Presentado a
LA UNIVERSIDAD DE LOS ANDES
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA ELÉCTRICA Y ELECTRÓNICA
Para obtener el título de
INGENIERA ELÉCTRICA
por
Mónica María Romero Molano
Cálculo de Indicador de Salud para Transformadores de Corriente (CT) y
Transformadores de Potencial (PT) propiedad de la EEB
Sustentado el día 13 de Enero de 2017 frente al jurado:
Composición del jurado
- Asesor: Mario Alberto Ríos Mesías PhD., Profesor Titular, Universidad de Los Andes
- Co-asesor: Miguel Ángel Rojas Torres, Ingeniero Eléctrico, Empresa de Energía de Bogotá
Contenido
1 RESUMEN EJECUTIVO ... 3
2 INTRODUCCIÓN ... 6
3 CONTEXTUALIZACIÓN... 7
4 CRÍTICA DE DATOS ... 7
4.1 Variación de la capacitancia ... 8
3.2 Factor de Potencia ... 11
5 LÓGICA DIFUSA ... 11
6 METODOLOGÍA ... 14
6.1 Revisión Bibliográfica ... 14
6.2 Recolección de datos y determinación de rangos finales ... 16
6.3 Implementación de la metodología en Matlab ... 19
7 RESULTADOS ... 21
8 CONCLUSIONES ... 30
9 AGRADECIMIENTOS ... 31
10 REFERENCIAS ... 32
11 ANEXOS 1: Encuesta Realizada ... 33
12 ANEXOS 2: Crítica de datos de las capacitancias en los equipos ... 36
13 ANEXOS 3: Resultados de la evaluación de los equipos completos ... 57 14 RESUMEN EJECUTIVO ... ¡Error! Marcador no definido.
1 RESUMEN EJECUTIVO
El presente proyecto de grado, “Cálculo de Indicador de Salud para Transformadores de Corriente (CT) y Transformadores de Potencial (PT) propiedad de la EEB”, fue desarrollado por la estudiante Mónica María Romero Molano con la orientación principal del asesor Mario Alberto Ríos Mesías PhD y el co-asesor Miguel Ángel Rojas Torres, ingeniero de la EEB.
El objetivo principal del presente documento es la realización de una metodología que permita llegar a un indicador confiable que determine la salud de los equipos en estudio, propiedad d la EEB. Dicho trabajo debe presentar la visualización del estado final de los transformadores de medición, con base a los resultados obtenidos de pruebas de mantenimiento hechas previamente. Los objetivos específicos para el presente trabajo constan de:
Presentar estudios previos de trabajos similares en quipos de potencia; así como también algoritmos existentes cuyo propósito sea similar al diseño del algoritmo que indique el estado de los equipos de estudio.
Analizar los estándares y recomendaciones internacionales tales como la IEEE, IEC, CIGRE y otras, asociadas a recomendaciones sobre equipos en operación.
Diseñar e implementar un algoritmo de diagnóstico de estado de salud de equipos PTs y CTs de S/E de AT, el cual podrá ser empleado por parte de la EEB.
Adicionalmente, se contó con la información suministrada por la empresa concerniente a la medición preventiva de los parámetros de factor de potencia y variación de la capacitancia en dichos equipos para tres años diferentes.
La metodología propuesta se basó en la teoría de lógica difusa. Ésta permite modelar matemáticamente los criterios técnicos que clasifican a los parámetros de la condición de los equipos y la valoración subjetiva que las personas tienen acercas de dichos criterios. Para el cumplimiento de los objetivos propuestos, el algoritmo se dividió en tres partes:
1. Fuzificación: En la presente etapa, se busca que los datos puedan ser “fuzificados” al ser clasificados dentro de unas funciones de pertenencia que describen cualitativamente la condición del equipo con respecto a dicho parámetro. Las funciones de pertenencia para los parámetros factor de potencia y variación de la capacitancia son bueno-aceptable-en deficiente y bueno-en deterioro-deficiente, respectivamente.
Para realizar lo anterior, se debe tener en cuenta:
a. La determinación del valor numérico que va a ser tomado para la región de una determinada función de pertenencia del 100%.
b. La determinación del valor numérico que va a ser tomado para la región de incertidumbre de la misma función de pertenencia en el cual un dato puede pertenecer a dos funciones de pertenencia parcialmente.
c. La suma de los numerales anteriores determinan el rango máximo de dicha función.
El final de la presente etapa es una entrada fuzificada que está en los términos cualitativos mencionados previamente según el parámetro introducido.
Teniendo en cuenta la norma IEEE C57.19.01-2000, el cual hace mención a la variación de capacitancia permitida, y el estándar IEEE 62-1995, el cual establece los rangos de clasificación de factor de potencia para su condición, se realizó una encuesta a los expertos de la EEB que ayudó a determinar cada uno de los rangos de las funciones de pertenencia de los parámetros mencionados. Los resultados se observan en la siguiente tabla:
Factor de Potencia
Función de Pertenencia
Media (valor de pertenencia de 100%)
[%]
Desviación estándar [%]
Media + Desviación Estándar (Valor límite de
pertenencia) [%]
Estado "Bueno" 0,483 0,059 0,542 Estado
"Aceptable" 0,7167 0,0589 0,7756 Estado "En
deterioro" 0,9583 0,0835 1,04185
Variación de Capacitancia
Función de Pertenencia
Media (valor de pertenencia de 100%)
[%]
Desviación estándar [%]
Media + Desviación Estándar (Valor límite de
pertenencia) [%]
Estado "Bueno" 1,06667 0,1915 1,25817 Estado "En
deterioro" 2,0667 0,2888 2,3555
2. Reglas de evaluación: En la presente etapa se busca relacionar las entradas fuzificadas de los parámetros trabajados bajo una tabla de evaluación que determina la condición final de los equipos dependiendo de lo obtenido en la primera etapa. De igual manera a la primera etapa, con ayuda de la encuesta realizada, se determinó la tabla de reglas de evaluación, la cual se muestra a continuación:
Factor de
Potencia/ Variación de
Capacitancia
Bueno Aceptable En Deterioro Deficiente
Bueno NORMAL EN
DECLINE NECESITA REVISIÓN RIESGOSO
En Deterioro NECESITA REVISIÓN
NECESITA
Deficiente RIESGOSO RIESGOSO RIESGOSO RIESGOSO
3. Defuzificación: En la presente etapa se busca convertir las salidas fuzzy, que se encuentran en términos cualitativos, a salidas numéricas. Lo anterior se realiza mediante el método de centroide el cual ubica la coordenada equis(x) del centro de gravedad del conjunto difuso de salida.
El software utilizado para la implementación de la metodología fue MATLAB. Éste ya tiene incorporado un toolbox “fuzzy logic” que permitió la introducción y modelación de los parámetros mencionados anteriormente. Adicionalmente, éste tiene la herramienta incorporada para realiza la defuzificación por medio del método del centroide; se hizo uso de ésta. A continuación, se observa el ejecutable terminado, donde se puede evaluar la condición de un equipo al introducir los parámetros requeridos.
Dicho ejecutable fue implementado para realizar la evaluación de la condición de los equipos bajo estudio, en una subestación propiedad de la EEB, para diferentes fechas. Debido a que la tabla de reglas establecida es sensible al cambio drástico de los parámetros por separado, la mayoría de los equipos son catalogados en una condición riesgosa.
Como conclusión general, se espera que la metodología puedas ser calibrada y modificada conforme la adquisición de una mayor cantidad de opiniones expertas dentro y fuera de la EEB; además, se espera que el algoritmo pueda incluir nuevos parámetros que determinen más precisamente la condición de los equipos PTs y CTs al considerar nuevas variables.
En términos globales, los objetivos planteados fueron logrados en su mayoría, a excepción de la revisión de las bases de datos de la IED y el CIGRE ya que no se pudo obtener acceso a éstas.
2 INTRODUCCIÓN
Los transformadores de medición son fundamentales, tanto en la industria eléctrica como en los sistemas de potencia. Éstos permiten la medición de los consumos de energía y potencia eléctrica, además de brindar protección a pequeños y grandes sistemas eléctricos. De lo anterior, radica la importancia de garantizar el buen funcionamiento de éstos equipos y de poder detectar, de manera oportuna, la condición de falla en los mismos para poder ser tratados oportunamente. De esa manera se puede asegurar que los sistemas de potencia no se vean afectados negativamente debido al funcionamiento de éstos.
Por otro lado, en Colombia, La Comisión de Regulación de Energía y Gas (CREG) la cual es la encargada de regular los servicios de electricidad y gas, emitió la resolución 177 del 2016 [7] que impacta directamente en la remuneración de los activos de las empresas de transmisión. Dicho impacto, en el modelo de regulación y remuneración de activos para la Empresa de Energía de Bogotá (EEB), ocasionó la necesidad de innovar en metodologías predictivas de mantenimiento y condición de los activos remunerados, que permitan evaluar y tomar decisiones de inversión u overhaul de los mismos.
Actualmente la metodología de mantenimiento de los transformadores de corriente y transformadores de potencial propiedad de la EEB está basada en RCM II, en la cual se tienen establecidas las pruebas eléctricas que permiten determinar defectos en los equipos; pero, esa metodología no provee un estado definitivo de la condición de los equipos mencionados anteriormente. El presente proyecto de grado tiene como objetivo general la realización de una metodología que permita llegar a un indicador confiable que determine la salud de los equipos en estudio teniendo en cuenta su estructura constructiva. Dicho trabajo debe presentar fácil y rápidamente la visualización del estado final de los transformadores de medición, con base a los resultados obtenidos de pruebas de mantenimiento hechas previamente. Los objetivos específicos para el presente trabajo se reúnen en:
Presentar estudios previos de trabajos similares en quipos de potencia; así como también algoritmos existentes cuyo propósito sea similar al diseño del algoritmo que indique el estado de los equipos de estudio.
Analizar los estándares y recomendaciones internacionales tales como la IEEE, IEC, CIGRE y otras, asociadas a recomendaciones sobre equipos en operación.
Diseñar e implementar un algoritmo de diagnóstico de estado de salud de equipos PTs y CTs de S/E de AT, el cual podrá ser empleado por parte de la EEB.
Se debe tener en cuenta que las normas utilizadas en el presente documento son:
IEEE Std 62-1995: Guide for Diagnostic Field Testing of Electric Power Apparatus- Part 1: Oil Filled Power Transformers, Regulators, and Reactors.
IEEE C57.19.01-2000: Standard Performance Characteristics and Dimensions for Outdoor Apparatus Bushings
3 CONTEXTUALIZACIÓN
Para poder realizar el algoritmo mencionado, se propuso la aplicación de la teoría de lógica difusa o fuzzy logic. En general, la metodología debe relacionar unos parámetros, medidas descriptivas que indican el estado de ciertas partes de los equipos PTs y CTs, que permitan establecer la condición real de los equipos mediante éstos. Para lo anterior, primero se debe determinar los rangos cuantitativos que establezcan hasta qué punto el parámetro indica un estado bueno, aceptable, en decline o deficiente. Después, se debe establecer un estado final que es dependiente de la relación cualitativa de lo indicado por cada uno de los parámetros tenidos en cuenta. En la sección LÓGICA DIFUSA y METODOLOGÍA se habla más detalladamente de los pasos que se siguieron para llegar a un resultado final.
Por otro lado, la EEB proporcionó las medidas de mantenimiento (parámetros) para poder implementar el algoritmo con éstos. En la sección CRÍTICA DE DATOS se muestra los resultados de un análisis estadístico. Con éste se quería evidenciar lo verídico de los datos proporcionados y así poder establecer si fueron tomados correctamente, o si de lo contrario muestran un sesgo que evidencie una lectura errónea.
4 CRÍTICA DE DATOS
Para el desarrollo de una metodología que pudiera ser aplicada a la realidad de la EEB, se requirió de los datos de mantenimiento de una subestación de la empresa. Lo anterior se hizo con el propósito de realizar un algoritmo que se adaptara a los datos existentes de la misma y poder determinar la condición de los equipos que se encuentran bajo estudio.
Los datos proporcionados son la capacitancia de fábrica, la capacitancia medida en la fecha de mantenimiento y el factor de potencia de la misma fecha. La capacitancia de los equipos evidencia la disposición física de los devanados en los transformadores de medición. Ésta define la geometría y la distancia entre cada uno de los devanados y depende del material dieléctrico y configuración física de los electrodos. El cambio en la capacitancia de los equipos refleja el desplazamiento de los devanados y, así mismo, indica el cambio de las características del material aislante o las configuraciones del conductor; lo anterior, dependiendo de dicho cambio, indica una mayor cantidad de pérdidas en los mismos y modificaciones al funcionamiento. Los cambios son causados por el deterioro del aislamiento, contaminación o daño físico [1].
Por otro lado, el factor de potencia en los transformadores de medición evidencia el envejecimiento de los aislamientos en dichos equipos. Dicho parámetro se define como la relación entre la corriente y la corriente total (tanto resistiva como capacitiva) que fluye a través del aislamiento. Éste representa las pérdidas dieléctricas que son evidencia de la potencia disipada por el aislamiento cuando se somete a un voltaje
alterno aplicado. Un buen aislamiento indica bajas pérdidas y viceversa. Las pérdidas pueden ser más altas de lo normal si hay una contaminación en el aislamiento, producto de la humedad o sustancias químicas; también, los daños físicos causados por estrés eléctrico u otras fuerzas externas pueden aumentar el nivel de pérdidas [2].
La información suministrada contiene datos de 18 transformadores de voltaje (bahías) y 36 transformadores de corriente, dentro de los cuales 18 corresponden a bahías, 12 a bahías de acople y 6 de seccionadores de barraje. Cada uno de los equipos presenta mediciones de 3 años diferentes.
4.1 Variación de la capacitancia
En la presente sección se muestra un estudio realizado de los datos concernientes a la variación de la capacitancia de los equipos, pues éstos son los que muestran algunas inconsistencias no mostradas por las medidas de factor de potencia. El propósito principal para dicho ejercicio, como ya se mencionó, es evidenciar si las mediciones se encuentran dentro del intervalo de confianza de la muestra de datos realizadas en un mismo año, incluyendo el cero. Si éste último número se encuentra en dicho rango, se puede concluir que los datos tomados se encuentran cerca de la condición ideal del equipo; es decir, que se encuentran cerca del 0% de variación de la capacitancia en el presente caso. De igual modo, se puede concluir que las medidas que están dentro del intervalo son lo suficientemente confiables para ser tomadas en cuenta dentro del estudio; si no, aunque no se puede asegurar que están mal tomadas, indican la posibilidad de que dichas muestras fueron tomadas atípicamente.
Para dicho estudio, se realizó una estandarización en base a los errores de las medidas de los equipos (porcentaje de variación de la medición con respecto al valor de fábrica) y se obtuvo la media, la desviación estándar y el intervalo de confianza que muestra en el cual, con un 95% de probabilidad, se van a encontrar los datos de las mediciones de un mismo año. Después, se procedió a realizar la gráfica de la distribución normal de los datos con su respectivo intervalo de confianza. También, se evidencia la posición de cada una de las mediciones con respecto a dicha distribución. Dicho estudio se encuentra en ANEXOS 2: Crítica de datos de las capacitancias en los equipos.
Los resultados anteriores indican que la muestra de datos del año 2014 puede que no sea muy confiable para el estudio ya que el intervalo de confianza arrojado no tiene en cuenta el número cero; por lo tanto, dichos datos no van a ser determinantes para la condición de los PTs y CTs. En adición a lo anterior, se pudo descartar 3 datos atípicos (outliers) los cuales no fueron tomados en cuenta para la realización del estudio porque éstos se encontraban en rangos muy superiores a las medias observadas, además hay dos mediciones para un mismo equipo en un mismo año.
A continuación, en la Gráfica 1 se observa la distribución normal para la muestra de datos del año 2014 con su correspondiente intervalo de confianza. Se pudo corroborar gráficamente lo mencionado en el párrafo anterior.
Gráfica 1. Distribución Normal de Variación de la Capacitancia para el año 2014
Así mismo, se puede observar en la Gráfica 2 se pueden observar los outliers mencionados anteriormente. En ésta se aprecia la distancia entre la distribución normal y la ubicación de los datos de los equipos que fueron observados durante la medición de los correspondientes años. Se concluye que no son mediciones confiables y no son tomadas para realizar el estudio.
3.2 Factor de Potencia
Como se mencionó anteriormente, los resultados obtenidos con respecto al factor de potencia no muestran inconsistencias o datos atípicos a excepción de uno: el transformador de tensión 30010971 de la Bahía F del año 2006. Los resultados proporcionados por la EEB se encuentran en un rango entre el 0.04% y 1.91%; sin embargo, la medición del equipo mencionado menciona un factor de potencia del 28%, lo cual indica que éste es erróneo con respecto a la muestra y por lo tanto se trató como un outlier.
5 LÓGICA DIFUSA
La metodología propuesta en el presente documento se basa en la teoría de lógica difusa o “fuzzy logic”. La lógica booleana es la teoría más ampliamente usada debido a su gran precisión; sin embargo, ésta se restringe a dos únicos valores (0 y 1). Por otro lado, y teniendo en cuenta la naturaleza del problema, la teoría de la lógica difusa tiene la ventaja de permitir el uso de valores parciales que reflejan los patrones lingüísticos humanos. En el presente caso, dichos valores serían los rangos de clasificación de los parámetros para cada una de las condiciones cualitativas y los estados finales de los equipos de estudio, ya que no podrían ser traducidos a un lenguaje matemático en el caso de utilizar la lógica booleana.
El sistema de lógica difusa maneja cierto tipo de imprecisiones basados en el lenguaje de comunicación de los humanos, es decir, palabras usadas para evaluar conceptos y derivar conclusiones que son apreciativas [2].
En la Gráfica 3 se puede observar las diferencias que presentan las teorías mencionadas anteriormente. El sistema de lógica booleana clasificaría cualquier número bajo uno, independiente de su cercanía o casi aproximación al número cero; no permite ningún juicio de valor debido a su exactitud. En cambio, el sistema de lógica difusa permite la ubicación de diferentes niveles, dentro de los cuales se les puede asignar una función de pertenencia que determinará la ubicación de un valor dentro de los diferentes niveles. Los límites de esos niveles no están definidos, es decir, son difusos.
Para entender la metodología se deben tener en cuenta tres etapas básicas:
1. Fuzificación
En la presente etapa, como primer paso se debe realizar el cálculo del grado de pertenencia que un dato puede tener dentro de una o varias funciones de pertenencia para así poder relacionarlo con alguna de dichas funciones. Una función de pertenencia (o membresía) se define como el conjunto difuso o “fuzzy” que determina el grado de pertenencia de un parámetro con respecto a un estado del mismo, el cual está modelado como una variable lingüística. Se debe tener en cuenta que el grado de pertenencia es el grado en el cual una variable booleana es compatible con una función de pertenencia, el cual toma valores dentro de un rango predeterminado.
Para realizar lo anterior, se debe tener en cuenta:
1. La determinación del valor que va a ser tomado para la región de pertenencia del 100%.
2. La determinación del valor que va a ser tomado para la región de incertidumbre en el cual un dato puede pertenecer a dos funciones de pertenencia parcialmente.
La suma de los numerales anteriores determinan el rango máximo de una función de pertenencia, tal y como se observa en la Gráfica 4.
Después de determinar los rangos de cada una de las funciones de pertenencia (el cual en el presente caso sería cada una de las condiciones cualitativas de cada uno de los parámetros: bueno, aceptable, en deterioro y deficiente), la entrada es comparada con su función de pertenencia correspondiente. El resultado de lo anterior es la obtención de las entradas difusas.
2. Reglas de evaluación
En la presente etapa, se deben establecer las reglas lingüísticas sobre los resultados que fueron generados en la primera etapa. Dependiendo de los parámetros utilizados en la etapa previa, se desea relacionar las entradas fuzificadas para determinar el estado final de la variable que se estudió (en este caso, los transformadores de medición: PTs y CTs). El proceso se observa en la Gráfica 5.
Gráfica 5. Reglas de evaluación
Por otro lado, se debe tener en cuenta que dichas reglas son escritas en términos de las palabras lingüísticas utilizadas en las funciones de pertenencia; así mismo, su resultado en términos de los estados lingüísticos finales.
3. Defuzificación
Similarmente a la primera etapa, en ésta se busca convertir las salidas fuzzy (cualitativas) a salidas “corrientes” (numéricas). El proceso, en general, se puede observar en la Gráfica 6. La salida fuzzy va a ser modificada según su respectiva función de pertenencia de salida.
Gráfica 6. Defuzificación
Para dicho fin, existe diferentes métodos, pero el más conocido es “el método del centroide”. En dicho método se determina el centro de gravedad del conjunto de salida, el cual es el resultado de la unión de las contribuciones de todas las reglas válidas. La salida es el valor numérico del eje equis (x) del punto del centro de gravedad del conjunto difuso de salida. [2]
6 METODOLOGÍA
6.1 Revisión Bibliográfica
La primera etapa del presente trabajo tuvo como objetivo realizar una revisión bibliográfica con respecto a las posibles metodologías existentes y los diferentes estándares de reglamentación para los transformadores de corriente y tensión. Con respecto a las metodologías, se pudo encontrar dos referencias en las cuales se presentaban modelos con lógica difusa para determinar el estado de un transformador de potencia y pararrayos. El primer documento titulado Research on Transformer Condition-based Maintenance System using the Method of Fuzzy Comprehensive Evaluation habla acerca de establecer ciertos principios fuzzy y estimar el índice de probabilidad de fallo de los componentes de un transformador de potencia; lo anterior se hizo en base a las características de cada una de las condiciones consideradas para poder introducir una degradación relativa que refleje el grado de influencia de los factores en la condición del equipo bajo estudio; la matemática difusa se introdujo para determinar la función subordinada de la condición del transformador [3]. Similarmente, el documento Study of Metal Oxide Arresters Health State Evaluation Based on Fuzzy Grey Theory usa la teoría de la lógica difusa para realizar un modelo de evaluación de la salud en los pararrayos [4]. Aunque ambas fueron muy útiles para el entendimiento de la metodología que se implementó, se determinó que éstas eran muy complejas debido a la cantidad de parámetros requeridos para el funcionamiento de los mismos y no se pudo hacer uso de los algoritmos presentados en éstos debido a que la información presentada por la EEB no era la suficiente para poder hacer uso de éstos.
La principal fuente bibliográfica se obtuvo de una presentación de Mohamed A. El-Sharkawi [5]. En éste su pudo evidenciar, claramente, las etapas para la construcción de la metodología. Para la primera y segunda etapa, uno de los principales problemas fue la definición de los rangos delimitantes de las funciones de pertenencia para las entradas del sistema. Para la correcta definición de éstas, se tuvo en cuenta las normas internacionales concernientes a los parámetros proporcionados por la EEB: capacitancia y factor de potencia.
Se encuentra que en el estándar IEEE C57.19.01-2000 se realiza una sugerencia con respecto a la variación de la capacitancia permitida que garantiza que los equipos PTs y CTs sigan estando en buen estado. Dicho estándar está dirigido a las características y dimensiones sugeridas que deben tener los bujes que operan en lugares exteriores. Aunque dicho estándar no hace referencia directa a los transformadores de medición, se pudo constatar que la EEB hace uso de éste pues estos equipos utilizan un aislamiento en aceite el cual se encuentra referenciado en el estándar mencionado.
En éste se encontró que la máxima variación de capacitancia que es aceptada para garantizar que los equipos se encuentran en un buen estado es de ±1% de la capacitancia de fábrica [6].
Por otro lado, el estándar IEEE 62-1995 hace referencia a un diagnóstico de pruebas sugerido para los equipos eléctricos como transformadores de potencia aislados en aceite y reactores. En éste se encuentra los procedimientos e interpretaciones de los datos obtenidos de las pruebas de factor de potencia. Los estados cualitativos de los transformadores de medición se pueden observar en la Tabla 1. Aunque éstos hacen referencia a los transformadores de potencia, se pudo constatar que la EEB también utiliza dicha clasificación para determinar la condición del aislamiento en los equipos estudiados.
Por otro lado, uno de los objetivos secundarios del presente proyecto de grado consistía en la revisión de las normas internacionales IEC y de otros importantes recursos como el CIGRE. Sin embargo, no se pudo realizar dicha revisión pues no se pudo obtener acceso a dichas bases de información
Condición Factor de potencia [%]
Descripción Semántica de la condición del transformador
Buena FP < 0.5 El equipo está en buenas condiciones y puede seguir funcionando
Aceptable 0.5 < FP < 0.7 El equipo está en condiciones
de funcionamiento normal con bajo deterioro
Deterioro Medio
0.7 < FP < 1 El equipo requiere revisión ya que se presentan fallas leves
Deficiente 1 < FP < 2 El equipo se encuentra en malas condiciones. Se han producido fallas graves.
Tabla 1. Clasificación de estados cualitativos según el factor de potencia observado - IEEE 62-1995
4.2 Recolección de datos y determinación de rangos finales
De acuerdo a lo anterior, se puede definir los rangos de cada una de las funciones de membresía. Sin embargo, debido a que en la práctica dichos rangos pueden diferir, se debe tener en cuenta que se necesita de la opinión de expertos en el tema ya que es el objetivo principal de la teoría de lógica difusa: la modelación de incertidumbres asociadas a la apreciación humana. En este caso, la opinión experta fue tomada del grupo de ingenieros expertos que trabajan en la EEB y que tienen experiencia en el manejo y comportamiento de los equipos de estudio en el presente trabajo. La recolección de dicha información se realizó a través de la creación y rotación de un cuestionario, a través de Survey Monkey, que contuvo preguntas directamente relacionadas con la cualificación de los estados de los parámetros en los equipos los cuales establecían los rangos en los cuales éstos, según la experiencia de ellos, se encuentran en un determinado estado. Las preguntas realizadas se encuentran en ANEXOS 1: Encuesta Realizada.
Para la determinación de los rangos de los estados en las funciones de membresía, con respecto a la variación de la capacitancia medida en los PTs y CTs, se sugirió lo representado en la Tabla 2 teniendo en cuenta lo sugerido en la IEEE C57.19.01-2000.
Condición Rango Descripción Semántica de la condición del transformador
Bueno VC < 1% El equipo está en buenas condiciones y puede seguir funcionando
En deterioro 1% < VC < 2% Un deterioro medio. Se producen fallas leves.
Deficiente VC > 2% El equipo se encuentra en malas condiciones. Se han producido fallas graves.
Tabla 2. Estados y rangos sugeridos para la variación de capacitancia en los transformadores de medición
Se debe tener en cuenta que dicha clasificación de las condiciones, en la encuesta realizada, fue aprobada por el equipo de expertos de la EEB. Sin embargo, los rangos en los cuales son aceptadas dichas condiciones se obtuvieron a partir de las respuestas obtenidas de los mismos en la encuesta. Las opciones correspondían a ciertas variaciones realizadas en base a la tabla sugerida anteriormente. A continuación, se
muestra en la Tabla 3 los resultados obtenidos de la encuesta. Ésta fue realizada a 6 personas de le EEB.
Condición Opciones Respuestas
Bueno 0,90% 1
1,00% 4
1,50% 1
2% 0
En deterioro 0,5% adicional 2
1,0% adicional 2
1,5% adicional 2
2,0% adicional 0
Deficiente Depende de los resultados finales de "en deterioro"
Tabla 3. Respuestas obtenidas para la variación de la capacitancia
Igualmente, la determinación de los rangos de los estados en las funciones de membresía, con respecto al factor de potencia medido en los transformadores bajo estudio, se mantuvo de acuerdo a lo evidenciado en la Tabla 1. Los rangos en los cuales se aceptaron dichas condiciones, de acuerdo con el equipo experto, se obtuvieron a partir de las respuestas que éstos proporcionaron. Las opciones correspondían a ciertas variaciones realizadas en base a la tabla mencionada anteriormente. En la Tabla 4 se muestra los resultados obtenidos de la encuesta:
Condición Opciones Respuestas
Bueno 0,40% 2
0,45% 0
0,50% 3
0,60% 1
Aceptable 0,60% 1
0,65% 0
0,70% 3
0,80% 2
En deterioro
0,90% 4
0,95% 0
1,00% 1
1,15% 1
Deficiente Depende de los resultados finales de "en
deterioro"
De acuerdo a los resultados obtenidos, se procedió a definir los rangos definitivos que describen cada uno de los estados del parámetro de estudio; es decir, se definió los límites de las funciones de pertenencia. Para ello, se procedió a realizar un promedio en el cual se tuvo en cuenta el peso por opción escogida tal y como lo describe la Ecuación 1.
Ecuación 1. Promedio
El valor numérico obtenido del promedio describe hasta qué punto el valor medido de un parámetro pertenece al 100% de una función de pertenencia. Por otra parte, para determinar el rango en el que se halla la incertidumbre de la misma función de pertenencia; es decir, el rango en el cual el valor medido de un parámetro pertenece a una función de pertenencia parcialmente (≠ 100%), se describe en la Ecuación 2 como la desviación poblacional. Lo anterior se hizo para determinar la máxima dispersión que los datos recibidos contienen y, de esa manera, poder sumarla al promedio obtenido anteriormente y hallar el límite máximo en el cual un dato pertenece parcial o totalmente a una función de pertenencia; de esa manera, es posible ajustar correctamente los límites de cada uno de los estados de los parámetros de los equipos.
Ecuación 2. Desviación Estándar
Donde:
N = Total de participante de la encuesta
X = Dato de referencia
= Media o promedio de los datos
Los resultados para cada una de las funciones de pertenencia para los parámetros de variación de capacitancia y factor de potencia se muestran en la Tabla 5
Factor de Potencia
Función de Pertenencia
Media (valor de pertenencia de 100%)
[%]
Desviación estándar [%]
Media + Desviación Estándar (Valor límite
de pertenencia) [%]
Estado "Bueno" 0,483 0,059 0,542
Estado "En deterioro" 0,9583 0,0835 1,04185 Variación de Capacitancia
Función de Pertenencia
Media (valor de pertenencia de 100%)
[%]
Desviación estándar [%]
Media + Desviación Estándar (Valor límite
de pertenencia) [%]
Estado "Bueno" 1,06667 0,1915 1,25817
Estado "En deterioro" 2,0667 0,2888 2,3555
Tabla 5. Determinación de valores para las funciones de pertenencia
Por último, para la realización de la segunda etapa se debió tener la apreciación de dichos expertos para la formación de las reglas de evaluación. Dichas reglas fueron establecidas, también, por el equipo de expertos. En la Tabla 6 se muestra los resultados obtenidos:
Factor de
Potencia/ Variación de
Capacitancia
Bueno Aceptable En Deterioro Deficiente
Bueno NORMAL EN DECLINE NECESITA REVISIÓN RIESGOSO
En Deterioro NECESITA REVISIÓN NECESITA REVISIÓN NECESITA REVISIÓN RIESGOSO
Deficiente RIESGOSO RIESGOSO RIESGOSO RIESGOSO
Tabla 6. Definición de la tabla de reglas
4.3 Implementación de la metodología en Matlab
Una vez determinado cada uno de los límites requeridos para la especificación de las funciones de pertenencia de los parámetros y las reglas de evaluación, se procedió a implementar el algoritmo en Matlab.
En el software Matlab, se hizo uso del toolbox “Fuzzy” el cual permite la especificación de las variables mencionadas en el párrafo anterior. Las entradas del sistema corresponden a la Variación de la Capacitancia y Factor de Potencia. También, se estableció la salida correspondiente al estado final del equipo que se evalúe en dicho sistema (puede ser transformador de tensión o transformador de corriente). Para la tercera etapa, dicho toolbox ya tiene la opción incorporada con la cual se va a defuzificar, la cual es establecida como centroide. Dichas características se pueden observar en la Gráfica 7.
Gráfica 7. Visualización principal del Toolbox "Fuzzy" en Matlab
En la Gráfica 8 se observa el editor de funciones de pertenencia del parámetro que se desea modificar. En este caso son dos parámetros, por lo cual se tienen dos editores diferentes. En éstos se introdujeron los resultados de la Tabla 5.
Gráfica 8. Editor de funciones de membresía MATLAB
Por último, las reglas de evaluación mencionadas en la Tabla 6 fueron introducidas en el editor de reglas del toolbox mencionado. Éste se basa en reglas sencillas con estructuras de tipo:
IF x AND y THEN z
7 RESULTADOS
El resultado del algoritmo implementado se puede observar en la Gráfica 9. Con ayuda del toolbox de Fuzzy en MATLAB se realizó un ejecutable que permite la interacción con el usuario al permitir la introducción de los parámetros capacitancia de fábrica, capacitancia medida y factor de potencia. El resultado de la condición del equipo es mostrado por el ejecutable.
Gráfica 9. Ejecutable final
Como tarea adicional, se evaluaron los datos proporcionados por la EEB con el ejecutable obtenido. En la Tabla 7 se evidencian los resultados obtenidos para cada uno de los transformadores de medición. En dicha tabla sólo se evidencian los resultados que resultaron ser confiables según lo mencionado en el numeral CRÍTICA DE DATOS. En dicha tabla se puede observar que la mayoría de las mediciones arrojan un resultado crítico: Condición riesgosa. Lo anterior se puede explicar debido a que la regla de evaluaciones establecida por los expertos de la EEB es drástica en cuanto a la determinación de la condición final de los equipos. Es decir, cuando alguno de los parámetros se encuentra en la peor de las condiciones (en deterioro), el indicador de salud indica que el equipo se encuentra en un estado riesgoso.
Teniendo en cuenta lo evidenciado en la Tabla 5 y Tabla 6, se puede corroborar que cada uno de los estados finales para cada uno de los periodos de análisis de los equipos PTs y CTs es acorde con lo establecido según lo recolectado por la encuesta y por las normas internacionales implementadas en el presente proyecto.
Nombre
Equipo ID
Años de puesta
en servicio
Fecha Capacitancia de Fábrica (pF)
Capaci-tancia Medida
(pF)
Variación de
Capacitan-cia (%)
Factor de Potencia (%)
Estado (Trape-zoidal)
Bahía A
A 1022 2006 11538 4,891% 1,01 Riesgoso
2012 11480 4,364% 1,05 Riesgoso
TC Barra 1 Fase B
3001
1023 1987
2003
11000
11520 4,727% 1,11 Riesgoso
2006 11522 4,745% 1,16 Riesgoso
2012 11513 4,664% 1,1 Riesgoso
TC Barra 1 Fase C
3001
1024 1987
2003
11000 11530 4,818% 0,94
Riesgoso
2006 11535 4,864% 0,91 Riesgoso
2012 11502 4,564% 0,89 Riesgoso
TC Barra 2 Fase A
3001
1025 1987
2003
11000
11500 4,545% 1,05 Riesgoso
2006 11490 4,455% 1,11 Riesgoso
2012 11508 4,618% 1,108 Riesgoso
TC Barra 2 Fase B 3001
1026
1987
2003
11000
11500 4,545% 1,68 Riesgoso
2006 11501 4,555% 1,5 Riesgoso
2012 11504 4,582% 1,6 Riesgoso
TC Barra 2 Fase C
3001
1027 1987
2003
11000
11490 4,455% 1,02 Riesgoso
2006 11487 4,427% 1,1 Riesgoso
2012 11498 4,527% 1,05 Riesgoso
Bahía B
TC 1 Fase A 3001
1037 1993
2003
11000
11488 4,436% 1,03 Riesgoso
2006 11470 4,273% 0,98 Riesgoso
2012 11487 4,427% 1,01 Riesgoso
TC 1 Fase B 3001
1038 1993
2003
11000
11479 4,355% 1,17 Riesgoso
2006 11471 4,282% 1,15 Riesgoso
2012 11489 4,445% 1,15 Riesgoso
TC 1 Fase C 3001
1039 1993
2003
11000
11490 4,455% 1,39 Riesgoso
2006 11490 4,455% 1,45 Riesgoso
2012 11480 4,364% 1,5 Riesgoso
TC 2 Fase A 3001
1040 1993
2003
11000
11490 4,455% 1,02 Riesgoso
2006 11485 4,409% 1,05 Riesgoso
2012 11496 4,509% 1,1 Riesgoso
TC 2 Fase B 3001 1041 1993 2003 11000
11490 4,455% 1,28 Riesgoso
2006 11495 4,500% 1,31 Riesgoso
2012 11497 4,518% 1,3 Riesgoso
TC 2 Fase C 3001 1042 1993 2003 11000
11500 4,545% 1,3 Riesgoso
2006 11500 4,545% 1,335 Riesgoso
2012 11500 4,545% 1,31 Riesgoso
Bahía C TT Fase
A
3001
0861 1986 2006 11000 11185,5 1,686% 0,04
Necesita Revisión
2012 11545,7 4,961% 0,33 Riesgoso
TT Fase B
3001
0862 1986
2006
11000 11074,1 0,674% 0,05 Normal
2012 11387 3,518% 0,21 Riesgoso
TT Fase C
3001
0863 1986
2006
11000 11076,2 0,693% 0,04 Normal
2012 11387 3,518% 0,21 Riesgoso
TC Fase A
3001
0864 1997
2006
790 793,94 0,499% 0,09 Normal
2012 790,84 0,106% 0,17 Normal
TC Fase B
3001
0865 1997
2006
790 840,32 6,370% 0,09 Riesgoso
2012 812,5 2,848% 0,36 Riesgoso
TC Fase C
3001
0866 1997 2006 790 819,57 3,743% 0,08 Riesgoso
Bahía D
TT Fase A
3001
0888 1986
2006
11000 11420 3,818% 0,185 Riesgoso
2012 11455,5 4,141% 0,18 Riesgoso
TT Fase B
3001
0889 1986
2006
11000 11421 3,827% 0,189 Riesgoso
2012 11532,7 4,843% 0,19 Riesgoso
TT Fase C
3001
0890 1986
2006
11000 11420 3,818% 0,2 Riesgoso
2012 11379,6 3,451% 0,18 Riesgoso
TC Fase A
3001
0891 1997
2006
790 830,5 5,127% 0,25 Riesgoso
2012 831,65 5,272% 0,19 Riesgoso
TC Fase B
3001
0892 1997
2006
790 790,57 0,072% 0,26 Normal
2012 798,57 1,085% 0,26 Normal
TC Fase C
3001
0893 1997
2006
790 801,95 1,513% 0,24
Necesita Revisión
2012 813,95 3,032% 0,23 Riesgoso
Bahía E
TT Fase A
3001
0996 1986
2006
11000
11121 1,100% 0,2 Normal
2012
11152 1,382% 0,21
Necesita Revisión
TT Fase B
3001
0997 1986
2006
11000 11201 1,827% 0,18
Necesita Revisión
2012 11040 0,364% 0,18 Normal
TT Fase C
3001
0998 1986
2006
11000 11116 1,055% 0,15 Normal
2012 11166 1,509% 0,21 Normal
TC Fase A
3001
0999 1997
2012
790 904,1 14,443% 0,21 Riesgoso
2016 901,04 14,056% 0,18 Riesgoso
TC Fase B
3001
1000 1997
2006
790
858,41 8,659% 0,28 Riesgoso
2012 946,2 19,772% 0,23 Riesgoso
2016 958,24 21,296% 0,22 Riesgoso
TC Fase C
3001
1001 1997
2006
790 941,23 19,143% 0,31 Riesgoso
Bahía F
TT Fase A
3001
0969 1986
2006
11420
11455 0,306% 0,25 Normal
2012 11411,1 0,078% 0,2 Normal
2016 11433,2
4 0,116% 0,17 Normal
TT Fase B
3001
0970 1986
2006
11420
11409 0,096% 0,28 Normal
2012 11515,3 0,835% 0,21 Normal
2016 11509,5 0,784% 0,18 Normal
TT Fase C
3001
0971 1986
2012
11420
11465 0,394% 0,2 Normal
2016 11436,8
8 0,148% 0,18 Normal
TC Fase A
3001
0972 1997
2006
11000
10965,2 0,316% 0,28 Normal
2016 10065,0
4 8,500% 0,25 Riesgoso
TC Fase B
3001
0973 1997
2006
11000
10958,1 0,381% 0,26 Normal
2016 10013,8
8 8,965% 0,25 Riesgoso
TC Fase C
3001
0974 1997
2006
11000
10922,4 0,705% 0,26 Normal
2016 10022,9
8 8,882% 0,25 Riesgoso
Bahía G
TT Fase A
3001
0915 1986
2000
5960
5935 0,419% 0,79
Necesita Revisión
2006 5959 0,017% 0,28 Normal
2012 5954 0,101% 0,62 Decline
TT Fase B
3001
0916 1986
2000
5960
5982 0,369% 0,85
Necesita Revisión
2006 5941 0,319% 0,29 Normal
2012 5970 0,168% 0,64 Decline
TT Fase C
3001
0917 1986
2000
5960
5946 0,235% 0,76
Necesita Revisión
2006 5971 0,185% 0,29 Normal
2012 5825 2,265% 0,6 Riesgoso
TC Fase A
3001
0918 1997
2000
11000
10303 6,336% 0,18 Riesgoso
2006 10280 6,545% 0,22 Riesgoso
2012 10151 7,718% 0,23 Riesgoso
TC Fase B
3001
0919 1997
2000
11000 10201 7,264% 0,16 Riesgoso
2012 10210 7,182% 0,25 Riesgoso
TC Fase C
3001
0920 1997
2000
11000
10386 5,582% 0,2 Riesgoso
2006 10410 5,364% 0,25 Riesgoso
2012 10381 5,627% 0,26 Riesgoso
TT Fase A
3001
0942 1986
2000
5960
5864 1,611% 0,22
Necesita Revisión
2006
5866 1,577% 0,3
Necesita Revisión
2012 6464 8,456% 0,32 Riesgoso
TT Fase B
3001
0943 1986
2000
5960
5946 0,235% 0,22 Normal
2006 5702 4,329% 0,3 Riesgoso
2012 6115 2,601% 0,35 Riesgoso
TT Fase C
3001
0944 1986
2000
5960
5973 0,218% 0,24 Normal
2006
5834 2,114% 0,31
Necesita Revisión
2012 6015 0,923% 0,34 Normal
TC Fase A
3001
0945 1986
2000
1000
1040,4 4,040% 0,22 Riesgoso
2006 1041,6 4,160% 0,14 Riesgoso
2012 1085,3 8,530% 0,44 Riesgoso
TC Fase B
3001
0946 1986
2000
1000
957,9 4,210% 0,17 Riesgoso
2006 954,1 4,590% 0,12 Riesgoso
2012 1100,1 10,010% 0,42 Riesgoso
TC Fase C
3001
0947 1986
2000
1000
1039,3 3,930% 0,18 Riesgoso
2006 1037 3,700% 0,11 Riesgoso
2012 1059,3 5,930% 0,41 Riesgoso
Bahía I
TC Barra 1 Fase A
3001
1052 1986
2003
51100 51740 1,252% 1,33 Riesgoso
2006 51568 0,916% 1,5 Riesgoso
TC Barra 1 Fase B
3001
1053 1986
2003
51100 52630 2,994% 1,71 Riesgoso
2006 52689 3,110% 1,75 Riesgoso
TC Barra 1 Fase C
3001
1054 1986
2003
51100 51090 0,020% 1,5 Riesgoso
2006 51190 0,176% 1,5 Riesgoso
Bahía J TC Barra
2 Fase A 3001
1055 1986 2003 51100 49710 2,720% 1,18 Riesgoso
TC Barra 2 Fase B
3001
1056 1986
2003
51100 51980 1,722% 1,89 Riesgoso
2006 52012 1,785% 1,91 Riesgoso
TC Barra 2 Fase C
3001
1057 1986
2003
51100 52700 3,131% 1,21 Riesgoso
2006 52412 2,568% 1,91 Riesgoso
Tabla 7. Resultados finales
Adicional a lo anterior, se realizó un análisis de sensibilidad en donde se quería determinar si el criterio obtenido por el ejecutable era dependiente por la forma adoptada en la determinación de los rangos de las funciones de pertenencia la cual,
como se observó en la Gráfica 8, es trapezoidal. Para lo anterior, se cambió la forma geométrica de las funciones de pertenencia del centro por una de tipo triangular tal y como se aprecia en la Gráfica 10. Después se procedió a evaluar, nuevamente, cada uno de los datos proporcionados por la EEB.
Gráfica 10. Editor de funciones de pertenencia con forma triangular a medio
Se pudo concluir que la metodología implementada no se ve afectada de gran manera por la forma asignada de las funciones de pertenencia. Al evaluarlas, sólo cambió el estado final de uno de los equipos de medición: el trasformador de tensión 30010998 ubicado en la Bahía E. El estado final de dicho equipo cambio al evaluarse de forma trapezoidal y de forma triangular a los medios de un “Estados Normal” a un “Estado de Necesita Revisión” respectivamente.
Gráfica 11. Histograma de Bahías A y B
Gráfica 12. Histograma de Bahías C, D y parte de la E
Por último, en la Gráfica 11, Gráfica 12, Gráfica 13, Gráfica 14 y Gráfica 15 se puede evidenciar la evolución de la condición de los equipos de estudio con respecto a las mediciones realizadas de los mismos. Se puede observar que, en el histograma de las Bahías C, D y parte de la E, las mediciones del año 2014 no fueron consideradas debido a lo mencionado previamente en Variación de la capacitancia. Además, los histogramas de las Bahías F y parte de la E y las Bahías I y J no tienen la totalidad de sus datos debido a los outliers y la omisión de éstos. Dichas gráficas son soportadas en la Tabla 7, ya que para la realización de dichos histogramas se tuvieron en cuenta los datos mencionados en la descripción de dicha tabla.
Gráfica 13. Histograma de Bahías F y parte de la E
Gráfica 14. Histograma de Bahías G y H
De dichas gráficas se puede corroborar los efectos del envejecimiento de los transformadores de medición con respecto a su funcionamiento. La Gráfica 15 y Gráfica 11 muestran que la condición de los equipos en dicho grupo es “Peligrosa” a lo largo de las mediciones realizadas. Para los demás histogramas, el número de equipos en mala condición aumenta y, respectivamente, el número de equipos en buena condición disminuyen; se puede concluir que los resultados son acordes conforme a lo que se espera del desempeño de los transformadores de medición.
8 CONCLUSIONES
En general, se pudo obtener un algoritmo que puede ser implementado por la EEB para la determinación del estado de salud para los PTs y CTs. La metodología implementada fue adaptada exitosamente a la realidad de la empresa y proporciona un indicador confiable para las medidas de dichos equipos a lo largo de los periodos evaluados. Sin embargo, se debe destacar que los resultados obtenidos no reflejan la evolución histórica de los equipos bajo estudio, pues el algoritmo sólo tiene en cuenta los parámetros introducidos al momento de realizar la evaluación de la condición de los mismos y no los resultados previos de anteriores valoraciones.
Por otro lado, la implementación de la metodología fue exitosa con los dos parámetros (variación de la capacitancia y factor de potencia). Sin embargo, se hubiese deseado contar con más parámetros para garantizar una metodología más robusta y que pueda proporcionar un indicador más confiable. Tal y como se observó en los documentos de la bibliografía revisada, un conjunto de parámetros más amplio como termografía, resistencia de los devanados, curvas de saturación, pruebas de aceite y demás, y la inclusión de éstos en la metodología trabajada puede proporcionar de una manera más acertada las condiciones de los equipos; se podría tener en cuenta un mayor número de condiciones que determinan la condición actual de los equipos.
Así mismo, los límites finales y la evaluación de los parámetros se realizaron de acuerdo a la opinión experta de la EEB. Pero se desea que, con una mayor cantidad de opiniones por parte de expertos fuera de la empresa, los rangos de ajuste de las funciones de pertenencia y la tabla de reglas de evaluación sean adaptadas de una mejor manera, en especial ésta última pues se pudo apreciar que es muy sensible a la variación de cada uno de los parámetros y eso condujo a que el estado final de la mayoría de los parámetros se ubicase en el peor de los estados de salud: riesgoso; tal y como se aprecia en los histogramas de resultados finales mencionados en RESULTADOS.
9 AGRADECIMIENTOS
Me gustaría darle muchas gracias a Dios por brindarme la oportunidad de estudiar en una de las mejores universidades del país, por guiarme a lo largo de todos mis proyectos, por ayudarme a encontrar la fuerza para luchar por lo que deseo y por brindarme paciencia y perseverancia.
A mis padres Blanca Marina Molano Rodríguez y Eriberto Romero Otalora, quisiera darles gracias por brindarme su amor y cariño incondicional, por estar siempre conmigo, por ayudarme a ser la persona que soy, por procurar darme siempre lo mejor que pueden y por alentarme a dar siempre lo mejor de mí. Estoy eternamente agradecida por tenerlos como padres; no imagino a nadie mejor que ustedes de mi lado.
Agradezco a mi asesor, Mario Alberto Ríos Mesías PhD, por asesorarme y guiarme no sólo a lo largo del presente proyecto de grado, sino también en mi formación como ingeniera eléctrica a través de su experiencia y su conocimiento.
Le doy gracias a mi co-asesor, Miguel Ángel Rojas Torres y a la EEB por la información suministrada para la realización del presente proyecto de grado y por los consejos para orientar de mejor manera el mismo.
También le agradezco a la Universidad de los Andes y sus profesores por forjarme como profesional y por reforzar mis actitudes éticas y morales como persona.
A Jose Giovanni Vargas Rueda le doy mi gratitud por ser parte de mi principal motivación para terminar mis proyectos y mi carrera, por ser uno de mis principales apoyos en la vida y por brindarme su amor y compañía sin límites a lo largo de mi formación profesional. Gracias por ser la persona tan irremplazable y especial que es.
Por último, quiero agradecer a mis compañeros de carrera, principalmente a mis mejores amigos Lourdes Maria Corredor Lunar y Diego Iván Clavijo Rey, por llenar mis días de sonrisas y apoyarme durante esta etapa universitaria, por darme ese cariño tan especial y hacer de la universidad una de mis mejores experiencias. También me gustaría agradecerles a Jostein Calderón Torres y Diego Fernando Gómez Saza por ayudarme y acompañarme a lo largo del presente proyecto, por brindarme seguridad, ayuda y confianza en los momentos críticos de esta etapa.
10 REFERENCIAS
[1] Institute of Electrical and Electronics Engineers, «IEEE Std. 62-1995,» IEEE, New York, 1995.
[2] G. Tejada Muñoz, «Tutorial de Lógica Difusa,» Agosto 2000. [En línea]. Available: http://sisbib.unmsm.edu.pe/bibvirtualdata/publicaciones/electronica/Agosto_2000/pd f/logica%20fuzzy.pdf. [Último acceso: Septiembre 2016].
[3] P.-C. Lin y J.-C. G. Gu, «Research on Transformer Condition-based Maintenance System using the Method of Fuzzy Comprehensive Evaluation,» International Journal of Electrical, Computer, Energetic, Electronic and Communication Engineering, p. 5, 2011.
[4] S.-y. Hong , W. Gang, L. Hai-feng y H. Jia-jia, «Study of Metal Oxide Arresters Health State Evaluation Based on Fuzzy Grey Theory,» 2012. [En línea]. Available: http://ieeexplore.ieee.org/abstract/document/6612557/. [Último acceso: Agosto 2016].
[5] M. Al-Sharkawi, «Fuzzy System and Control,» University of Washington, Seattle. [6] Institute of Electrical and Electronics Engineers, «IEEE Standard Performance
Characteristics and Dimensions for Outdoor Apparatus Bushings,» IEEE, 2000. [7] Comisión de Regulación de Energía y Gas, «CREG,» 3 Noviembre 2016. [En línea].
Available:
http://apolo.creg.gov.co/Publicac.nsf/1c09d18d2d5ffb5b05256eee00709c02/910edb9 b44d36092052580670080e16b?OpenDocument&Highlight=0,NoResolucionCREG1 77-2016. [Último acceso: 8 Enero 2017].
11 ANEXOS 1: Encuesta Realizada
La presente encuesta se realiza con el objetivo de alimentar un modelo de evaluación de Estado de Salud de equipos de subestaciones, en particular, CTs, PTs. En su calidad de conocedor del mantenimiento de los equipos en cuestión, le agradecemos responder según su experiencia y conocimiento las preguntas aquí formuladas.
Los parámetros de los cuales queremos su concepto para que la metodología en desarrollo permita definir el estado de salud de los CTs y PTs son: medidas del factor de potencia y variación permitida en la capacitancia del equipo.
Con respecto a los transformadores de medición (PTs y CTs). La norma IEEE Std. 62-1995 sugiere los siguientes rangos respecto a los resultados de las pruebas de factor de potencia del aislamiento, para definir la condición o estado de salud del equipo:
1. Por su experiencia ¿cuál considera usted que es el límite máximo del factor de potencia (%) para decir que el equipo está en buen estado?
a. 0,40%
b. 0,45%
c. 0,50%
d. 0,60%
2. De acuerdo con IEEE Std. 62, se entiende por condición Aceptable que el equipo está en condiciones de funcionamiento normal con bajo deterioro. Por su experiencia ¿cuál considera usted que es el límite máximo del factor de potencia (%) para decir que el equipo está en una condición aceptable?
a. 0,60%
b. 0,65%
c. 0,70%
d. 0,80%
3. De acuerdo con IEEE Std. 62, se entiende por condición Deterioro Medio y requiere revisión que en el equipo se presentan fallas leves. Por su experiencia ¿cuál
considera usted que es el límite máximo del factor de potencia (%) para decir que el equipo está en una condición de deterioro medio?
a. 0,90%
b. 0,95%
c. 1,00%
d. 1,15%
4. Dado un transformador de medición con una capacitancia específica (pF), ¿cuál considera usted que es el límite máximo de variación de la capacitancia para decir que el equipo está en buen estado?
a. 0,9%
b. 1,0%
c. 1,5%
d. 2,0%
5. Teniendo en cuenta su respuesta anterior, suponga que el equipo supera ese límite. ¿Hasta qué porcentaje adicional considera usted que el equipo se puede decir que está en deterioro? (En deterioro: se producen fallas leves, pero se considera que el equipo es funcional y debe estar bajo revisión).
a. 0,5% adicional
b. 1,0% adicional
c. 1,5% adicional
6. Suponga que la condición de estado de salud del equipo se determina a partir de dos parámetros medidos en pruebas de mantenimiento. A continuación, según su experiencia, indique en qué estado o condición considera usted que se encuentra el equipo si las mediciones arrojan lo siguiente.
Tenga en cuenta que:
- Estado “Normal” indica que el equipo está en buenas condiciones y puede
seguir operando.
- Estado “Decline” indica que el equipo presenta un bajo deterioro, pero opera en
condiciones de funcionamiento normal.
- Estado “Necesita Revisión” indica que el equipo presenta un deterioro medio
produciendo fallas leves y, por lo tanto, necesita revisión.
- Estado “Riesgoso” indica que el equipo presenta fallas graves y debe ser
reemplazado.
Estado Final del equipo
Resultado de medición de los
parámetros Normal Decline
Necesita
Revisión Riesgoso
Si un parámetro está en condición
Bueno y el otro en Aceptable
Si un parámetro está en condición
Bueno y el otro En Deterioro
Si un parámetro está en condición
Bueno y el otro en Deficiente
Si ambos parámetros se encuentran en
condición Aceptable
Si un parámetro está en condición
Aceptable y el otro En Deterioro
Si un parámetro está en condición
Aceptable y el otro en Deficiente
Si ambos parámetros se encuentran en
condición En Deterioro
Si un parámetro está en condición En
12 ANEXOS 2: Crítica de datos de las capacitancias en los equipos Año 2000 Identificació n Nombre del equipo Capacitanci a Fábrica (pF) Capacitanci a Medida (pF) Datos estandarizado
s (error de mediciones) Media Desviació n Estándar Índic e Intervalo de confianza
Rango de variación de cada transformador (pF)
30010945 TC FASE
A 1000 1040,4 0,0404
-1,44% 3,71%
2,10 % -8,87% 5,98 %
911,311 1059,798 30010946 TC FASE
B 1000 957,9 -0,0421
30010947 TC FASE
C 1000 1039,3 0,0393
30010915 TT FASE
A 5960 5935 -0,0042
5431,416 6316,394 30010916 TT FASE
B 5960 5982 0,0037
30010917 TT FASE
C 5960 5946 -0,0023
30010942 TT FASE
A 5960 5864 -0,0161
30010943 TT FASE
B 5960 5946 -0,0023
30010944 TT FASE
C 5960 5973 0,0022
30010918 TC FASE
A 11000 10303 -0,0634
10024,42 5
11657,77 4
30010919 TC FASE
B 11000 10201 -0,0726
30010920 TC FASE
C 11000 10386 -0,0558
Tabla 8. Estandarización, datos estadísticos e intervalo de confianza para transformadores de corriente (TC) y transformadores de tensión (TT) para el año 2000
2003
Identificaci
ón Nombre del equipo
Capacitanc ia Fábrica (pF) Capacitanc ia Medida (pF) Datos estandarizad
os (error de mediciones) Medi a Desviaci ón Estándar Índic e Intervalo de confianza
Rango de variación de cada transformador (pF)
30011022 TC BARRA1
FASE A 11000 11530 0,0482
3,39
% 2,07%
0,96 % -0,76 % 7,53 % 10916,8 09 11828,3 69 30011023 TC BARRA1
FASE B 11000 11520 0,0473
30011024 TC BARRA1
FASE C 11000 11530 0,0482
30011025 TC BARRA2
FASE A 11000 11500 0,0455
30011026 TC BARRA2
FASE B 11000 11500 0,0455
30011027 TC BARRA2
FASE C 11000 11490 0,0445
30011037 TC 1 FASE A 11000 11488 0,0444 30011038 TC 1 FASE B 11000 11479 0,0435 30011039 TC 1 FASE C 11000 11490 0,0445 30011040 TC 2 FASE A 11000 11490 0,0445 30011041 TC 2 FASE B 11000 11490 0,0445 30011042 TC 2 FASE C 11000 11500 0,0455
30011052 TC BARRA 1
FASE A 51100 51740 0,0125 50713,5
41
54948,1 52 30011053 TC BARRA 1
30011054 TC BARRA 1
FASE C 51100 51090 -0,0002
30011055 TC BARRA 2
FASE A 51100 49710 -0,0272
30011056 TC BARRA 2
FASE B 51100 51980 0,0172
30011057 TC BARRA 2
FASE C 51100 52700 0,0313
Tabla 9. Estandarización, datos estadísticos e intervalo de confianza para transformadores de corriente (TC) y transformadores de tensión (TT) para el año 2003
2006 Identificació n Nombre del equipo Capacitanci a Fábrica (pF) Capacitanci a Medida (pF) Datos estandarizado
s (error de mediciones) Medi a Desviació n Estándar Índic e Intervalo de confianza
Rango de variación de cada transformador (pF)
30010864 TC
FASE A 790 793,94 0,005
2,16
% 4,27%
1,15 % -6,39 % 10,70 %
739,534 874,557 30010865 TC
FASE B 790 840,32 0,0637
30010866 TC
FASE C 790 819,57 0,0374
30010891 TC
FASE A 790 830,5 0,0513
30010892 TC
FASE B 790 790,57 0,0007
30010893 TC
FASE C 790 801,95 0,0151
30010999 TC
FASE A 790 887,1 0,1229
30011000 TC
FASE B 790 858,41 0,0866
30011001 TC
FASE C 790 941,23 0,1914
30010945 TC
FASE A 1000 1041,6 0,0416
936,119 1107,035 30010946 TC
30010947 TC
FASE C 1000 1037 0,037
30010915 TTFASE
A 5960 5959 -0,0002
5579,268 6597,927 30010916 TT
FASE B 5960 5941 -0,0032
30010917 TT
FASE C 5960 5971 0,0018
30010942 TT
FASE A 5960 5866 -0,0158
30010943 TT
FASE B 5960 5702 -0,0433
30010944 TT
FASE C 5960 5834 -0,0211
30011022
TC BARRA
1 FASE A
11000 11538 0,0489
10297,30 7
12177,38 2 30011023
TC BARRA
1 FASE B
11000 11522 0,0475
30011024
TC BARRA
1 FASE C
11000 11535 0,0486
30011025
TC BARRA
2 FASE A
30011026
TC BARRA
2 FASE B
11000 11501 0,0455
30011027
TC BARRA
2 FASE C
11000 11487 0,0443
30011037 TC 1
FASE A 11000 11470 0,0427
30011038 TC 1
FASE B 11000 11471 0,0428
30011039 TC 1
FASE C 11000 11490 0,0445
30011040 TC 2
FASE A 11000 11485 0,0441
30011041 TC 2
FASE B 11000 11495 0,045
30011042 TC 2
FASE C 11000 11500 0,0455
30010861 TT
FASE A 11000 11185,5 0,0169
30010862 TT
FASE B 11000 11074,1 0,0067
30010863 TT
FASE C 11000 11076,2 0,0069
30010888 TT
FASE A 11000 11420 0,0382
30010889 TT
30010890 TT
FASE C 11000 11420 0,0382
30010996 TT
FASE A 11000 11121 0,011
30010997 TT
FASE B 11000 11201 0,0183
30010998 TT
FASE C 11000 11116 0,0105
30010972 TC
FASE A 11000 10965,2 -0,0032
30010973 TC
FASE B 11000 10958,1 -0,0038
30010974 TC
FASE C 11000 10922,4 -0,0071
30010918 TC
FASE A 11000 10280 -0,0655
30010919 TC
FASE B 11000 10230 -0,07
30010920 TC
FASE C 11000 10410 -0,0536
30010969 TT
FASE A 11420 11455 0,0031
10960,47 7
12642,33 7 30010970 TT
FASE B 11420 11409 -0,001
30010971 TT
FASE C 11420 11476,1 0,0049
30011052
TC BARRA
1 FASE A
51100 51568 0,0092 47835,67
2
56569,47 4