada, ocorrendo, por
conseguinte, um aumento gradual na amplitude da corrente de fuga. A fase da corrente
de fuga muda para um tipo mais resistivo. Como o contaminante comea a conduzir
levemente, centelhas de corona aparecem nas superfcies isolantes, como mostra a
Figura 1-(a). Essas centelhas se formam no contorno da porcelana e do cimento do pino.
Algumas vezes essas centelhas tambm se formam na saia interna do isolador e na
cavidade entre a campnula e a porcelana.
Essas centelhas formam uma faixa azul circular, pouco intensa, com algumas
faixas mais brilhantes interpassadas. Possuem um pequeno comprimento (0,64 a 1,27
cm), ocorrem prximo ao dieltrico e persistem continuamente. Uma corrente em torno
de 1mA flui neste estgio. Se o contaminante for o sal, essas descargas necessitam
energia trmica suficiente para excitar os ons de sdio e criar uma centelha amarela
caracterstica do componente sdio. As faixas de corona prximas campnula
freqentemente desaparecem aps um perodo curto quando a umidade se constitui na
cavidade entre a campnula e a porcelana. Debaixo de cada unidade, uma das duas
faixas de corona pode tambm definhar com uma umidade severa em progresso.
(a)
(b)
(c)
17
Captulo 1: Introduo
______________________________________________________________________
Com a neblina contnua, dentro de um minuto ou mais, um tipo de descarga um
pouco mais intensa aparece por debaixo da unidade de isolador como mostrado na
Figura 1 (b). Essas descargas tm uma caracterstica mais amarelada, a partir da parte
central do cimento prxima a porcelana e sobre a menor saia. Ambos terminais do arco
tm forma de escova, o que indica que eles absorvem as cargas superficiais das reas
prximas aos terminais. Desde que se trata de uma descarga capacitiva, o pulso mximo
de corrente limitado a 1-10nA e o tempo de faiscao em microssegundos. Essas
descargas podem disparar descargas similares no topo um pouco mais fortes que se
iniciam sempre na campnula.
Posteriormente, a primeira descarga de cintilao real comea quando o depsito
de umidade se intensifica (Figura 1-C). Ela deixa o pino e, no comeo, termina na parte
de dentro da saia interna. Essas descargas, usualmente, se mantm por muitos ciclos. Se
a contaminao e a tenso forem bastante adversas, as descargas se estendero
posteriormente sobre a saia interna e algumas vezes atingiro a saia central e externa.
Essas descargas tambm disparam descargas solidrias da campnula. As amplitudes
das correntes so da ordem de 10-1.000 mA. Quando os picos das amplitudes alcanam
mais de 300 mA, o isolador ser provavelmente submetido ao flashover. Todas essas
constataes, descritas no Project EHV (1968), apesar de antigas, retratam com
fidelidade as manifestaes eltricas do isolamento submetido a poluio e umidade.
No que tange aos efeitos indesejveis da presena da poluio em um sistema de
transmisso, sintetizamos adiante as experincias da Flrida Power & Light, registradas
por Richards e Renowden (1997): aps longo perodo seco, poucos dias com ventos
fortes, virtualmente nenhuma cintilao acontece, existe um falso sentimento de
tranqilidade; surge uma noite de tempo calmo, tarde da noite ou durante a madrugada,
ocorrem mltiplas falhas por poluio; os autores registraram a ocorrncia de 198
eventos, no perodo de 20 a 29/12/91, 114 deles no dia de Natal, quando seriam
esperadas apenas 17 ocorrncias de causas diversas, durante este perodo; ressaltaram,
ainda, que essas anomalias tm ocorrido a intervalos que variam entre trs e sete anos, o
que deve estar associado s caractersticas climatolgicas da regio, principalmente
incidncia de contaminantes, pluviometria e umidade.
Situaes similares podem ser, tambm, observadas no Brasil, conforme dados da
CHESF (2003) sintetizados na Figura 2, Tabela 1 e Figura 3.
18
Captulo 1: Introduo
______________________________________________________________________
Detalhamento
Poluio ambiental, martima ou industrial da regio.
Queima de canavial ou outra vegetao.
Descarga atmosfrica que incidiu sobre ou prximo da linha.
Vegetao que tocou o condutor.
Acessrio da linha de transmisso que se desprendeu e, em sua queda, tocou o
condutor.
Evento no enquadrado nas categorias anteriores.
19
Captulo 1: Introduo
______________________________________________________________________
20
Captulo 1: Introduo
______________________________________________________________________
Por outro lado, em se tratando de equipamentos eltricos a preocupao reside na
degradao de isolantes internos aos mesmos. Os sinais a serem monitorados esto
associados a descargas parciais nos materiais utilizados. Conforme descrevem Satish e
Gururaj (1993) este tipo de descarga ocorre quando o campo eltrico local excede o
valor limite, resultando em uma ruptura do meio isolante circunvizinho. O efeito
cumulativo das descargas leva a uma degradao cumulativa do isolamento. Segundo
Kreuger (1989), descargas parciais so descargas eltricas que no contornam
completamente o dieltrico, curto-circuitando os eletrodos. Em equipamentos eltricos,
as descargas parciais so iniciadas devido presena de defeitos na fabricao ou
imposio de elevados estresses advindos de concepes inadequadas de projeto. Esses
problemas so agravados quando da presena de contaminao e/ou objetos estranhos
ao dieltrico.
Existem quatro tipos de descargas parciais: descargas internas, descargas
superficiais, descargas corona e descargas em ramificao (que podem ser consideradas
internas de origem especfica). As descargas corona no ar no so perigosas, apesar de
que o oznio e nitritos formados a partir dessas descargas so capazes de prejudicar o
isolamento, no longo prazo. As descargas superficiais so menos perigosas do que as
internas porque so menos concentradas. As descargas internas so, em muitos casos
cruciais para a vida til do isolamento, uma vez que a ocorrncia das mesmas deflagra
um processo degenerativo irreversvel, associado ao surgimento de gases e partculas
que ficam confinados no dieltrico e, cumulativamente deterioram o mesmo,
conduzindo a falha permanente do equipamento.
As dificuldades nas medies de descargas parciais esto associadas s
interferncias externas (usualmente de amplitude maior do que os sinais de descargas
parciais propriamente ditos). Segundo Statish e Nazeneen (2003) essas interferncias
esto associadas a: sinais de rdio, pulsos oriundos de componentes de eletrnica de
potncia, descargas atmosfricas, arcos entre contatos metlicos, corona oriundo de
sistemas de potncia, arcos entre contatos mveis de mquinas rotativas, etc. Na
filtragem dos rudos os autores propem a aplicao de transformadas Wavelet, as quais
tm se mostrado muito efetivas.
A anlise dos dados colhidos atravs de sensores utilizados para diagnosticar o
estado de isolantes uma tarefa que requer o suporte de ferramentas matemticas e
21
Captulo 1: Introduo
______________________________________________________________________
computacionais, uma vez que os dados a serem analisados se constituem de sinais, os
quais possuem padres especficos que requerem o tratamento atravs de tcnicas
tradicionalmente aceitas e que agilize/automatize o diagnstico diante da necessidade
moderna de monitoraes seguras em tempo real. Segundo descreve Danikas et al.
(2003), as primeiras tentativas para avaliar tais processos de forma estruturada se
concentraram, vrios anos atrs, no desenvolvimento de sistemas especialistas. A
identificao manual e codificao das regras necessrias para construir esses sistemas
eram muito difceis e exaustivas, diante, inclusive, das caractersticas determinsticas
dessas regras. Alm disso, como se detalha adiante, os sinais em foco tm um
comportamento aleatrio o que torna a questo ainda mais complexa. Segundo os
mesmos autores, essas dificuldades tm conduzido a tratar o problema atravs de
tcnicas de reconhecimento de padres. O uso dessas tcnicas se constitui de uma
ferramenta largamente utilizada com sucesso em diversos ramos da engenharia,
paleontologia, qumica, etc. com propsitos similares. A utilizao dessas tcnicas para
reconhecimento de descargas parciais foi proposta, entre outros, por Satish e Gururaj
(1993) e Danikas et al (2003).
Um
sistema
de
reconhecimento
de
padres
pode
ser
representado,
Padro
de
entrada
r1
r2
rM
Extrator
de
Atributos
x1
x2
Deciso
Classificador
xN
22
Captulo 1: Introduo
______________________________________________________________________
23
Captulo 1: Introduo
______________________________________________________________________
lineares de reconhecimento de padres, as tcnicas de extrao de atributos no domnio
do tempo, no domnio da freqncia e atravs da transformada wavelet; so feitos,
ainda, dois estudos de caso, sendo o primeiro deles associado ao diagnstico de
poluio em isoladores areos de alta tenso, e o segundo relacionado com a deteco
de defeitos em isoladores polimricos. A etapa seguinte faz uma anlise e discusso dos
resultados obtidos para cada um dos estudos de caso. O trabalho finalizado com o
encaminhamento das concluses e proposta de refinamentos para pesquisas similares
posteriores.
continuam a falhar quando em operao. Tal constatao foi ressaltada por Satish e
Nazneen (2003), os quais registraram que a principal causa de falhas em sistemas de
transmisso de energia eltrica se concentra em seus isoladores. Como decorrncia as
empresas de energia eltrica vm dando ateno especial pesquisa e desenvolvimento
de tcnicas que monitorem o estado de tais componentes. As pesquisas relatadas neste
documento esto, portanto, em consonncia com as preocupaes emanadas pelas
empresas de energia eltrica no sentido de tornar os seus sistemas de transmisso de
energia mais confiveis.
Diversos pesquisadores tm procurado analisar sinais oriundos de sensores
direcionados para monitorar defeitos incipientes em isolamentos eltricos. Nessas
pesquisas se procura avaliar os sinais adquiridos atravs de atributos. Nem sempre essas
anlises esto voltadas diretamente para a aplicao de tcnicas formais de
reconhecimento de padres, mas o intuito sempre de tirar concluses sobre o
comportamento dos fenmenos analisados e de certa forma classific-los.
A reviso bibliogrfica, apresentada a seguir, procura enfocar algumas pesquisas
empreendidas na anlise de padres de sinais associados a descargas corona em
equipamentos eltricos, destacando os diversos atributos utilizados. Os grupos de
atributos enfocados a seguir j esto associados origem fsica das descargas corona
que se deseja classificar, ou seja: descargas superficiais a isoladores areos, utilizados
rotineiramente em linhas de transmisso ou barramentos de subestaes e descargas
internas a isolamentos utilizados em equipamentos eltricos de subestaes de alta
25
Captulo 2: Reviso Bibliogrfica
______________________________________________________________________
tenso. Esse agrupamento se justifica, tendo em vista a especificidade das tcnicas de
monitoramento utilizadas em cada um dos casos.
26
Captulo 2: Reviso Bibliogrfica
______________________________________________________________________
As pesquisas implementadas por Bologna et al. (1999) enfocaram a corrente de
fuga em cadeias de isoladores de disco submetidas umidade e poluio leves,
procurando identificar as condies que poderiam influir no mecanismo de descarga
responsvel por um nmero significativo de falhas no sistema de transmisso de energia
eltrica nas classes de tenso de 220, 275 e 400 kV. Nessas anlises foram utilizados os
seguintes atributos associados s correntes de fuga: valor de pico negativo e positivo (os
maiores valores em um intervalo de 10 minutos), valores mdios (positivos e negativos),
forma de onda dos valores de pico e o valor eficaz. Os atributos descritos pelos autores
e associados a valores mximos, como ser visto adiante, perdem o significado
estatstico e devem ser descartados diante das caractersticas aleatrias do fenmeno
analisado.
Por outro lado, Vazquez e Chavez (1999) analisaram a corrente de fuga para
determinar os perodos para manuteno preventiva baseado no nvel mximo da
corrente de fuga que um isolador pode suportar at que ocorra a descarga. Mais uma
vez, as caractersticas aleatrias do fenmeno devem ser consideradas para se evitar a
utilizao de tais tipos de atributo.
Em pesquisas desenvolvidas por Salam et al. (2001), os autores definiram pontos
fracos em sistemas de transmisso (poluio em isoladores, micro-rugosidade em
condutores e ferragens de isoladores) e passaram a registrar sinais acsticos gerados de
cada um dos pontos, procurando fazer comparaes entre as suas formas. Utilizaram
anlises espectrais do nvel de presso do som e os seguintes parmetros estatsticos:
valor mdio, valor pico a pico e valor eficaz. Diante da praticidade e da correlao
existente, as anlises enfocadas pelos autores poderiam ser feitas diretamente dos sinais
de tenso obtidos do sensor de ultra-som sem a necessidade de se calcular os nveis de
presso do som.
27
Captulo 2: Reviso Bibliogrfica
______________________________________________________________________
Na opinio dos autores, cada grandeza pode fornecer apenas informaes parciais,
conduzindo a que sejam observadas diversas grandezas para melhor caracterizar as
descargas sob anlise. So detalhadas, a seguir, as formas de obteno das grandezas
definidas anteriormente.
Grandezas Bsicas
Grandezas Calculadas
28
Captulo 2: Reviso Bibliogrfica
______________________________________________________________________
observaes forem feitas sobre vrios ciclos de tenso, as seguintes grandezas podem
ser calculadas: H n () - representa o nmero de descargas observadas em cada janela de
fase, como uma funo do ngulo de fase e H qn ( ) - representa a amplitude mdia em
cada janela de fase, como uma funo do ngulo de fase. H qn ( ) calculada a partir do
nmero total de descarga em cada janela de fase, dividida pelo nmero de descargas na
mesma janela. Essas grandezas so calculadas, abrangendo todo o ciclo positivo e
+
() e H qn
() .
negativo, obtendo-se: H +n () , H n () , H qn
U(kV)
15
Nq+
10
Ui
q
i
i
10
20
t (ms)
Nq-
Operadores Estatsticos
Para analisar as diferenas das descargas nos meios ciclos da tenso de ensaio, os
seguintes operadores estatsticos foram introduzidos:
o Assimetria das Descargas
() e H qn
() :
partir de H qn
29
Captulo 2: Reviso Bibliogrfica
______________________________________________________________________
Q=
Q S N
Q S+ N +
(1)
() e H qn
() , respectivamente; N + e
sendo Q S+ e Q S a soma das descargas de H qn
o Assimetria de Fase
in
+
in
(2)
sendo in
e in
as fases de incio de descarga nos ciclos positivo e negativo.
O fator de correlao cruzada (fcc) usado para avaliar a diferena no formato das
+
() e H qn
() . A seguinte equao utilizada para calcular este fator:
distribuies H qn
fcc =
pq p p n 2
{[ p (( p) n1)] [ q
2
( q )
n2
]}
12
(3)
O fator (mcc) usado para avaliar as diferenas entre a forma da descarga nos
meios ciclos positivo e negativo:
30
Captulo 2: Reviso Bibliogrfica
______________________________________________________________________
mcc = Q fcc ,
(4)
Sk =
3
(x i ) Pi
(5)
Ku =
4
(x i ) Pi
3;
(6)
Captulo 3: Metodologia
eltricos.
Conforme descrevem Jain et al. (1995), um sistema de reconhecimento de padres
pode ser visto como uma regra de deciso automtica, a qual associa medies de um
padro a classes especficas. Um padro representado em termos de N atributos ou
propriedades e visto como um ponto em um espao N-dimensional. O que se deseja
caracterizar esses atributos de tal forma que os vetores padres pertencentes a diferentes
classes venham a ocupar diferentes regies no espao de atributos. Ao serem fornecidas
determinadas amostras de cada classe de padro, pretende-se estabelecer fronteiras de
deciso, no espao de atributos, para separar os padres que pertencem a classes
distintas.
A caracterizao dos atributos crucial para o desempenho do sistema de
reconhecimento. A caracterizao dos atributos apropriados requer interao com
profissionais que sejam especialistas na rea de aplicao. Em vrios problemas que
envolvam padres complexos, o nmero de atributos necessrios para estabelecer uma
fronteira de deciso razovel muito grande.
Assim, neste captulo da proposta de tese apresentada a metodologia utilizada
para diagnstico de isolamento de instalaes e equipamentos eltricos a partir de sinais
adquiridos. Inicialmente so feitas consideraes sobre as tcnicas de reconhecimento
de padres (lineares e no lineares) utilizadas, posteriormente so abordadas as
ferramentas matemticas aplicadas para processamento dos sinais no domnio do tempo,
no domnio da freqncia e a partir da transformada wavelet. Em seguida so
apresentadas as montagens eltricas empreendidas para implementao dos estudos de
Captulo 3: Metodologia
33
______________________________________________________________________
caso enfocados. Alguns detalhes adicionais das metodologias de reconhecimento de
padres e processamento digital de sinais utilizados para dar suporte a caracterizao e
extrao dos atributos encontram-se apresentados em Anexo.
Captulo 3: Metodologia
34
______________________________________________________________________
classificao de padres se concentram em classes linearmente separveis. Ao mesmo
tempo, um nmero significante de trabalhos tem enfocado classes no separveis e
classes que no so linearmente separveis.
O classificador relaciona todo vetor de atributos com uma regio de deciso
particular R j no espao de atributos x atravs de um conjunto de hiper-superfcies
de deciso. Cada um de tais relacionamentos pode ou no corresponder a uma correta
Captulo 3: Metodologia
35
______________________________________________________________________
como entrada durante a fase de treinamento referenciado como conjunto de
treinamento. Em alguns casos a fase de treinamento e a fase de trabalho podem
x2
. .. .
.
.
. . . .. . . . . . . ... . .
. . . . . . ..
. ..
. . R .. . . . .
1
. . ..
. .. R
. . .. .2
.
...... ...
.. .
.. .... ..
. ... . ..
. ... . .. .. .
. .. .. . . .
... .. .. . .
.. ....
.R
. 6.
...
.. . ... . ..
. .. .
.. . . .
.
.. .
. .. .
R3
..
.
..
R
5 ..
.. ......
. .. .....
..
..
. ....
.
.
.
.. ..
..
. .
. .. .
R ..
.. 8 ..
. .. . .
... . ...
... . . . ..
.
.
R4.. ......
. .
. .
R..
. 7.. .. .
. . .
.. . ... .. .
.
.
. ...
x1
.
.
FREQNCIA
WAVELETS
Mdia
Faixas do
Mdia
Curtose
espectro
Curtose
Assimetria
Energia total
Assimetria
Captulo 3: Metodologia
36
______________________________________________________________________
Tabela 2 Tipos de Atributos Analisados
(continuao).
TEMPO
FREQNCIA
WAVELETS
Desvio padro
Desvio padro
No valores<zero
No valores<zero
Valor eficaz
Valor eficaz
Coeficiente de
Coeficiente de
variao
variao
Faixas do histograma
Faixas do histograma
Passagens p/0: nmero de vezes em que o sinal sob anlise passou por
zero;
Captulo 3: Metodologia
37
______________________________________________________________________
Captulo 3: Metodologia
38
______________________________________________________________________
Transdutor
Digitalizador
Tubo de
captao
Tubo
detector
computacionais.
Os
programas
permitem a
aquisio,
gravao,
Captulo 3: Metodologia
39
______________________________________________________________________
digitalizador Programvel RTD 710A da Tektronix;
monitor X-Y Tektronix 620 para uso geral;
controlador de sistema Tektronix PEP 301.
(b)
(a)
(c)
Figura 9 Foto da cmara de nvoa: (a) vista da cmara ilustrando as suas alimentaes
de tenso eltrica, gua e ar comprimido e captao da corrente de fuga; (b) bucha
polimrica para passagem da alimentao de tenso eltrica; (c) par de bicos injetores.
A entrada de tenso feita atravs de bucha polimrica, ilustrada na Figura 9 (b), a
qual foi desenvolvida a partir de isolador polimrico industrial, perfurado e transpassado
por haste metlica com extremidades afixadas em conectores de lato com dimetro
aumentado e acabamento especial para evitar descargas corona indesejveis. A opo
Captulo 3: Metodologia
40
______________________________________________________________________
pela bucha polimrica foi feita aps a identificao de descargas excessivas, na conexo
inferior da cmara, inicialmente utilizada para alimentao da tenso de ensaio e
posteriormente adaptada para aterramento da face inferior, onde feita a drenagem da
gua depositada. O aterramento implementado permitiu, ainda, uma maior segurana a
terceiros quanto a eventuais fugas de corrente atravs das mangueiras e fluidos de
alimentao de gua e ar comprimido. Em testes experimentais realizados registrou-se a
suportabilidade da cmara a tenses de at 50 kV, sem a presena de umidade e at 15
kV, quando da formao da nvoa limpa. O ponto frgil est associado dimenso da
bucha polimrica.
A extenso da suportabilidade pode ser alcanada atravs do redimensionamento
da bucha desenvolvida. O isolador sob teste colocado no centro da cmara e o seu
aterramento feito atravs de condutor que tem, tambm, o papel de sustentao
mecnica do isolador. O condutor terra responsvel, ainda, por transmitir a corrente de
fuga do isolador para ser devidamente registrada atravs do digitalizador, passando
antes no circuito de proteo. A nvoa salina formada por seis pares de bicos injetores,
colocados trs a trs em faces opostas. Na Figura 9 (b) ilustrado um dos pares, no qual
o bico horizontal responsvel pela alimentao de gua e o vertical pela alimentao
de ar comprimido. A nvoa formada a partir do encontro dos fludos.
Corrente de fuga
Captulo 3: Metodologia
41
______________________________________________________________________
+3V
1k
100 F
+3V
100 F
3+
4
2 - 11 1
1k
BC558
11 12 8
100 F
180
-3V
1k
5V
1k
4046
100 k
35 V
16 6
9
100 F
-3V
5V
10
+3V
680 F
1M
Alta tenso
Acoplamento ptico
-3V
TIL81
(a)
+9 V
47 k
+9V
3-
Acoplamento ptico
100 F
8 7
4 1
-9V
100 F
4,7 k
1k
4046
16 6
3
4
14
56 k
Filtro
5 11 12 8
10 F
1M
+9V
2+
100 k
1 F
680 F
100 F
TIL78
+9 V
(b)
1 F
582 k
582 k
37 k
+8V
Filtro
23
100 F
4
11 1
-8V
10 F
Digitalizador
100 F
1 F
(c)
Figura 10 Circuito de proteo do digitalizador: (a) lado acoplado a alta tenso; (b)
lado acoplado a baixa tenso e isolado por acoplamento ptico e (c)
filtragem/amplificao.
Captulo 3: Metodologia
42
______________________________________________________________________
Na terceira etapa, a proteo assegurada atravs da interrupo eltrica do
circuito, realizada por um acoplamento ptico, conforme ilustrado na Figura 10 (b).Por
intermdio do acoplamento, as possveis sobretenses que venham a incidir no circuito
do TIL81 ficaro restritas ao mesmo, uma vez que existe uma isolao eltrica entre o
diodo foto-emissor TIL81 e o foto-transistor TIL78, protegendo desta forma a
integridade eltrica do digitalizador. Os sinais de tenso entre 5,7 e +5,7 V so
processados normalmente pelo circuito e recebidos pelo digitalizador. Nessas
condies, tudo se passa como se o varistor e os diodos zener no estivessem presentes
no circuito. A filtragem e amplificao so feitas na seo do circuito ilustrada na
Figura 10 (c). Os demais componentes do circuito tm as funes descritas a seguir e
podem ser visualizadas, tambm, atravs do diagrama de blocos ilustrado na Figura 11.
ganho 2;
o o conversor tenso freqncia (4046) fornece, na sua sada, uma onda
Circuito do foto-receptor
o o foto-transistor (TIL78) re-converte o sinal ptico recebido em um sinal
eltrico;
o o comparador de tenso (LM311) reconstri o sinal quadrado, em
Captulo 3: Metodologia
43
______________________________________________________________________
o o filtro passa baixa reduz o rudo da freqncia portadora do sinal de
Tl074
4046
LUZ
TIL81
LUZ
LM311
4046
Filtro
TIL78
Filtro
Filtro
Digitalizador
3.4.1.5 Termovisor
Foi utilizado o sistema de monitorao de infravermelho da AGEMA
Thermovision 550, o qual constitudo de uma cmara de infravermelho, munida de
objetiva de 20o, um cinto de baterias e outros diversos acessrios. A cmara de
infravermelho constri uma imagem a partir da radiao infravermelha emitida por um
objeto. O fato da radiao ser funo da temperatura da superfcie do objeto torna
possvel o clculo e indicao da temperatura ao longo do objeto. As imagens trmicas
do objeto sob inspeo so arquivadas num carto removvel, permitindo que as
mesmas possam ser analisadas em um computador, utilizando-se o programa de anlise
e relatrio Irwin 5.0 da Agema (1996). Ressalta-se que, atravs do programa, possvel
construir o histograma das temperaturas contidas nas imagens captadas o qual pode ser
devidamente analisado para compor novos atributos a serem incorporados ao processo
de reconhecimento.
Captulo 3: Metodologia
44
______________________________________________________________________
Nveis
Classificao
Atmosfera limpa.
0,00 0,032
0,032 0,038
Contaminao leve.
Contaminao pesada.
0,038-0,056
0,056 0,123
Maior que 0,123
A classe 2 foi definida, em complemento caracterizao de EPRI (1975), 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.
Captulo 3: Metodologia
45
______________________________________________________________________
Nveis
ESDD(mg/cm2)
0,025
10
0,035
14
0,05
20
0,1
40
0,2
80
Captulo 3: Metodologia
46
______________________________________________________________________
Cmara
de nvoa
Antena
Sensor de
ultra-som
Isolador
poludo
Digitalizador
Analisador
de espectro
Fonte
de alta
tenso
Controle
de
aquisio
Ultra som
Termovisor
i
Corrente
Circuito de
proteo
CPU
Captulo 3: Metodologia
47
______________________________________________________________________
Incio
Inicialize
Rarc, Larc em t=0
Entre
Condutividade e
Tenso aplicada
Calcule
Fator de forma,
Rpole corrente
Aumente
a tenso
Calcule
Earc e EP
V para nova
condutividade
No h propagao do arco
No
t=t+ t
EP>Earc
?
Sim
Calcule
Rarc=Rarc+ Rarc
O arco se propaga
Calcule Larc
Sim
Larc (2/3)L
No
Sada
tenso de descarga
Sim
Acabaram as
condutividades
No
Fim
Captulo 3: Metodologia
48
______________________________________________________________________
eltrico iniciado. A seguir sero detalhadas as etapas contidas no algoritmo ilustrado na
Figura 13.
Descarga Parcial
Superfcie poluda
e mida
Banda seca
P
Terminais
metlicos
Vs
Vs = Vc + Va + arc arc i + i p + s
sendo:
Vs = a tenso aplicada [V],
Vc = a queda de tenso no catodo [V],
Va = a queda de tenso no anodo [V],
arc = resistncia do arco por unidade de comprimento [/cm],
arc = comprimento do arco [cm],
i = corrente de entrada na camada poluda [A],
p = resistncia da camada de poluio [] e
(7)
Captulo 3: Metodologia
49
______________________________________________________________________
b) desprezando s , a corrente em cada instante dada por:
V (Vc + Va )
i= s
;
arc arc + p
(8)
e
dl
1
, no qual:
p = , sendo =
arc
Distncia de escoamento de um isolador a menor distncia existente, desde a parte metlica superior
(campnula) at a parte metlica inferior (pino), contornando toda a superfcie do dieltrico (corte
vertical), segundo Fuchs (1979).
Captulo 3: Metodologia
50
______________________________________________________________________
(a)
(b)
Figura 15 Propagao do arco no isolador poludo (a) tempo t1, (b) tempo t2.
c) o gradiente de tenso do arco calculado como:
arc = i ,
(9)
p =
1
+1
+1
pol
,
(10)
p
arc
(11)
Captulo 3: Metodologia
51
______________________________________________________________________
comprimento do arco for menor do que 2 3 e o critrio de propagao do
arco for satisfeito, a mudana dinmica da resistncia do arco calculada,
usando uma tcnica numrica de diferenciao, como:
2 +1
d arc arc arc
i
,
=
dt
(12)
,5 4
= 1,54 10 4 2pol
i i c4 cm/s,
(13)
arc
;
(14)
depositado,
em
mg cm 2 ),
atravs
da
seguinte
relao:
Captulo 3: Metodologia
52
______________________________________________________________________
1S = 10 2 ESDD . Pode ser verificado que a tenso de 7 kV representa um
valor suportvel para qualquer das amostras, independente do ESDD aplicado,
para o caso de um isolador padro, tendo sido esta a tenso escolhida para os
ensaios analisados adiante.5 A ttulo ilustrativo, a figura mostra, ainda, como
seria o comportamento de um isolador anti-poluio, o qual no foi objeto dos
experimentos descritos a seguir.
Essas anlises suscitaram estudos especficos quanto a suportabilidade de cadeias de isoladores poludos
e a distribuio de tenso ao longo da cadeia, conforme descries feitas por Bezerra et al (2002 a), (2002
b) e (2003).
Captulo 3: Metodologia
53
______________________________________________________________________
Captulo 3: Metodologia
54
______________________________________________________________________
Captulo 3: Metodologia
55
______________________________________________________________________
descargas parciais, amostras experimentais ( C t ), um resistor de 39 k e um resistor de
alta tenso de 280 M e uma impedncia de medio ( Z m ). Os dois resistores so
conectados em srie e formam um divisor de tenso resistivo. O divisor de tenso serve
para monitorar o nvel de tenso aplicado a amostra a uma relao de 1/7180,5 V. Na
Figura 18 apresentada uma foto de uma parcela do citado circuito experimental, na
qual podem ser verificados o transformador (componente de maior dimetro), amostra
sob teste (componente mais a esquerda), resistor (componente ao centro) e o capacitor
de acoplamento (dispositivo na cor branca).
Micro-computador Digitalizador
Detector DP
Osciloscpio
Captulo 3: Metodologia
56
______________________________________________________________________
Lado fase
Captulo 3: Metodologia
57
______________________________________________________________________
Na Figura 20 ilustrada parte da composio do arranjo eltrico para realizao dos
experimentos, na qual pode ser verificada a incluso de uma das amostras (isolador
polimrico) suspensa por barra horizontal aterrada, a qual est apoiada em colunas
isolantes, estando todo o conjunto inserido em sala blindada para aquisio dos sinais de
descargas parciais.
Captulo 3: Metodologia
58
______________________________________________________________________
Captulo 3: Metodologia
59
______________________________________________________________________
Soma das descargas mdias (pC) por fase (somatrio para todos os ciclos de
tenso).
(1) entrada dos sinais senoidais aplicados s amostras ( ra1 ...ran ) e dos sinais de
descarga registrados ( rd1 ...rdn );
Captulo 3: Metodologia
60
______________________________________________________________________
(2) ajuste da sincronizao entre os sinais;
(3) construo dos vetores q (dimenso da descarga) e U (valor da tenso aplicada
amostra em que ocorrem descargas), devidamente referenciados pela fase em
que ocorrem as descargas, para cada janela de fase;
(4) clculo dos vetores N q + e N q (nmero de descargas em cada semi-ciclo
positivo e negativo nas diversas janelas de fase);
(5) clculo dos vetores H +n ( ) e H n () (nmero de descargas observadas em
cada janela de fase, como uma funo do ngulo de fase), como tambm dos
+
() e H qn
() (amplitude mdia em cada janela de fase, como
vetores H qn
uma funo do ngulo de fase = nmero total em cada janela de fase dividida
pelo nmero de descargas na mesma janela);
(6) clculo dos operadores estatsticos (Q, , fcc, mcc, Sk, Ku) descritos no
Captulo 2.
U(kV)
U(kV)
15
15
U(kV)
15
Nq+
Nq+
10
5
Uinc
0
Nq+
10
q
i
i
10
5
Uinc
10
20
Nq-
t (ms)
q
0
5
Uinc
i
10
(ms) 20
q
0
Nq-
10
20
t (ms)
Nq-
Captulo 3: Metodologia
61
______________________________________________________________________
Vetores de atributos
Atributos
Desc. parciais
Classe 0 Classe 1
Classe 2
Classe 3
x1
x1
x1
x1
xN1
xN1
xN1
xN1
Classes
Conjunto de
II
Treinamento
1; 2; 2; 3; 4
1o
0; 1
2; 2; 3; 4
2o
0; 1; 2
2; 3; 4
3o
0; 1; 2; 2
3; 4
4o
0; 1; 2; 2; 3
5o
Imagem trmica
Histograma da imagem
(a) Isolador sem poluio
C2
C1
Imagem trmica
Histograma da imagem
(b) Isolador com poluio 4
Figura 25 Apresentao das imagens trmicas e histogramas bsicos para cada nvel
de poluio.
observado na figura que a utilizao do maior nmero de faixas do histograma
(56) melhora o desempenho do classificador a ser construdo a partir dos atributos
Numero de Fisher
Atributo
selecionado
Numero de Fisher
F23
F25
F39
1,155147
0,918583
0,907715
F28
F31
F13
0,347050
0,328372
0,306363
Numero de Fisher
Atributo
selecionado
Numero de Fisher
F24
F17
DesvPad
Media
DimTerm1
F16
F15
F42
F26
F27
F43
F18
F40
F22
F32
F37
F14
0,884422
0,820741
0,794053
0,791443
0,751603
0,661770
0,630452
0,622283
0,619869
0,604496
0,559815
0,525021
0,516719
0,488001
0,404334
0,381558
0,359964
F41
F20
F34
F29
F36
F10
F9
DimTerm2
F30
F33
F21
F38
F11
F19
F12
F35
0,267945
0,250778
0,183900
0,180409
0,132866
0,129099
0,129099
0,127848
0,127770
0,109719
0,101851
0,095041
0,093486
0,044714
0,039023
0,020650
F49
F48
F47
F46
F45
F44
F8
F7
F6
F5
F4
F3
F2
F1
Wavelet
db1
db2
db3
db4
db5
db6
db7
db8
db9
db10
sym2
sym3
sym4
sym5
sym6
sym7
sym8
dmey
coif1
coif2
coif3
coif4
coif5
bior1.1
bior1.3
bior1.5
bior2.2
bior2.4
bior2.6
bior2.8
bior3.1
bior3.3
bior3.5
bior3.7
bior3.9
bior4.4
bior5.5
Sem Pol.
10
8
11
8
8
8
9
9
9
8
8
11
10
9
10
9
9
9
9
9
9
8
9
10
9
9
8
8
9
9
6
7
7
7
7
8
9
Pol 4
10
8
9
8
9
9
9
9
9
8
8
9
9
9
10
9
10
10
8
10
9
9
9
10
9
9
8
9
9
9
7
7
7
7
7
9
10
Sem Pol.
9
10
9
9
8
9
9
9
8
9
8
9
7
9
Pol 4
9
10
10
10
9
9
9
9
8
9
9
9
8
9
Wavelet
db5
bior4.4
bior3.3
rbio1.3
rbio2.6
bior5.5
rbio2.4
bior3.1
sym7
rbio1.5
bior2.8
sym5
coif3
rbio6.8
db1
db7
rbio4.4
rbio1.1
db4
db3
sym3
bior1.3
rbio2.8
coif4
bior1.1
bior3.7
db6
rbio3.7
bior2.2
db10
db9
bior1.5
sym8
bior3.9
sym6
bior6.8
bior2.4
rbio3.3
coif2
rbio3.9
rbio3.1
db8
bior2.6
coif1
coif5
sym4
rbio5.5
bior3.5
rbio3.5
20 Faixas
Perc.Acertos
64,10
62,94
62,65
62,04
61,92
61,71
61,67
61,65
61,64
61,62
61,45
61,44
61,04
60,90
60,85
60,82
60,75
60,73
60,72
60,67
60,67
60,64
60,63
60,58
60,56
60,54
60,52
60,47
60,44
60,42
60,38
60,37
60,36
60,27
60,26
60,26
60,03
60,03
59,83
59,83
59,70
59,60
59,36
59,32
59,28
59,26
59,23
59,01
58,78
Wavelet
rbio2.4
rbio1.3
rbio1.1
bior1.1
db1
db5
sym6
bior3.3
sym5
db2
sym2
sym7
rbio4.4
rbio2.6
bior2.8
bior6.8
bior5.5
sym8
bior3.1
bior3.7
rbio3.1
db4
bior2.2
bior4.4
rbio3.7
rbio1.5
db10
bior3.5
coif3
sym4
db6
bior2.6
db3
sym3
coif1
bior3.9
db8
bior1.3
coif2
db7
rbio3.3
rbio6.8
rbio2.8
bior2.4
rbio3.9
rbio3.5
rbio5.5
db9
bior1.5
40 Faixas
Perc.Acertos
66,65
66,07
65,90
65,87
65,86
65,39
65,33
65,32
65,11
65,03
64,89
64,67
64,65
64,21
64,16
64,07
63,90
63,81
63,80
63,78
63,78
63,61
63,61
63,53
63,50
63,44
63,42
63,31
63,09
63,06
63,05
62,97
62,92
62,92
62,89
62,87
62,58
62,47
62,45
62,41
62,31
62,17
62,10
62,05
61,78
61,74
61,66
61,33
61,28
Wavelet
bior1.1
db1
rbio1.1
bior2.2
bior4.4
rbio1.3
rbio2.4
db5
bior3.3
rbio3.1
sym7
sym8
sym5
sym4
rbio3.3
rbio3.7
bior3.7
coif3
rbio3.5
bior5.5
rbio2.2
db3
sym3
db6
sym6
rbio5.5
rbio2.6
rbio4.4
bior1.5
bior6.8
rbio1.5
bior3.5
coif1
db10
db2
db4
bior2.8
bior3.9
db7
bior1.3
rbio3.9
sym2
bior3.1
coif2
bior2.4
rbio6.8
bior2.6
rbio2.8
coif4
60 Faixas
Perc.Acertos
68,96
68,88
68,47
67,88
67,49
67,25
66,62
66,57
66,50
66,37
66,17
66,14
66,07
66,02
65,92
65,80
65,60
65,58
65,57
65,39
65,38
65,33
65,33
65,29
65,23
65,20
65,17
65,14
65,03
64,95
64,95
64,91
64,88
64,82
64,70
64,68
64,60
64,47
64,44
64,44
64,35
64,33
64,27
64,20
63,90
63,72
63,60
63,48
63,47
20 Faixas
Perc.Acertos
58,77
58,77
57,65
57,13
Wavelet
coif4
coif5
rbio2.2
dmey
40 Faixas
Perc.Acertos
61,26
60,35
59,81
57,86
Wavelet
coif5
db9
db8
dmey
60 Faixas
Perc.Acertos
62,99
62,35
61,93
60,31
Sem poluio
Com poluio 4
Wavelet
bior1.3
db6
bior2.2
db2
sym2
bior3.1
db4
bior3.3
rbio4.4
rbio5.5
rbio2.4
rbio1.3
sym4
db3
sym3
coif1
db9
rbio3.1
bior1.5
bior2.6
db1
bior1.1
rbio1.1
rbio3.3
bior3.7
rbio1.5
bior4.4
bior3.5
20 Faixas
Perc.Acertos
66,77
66,48
66,44
66,35
66,35
66,30
66,27
66,09
66,07
65,99
65,98
65,93
65,87
65,76
65,76
65,74
65,58
65,56
65,55
65,54
65,46
65,46
65,46
65,27
65,13
65,11
65,09
65,05
Wavelet
db2
sym2
rbio4.4
rbio5.5
rbio2.4
bior4.4
bior1.3
bior3.3
bior2.4
rbio3.3
db7
rbio3.1
bior3.1
bior3.7
rbio1.3
db1
bior1.1
rbio1.1
bior1.5
bior2.2
db4
db10
db6
rbio1.5
coif1
bior2.6
sym6
sym3
40 Faixas
Perc.Acertos
68,56
68,55
68,43
67,88
67,80
67,62
67,53
67,43
67,25
67,19
67,15
67,11
67,08
66,95
66,91
66,89
66,89
66,89
66,86
66,74
66,67
66,66
66,50
66,44
66,31
66,27
66,13
66,10
Wavelet
db6
bior1.3
rbio5.5
db4
bior3.3
bior2.6
rbio3.3
bior2.2
sym4
rbio1.3
bior3.1
bior1.5
rbio1.5
coif1
db7
rbio4.4
bior3.7
coif2
db2
sym2
db8
bior3.9
db3
sym3
rbio3.1
bior3.5
sym8
rbio2.4
60 Faixas
Perc.Acertos
68,86
68,77
67,90
67,89
67,81
67,76
67,76
67,70
67,61
67,59
67,47
67,32
67,32
67,27
67,22
67,20
67,16
67,15
67,01
67,01
66,99
66,87
66,86
66,86
66,77
66,70
66,69
66,67
40 Faixas
65,04
65,03
64,97
64,88
64,86
64,86
64,77
64,66
64,44
64,33
64,26
64,19
64,12
64,11
64,07
64,07
64,05
64,01
64,00
63,97
63,61
63,49
63,46
63,33
62,53
DB3
rbio6.8
db5
rbio2.8
bior5.5
sym8
bior6.8
bior3.5
sym4
coif2
sym5
db9
bior2.8
db8
coif4
rbio2.2
bior3.9
rbio3.5
rbio3.7
sym7
rbio2.6
coif3
coif5
rbio3.9
dmey
66,09
66,09
66,05
66,00
65,98
65,82
65,79
65,76
65,72
65,71
65,55
65,53
65,53
65,47
65,25
65,23
65,08
64,98
64,90
64,83
64,71
63,88
63,77
63,70
62,58
60 Faixas
RBIO2.6
bior2.4
sym5
db1
bior1.1
rbio1.1
sym6
bior5.5
db5
rbio2.2
sym7
bior4.4
db9
rbio2.8
coif3
rbio6.8
rbio3.7
coif4
bior6.8
bior2.8
db10
rbio3.5
rbio3.9
coif5
dmey
66,63
66,62
66,58
66,45
66,45
66,45
66,44
66,34
66,29
66,22
66,21
66,03
66,01
65,86
65,84
65,83
65,40
65,33
65,16
65,09
65,03
64,91
64,33
63,83
63,54
Iteraes
Algoritmo
Termovisor
Som
Corrente
Tempo
Freqncia
Wavelet
(wavelet)
Espectro
traingd
traingdm
traingda
traincgp
traingdx
trainrp
traincgf
128
209
traincgp
91
116
traincgb
77
54
trainscg
223
trainbfg
trainoss
88
trainlm
Observaes: N significa que no houve convergncia (o nmero de iteraes foi limitado em 300 e foi
utilizada a tolerncia mxima de 10-5 para o erro mdio quadrtico cometido quando o processo de
treinamento da rede procura ajustar os pesos para se obter a informao de sada desejada).
Iteraes
Algoritmo
Termovisor
Som
Corrente
Tempo
Freqncia
Wavelet
(wavelet)
Espectro
traingd
traingdm
traingda
241
traincgp
227
239
traingdx
243
243
trainrp
35
51
traincgf
17
61
traincgp
13
39
traincgb
16
47
trainscg
33
59
trainbfg
26
63
trainoss
51
trainlm
As mesmas observaes quanto convergncia e nmero de iteraes feitas para a Tabela 10 tambm so
vlidas para a Tabela 11, lembrando-se que a letra N indica que no houve convergncia para a
tolerncia e o nmero de iteraes indicados anteriormente.
Funo de
transferncia
1a camada
2a camada
tansig
tansig
tansig
Iteraes
Corrente
Termovisor
Som
Espectro
Tempo
Freq.
Wave.
(wave.)
17
purelin
10
tansig
logsig
logsig
tansig
27
131
logsig
purelin
12
10
logsig
logsig
12
Iteraes
Funo de
transferncia
1a camada
2a camada
tansig
tansig
tansig
Corrente
Termovisor
Som
Espectro
Tempo
Freq.
Wave.
(wave.)
10
purelin
11
10
tansig
logsig
34
logsig
tansig
34
logsig
purelin
17
12
logsig
logsig
12
Iteraes
Algoritmo
Termovisor
Som
Corrente
Tempo
Freqncia
Wavelet
(wavelet)
Espectro
traingd
traingdm
traingda
traingdx
traingrp
100
traincgf
129
traincgp
153
traincgb
46
79
trainscg
72
67
trainbfg
24
44
trainoss
214
trainlm
12
10
Ultra-som
x
x
10,N4
x81,N4
x
x160 ,1
x160,N1 x160,1
x160,N2 x
1 60,1
x160,1
x160,N3 x
x
x160,N4
x
x401,N1 x4 01,1
x401,1
x401,N 2 x
x401,1
x401,N3 x
x
x401,N4
x
x480,1
x480,N1 x4 80,1
x480,1
x480,N2 x
x480,1
x480,N3 x
x
x480,N4
x
Classe 1 Classe 0
x
x
x
80,N3 x
10,1
x81,1
x81,N3 x
x
Classe 5
x80,N2 x
8 0,1
x81,N2 x
8 1,1
Sinais
x80,N1 x80,1
x81,N1 x81,1
x401 ,1
x1,N2
VHF
x80, 1
x81, 1
X=
x1 ,1
Termovisor
x1,N1
x1,1
x1,1
x1,N3
x
x
1,1
x1,N4
x
Sensor / domnio
Dimenso
Acertos - modelo
linear (%) (*)
6x80x64
6x80x60
6x80x88
6x80x21
6x80x68
6x80x177
6x80x88
6x80x41
6x80x68
6x80x197
6x80x241
6x80x374
6x80x237
6x80x261
6x80x257
6x80x124
6x80x438
6x80x434
6x80x301
6x80x321
6x80x498
82,4
96,9
76,8
50,1
67,0
79,4
62,5
60,9
67,6
63,4
91,8
75,9
95,3
79,4
89,1
98,7
86,4
90,9
98,2
94,6
95,7
81,5
96,1
80,2
57,8
70,4
80,4
65,0
57,7
70,1
67,1
91,0
79,5
93,5
78,1
88,2
98,7
87,7
90,1
98,1
94,6
95,7
96,7
100,0
84,4
70,4
73,5
96,3
60,4
75,8
66,0
86,0
100,0
97,3
100,0
95,6
100,0
100,0
99,8
97,9
100,0
100,0
100,0
dif 2
No iteraes
3,10x10-02
3,50x10-06
1,26x10-01
1,99x10-01
1,80x10-01
3,60x10-02
2,39x10-01
1,74x10-01
2,24x10-01
1,21x10-01
2,14x10-06
1,61x10-02
2,25x10-06
4,12x10-02
2,66x10-06
5,16x10-06
2,07x10-03
2,04x10-02
4,13x10-06
3,26x10-06
2,55x10-06
35
8
20
20
10
50
10
20
8
20
8
10
4
10
8
6
5
20
10
4
3
Uma leitura da primeira linha da Tabela 15, por exemplo, permite obter as
seguintes informaes: os classificadores foram construdos para a densidade espectral
do sinal de VHF obtido a partir da composio antena / analisador de espectro; a
dimenso do espao de atributos resultante foi 6 x 80 x 64 (6 amostras de isoladores
com diferentes nveis de poluio depositada, 80 sinais adquiridos para cada amostra e
64 atributos extrados para cada sinal), cujas citaes e avaliaes foram feitas
anteriormente; foram obtidos 82,4 e 81,5 como percentuais de acertos ao se aplicar os
modelos de Fisher e Karhunem-Love, respectivamente; a aplicao do modelo no
linear conduziu ao percentual de 96,7 % de acertos, com erro mdio quadrtico de 3,10
x 10-2, aps 35 iteraes.
Verifica-se na Tabela 15 que a aglutinao dos atributos de ultra-som extrados
atravs da transformada Wavelet com os atributos extrados nos domnios do tempo e da
freqncia apresentaram queda no desempenho. Esta queda pode estar associada
sensibilidade do instrumento a rudos no ambiente que foram minimizados atravs da
transformada Wavelet, por intermdio de suas caractersticas de ressaltar variaes dos
Sensor / domnio
Dimenso
Acertos - modelo
linear (%) (*)
6x80x64
6x80x60
6x80x177
6x80x68
6x80x241
6x80x245
6x80x237
6x80x132
6x80x128
6x80x124
6x80x309
6x80x305
6x80x301
6x80x301
6x80x369
82,4
96,9
79,4
67,6
94,0
81,8
89,9
84,8
97,4
98,7
92,7
95,8
98,2
98,9
98,4
81,5
96,1
80,4
70,1
94,0
80,8
92,1
82,5
96,9
98,7
91,3
93,6
98,1
98,6
98,0
96,7
100,0
96,3
66,0
100,0
74,2
100,0
99,4
98,9
100,0
100,0
93,7
100,0
100,0
50,0
dif 2
No iteraes
3,10x10-02
3,50x10-06
3,60x10-02
2,24x10-01
2,14x10-06
1,91x10-01
2,25x10-06
6,21x10-03
1,02x10-02
5,16x10-06
5,23x10-06
5,72x10-02
4,13x10-06
7,44x10-06
2,50x10-01
35
8
50
8
8
20
4
10
23
6
8
10
10
6
5
Observaes:
(*) foi considerada a mdia dos valores obtidos para cada um dos conjuntos de treinamento (1,
2, ..., 5);
(**) com o intuito de simplificar a construo da tabela, registrou-se, apenas, os resultados
obtidos para o conjunto de treinamento 3, o qual conduziu a menores percentuais de acerto,
quando utilizados os modelos lineares;
Observa-se nesta tabela que houve uma melhora significativa nas novas
composies. Por outro lado, apontado na tabela que, apesar da melhor composio
observada, a utilizao conjunta de sensores para monitorar o fenmeno da poluio
nem sempre vantajosa. Em alguns casos aumenta-se significativamente a dimenso do
espao de atributos sem uma correspondente melhora no desempenho do processo de
diagnstico. Essas situaes encontram-se ressaltadas na prpria tabela, registrando-se
em nmeros vermelhos as composies desvantajosas e em nmeros verdes as
composies vantajosas. A ttulo de exemplo verifica-se que a composio do sensor de
corrente de fuga e termovisor conduziu a uma situao desvantajosa uma vez que o
Sensor / domnio
Espect.
Term. (*)
Corrente
Som (wave.)
Corr. X Espect.
Corr. X Som
Corr. X Term. (**)
Som X Espect.
Som X Term. (**)
Term. X Espect.
Corr. X Som X Espect.
Corr. X Som X Term. (**)
Corr X Term X Espect (**)
Som X Term. X Espect. (**)
Corr. X Som X Term. X Espect. (**)
% de acertos
Treinamento
Validao
Fisher K.Love Fisher
K.Love
82,4
81,5
78,7
79,7
96,9
96,1
96,5
96,4
79,4
80,4
81,9
78,5
67,6
70,1
56,9
57,7
94,0
94,0
85,5
84,6
81,8
80,8
81,6
79,1
89,9
92,1
96,2
92,6
84,8
82,5
78,7
79,4
97,4
96,9
96,5
96,4
98,7
98,7
97,8
97,4
92,7
91,3
87,1
85,0
95,8
93,6
92,3
92,3
98,2
98,1
97,9
96,0
98,9
98,6
99,0
97,2
98,4
98,0
98,1
96,0
Observaes:
(*) a validao desse classificador foi feita com o prprio conjunto de treinamento, servindo
apenas para testar a rotina de validao;
(**) essas validaes ficaram parcialmente prejudicadas pelo mesmo motivo;
os percentuais de acerto so valores mdios para todas as amostras analisadas.
Rudos de ultra-som
rs = 10 2 (sen (2 200 t ) + sen ((2 520 t )) + c(t )) ,
(15)
na qual:
rs = sinal de rudo de ultra-som simulado (V);
t tempo (s);
c(t ) - componente de amplitude varivel aleatoriamente no tempo (V).
(16)
na qual:
rf = sinal de rudo de ultra-som simulado (A);
t tempo (s);
cf (t ) - componente de amplitude varivel aleatoriamente no tempo (A).
Sensor / domnio
Espect.
Term.
Corrente
Som (wave.)
Corr. X Espect.
Corr. X Som
Corr. X Term.
Som X Espect.
Som X Term.
Term. X Espect.
Corr. X Som X Espect.
Corr. X Som X Term.
Corr X Term X Espect
Som X Term. X Espect.
Corr. X Som X Term. X Espect.
% de acertos
Treinamento
Validao
Fisher K.Love Fisher
K.Love
82,4
81,5
82,4
81,5
96,9
96,1
96,9
96,1
79,4
80,4
52,7
52,8
67,6
70,1
58,2
56,2
94,0
94,0
69,4
79,0
81,8
80,8
52,9
54,3
89,9
92,1
88,5
96,9
84,8
82,5
76,9
79,0
97,4
96,9
96,5
96,4
98,7
98,7
97,8
97,4
92,7
91,3
71,8
77,5
95,8
93,6
89,0
96,6
98,2
98,1
97,4
97,7
98,9
98,6
98,0
97,4
98,4
98,0
97,3
97,7
FA: 42,1C
40,0C
40
30
20
14,0C
31,0C
30
FA: 30,4C
20
10
5,0C
2
1
0
2
3
4
Incio
Leitura
do sinal
Extrao
e normalizao
i=1
Sim I>5
?
i=i+1
No
i
1
2
3
4
5
Sim
Sim
Estado
0
1
2
2
3
Mais
sinais
?
No
Fim
Classificador
(0)/(1,2,2,3,4)
(0,1)/(2,2,3,4)
(0,1,2)/(2,3,4)
(0,1,2,2)/(3,4)
(0,1,2,2,3)/(4)
i
1
2
3
4
5
Estado (classe)
0
1
2
2
3
Sensor / domnio
Espect.
Term.
Corrente
Som (wave.)
Corr. X Espect.
Corr. X Som
Corr. X Term.
Som X Espect.
Som X Term.
Term. X Espect.
Corr. X Som X Espect.
Corr. X Som X Term.
Corr X Term X Espect
Som X Term. X Espect.
Corr. X Som X Term. X Espect.
Unidades LT
Unidades SE
Classif. (%)
Acertos (%)
Classif. (%)
Acertos (%)
*
*
*
81
*
*
*
*
*
*
*
*
*
*
*
*
*
*
100
*
*
*
*
*
*
*
*
*
*
*
*
*
*
67
*
*
*
*
*
*
*
*
*
*
*
*
*
*
95,5
*
*
*
*
*
*
*
*
*
*
*
Soma das descargas mdias (pC) por fase (somatrio para todos os ciclos de
tenso).
(a)
(b)
Figura 50 Evoluo do fator de correlao modificado: (a) isolador sem defeito e (b)
isolador com defeito do tipo (a).
(a)
(b)
Figura 51 Evoluo da assimetria: (a) isolador sem defeito e (b) isolador com defeito
do tipo (a).
(a)
(b)
Figura 52 Evoluo da curtose: (a) isolador sem defeito e (b) isolador com defeito do
tipo (a).
Classes
Percentual de acertos
Modelo linear
Modelo no linear
Sem defeito
17
81
33
80
100
77
100
76
Classes
Percentual de acertos
Modelo linear
Modelo no linear
Sem defeito
100
75
100
76
100
77
100
92
Captulo 5: Concluses
Captulo 5: Concluses
107
______________________________________________________________________
analisado, como tambm, quando possvel, foram feitas avaliaes por domnio (tempo,
freqncia e a partir da transformada wavelet). A estratgia possibilitou aferir a
contribuio no apenas dos sensores utilizados, como tambm dos diversos atributos
caracterizados. A partir das anlises individuais foi possvel realizar as anlises
conjuntas, agregando os atributos mais significativos ao processo de reconhecimento
dos sinais.
Nas anlises individuais realizadas por tipo de sensor e por domnio foram
avaliadas as sensibilidades do processo de reconhecimento utilizao de nmero
crescente de faixas, tanto nos histogramas construdos no domnio do tempo, quanto nas
densidades espectrais de potncia dos sinais avaliados. As anlises feitas permitiram
verificar que, geralmente, se obtm uma melhora no processo de reconhecimento,
quanto maior for o nmero de faixas utilizadas, observando-se algumas excees e
saturaes neste nmero.
Captulo 5: Concluses
108
______________________________________________________________________
Captulo 5: Concluses
109
______________________________________________________________________
A avaliao das junes de dados obtidos a partir dos sensores permitiu aferir os
resultados dos processos de reconhecimento, utilizando-se diversas combinaes. Os
resultados obtidos apontaram que junes de sensores no invasivos para produzir o
diagnstico do estado de isoladores poludos podem levar a resultados semelhantes ou
at melhores do que os obtidos a partir do uso de sensores invasivos. A anlise dos
experimentos realizados apontou que a melhor composio observada foi entre os
sensores de ultra-som, termovisor e VHF, todos no invasivos, fato que representa uma
contribuio significativa aos processos de diagnstico diante de sua relevncia prtica.
Captulo 5: Concluses
110
______________________________________________________________________
A partir da caracterizao de atributos para as imagens trmicas adquiridas foi
possvel construir classificadores para diagnosticar os nveis de poluio em isoladores,
com percentuais mdios de acerto superiores a 95%. Os resultados alcanados se
revestem de grande importncia, quando se considera que os termovisores so
instrumentos utilizados largamente no setor eltrico para monitorar a temperatura de
conexes eltricas. A aplicao realizada ao longo das pesquisas, alm de abrir uma
nova perspectiva de aplicao para o termovisor representa que a tecnologia pesquisada
poder ser implantada a baixos custos diante da difuso do uso desse tipo de sensor.
Captulo 5: Concluses
111
______________________________________________________________________
de interesse (0 a 60 MHz);
o reviso no sistema de ar comprimido direcionada para se aproximar
Captulo 5: Concluses
112
______________________________________________________________________
caracterizao e anlises de atributos direcionados para a aferio do estado de
isolamentos areos submetidos a poluio e isoladores polimricos com defeitos de
montagens industriais.
importante enfatizar que a passagem da fase de prottipos concebidos em
laboratrio para a fase operacional dos classificadores construdos requer adequaes
adicionais, nas quais as amostras retiradas de sistemas de transmisso em operao
(submetidas a intempries) e que no forem bem classificadas necessitaro ser
incorporadas ao conjunto de treinamento com o intuito de implementar ajustes iterativos
que redundem no aprimoramento dos classificadores. Cabe ressaltar, tambm, que a
metodologia utilizada pode ser adaptada a diversas outras aplicaes semelhantes,
abrindo uma perspectiva concreta de modernizaes das tcnicas de diagnstico
atualmente praticadas para monitorao de equipamentos e instalaes eltricas.
Anexo
R j = x g j (x ) g i (x ) para todo i ,
sendo g j (x ) da forma:
(17)
Anexo
114
______________________________________________________________________
g j (x ) = w Tj x + w j0 ,
(18)
(19)
Supondo que N atributos tenham sido extrados a partir de cada padro de entrada,
cada conjunto de N atributos considerado um vetor de atributos x, e pode ser
representado por um ponto no espao de atributos X , de dimenso N. O problema da
classificao associar cada possvel vetor ou ponto no espao de atributos a uma classe
de padres apropriada. Conceitualmente, as funes discriminantes podem ser
caracterizadas da maneira descrita a seguir.
Sejam c1 , c 2 , ... c k especificados como as k possveis classes de padres a serem
reconhecidos, e x = [x 1, x 2 , ... x N ]t o vetor de atributos, no qual x i representa o isimo atributo medido. Uma funo discriminante
g j (x) : x R
x g j (X ),
(20)
Anexo
115
______________________________________________________________________
associada classe c j , (j=1,2, ... , k) tal que se o padro de entrada representado pelo
vetor de atributos x pertence classe c i (x c i ) , ento o valor de g i ( x ) deve ser o
maior. Isto , para todo x c i ,
g i (x ) > g j (x ), i, j = 1,2, ..., k, i j .
(21)
(22)
Para a situao em que apenas duas classes estejam presentes, dado um vetor de
atributos x, a regra de deciso ser:
Se g 1(x ) > g 2 (x ) , ento x c1 ;
(23)
(24)
(25)
(26)
(27)
Anexo
116
______________________________________________________________________
atributos em dois semi-espaos: a regio de deciso R 1 , para c1 , e a regio de deciso
R 2 , para c 2 .
O exemplo a seguir traa, no espao x , o hiperplano parametrizado pelo vetor
peso
aumentado
v t = (2, 2, 1) .
Portanto,
hiperplano
ser
definido
por
g(x ) = v t y = 0 , ou seja:
1
v y = (2, 2, - 1) x 1 = 2 + 2x 1 x 2 .
x
2
t
w t x1 + w 0 = w t x 2 + w 0 ,
(28)
w t (x 1 x 2 ) = 0 ,
(29)
ou
117
Anexo
______________________________________________________________________
x2
ty
=0
R1
0
-2
R2
1
-1
-1
x1
-2
x = xp + d
w
,
w
(30)
( )
desde que g x p = 0 ,
g (x ) = w t x + w 0 = d w ,
(31)
g (x ) = w t x + w 0 = d w ,
(32)
Anexo
118
______________________________________________________________________
ou:
d=
g (x ) v t y
=
.
w
w
(33)
X
d
Xp
X
R2
R1
H
g(x)>0
g(x)<0
g(x)=0
(34)
Anexo
119
______________________________________________________________________
x2
vt y
w
w0
w2
R2
R1
wt x
w
w0
w
w0
w1
ty
=0
x1
(35)
Anexo
120
______________________________________________________________________
x2
x
x
x
(a)
xx
xx
x1
(b)
x1
Figura 56 Projeo de amostras sobre uma reta: (a) inadequada e (b) adequada. Fonte:
Duda e Hart (1973).
importante observar que, mesmo se as amostras estiverem bem separadas no
espao original, a projeo das mesmas em uma linha arbitrria poder produzir uma
mistura entre as classes, conforme pode ser observado na figura. Entretanto, movendo a
linha, pode ser encontrada uma orientao para a qual a projeo das amostras apresente
uma boa separao. Esse o objetivo das anlises discriminantes clssicas.
Anexo
121
______________________________________________________________________
Suponha que se possui um conjunto de n amostras de dimenso N (x1, ..., xn), n1
no subconjunto 1 rotulado por c1 e n2 no subconjunto 2 rotulado por c 2 . Se
formarmos uma combinao linear dos componentes de x, obtemos o escalar:
y=wtx,
(36)
mi =
1
x,
n i x
(37)
1
~ = 1
m
y=
w t x = w t mi ,
i
n i y n i x
i
(38)
~ m
~ = w t (m m ) , e que podemos tornar essa
m
1
2
1
2
Anexo
122
______________________________________________________________________
s i2 = (y m i )2 .
yi
(39)
Ento ~s12 + ~s22 n uma estimativa da varincia dos dados agrupados e ~s12 + ~s22
denominado espalhamento interclasses para os dados projetados. O discriminante
linear de Fisher , ento, definido como a funo linear w t x para a qual a funo
critrio:
~ m
~ 2
m
1
2
J(w ) =
~s 2 + ~s 2
1
(40)
(41)
S w = S1 + S 2 .
(42)
2
t
t
~s 2 =
w
x
w
m
= w t (x m i )(x m i ) t w = w t S i w .
i
i
(43)
xi
Ento,
xi
xi
Similarmente,
(44)
Anexo
123
______________________________________________________________________
(m~1 m~ 2 )2 = (w t m1 w t m 2 )
sendo:
S B = (m1 m 2 )(m1 m 2 ) t .
(46)
J (w ) =
w tSB w
w t SW w
(47)
Pode ser mostrado que o vetor w que maximiza J deve satisfazer a seguinte
equao,segundo Duda e Hart (1973):
S B w = S W w ,
(48)
(49)
Anexo
124
______________________________________________________________________
1
w = SW
(m1 m 2 ) .
(50)
Fi =
X i1 X i2
i1 + i2
, i = 1,...N ,
na qual:
X ij = mdia dos valores do atributo xi na classe j, j = 1,2;
ij = desvio padro do atributo xi na classe j, j = 1,2.
(51)
Anexo
125
______________________________________________________________________
Ao se colocar os nmeros de Fisher ( Fi , i=1, ..., N), obtidos para todos os
atributos, em ordem decrescente, a seleo pode ser realizada de duas maneiras:
atribuindo-se o valor mnimo de Fi ou definindo-se o nmero mximo de atributos a
serem considerados. Cada atributo escolhido pode eliminar outros, desde que o
coeficiente de correlao seja maior do que algum valor pr-estabelecido (80 %, por
exemplo). A grande vantagem de usar esta tcnica se levar em considerao tanto as
informaes interclasses, como intraclasses. Outra vantagem est associada estimativa
da validade do atributo analisado no processo de classificao.
Anexo
126
______________________________________________________________________
k
y j,i = x tj i
i = 1,2, ..., k ,
(52)
(53)
k
N
= y j,i i y j,i i .
i =1
i=1
(54)
= it S i .
i =K +1
(55)
(56)
Min {i } = i .
i = k +1
(57)
Anexo
127
______________________________________________________________________
transformao ortogonal inversa, ( y j,i = x tj i
Karhunen-Love.
A transformao apresentada pode ser utilizada para reconhecimento de padres.
O processo de amostragem fornece uma seqncia de valores que definem o padro
dado r (r1, r2, ..., rM). Portanto, aps este processo, o padro de entrada tratado como
um vetor M-dimensional.
Obtido o vetor, correspondente ao padro de entrada, inicia-se o processo de
extrao de tributos, obtendo-se o vetor x ( x1 , x 2 , ..., x N ) . O estgio seguinte consiste
na transformao Karhunen-Love dos valores de entrada, esta prov um mapeamento
um para um, transformando o vetor de atributos x
(x1 , x 2 , ..., x N )
em outro u
(58)
1
, sendo L o nmero de
L
(59)
Anexo
128
______________________________________________________________________
portanto, a fixao dos k primeiros componentes de u, associados as maiores varincias,
permite obter o vetor z ( z1 , z 2 , ..., z k ) que pode ser denominado de vetor de atributos
transformado e reduzido.
Atravs da tcnica de Karhunen-Love possvel construir e treinar um
classificador que seja capaz de localizar automaticamente a classe a que pertence um
determinado padro, associado ao seu vetor de atributos transformado e reduzido z.
O classificador pode ser projetado baseado no critrio de mnima distncia
quadrada, o qual definido a partir da seguinte regra: um padro associado ao vetor z
dito pertencente a classe c i se z mais prximo a z i , sendo que c i corresponde a
classe i e z i o vetor mdio da classe c i .
Na Figura 57 ilustrado o processo de classificao para trs classes ( c1 , c 2 e c 3 ).
Neste caso, o padro associado ao vetor z ser reconhecido como elemento pertencente
a classe c 2 .
Representando D i2 a distncia quadrada entre z e os z i , a frmula para o clculo
da distncia dada por:
D i2 = z z i
= (z z i )(z z i )t i = 1,..., L ,
(60)
z z1
z2
z z3
c1
z1
z z z2
c2
z3
c3
Anexo
129
______________________________________________________________________
A equao anterior pode ser re-escrita da seguinte forma:
D i2 = z
1
2
2 z i z t z i i = 1,..., L .
2
(61)
1
2
na qual o termo z i
1
2
zi
i = 1,..., L ,
2
(62)
Anexo
130
______________________________________________________________________
Entrada
Pesos
multiplicativos
Pesos
multiplicativos
Entrada
g(x ) = wi xi ,
i =1
(63)
sendo que:
g(x) o valor da sada;
Essa soma, portanto, deve ser comparada com um certo valor intrnseco ao
neurnio; o valor de disparo. O disparo realizado aps um processo de comparao
feito pelo neurnio. Se a soma das entradas multiplicadas por seus respectivos pesos for
Anexo
131
______________________________________________________________________
maior do que o valor de disparo ento a sada 1, se for menor, a sada zero. Isso pode
ser visualizado graficamente na Figura 59, sendo que o eixo dos x representa a entrada e
o eixo dos y representa a sada. A funo que descreve este comportamento
denominada funo de ativao.
0
(b)
(a)
N
g( x ) = f h wi xi ,
i=1
(64)
(65)
note que a funo produz unicamente 1 ou 0, de tal forma que o neurnio estar ativo ou
inativo.
Se for utilizado o artifcio de estabelecer uma tendncia ao neurnio, pode se
definir uma entrada extra (0), a qual sempre colocada ativa, com um peso que
representa a tendncia aplicada ao neurnio. A equao que descreve a sada pode ento
ser escrita como:
Anexo
132
______________________________________________________________________
N
g( x ) = f h wi x i .
i =0
(66)
Observa-se que o limite inferior do somatrio foi mudado de 1 para 0 e que o valor da
entrada x 0 sempre assumida igual a 1. Vide ilustrao na Figura 60.
No processo de treinamento, os pesos das entradas ativas devem ser aumentados,
quando a inteno que a sada seja ativa e diminuir esses pesos quando a inteno
que a sada seja inativa. Isso define a regra bsica de treinamento.
x0
w0
x1
w
1
x2
w2
x3
w3
Disparo unitrio
.
.
.
w
N
x
Anexo
133
______________________________________________________________________
0
5
10
20
30
Figura 61 Evoluo da rede neural de uma camada. Fonte: Beale e Jackson (1991).
Por outro lado, a rede neural de apenas uma camada apresenta limitaes para
casos especficos. Um exemplo clssico descrito por Beale e Jackson (1991) conduz
seguinte situao: um sistema apresenta o resultado 1 sempre quando for submetido a
entradas diferentes (0,1 ou 1,0) e apresenta resultado igual a 0 sempre que as entradas
forem iguais (0,0 ou 1,1). Na Figura 62 so ilustrados os resultados de tal sistema, na
qual os crculos mais escuros representam entradas que produzem sadas iguais a 1.
Portanto as duas classes distintas apresentadas em tons de cinza diferentes no so
linearmente separveis, ou seja, no possvel construir retas que separe as duas classes
adequadamente, conforme pode ser visualizado nas linhas tracejadas ilustradas,
remetendo a solues mais elaboradas que sero analisadas no prximo tpico. Este
problema, aqui montado para redes neurais de uma camada, tambm seria vlido para os
classificadores lineares analisados anteriormente (Fisher e Karhunen-Love). Tais
situaes sero solucionveis apenas atravs de classificadores no lineares.
Anexo
134
______________________________________________________________________
x
coordenadas
Sada
R1
R1
C1
C1
C3
C3
R3
C2
R2
C2
(a)
R3
R2
(b)
Anexo
135
______________________________________________________________________
0
-1
(a)
(b)
(c)
Anexo
136
______________________________________________________________________
ter um valor entre os dois extremos. Isso significa que a sada do neurnio estar
relacionada com as entradas de uma forma mais til e informativa.
Nesse novo modelo os neurnios so arranjados em trs camadas denominadas
entrada, sada e intermediria ou oculta. As funes de transio para os
neurnios so dos tipos apresentados na Figura 64.
Segundo informaes contidas no manual do Matlab (2000), a rede neural
implementada atendendo a arquitetura bsica ilustrada na Figura 65.
Vetor
de
entrada
Mx1
Iw1,1
Sada
b1
(67)
Anexo
137
______________________________________________________________________
funo desempenho normalmente traduzida pelo erro mdio quadrtico entre a sada
da rede e o vetor objetivo t.
Existem diversos algoritmos de treinamento. Todos eles usam o gradiente da
funo desempenho para determinar como ajustar os vetores peso e de vis de tal forma
a melhorar o desempenho da rede. O gradiente determinado atravs da tcnica back
propagation, a qual implementada por intermdio de avaliaes retroativas ao longo
da rede. Existem diversas variaes dessa tcnica. A implementao mais simples
consiste em atualizar os vetores peso e de vis na direo na qual a funo erro decresce
mais rapidamente o negativo do gradiente. Uma iterao desse algoritmo pode ser
escrita como:
w k +1 = w k k k ,
(68)
Anexo
138
______________________________________________________________________
trainlm Levemberg-Marquardt.
Anexo
139
______________________________________________________________________
espaados com o cuidado de se evitar a deformao do sinal (alliasing), segundo
descrevem Oppenheim e Schafer (1999).
Os erros de quantizao, conforme descreve Oppenheim et al. (1997), esto
associados ao processo de converso analgico-digital (A/D). Um conversor A/D ideal
converte um sinal contnuo no tempo para um sinal discreto no tempo, sendo que cada
amostra conhecida com preciso infinita. O erro de quantizao cometido quando do
arredondamento para o nvel de quantizao mais prximo do valor real amostrado.
O erro de truncamento est associado ao comprimento finito para armazenamento
binrio das palavras no digitalizador. Existe uma correlao direta entre a capacidade de
memria e o comprimento das palavras (bits) e conseqentemente o custo dos
dispositivos.
Anexo
140
______________________________________________________________________
Conforme descreveu o mesmo autor, um processo estacionrio at a ordem dois
se: (i) ele tem o mesmo valor mdio, em todo intervalo de tempo; (ii) ele tem a mesma
varincia, em todo intervalo de tempo e (iii) a covarincia entre os valores em dois
momentos, i e j, depende unicamente de (i-j) e no da localizao dos dois momentos
especificamente.
Para ilustrar essa distino o autor listou alguns exemplos prticos de cada um dos
tipos estabelecidos, nos quais os rudos provenientes de circuitos eltricos pertencem
categoria (a), podendo ser considerados estacionrios.
Com este mesmo enfoque, Oppenheim e Schafer (1999) afirmam que processos
estocsticos so, freqentemente, utilizados para modelar sinais, quando o processo que
gera o sinal muito complexo para uma modelagem determinstica razovel.
Tipicamente, quando a entrada para um sistema linear invariante no tempo modelado
como um processo estocstico estacionrio, muitas das caractersticas essenciais da
entrada e da sada so representadas adequadamente por mdias, varincia, funes de
auto-correlao ou densidade espectral de potncia. Conseqentemente, de particular
interesse estimar essas grandezas para um determinado sinal. Um estimador tpico para
o valor mdio de um processo aleatrio de um segmento de comprimento finito de
dados M a mdia amostral, definida como:
x =
m
1 M 1
r[n ] .
M n =0
(69)
2 =
1 M 1
x) .
(r[n ] m
M 1 n =0
(70)
Para o caso do espectro de potncia, existem duas formas bsicas para a sua
estimao:
Anexo
141
______________________________________________________________________
Em qualquer um dos casos, o interesse obter estimadores consistentes e no
tendenciosos. Infelizmente, a anlise de tais estimadores muito difcil e, geralmente,
apenas anlises aproximadas podem ser obtidas. Nesse contexto, importante introduzir
uma ressalva associada ao enfoque feito por Ljung (1999), o qual demonstra que o
espectro de um sinal r[n], n=1, ..., M, enfocado como determinstico, coincide com o
enfoque estocstico, quando M tende para infinito. A partir dessa premissa, a densidade
espectral de potncia do sinal sob anlise foi obtida atravs da operacionalizao
computacional do seguinte par de transformada de Fourier, vlidos para sinais discretos
no tempo:
r[n ] =
( )
1
R e j e j d ,
2 2
( )
R e j =
(71)
r[n ] e jn .
(72)
n =
(73)
Anexo
142
______________________________________________________________________
j,k (t ) = 2 j 2 2 j t k ,
(74)
(75)
O produto interno, nada mais do que uma comparao entre as funes f(t) e
j,k(t). Na funo j,k(t), o parmetro j escalona a funo (t), e conseqentemente
determina o contedo de freqncia do sinal, obedecendo assim propriedade do
escalonamento da Transformada de Fourier. A Equao (76) representa essa
propriedade:
f (t a ) F(b ) .
(76)
f (t ) = c(k ) k (t ) +
k =
d ( j, k ) j,k (t ) ,
j= k =
(77)
em que,
k (t) = (t-k).
(78)
A funo (t) conhecida como funo escala. A funo escala serve inicialmente
para uma caracterizao mais grosseira do sinal, enquanto as funes wavelets j,k (t)
7
Os sinais < e > representam o produto interno entre as funes internas aos mesmos.
Anexo
143
______________________________________________________________________
refinam a caracterizao. Os coeficientes c(k) e d(j,k) so determinados pelos produtos
internos, os quais esto representados matematicamente nas Equaes (79) e (80):
c(k ) = f (t ) k (t )dt ,
(79)
(80)
Cdigo
db
sym
coif
bior
rbio
dmey
Teoricamente, o
processo
de
Anexo
144
______________________________________________________________________
informao contida no sinal decomposto atravs do clculo da entropia. Segundo
Cover e Thomas (1991), a entropia definida como a informao mdia de uma fonte.
Dentre diversas formulaes contidas no aplicativo Matlab (2000), foi escolhida a
modelagem de Shannon.
A partir da aplicao da transformada Wavelet, o sinal decomposto estar mais
refinado, quanto menor a entropia. O nvel mnimo de entropia pode ser, ento, definido
como critrio para interrupo do processo de decomposio. A ltima parcela
encontrada deve ser o foco para obteno de padres a serem submetidos ao processo de
reconhecimento.
Bibliografia
Bibliografia
146
______________________________________________________________________
BEZERRA, J. M. B.; LIMA, A. M. N.; DEEP, G. S., The Application of Finite
Elements to Accident Risk Evaluation in Hot Line EHV Insulators
Maintenance. V INDUSCON Conferencia de Aplicaes Industriais.
2001, p 229-234.
CHESF, Relatrio de Desempenho de Linhas de Transmisso. Documento interno.
2003.
CIGR, Grupo de Trabalho 04 do Comit de Estudos No 33, A Critical Comparison of
Artificial Pollution Test Method for HV Insulators. ELECTRA, No 64. 1979.
2003.
DUDA, R. O. e HART, P. E., Pattern Classification and Scene Analysis. John Wiley
& Sons, New York, NY, USA. 1973.
EPRI - Electric Power Research Institute, Transmission Line Reference Book 345 kV
and Above. Fred Weidner & Son Printers, Inc., New York, NY, USA. 1975
Bibliografia
147
______________________________________________________________________
FERNANDO, M. A. R. M. e GUBANSKI, S. M., Leakage Current Patterns on
Artificially Polluted Composite Insulators. IEEE Conference on Electrical
IEC 815, Guide for The Selection of Insulators in Respect of Polluted Conditions.
IEC. 1986.
JAIN, R., KASTURI, R. e SCHUNCK, B. G., Machine Vision. McGraw-Hill, Inc.,
New York, NY, USA. 1995.
KLEINE-OSTMAM, T. e BELL, A. E. A Data Fusion Architecture for Enhanced
Position Estimation in Wireless Networks. IEEE Communications Letters, Vol.
Bibliografia
148
______________________________________________________________________
KREUGER, F. H., Partial Discharge Detection in High-Voltage Equipment.
Butterworth & Co. (Publishers) Ltd., London, UK. 1989.
LJUNG, L., System Identification. Theory for The User. Prentice Hall PRT.
Information and System Science Series, Upper Saddle River, NJ, USA. 1999.
LOPES, I. J. S., A Study of Surface Discharges During the Early Ageing of Silicone
Rubber Insulation Using Partial Discharge Analysis. Tese de Doutorado.
2002.
NIGRI, A. I., Desempenho de Linhas de Transmisso. Ponto de Vista da
Manuteno. XV-SNPTEE Seminrio Nacional de Produo e Transmisso de
USA. 1999.
PRIESTLEY, M. B., Spectral Analysis and Time Series Probability and
Mathematical Statistics, Vol. II. Academic Press Inc., San Diego, Ca, USA.
1996.
PROJECT EHV, EHV Transmission Line Reference Book. Edison Electric Institute,
New York, NY, USA. 1968.
RGIS, O.; FREIRE, A.R.F.; BEZERRA, J.M.B. Sobrecarga em Ativos do Agente de
Transmisso. XVI-SNPTEE. 2001.
Bibliografia
149
______________________________________________________________________
RIZK, F. A. M., Mathematical Models for Pollution Flashover. Electra, Vol. 78, pp.
71-103. 1981.
SALAM, M.A.; SATTAR S. A.; SAYED, Y. e GHALLY, M., Early Detection of
Weak Points in MEEC Distribution System. IEEE pp 2541 - 2545. 2001.
1993.
SILVA, D., Estudo Qualitativo de Tcnicas Lineares de Seleo de Atributos: Uma
Aplicao em Sistemas de Potncia. Dissertao de Mestrado, UFPE, Recife,
PE, Brasil.1990.
SCHALKOFF, R., Pattern Recognition Statistical, Structural and Neural
Approaches. John Wiley and Sons, Inc., Canada. 1992.
No 3, pp 6-12. 2000.
STEWART, B. G.; HEMPBURN, D. M; KEMP, I. J.; NESBIT, A. e WATSON, J.,
Detection and Characterization of Partial Discharge Activity on Outdoor
High
Voltage Insulating
Structures
by
RF Antenna
Measurement
Bibliografia
150
______________________________________________________________________
VAZQUEZ; I. R e CHAVEZ, J. L. F., Criteria for the Diagnostic of Polluted
Ceramic Insulators Based on the Leakage Current Monitoring Technique.