Agrupación difusa como herramienta para reducir la subjetividad en el diagnóstico de aisladores poliméricos

Contenido principal del artículo

João Pedro da Costa Souza
Edson Guedes da Costa
Luiz Augusto Medeiros Martins Nobrega
Bruno Albuquerque Dias
Antonio Francisco Leite Neto

Resumen

O diagnóstico das condições operacionais de isoladores poliméricos é um tema pertinente de estudo e pode apresentar elevada carga de subjetividade. Assim, o presente trabalho tem como objetivo propor uma metodologia, baseada em agrupamento difuso (fuzzy clustering), para reduzir a subjetividade no diagnóstico de isoladores poliméricos. Foram ensaiados 60 isoladores poliméricos de tensão nominal de 138 kV com diferentes níveis de degradação. Os isoladores foram classificados inicialmente a partir de inspeção visual em três níveis de degradação: baixo, intermediário e crítico. Em seguida, os isoladores foram submetidos às seguintes técnicas de monitoramento: detecção de radiação ultravioleta, termografia infravermelha e detecção de ruído ultrassônico. Os dados oriundos das inspeções foram extraídos e processados. Para cada método de inspeção, as amostras foram agrupadas em três conjuntos a partir de agrupamento difuso. Os conjuntos foram então associados a cada nível de degradação a partir da análise minuciosa dos dados. Um diagnóstico foi estabelecido considerando os agrupamentos relativos às três técnicas utilizadas e os resultados foram comparados ao diagnóstico oriundo da inspeção visual, sendo o estado mais crítico entre os dois considerados. Constatou-se que 5 dos isoladores apresentaram nível de degradação mais elevado do que o estabelecido a partir de inspeção visual, de modo que a metodologia utilizada asseguraria a retirada ou supervisão mais conservadora dos isoladores. A metodologia proposta reduz a subjetividade do diagnóstico de isoladores poliméricos, inserindo um fator não supervisionado na classificação do seu estado operacional.

Detalles del artículo

Cómo citar
da Costa Souza, J. P. ., Guedes da Costa, E. ., Medeiros Martins Nobrega, L. A. ., Albuquerque Dias, B. ., & Leite Neto, A. F. . (2021). Agrupación difusa como herramienta para reducir la subjetividad en el diagnóstico de aisladores poliméricos. Revista Tecnología En Marcha, 34(7), Pág 193–204. https://doi.org/10.18845/tm.v34i7.6041
Sección
Artículo científico

Citas

R. MARTINS. Desenvolvimento de isolador polimérico inteligente. Curitiba: Departamento de Engenharia e Ciência dos Materiais. Tese de Doutorado. Universidade Federal do Paraná – UFPR, 2015.

Y. G. PUSHPA, N. VASUDEV. Artificial Pollution Testing of Polymeric Insulators by CIGRE Round Robin Method – Withstand & Flashover Characteristics. In: 3rd International Conference on Condition Assessment Techniques in Electrical Systems (CATCON), 2017.

A. KHALED, A. EL-HAG, K. ASSALEH. Equivalent Salt Deposit Density Prediction of Outdoor Polymer Insulators during Salt Fog Test. 2016 IEEE Conference on Electrical Insulation and Dielectric Phenomena (CEIDP), p. 786–789, 2016.

Y. KIM, K. SHONG. The characteristics of UV strength according to corona discharge from polymer insulators using a UV sensor and optic lens. IEEE Transactions on Power Delivery, v. 26, n. 3, p. 1579–1584, 2011.

I. M. A. M. KARUNARATHNA, K. T. L. KARUNATHILAKA, W. M. H. M. WANASINGHE, G. K. L. SAMPATH, J. R. LUCAS, R. SAMARASINGHE. Monitoring System for Outdoor Insulators. In: 2018 2nd International Conference On Electrical Engineering (EECon), Colombo, 2018.

K-E, B. BRITO. Extração de Atributos de Fáculas de Imagens Ultravioletas de Isoladores Poliméricos. [s.l.]. Dissertação (Mestrado em Engenharia Elétrica).Universidade Federal de Campina Grande, 2017.

L. FANGCHENG, W. SHENGHUI, L. HEMING. Insulator pollution grade evaluation based on ultraviolet imaging and fuzzy logic inferenceAsia-Pacific Power and Energy Engineering Conference, APPEEC. Anais...2010

S. K. POLISETTY, A. EL-HAG, S. JAYARAM. Classification of Common Discharges in Outdoor Insulation Using Acoustic Signals and Artificial Neural Network. High Voltage, p. 2–13, 2019.

E. S. DOMINGUES. Improved Condition Monitoring of Composite Insulators. [s.l.] The University of Manchester, 2012.

D. PERNEBAYEVA, A. IRMANOVA, D. SADYKOVA, M. BAGHERI, A. JAMES. High voltage outdoor insulator surface condition evaluation using aerial insulator images. High Voltage, v. 4, n. 3, p. 178–185, 2019.

D. SONI. Supervised vs. Unsupervised Learning. Towards Data Science, 2018. Disponivel em: https://towardsdatascience.com. Acesso em: 17 de Junho de 2020.

C. P. G. GUEDES. Classificação das Condições de Degradação de Isoladores Poliméricos pelos Níveis de Radiação UV e a Lógica Fuzzy. [s.l.] Universidade Federal de Campina Grande, 2015.

G. R. LIMA. Aprimoramento da Classificação de Isoladores Poliméricos por Medições Termográficas e Radiação UV usando Processamento de Imagens e RNA. [s.l.] Universidade Federal de Campina Grande, 2017.

T. V. FERREIRA, A. D. GERMANO, E. G. COSTA. Ultrasound and artificial intelligence applied to the pollution estimation in insulations. IEEE Transactions on Power Delivery, v. 27, n. 2, p. 583–589, 2012.

P. H. V. ROCHA. Estimação da poluição de isoladores em linhas de transmissão a partir da irradiação de RF. Tese (Doutorado em Engenharia Elétrica). Universidade Federal de Campina Grande – UFCG. Campina Grande, 2017.

P. H. V. ROCHA, E. G. COSTA, A. R. SERRES, G. V. R. XAVIER, J. E. B. PEIXOTO, R. I. LINS. Inspection in overhead insulators through the analysis of the irradiated RF spectrum. Electrical Power and Energy Systems, v. 113, 2019.

B. DIAS. Gestão Técnica de Isoladores Poliméricos Utilizando Aprendizado de Máquina. [s.1]. Tese de Doutorado. Universidade Federal de Campina Grande – UFCG, 2021.

W. PEDRYCZ. Knowledge-Based Clustering. Haboken, Nova Jersey: John Wiley & Sons, Inc., 2005.

R. XU, D. C. WUNSCH II. Clustering. Haboken, Nova Jersey: John Wiley & Sons, Inc., 2009.

R. S. GORUR. Condition Assessment of Polymer Insulators. PSERC Seminar Presentation, 2006, p. 37.

T. V. FERREIRA, A. D. GERMANO, E. G. COSTA. Ultrasound and artificial intelligence applied to the pollution estimation in insulations. IEEE Transactions on Power Delivery, v. 27, n. 2, p. 583–589, 2012.

FLORENTINO, M. T. B.; COSTA, E. G. DA; FERREIRA, T. V.; GERMANO, A. D. Spectral subband centroid energy vectors algorithm and artificial neural networks for acoustic emission pattern classification. Advances in Electrical and Computer Engineering, v. 19, n. 3, p. 49–56, 2019.

E. HANCER, B. XUE, M. ZHANG. A survey on feature selection approaches for clustering. In: Artificial Intelligence Review, v. 53, 2020.

M. HAINDL, P. OMOL, D. VERVERIDIS, C. KOTROPOULOS. Feature selection based on mutual correlation. In: Carrasco Ochoa JA, Kittler J, Martínez-Trinidad JF (eds) Progress in pattern recognition, imageanalysis and applications. Springer, Berlin, pp 569–577, 2006.