Post on 24-Feb-2018
Descargas Parciais em Hidrogeradores –
Uma Avaliação de Técnicas de Mineração de Dados
no Monitoramento e Acompanhamento do Fenômeno
Code: 05.003
A.C.N.Pardauil; U.H.Bezerra; W.D.Oliveira; H.P.Amorim; A.T. Carvalho
UFPA, CEPEL
21/11/2017 1
Estabelecer métodos de diagnóstico de falhas incipientes nos enrolamentos do estator, com base nos tipos e magnitudes das descargas parciais, utilizando técnicas de mineração de dados.
Objetivo
21/11/2017 2
Maior causa de falhas em hidrogeradores tem relação com
a isolação elétrica.
Medição e análise de descargas parciais é um dos métodos
mais eficazes para análise do isolamento estatórico do
gerador.
Classificar um sinal de DP nem sempre é trivial.
Necessidade de uma ferramenta inteligente de
reconhecimento de padrões de descarga parcial
Introdução
21/11/2017 3
As Descargas Parciais são descargas elétricas que
preenchem parcialmente a isolação entre condutores e
que pode ou não ocorrer junto ao condutor.
Normas que se destacam são IEC 60270, IEC 60034-27-
2, IEEE 1434 e NBR 6940-2015.
Descargas Parciais
21/11/2017 4
Descargas Parciais – Localização na Barra/Bobina
21/11/2017 5
Descargas Parciais - Padrões
21/11/2017 6
Sistema de Medição (IMA-DP Intensivo)
21/11/2017 7
Identificação de padrões válidos;
Estratégia eficaz para encontrar informações úteis embutidas em
GRANDES volumes de dados.
Mineração de Dados (MD)
21/11/2017 8
Tipos de Tarefas da MD
21/11/2017 9
Tarefas Preditivas - predizer o
valor de um determinado
atributo baseado nos valores
de outros atributos.
Tarefas Descritivas - Derivar
padrões(correlações,
tendências, anomalias,
agrupamentos) que resumam
os relacionamentos
subjacentes nos dados.
Clusterização
21/11/2017 10
Tem a finalidade agrupar registros
semelhantes criando novas
classes.
Utilizou-se o K-MEANS neste
trabalho que tem os seguintes passo:
1. Escolher k pontos, dentro do
espaço de características,
representando os centros dos k
clusters em que é desejado dividir
o conjunto de dados.
2. Assinar cada padrão ao centro
mais próximo de acordo com a
função de similaridade.
3. Recalcular os centros dos clusters
utilizando os dados membros de
cada cluster.
4. Repetir o algoritmo desde o item
dois até atingir um critério de
parada.
Divergências de Bregman para K-means utilizando a
distância Euclidiana quadrada: Utiliza o mesmo método
K-means sendo a divergência ou distância de Bregman
possuindo semelhanças com a métrica, mas não satisfaz a
desigualdade triangular ou simetria.
Medidas Numéricas utilizando distância Euclidiana: O
algoritmo K-means, mas utiliza para cálculo a distância
Euclidiana o qual busca a distância direta entre as
métricas.
Variações de Clusterização
21/11/2017 11
Medidas Numéricas utilizando distância dinâmica de
distorção do tempo (DTW): Aplica nos cálculos das
distâncias do K-means o DTW que é utilizado para
encontrar o alinhamento não-linear ótimo entre duas
sequências de valores numéricos
Medidas Numéricas utilizando distância Euclidiana de
Kernel: É realizado o uso do mapeamento Kernel.
Computa-se a distância de Mahalanobis parametrizada no
feature space. Consiste em explorar a não linearidade dos
dados, definindo a formação dos clusters no feature space.
Variações de Clusterização
21/11/2017 12
É uma técnica de aprendizado de máquina supervisionado para
solucionar problemas com dados de alta dimensionalidade .
O princípio fundamental é obter um modelo preditivo para classificar um
objetivo usando os atributos que contribuem diretamente para tal
objetivo.
A DT converte um complexo processo de classificação em algumas
instruções lógicas “if-then”, em termos dos limites dos atributos de
entrada ou de suas combinações lineares
A árvore de Decisão tem várias variações, mas para o propósito deste
trabalho utilizou-se o CART
Árvore de Decisão
21/11/2017 13
Consiste em desenvolver uma ferramenta de auxílio na análise de dados de descargas parciais em hidrogeradores, o qual é realizado através de um encadeamento de tarefas de mineração de dados.
Metodologia
21/11/2017 14
Utilizando-se o software Rapid Miner aplicou-se a metodologia tal como apresentada na figura anterior, foram inseridos 1724 dados de medições os quais representavam informações dos 8 acopladores da fase A de um hidrogerador da Casa de Força 1 da UHE de Tucuruí, destacando-se que o método pode ser replicado as demais fases.
Resultados
21/11/2017 15
Resultados – Árvore de Decisão
21/11/2017 16
Medidas Numéricas utilizando distância Euclidiana de Kernel
Para o treino, teste e validação da DT, foi utilizada a técnica K-fold crossvalidation, onde comprovou-se que o modelo criado pela DT, representa de forma bastante adequada a classificação das DPs.
Validação
21/11/2017 17
Desenvolveu-se uma ferramenta inteligente que possibilitará a
identificação de tipos de descargas parciais como apresentados nas
normas;
Trabalhou-se apenas com a fase A nesta fase do trabalho, a qual é
composta da análise de 8 acopladores, mas futuramente irá se replicar
para as demais fases desta máquina, e posteriormente para as demais
máquinas da UHE de Tucuruí;
A utilização de dados reais foi crucial para garantir a veracidade do
método e, por conseguinte, obter uma árvore de decisão bem treinada;
Conclusões
21/11/2017 18
Utilizou-se 4 combinações de clusterização com uma árvore de decisão
do tipo Cart, em todos os resultados dos casos a acurácia foi superior a
95%, destaque para a utilização com o cálculo da distância Euclidiana
de Kernel, o qual apresentou 97,51% de acerto global.
Em trabalhos futuros ampliar-se-á as análises utilizando mapas PRPD,
e determinando padrões para estabelecer a gravidade da descarga
parcial embasada na magnitude atrelada ao reconhecimento de
padrões.
Conclusões
21/11/2017 19
*1+ Stone, G.C., “Theory of The Partial Discharge Analyser Test”, Presented to EPRI/CEA Workshop on the PDA and RF Monitoring, Toronto, Canada, 1986. *2+ Brasil, F.S., “Estudo Experimental de Técnicas de Medição de Descargas Parciais nos Enrolamentos Estatóricos de Hidrogeradores.” Tese de Mestrado, Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal do Pará, Belém, Brasil, 2013. *3+ Pardauil, A.C.N., Bezerra, U.H., Oliveira, W.D., Amorim, H.P., Carvalho, A.T. “Uso De Técnicas De Mineração De Dados Para Extração De Indicações De Falha Na Operação De Hidrogeradores A Partir De Medidas De Descargas Parciais”. XXIII SNPTEE – Seminário Nacional de Produção e Transmissão de Energia, Foz do Iguaçu, Brasil,2015 [4] International Eletrotechnical Commision, “IEC 60270 High Voltage Test Techniques – Partial Discharges Measurements”. Suíça, 2000 [5] Institute Of Electrical And Eletronic Engineers, “IEEE Std 1434 Guide to Measurement of Partial Discharge in Rotating Machinery”. USA, 2014 *6+ Fagundes, F.L., Borges, C.C.H., Neto, R.F. “Aprendizado de Métrica Utilizando uma Função de Distância Parametrizada e o Algoritmo K-means.” In: XIII Encontro Nacional de Inteligência Artificial e Computacional, Recife, Brasil, 2016. *7+ Fayyad, U.M. “Data Mining and Knowledge Discovery in Databases: Applications in Astronomy and Planetary Science”. In: Association for Advancement of Artificial Intelligence (AAAI), Redmond, USA, 1996. [8] Tan, P-N.; STEINBACH, M.; KUMAR, V.. “Introdução ao Data Mining.” Ciência Moderna, 2009. *9+ Dilly, R. “Data Mining: an introduction.” Belfast: Parallel Computer Centre, Queens University, 1999
Bibliografia
21/11/2017 20
[10] Addrians, P. & Zantinge, D. “Data Mining”. Inglaterra: Addison-Wesley., 1996 [11] Mannila, H. “Data mining: machine learning, statistics and databases.” International Conference on Statistics and Scientific Database Management., 1996 [12] Mahalanobis, P.C. “On the Generalised Distance in Statistics”. Proceedings of the National Institute of Sciences of India, 2, 49-55, 1936 [13] Deza, M.M., Deza, E. “Encyclopedia of Distances”. Springer-Verlag Berlin Heidelberg, 2009 [14] Geler, Z., Kurbalija, V., Radovanovid, M.,Ivanovid, M. “Impact of the Sakoe-Chiba Band on the DTW Time Series Distance Measure for kNN Classification”, In : Buchmann R., Kifor C.V., Yu J. (eds) Knowledge Science, Engineering and Management. KSEM 2014. Lecture Notes in Computer Science, vol 8793. Springer, Cham, 2014 [15] Carpentier, J., “Static Security Assessment and Control: a Short Survey Athens Power Tech”, APT 93. Proceedings. Joint International Power Conference, 1993. [16] Werbeston D. Oliveira, João P.A. Vieira, Ubiratan H. Bezerra, Daniel A. Martins, Benedito das G. Rodrigues, Power system security assessment for multiple contingencies using multiway decision tree, Electric Power Systems Research, Volume 148, 2017, Pages 264-272, ISSN 0378-7796, http://dx.doi.org/10.1016/j.epsr.2017.03.029. *17+ W. D. Oliveira, D.S. Gaia, F. Monteiro, B. G. D. Rodrigues, J. P. A. Vieira, U. H. Bezerra. “Comparação dos Algoritmos C4.5 e MLP aplicados a Avaliação da Segurança Dinâmica e ao Controle Preventivo no Contexto da Estabilidade Transitória”. 10th LATIN-AMERICAN CONGRESS ON ELECTRICITY GENERATION AND TRANSMISSION - CLAGTEE 2013
Bibliografia
21/11/2017 21
Obrigada
21/11/2017 22