Aplicação de Instrumentação não Invasiva para Aferição do Estado de Isolamentos Elétricos



Baixar 0.49 Mb.
Página3/5
Encontro07.10.2019
Tamanho0.49 Mb.
1   2   3   4   5


,

(2)


no qual = denota o transposto do vetor peso , então é uma função discriminante linear e o classificador é denominado classificador línear [12]. Diversas técnicas estão disponíveis na literatura para construção dessas funções discriminantes. Neste artigo foram avaliadas as técnicas de Fisher e Karhunen-Loève [13].

2.2 Técnicas não Lineares de Reconhecimento de Padrões

No processamento digital de sinais, duas ferramentas assumem importantes papéis: a transformada de Fourier e as transformadas wavelets, sendo que estas últimas vêm assumindo um papel de destaque diante de sua habilidade de realizar análise local, isto é, analisar uma minúscula área de um sinal de grandes proporções.

Diferentemente da transformada de Fourier, na qual o sinal é decomposto em bases senoidais, conforme descrevem Burrus, Gropinath, & Guo (1998), na transformada wavelet as bases de decomposição são sinais que podem ter diversas formas, porém todas oriundas de translações e escalonamentos de uma base mãe, chamada função wavelet mãe.

Diversas famílias de wavelets são descritas em Matalab (2000), as quais permitem o processamento de até 53 tipos diferentes de wavelets,

A aplicação dessas transformadas para análise de sinais tem sido crescente. Uma etapa a ser avaliada é a escolha da “wavelet mãe” que conduza ao melhor resultado no processo de reconhecimento, como também o nível máximo de decomposição do sinal. Teoricamente, o processo de decomposição poderia se dar indefinidamente, entretanto, na prática, é aplicado número adequado de decomposição baseado em critério que avalie a informação contida em cada sinal decomposto, interrompendo o processo quando o novo sinal decomposto não incorporar refinamento significativo. O critério utilizado para identificar a informação contida no sinal decomposto foi o da aferição da entropia. Dentre as formulações descritas em Matalab (2000), foi aqui incorporada para cálculo da entropia, a modelagem de Shannon. Portanto, o sinal decomposto estará mais refinado, quanto menor a entropia, até um certo limite. O nível mínimo de entropia pode ser, então, definido como critério para interrupção do processo de decomposição. O sinal obtido para o nível máximo de decomposição conterá mais detalhes de informações quanto às variações contidas no sinal original, passando a ser o foco para obtenção de padrões a serem submetidos ao processo de reconhecimento. Foi aqui utilizado o nível de entropia “zero” para limitação do processo de decomposição.

2.3 Técnicas de Processamento Digital de Sinais

No processamento digital de sinais, duas ferramentas assumem importantes papéis: a transformada de Fourier e as transformadas wavelets, sendo que estas últimas vêm assumindo um papel de destaque diante de sua habilidade de realizar análise local, isto é, analisar uma minúscula área de um sinal de grandes proporções.

Diferentemente da transformada de Fourier, na qual o sinal é decomposto em bases senoidais, conforme descrevem Burrus, Gropinath, & Guo (1998), na transformada wavelet as bases de decomposição são sinais que podem ter diversas formas, porém todas oriundas de translações e escalonamentos de uma base mãe, chamada função wavelet mãe.

Diversas famílias de wavelets são descritas em Matalab (2000), as quais permitem o processamento de até 53 tipos diferentes de wavelets,

A aplicação dessas transformadas para análise de sinais tem sido crescente. Uma etapa a ser avaliada é a escolha da “wavelet mãe” que conduza ao melhor resultado no processo de reconhecimento, como também o nível máximo de decomposição do sinal. Teoricamente, o processo de decomposição poderia se dar indefinidamente, entretanto, na prática, é aplicado número adequado de decomposição baseado em critério que avalie a informação contida em cada sinal decomposto, interrompendo o processo quando o novo sinal decomposto não incorporar refinamento significativo. O critério utilizado para identificar a informação contida no sinal decomposto foi o da aferição da entropia. Dentre as formulações descritas em Matalab (2000), foi aqui incorporada para cálculo da entropia, a modelagem de Shannon. Portanto, o sinal decomposto estará mais refinado, quanto menor a entropia, até um certo limite. O nível mínimo de entropia pode ser, então, definido como critério para interrupção do processo de decomposição. O sinal obtido para o nível máximo de decomposição conterá mais detalhes de informações quanto às variações contidas no sinal original, passando a ser o foco para obtenção de padrões a serem submetidos ao processo de reconhecimento. Foi aqui utilizado o nível de entropia “zero” para limitação do processo de decomposição.

2.4 Tipos de Atributos Extraídos

Para efeito de montagem dos processos de classificação foram extraídos diversos tipos de atributos para cada um dos domínios enfocados. No domínio do tempo e a partir das transformadas wavelets - média, curtose, deformação em relação a distribuição normal, número de passagens por zero, desvio padrão, número de valores menores do que zero, valor eficaz, coeficiente de variação, faixas do histograma. No domínio da freqüência - faixas da densidade espectral de potência e a energia total contida no sinal.



2.5 Montagem dos Experimentos

Para o estudo de caso os experimentos foram realizados em conformidade com o circuito apresentado na Figura 3.



Figura 3 – Arranjo elétrico para ensaios de poluição
Nesta figura podem ser identificados os seguintes equipamentos e sensores utilizados ao longo dos experimentos empreendidos:
Nesta figura podem ser identificados os seguintes equipamentos e sensores utilizados ao longo dos experimentos empreendidos:


  • Câmara de névoa: construída em acrílico nas dimensões de 0,90x0,90x1,40;

  • Sensor de ultra-som: direcionado para o isolador sob ensaio, permite captar sinais na faixa de 20 a 40 kHz e transformá-los para a faixa audível; é conectado ao digitalizador para gravação dos dados no computador indicado [17];

  • Sistema de digitalização: pacote de medições descrito em [18];

  • Circuito de proteção: viabiliza o isolamento do sistema de aquisição do circuito de alta tensão através de acoplamento óptico;

  • Termovisor: sistema de monitoração de infravermelho descrito em [19];

  • Antena de VHF e analisador de espectro: permite a captação de sinais na faixa de 20 a 100MHz e gravação através do analisador de espectro descrito em [20];


2.6 Preparação das Amostras

Para as análises de poluição em isoladores as amostras foram preparadas em conformidade com os critérios estabelecidos pela IEC (1991). Foram escolhidos 5 níveis de poluição que juntamente com a unidade limpa caracterizaram as classes que foram submetidas ao processo de reconhecimento de padrões.



2.7 Desenvolvimento dos Experimentos

Os experimentos foram conduzidos de tal forma que, inicialmente, através da câmara de névoa, era produzido um ambiente de umidade saturada em torno de duas unidades de isoladores, sobre as quais, previamente foram pulverizadas soluções contendo poluição nos níveis escolhidos. A partir deste instante, era aplicada tensão elétrica até se atingir o nível de 14 kV, suficiente para produzir descargas superficiais sem conduzir o isolador a descarga total (flashover) [22], [23] e [24]. Ao se atingir este nível de tensão eram adquiridos os sinais de ultra-som, corrente de fuga e VHF. As imagens térmicas eram registradas 4 minutos após se atingir a tensão de 14 kV, uma vez que, observou-se previamente que esse era o tempo necessário para se estabelecer uma temperatura relativamente estável.



2.8 Processamento das Informações

Os sinais extraídos foram submetidos a processamentos preliminares que visaram constituir as bases necessárias para extração dos atributos descritos anteriormente. Esses processamentos foram feitos a depender do tipo de sinal adquirido e procuraram viabilizar a constituição de um conjunto de dados que pudesse ser composto de forma adimensional e viabilizasse a avaliação comparativa entre os sensores utilizados para monitorar a evolução das descargas superficiais aos isoladores. A característica adimensional foi assegurada pela divisão de cada atributo pelo desvio padrão deste atributo em todo o conjunto de treinamento formado.






1   2   3   4   5


©aneste.org 2017
enviar mensagem

    Página principal