Análise fuzzy de árvore de falhas na gestão de segurança de barragens - bloco D38 da Barragem de Itaipu

• Main Author: Bando, Fernando Mucio
• Other Authors: Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenharia
• Format: Others
• Language: Portuguese
• Published: 2017
• Subjects: Análise numérica; Barragens de concreto; Barragens e açudes - Segurança; Algoritmos difusos; Teses
• Online Access: http://hdl.handle.net/1884/44828

Orientador : Dr. Jair Mendes Marques === Tese (doutorado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Métodos Numéricos em Engenharia. Defesa: Curitiba, 13/05/2016 === Inclui referências : f. 131-137 === Linha de pesquisa : Métodos estatísticos aplicados === Resumo: As construções de usinas hidrelétricas consistem em empreendimentos de grande relevância para o desenvolvimento econômico e social de um país. No entanto, esse é um tipo de obra que requer muita vigilância, pois a ocorrência de comportamentos anormais em sua estrutura podem resultar em consequências indesejáveis. Inspeções realizadas através de instrumentos de monitoramento é um dos mecanismos de avaliação da segurança de uma barragem. Leituras periódicas dos instrumentos geram conjuntos de dados estocásticos que fornecem importantes informações sobre sua saúde estrutural. Métodos matemáticos e estatísticos são de grande importância para o tratamento e análise dos dados, pois, possibilitam predições de possíveis anormalidades no comportamento da barragem. Assim, este trabalho propõe uma metodologia de análise de árvore de falhas, em que o conceito de falha é definido através da detecção e classificação automática de pontos de mudança no comportamento de séries temporais geradas por instrumentos de monitoramento instalados em uma barragem. A detecção automática dos pontos de mudança em uma série temporal consiste em uma abordagem neuro/fuzzy/bayesiana dividida em três etapas: clusterização dos pontos da série temporal a partir de um mapa auto-organizável de Kohonen; construção de um conjunto fuzzy que transforma a série temporal inicial, com distribuição arbitrária, em uma nova série com distribuição de probabilidade beta; a detecção dos pontos de mudança através de uma simulação de Monte Carlo via algoritmo de Metropolis-Hastings. O método para a classificação dos pontos de mudança detectados, em relação aos níveis de alerta, foi desenvolvido através da construção de um sistema de controle fuzzy baseado em informações subjetivas utilizadas por especialistas em segurança da barragem. Por fim, a proposta metodológica é aplicada em dados gerados por instrumentos de monitoramento instalados no bloco de contraforte D38, da estrutura de barramento da Usina Hidrelétrica de Itaipu, onde o método destacou como principal resultado a detecção da mudança e comportamento nas medidas dos instrumentos de monitoramento ocorridas no período de enchimento do reservatório, o que mostra a eficiência dos conceitos abordados. Assim, pode-se concluir que a análise fuzzy de árvore de falhas descrita neste trabalho pode ser considerada uma boa alternativa para o auxílio no gerenciamento da segurança de uma barragem. Palavras-chave: Segurança de Barragem, Análise de Árvore de Falhas, Redes de Kohonen, Conjuntos Fuzzy, Algoritmo de Metropolis-Hastings, Controlador Fuzzy, Medida de Importância. === Abstract: The construction of hydroelectric plants consist of highly relevant projects for economic and social development of a country. However, this is a kind of work which requires a lot of monitoring, because the occurrence of atypical behavior in structure can result in undesirable consequences. Inspections carried out by monitoring instruments is one of the safety assessment mechanisms of a dam. Periodic readings of the instruments generate sets of stochastic data provide important information about their structural health. Mathematical and statistical methods are of great importance for the processing and analysis of data therefore enable predictions of possible abnormalities in the dam behavior. Thus, this paper proposes a fault tree analysis methodology, in which the concept of failure is defined by detecting and automatic shift points classification in the time series behavior generated by monitoring instruments installed in a dam. Automatic detection of change points in a time series consists of a neuro/fuzzy/bayesian approach divided into three steps: clustering of points in the time series from a self-organizing map of Kohonen; construction of a fuzzy set that transforms the initial time series with arbitrary distribution on a new series with beta probability distribution; detection of change points through a Monte Carlo simulation via Metropolis-Hastings algorithm. The method for classification of detected shift points in relation to alert levels, is developed by building a fuzzy control system based on subjective information used for dam safety experts. Finally, the proposed methodology is applied to data generated by monitoring instruments installed on the buttress block D38, the bus structure of Itaipu Hydroelectric Power Plant, where the method highlighted as main result the detection of change and behavior in measures of instruments monitoring occurred in the filling period of the container, which shows the efficiency of the discussed concepts. Thus, it can be concluded that the fuzzy analysis of fault tree described in this work could be a good alternative for assistance in security management of a dam. Key-words: Dam Safety, Fault Tree Analysis, Kohonen Networks, Fuzzy Sets, Metropolis-Hastings algorithm, Fuzzy Controller, Importance Measure.