| Summary: | As bobinas de média tensão dos transformadores secos são encapsuladas com resina epóxi. Apesar do rigoroso processo de qualidade no encapsulamento sob vácuo, existem pequenas bolhas ou vazios que permanecem internamente ao encapsulamento das bobinas. Estas bolhas ou vazios, são fontes geradoras de descargas parciais que são medidas através do ensaio de tensão induzida nos transformadores. No entanto, este ensaio é realizado somente após a montagem final do transformador, de forma que, caso haja alguma reprovação neste, por descargas parciais elevadas, será necessário a desmontagem do transformador, a fabricação de novas bobinas, uma nova montagem e a repetição de todos os ensaios de rotina. Esta reprovação e retrabalhos oneram os custos de produção e impactam diretamente no prazo de entrega do transformador. Para minimização deste problema, esta pesquisa propõe uma metodologia de ensaio de descargas parciais por tensão aplicada em bobinas de média tensão, que seja realizada antes da montagem no transformador. A metodologia possibilita analisar se o encapsulamento está ou não adequado, bem como estimar os valores das medições de descargas parciais por tensão induzida no transformador montado. As Redes Neurais Artificiais são utilizadas para relacionar as medições por tensão aplicada realizadas nas bobinas e as medições de descargas parciais por tensão induzida realizadas nos transformadores montados. A escolha das Redes Neurais Artificiais é em função da capacidade que as mesmas possuem de assimilar conhecimento a partir de sua própria experiência e generalizar soluções. Os resultados obtidos com os ensaios de tensão aplicada apresentam erros relativos médios menores que 0,5%, quando comparados com os resultados dos ensaios de tensão induzida, comprovando sua validação como alternativa para avaliação da qualidade do encapsulamento das bobinas de média tensão dos transformadores secos. === The medium voltage coils of dry-type transformers are encapsulated with epoxy resin. Although there is strict quality process in vacuum encapsulation, there are small bubbles or voids that remain inside the coil encapsulation. These bubbles or voids are sources of partial discharges that are measured by the induced voltage test. However, this test is performed only after the transformer is fully assembled. So, if there is any failure by high partial discharges, it is necessary to disassemble the transformer, manufacture new coils, re-assemble it and repeat the routine test. This failure and rework costs directly impact the production and delivery of the transformer. To minimize this problem, this research proposes a methodology for partial discharge voltage applied test on medium voltage coils, which is performed before assembling the transformer. The methodology allows to analyze whether the quality of the encapsulation is appropriate and to estimate the values of partial discharge measurements for induced voltage test. Artificial Neural Networks are used to link the partial discharge by voltage applied test and induced voltage test. The choice of Artificial Neural Networks is based on the capacity that they have to assimilate knowledge from their own experience and generalize solutions. The results obtained from the testing of applied voltage test have mean relative errors less than 0.5% when compared to results of the induced voltage test. It confirms this validation as an alternative to evaluate the quality of the encapsulation of medium voltage coils of dry-type transformers.
|
|---|
