Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Resumo: Admitindo-se que todos os dispositivos de proteo dos Geradores Termoeltricos de uma
usina operem normal e precisamente e que os alarmes enviados pelos dispositivos de sensoriamento sejam
recebidos corretamente, uma ocorrncia de falha ser congurada por um padro particular dos estados
desse conjunto de alarmes acionados. Assim, um alarme especco ou um conjunto desses alarmes acionados
simultaneamente podem indicar uma falha de um gerador. Tcnicas inteligentes se mostram adequadas
para tratar o processamento desses alarmes. A pesquisa envolveu 4 geradores de caractersticas praticamente
idnticas na qual foram mapeadas 27 falhas por Gerador. Foram modelados uma Rede Neural Articial e um
Sistema Especialista com a base de conhecimento armazenada em um sistema de gerenciamento de banco de
dados relacional. O sistema nal foi construdo, rigorosamente, conforme as necessidades apresentadas pela
Usina Termoeltrica Norte Fluminense (UTENF) e os resultados, segundo os especialistas atendem aos seus
requisitos na deteco e diagnstico das falhas dos geradores.
Palavras-chave: Diagnstico de Falhas em Geradores Termoeltricos; Processamento de Alarmes; Redes
Neurais Articiais, Sistema Especialista.
Abstract: Admitting that all Thermoelectric Generators protection devices of a plant operate normal and
precisely and that the alarms sent by sensory devices be received correctly, a fault occurrence will be congured
by a particular standard of the state of this set of activated alarms. Therefore, a specic alarm or a set of
these alarms activated simultaneously can indicate a fault of a generator. Intelligent techniques are adequate
to process these alarms. This research involved 4 generators of practically identical characteristics in which
27 faults were mapped for each Generator. They were modelled by an Articial Neural Network and an
Expert System with the knowledge base stored in a relational database management system. The system was
built, rigorously, conformably to the needs presented by the Usina Termoeltrica Norte Fluminense Plant
(UTENF) and the results, according to the experts, attend to their requirements in detecting and diagnosing
the generators failures.
Keywords: Faults Detection and Diagnosis in Thermoelectric Generators; Alarms processing; Articial
Neural Networks, Expert System.
1
2
3
4
5
90
1. INTRODUO
Provenientes dos diversos dispositivos de
sensoriamento distribudos pelo sistema termoeltrico, um conjunto especco de alarmes mapeia
uma falha do sistema KHAN (2007) e MERCEDE (1993). Esses alarmes so sinais binrios
que revelam, basicamente, o estado 1 / 0 dos
sensores, rels de proteo e disjuntores, embora
sinais referentes situao da tenso, corrente e
freqncia tambm possam ser recebidos do sistema de aquisio de dados.
Se todos os dispositivos de proteo operar normal e precisamente e, alm disso, os dados
enviados pelos dispositivos de sensoriamento forem recebidos corretamente, uma ocorrncia de
falha ser congurada por um padro particular
dos estados desse conjunto de alarmes acionados
DAVIS (2006) e HEWITSON (2004). possvel
que apenas um alarme acionado dena uma situao de operao anormal e conseqentemente
uma falha no gerador, situao semelhante a que
ocorre no caso investigado.
Assim o problema da deteco de falhas revela-se como um problema tpico de classicao
e ocorrncias de falhas e podem ser detectadas por
operadores. No entanto, fatores como a fadiga, a
inexperincia e a diculdade do operador em lidar
com situaes no usuais ou de misses crticas,
levam, eventualmente, a diagnsticos incorretos,
com conseqente prejuzo da segurana e ecincia do sistema eltrico.
Os sinais de alarmes usados na modelagem
de nosso problema foram: Distncia de fase; Variao de Volts / Hz; Subtenso (mdulo); Subtenso harmnica; Direcional de potncia; Perda de campo; Sobrecorrente seqncia negativa;
Sobrecorrente instantnea; Falha no disjuntor;
Tempo denido de sobrecorrente; Sobrecorrente
instantnea - neutro; Energizao inadvertida; Sobrecorrente de neutro (curva tempo inverso); Sobrecorrente (curva tempo inverso) com restrio
de tenso; Sobretenso (mdulo); Sobretenso
(mdulo) para neutro; Deteco de abertura de
fusvel; Proteo de escalonamento de carga; Freqncia; Taxa de mudana de freqncia; Diferencial de fase; Diferencial de terra; Sobrecorrente
no terminal do estator; Proteo de terra do campo / Deteco de desgaste das escovas; Falha no
disjuntor do gerador; Proveniente do BOP, CTs
e ST. - Falha no sistema de excitao da mquina;
2. FUNDAMENTAO TERICA
2.1 REDES NEURAIS ARTIFICIAIS
As RNAs so estruturas paralelas compostas
de neurnios articiais, densamente conectadas
que apresentam duas fases distintas de processamento: a aprendizagem (treinamento) e a execuo ZURADA (1992) e HAYKIN (1994).
Na aprendizagem so apresentados estmulos entrada denominados padres de treinamento um mapeamento envolvendo Alarmes e Falhas
denidos pelos especialistas em nosso caso o mapa
de falhas fornecido pela usina. Na fase de execuo, a RNA recebe como entrada um conjunto
de padres de testes (alarmes) que, normalmente, no zeram parte do treinamento e apresenta
o resultado, que no caso investigado representa a
Falha detectada.
A arquitetura utilizada foi baseada no Perceptron de Mltiplas Camadas (PMC). O algo-
91
ritmo usado no treinamento da rede PMC, denominado de retro-propagao do erro, pode ser
dividido em duas etapas: direta e reversa.
A primeira consiste na propagao dos estmulos apresentados entrada para a sada. Esses
estmulos uem por toda a rede, recebendo a computao neural, camada por camada, at gerarem
a sada. A partir do resultado desejado, calcula-se
um erro E na camada de sada.
A segunda etapa ocorre em sentido contrrio. O erro calculado ento retro propagado
atravs das camadas antecessoras, atualizando os
pesos W das conexes.
O algoritmo de retro-propagao de erro
baseado no mtodo do gradiente descendente,
que computa as derivadas parciais de uma funo
de erro, com relao ao vetor peso W de certo vetor de entrada HAYKIN (1994).
A regra de Widrow-Hoff ZURADA (1992)
a base fundamental de diversos mtodos de treinamento das RNAs, inclusive PMCs, HAYKIN
(1994). Esta regra avalia o erro E a cada iterao
atravs da derivada parcial desse erro E em relao
ao peso W. A variao do peso dada por (1):
W ij
E
W ij
(1)
92
O
T
Sinal de
Erro
E
1 N
(T j O j ) 2
2 i 1
(2)
N
O j F ( NET j ) F ( X iWij )
(3)
i 1
( NET j )
E
E
Wij ( NET j ) Wij
(4)
Se NET j X iWij
(5)
( NET j )
(6)
i 1
Wij
Xi
E
E
Xi
Wij ( NET j )
(7)
E
j
( NET j )
ij
E
W ij
(9)
(O j )
E
E
j0
( NET j )
(O j ) ( NET j )
(10)
O j F ( NET j )
(11)
j0
F ' ( NET j )
E
E
F ' ( NET j )
( NET j )
(O j )
(12)
(18)
Ento:
E
E
F ' ( NET j )
(O j )
( NET j )
(19)
N0
E
k 1 ( NET k )
OlWlk
(20)
l 1
(O j )
(21)
(13)
E
(T j O j )
(O j )
(17)
jh
( NET j )
1 No
(Tk O k ) 2
2 k 1
(8)
(O j )
E
Passo 6 - Para os neurnios das camadas intermedirias o valor do sinal de erro jh e da atualizao dos pesos calculado da seguinte forma:
Suponha inicialmente que k pertena camada
de sada (17).
Assim:
(14)
Como:
E
k
( NETk )
(22)
N0
E
kW jk
(O j )
k 1
(23)
(15)
(16)
Ento:
jh F ' ( NET j )
N0
E
F ' ( NET j ) kW jk (24)
(O j )
k 1
93
N0
(25)
k 1
94
(26)
I
N
T
E
R
F
A
C
E
MQUINA
MQUINA
DE
DE
INFERNCIA
INFERNCIA
BASE DE
CONHECIMENTO
BANCO DE
REGRAS
BANCO DE
FATOS
I
N
T
E
R
SADA PARA
O OPERADOR DO
SISTEMA ELTRICO
Diagnstico da Falha
Equipamentos Envolvidos
Alarmes Acionados
Motivos Provveis
Ao Corretiva
F
AQUISIO
DE
CONHECIMENTO
A
C
E
ENTRADA PARA
O ENGENHEIRO
DE CONHECIMENTO
AP 1
AP 2
AP N
SGBDR
BD
A modelagem de um BD de um SGBDR
realizada atravs do modelo entidade-relaciona-
95
96
F1
A1
A27
R
N
A
F27
FLH 1
FLH 2
FLH 3
FLH 4
FLH 5
FLH 6
4. MODELAGEM E RESULTADOS DO
SISTEMA ESPECIALISTA COMPLETO
4.1 MODELAGEM
Uma regra de produo tem, em geral, a seguinte estrutura bsica BARBIERE (1994):
SE antecedente
ENTO conseqente
onde antecedente pode ser uma condio e o conseqente pode ser um fato. Neste caso, pode-se
considerar que o motor de inferncia do SE busca
na sua base de conhecimento um fato para uma
dada condio.
Assim, foi desenvolvido um mecanismo
equivalente de busca do fato para a condio em
particular usando-se tabelas que armazenam o
conhecimento. Assim, a regra de produo pode
ser traduzida para uma consulta em SQL com a
seguinte declarao:
SELECT conseqente FROM tabela
WHERE antecedente
onde a tabela ou o conjunto de tabelas armazenam o conhecimento do SE.
Como, por exemplo, considerando-se que
quando o alarme de identicao 2 do gerador de
identicao 1 ocorra, o SE tenha de inferir que o
cdigo do equipamento envolvido 24, teramos
a seguinte regra de produo simplicada:
SE gerador_id = 1 E alarme_id = 2
ENTO equipamento_cod = 24
onde gerador_id, alarme_id e equipamento_cod
so, repectivamente, os cdigos do gerador, do
alarme e do equipamento.
98
equipamento
cod
24
equipamento
desc
Variao de
Volts/Hz
...
...
gerador id
1
alarme id
2
...
...
99
Na Figura 12 a ocorrncia bem especicada e Falha detectada segundo informaes passadas pelos especialistas da usina.
100
5. CONCLUSES
101
6. AGRADECIMENTOS
Os autores agradecem as contribuies de
Mauricio Jos Ferrari Rey, da UERJ, Geraldo Braga e Jaime Oliveira, da UTE Norte Fluminense
recebidas durante o desenvolvimento do projeto e
na elaborao deste artigo.
REFERNCIAS BIBLIOGRFICAS
DAVIS, T. Protection of Industrial Power Systems, Newnes Elsevier Ltda, 2nd Edition, 2006.
GIARRATANO, J. C., RILEY, G. D. Expert Systems: Principals and Programming, 4th Edition,
Thomson Course Technology, 2005.
102
RUSSELL, S., NORVIG, P. Articial Intelligence: A Modern Approach, Prentice Hall, 2003
SILBERSCHATZ, A., KORTH, H. F., SUDARSHAN, S. Sistema de Banco de Dados, Makron
Books, 1997.
ZURADA, J. M. Introduction to Articial Neural Systems, West Publishing Company, 1992.
103