DESENVOLVIMENTO DE SISTEMA DE DIAGNÓSTICO E BASE DE CONHECIMENTO PARA AUXÍLIO À MANUTENÇÃO PREDITIVA DE HIDRO-GERADORES 1840 ELN/UFPA/FADESP

Sumário 1. Objetivo 2. Justificativa 3. Equipe do Projeto 4. Metodologia de execução do Projeto 5. Produção Científica 6. Modificações realizadas ao longo do projeto 7. Resultados 8. Conclusão

1. Objetivo Desenvolvimento de um sistema de diagnóstico de falhas em Hidro-Geradores; Privilegiar a manutenção preditiva, caminhando no sentido de mudar a filosofia de manutenção reativa, baseada em tempo, para uma filosofia proativa, onde a intervenção é baseada nas condições do equipamento.

Objetivos Específicos Atender a demanda da Eletronorte intitulada "Desenvolvimento de Sistema de Diagnóstico e Base de Conhecimento para Auxílio a Manutenção Preditiva de Hidrogeradores". Elaborar e validar uma base de regras de um sistema especialista para auxílio ao diagnótico dos Hidro- Geradoreas de Tucuruí PA primeira etapa, Coaracy Nunes AP e Balbina AM. Desenvolver e implementar módulos de auxilio ao diagnóstico de falhas utilizando algoritmos que combinem as vantagens fornecidas pela lógica fuzzy e/ou redes neurais,, considerando os seguintes defeitos: 1) Perda da Capacidade de Isolamento da Barra do Estator; 2)Desgaste das Sapatas dos Mancais;3)Desgaste do Anel Coletor; 4)Entupimento do Circuito de Refrigeração do Rotor.

Objetivos Específicos Disponibilizar informações contínuas aos operadores, pessoal de manutenção e aos especialistas no equipamento, através da rede corporativa de computadores da Eletronorte e de módulos que permitam a análise remota dos sinais monitorados. Implementar uma sistemática de apresentação de alarmes, armazenamento em banco de dados e gerenciamento das informações recebidas pelos sistema de monitoração.

2. Justificativa Constantes variações de carga de um sistema de potência e o aumento da demanda de energia elétrica, somado ao freqüente processo destrutivo ocorrido nos elementos das máquinas ao longo do tempo, vem sendo necessário modernizar os procedimentos de manutenção preditiva, onde o monitoramento da unidade determina o "estado de funcionamento" do equipamento. A máquina em funcionamento emite numerosos sinais que indicam o seu "estado de funcionamento", onde o problema consiste em a partir destes sinais, estabelecer um diagnóstico correto e confiável.

Justificativa Vantagens Monitoração contínua do equipamento, fornecendo informações ao pessoal de operação e manutenção. Programação antecipada de paradas programadas do equipamento, evitando multas em função de indisponibilidades desnecessárias. Melhoria na programação das tarefas do pessoal de manutenção. Melhoria na programação do quantitativo de peças de reposição. Auxiliar à manutenção preditiva, filtrando as informações redundantes e auxiliando no diagnóstico de defeito.

Justificativa Vantagens Redução nos custos de viagens para coleta de sinais, eliminando o tempo gasto em deslocamento de especialistas. Diagnosticar a grande maioria dos defeitos, deixando os especialistas com mais tempo para a analise dos casos mais complexos ou que fogem aos padrões conhecidos. Viabilizar as tomadas de decisões dos operadores, possibilitando o acompanhamento "on-line" das evoluções dos sinais fornecidos pelo sistema de diagnósticos, auxiliando na manutenção autônoma e possibilitando a convocação da equipe de manutenção em tempo hábil para solucionar eventuais problemas que estejam evoluindo muito rapidamente.

3. Equipe do Projeto Prof . Dr. Roberto Limão (Coordenador) - UFPA Jacques Sanz (Gerente) - ELETRONORTE Prof. Dr. Alexandre Mesquita - UFPA Anderson José Costa Sena - UFPA Roger R. da Silva - UFPA Ednelson S. Costa - UFPA Marcus Guerra - UFPA Fábio Soares - UFPA

4. Metodologia do Projeto A. Elaborar treinamento da inteligência computacional lógica fuzzy. B. Elaborar regras para o diagnóstico. C. Fornecer o suporte (Hardware e software) aos módulos do Sistema DiaHGer instalados nas Usinas de Tucurui, Balbina e Coaracy Nunes. D. Metodologia de desenvolvimento de software. E. Escrever versão em C++ na estação de acesso de cada usina. F. Escrever versão em Java.

4. Metodologia do Projeto G. Comparar a eficiência dos dois sistemas clientes. H. Verificar a consistência das regras para o diagnóstico. I. Criar, revisar e testar regras para os defeitos e aplicá-las no Labview. Atualização do software em LabView. J. Validar o sistema de diagnóstico. K. Comunicação com o Supervisório, IMADP e Queda em LabView.

A. Treinamento Cursos de lógica Fuzzy para especialistas, técnicos e engenheiros da ELETRONORTE e membros da equipe do projeto. Reuniões para nivelamento de conhecimento e coleta de informações.

B. ELABORAÇÃO DE REGRAS Elaboração das regras de diagnóstico Elaboração e aperfeiçoamento das regras. Inclusão das regras no sistema. Testes das regras no sistema de diagnóstico.

B. ELABORAÇÃO DE REGRAS Revisão Estudo da correlação entre a vibração e as descargas parciais Pesquisa dos níveis de alarme da vibração do núcleo e da barra no ESTATOR Palestra: “Fundamentos das Centrais Hidrelétricas e Turbogeradores” Ministrada pelos Prof. Dr. Alexandre Mesquita Revisão da tecnologia de hardware utilizada pelo sistema SIMME

C. FORNECER O SUPORTE LEVANTAMENTO DE INFORMAÇÕES REFERENTES A MONITORAÇÃO DE HIDROGERADORES Informações contidas no SIMME Informações contidas no IMADP / Supervisório Após a pesquisa verificou-se que as informações atualmente disponíveis não atendem ao sistema de diagnóstico em virtude de da ausência de variáveis de grande importância como a de temperatura. Surgiu a necessidade da equipe do projeto contribuir com o desenvolvimento de um módulo em software de leitura de dados necessários a continuidade do projeto.

D. Seminários e Cursos Cursos oferecidos pela ELETRONORTE/UFPA/LABEM Fundamentos de Vibração e Balanceamento Fundamentos de Dinâmicas de Rotores Processamento Digital de Sinais e Manutenção Preditiva. Participação da equipe do projeto no seminário do “Estado da Arte em Sistemas de Monitoramento aplicados a Máquinas Rotativas”.

E. Sistema de Diagnóstico Metodologia Documentação padrão de software adotada pela ELN Especificação dos Requisitos de Software Modelo de Análise de Software Plano de Especificação de Software Levantamento das regras Base de dados Comunicação com os Bancos de Dados: SIMME, IMADP e Supervisório. Configuração Fuzzy em arquivo texto.

F. Arquitetura do Sistema

Sistema de Auxílio a Diagnóstico Consiste em um software composto por módulos de auxílio ao diagnóstico de defeitos em hidrogeradores. Diagnóstico com dados reais Diagnóstico com dados simulados Os módulos desenvolvidos utilizando algoritmos baseados em lógica fuzzy e a base de conhecimento formada pelo corpo técnico da Eletronorte. Com a finalidade de diagnosticar defeitos relacionados: à perda da capacidade de isolamento do estator desgaste dos mancais desgaste do anel coletor

Software Funções principais Ambiente de Desenvolvimento Labview Diagnóstico de hidro-gerador Validação das regras Impressão de relatórios Ambiente de Desenvolvimento Labview

Tela Principal

Login

CONFIGURAÇÃO FUZZY

EDIÇÃO DE VARIÁVEIS

EDIÇÃO DE CONJUNTOS

EDIÇÃO DE REGRAS

Regras Exemplo de regras fuzzy utilizadas: SE OscRadialMGT-0= Alarme2 ENTÃO ExcentricidadeMGT=Alto SE TempOleoMGT=Alarme2 E TempMetalMGT=Alarme2 E OscRadialMGT- 0=Normal E OscRadialMGT-90=Normal ENTÃO DefeitoResfMGT=Alto

VALIDAÇÃO DE REGRAS

G. Desenvolvimento do Sistema de Diagnóstico em C++ Builder Desenvolver sistema de diagnóstico em C++; Fazer testes de performance; Comparar com os sistemas desenvolvidos em Java e LabView; Desenvolvido utilizando a IDE Code Gear Builder 2009.

Sistema de Diagnóstico em C++ Interface Principal

H. Desenvolvimento do Sistema de Diagnóstico em Java Desenvolver sistema de diagnóstico em Java; Fazer testes de performance; Comparar com os sistemas desenvolvidos em Builder C++ e LabView; Desenvolvido utilizando o NetBeans

I. Desenvolvimento de módulo para leitura das grandezas fornecidas pelo sistema supervisório Desenvolvimento um módulo em software que permitirá a comunicação com o CLP responsável pela medição das variáveis de processo da UGH- 01 da UHE Tucuruí. Permitirá a leitura das variáveis de processo. Identificação das variáveis e dos seus códigos de acesso utilizados pelo CLP para que os valores das grandezas possam ser lidos pelo sistema Estão sendo realizados, em laboratório, testes de comunicação com alguns instrumentos de medição através da interface serial utilizando o módulo de comunicação desenvolvido em LabView.

OBTENÇÃO DE DESCARGAS PARCIAIS As descargas parciais são adquiridas pelo sistema IMADP que faz o armazenamento dos dados de descargas parciais em arquivos no formato texto. A localização de cada arquivo, bem como a data e a hora na qual ele foi armazenado, fica registrada no banco de dados do sistema na tabela DP_Mapa. Para o sistema de diagnóstico é necessário apenas um valor numérico que represente o nível de descarga parcial em cada arquivo.

COMPARAÇÃO ENTRE SOFTWARE Parâmetros de comparação foram definidos como: Sigla Parâmetro Descrição Unidade P1 Visualização tela de configuração Ação de abrir a tela de configuração Fuzzy Tempo (ms) P2 Inicializar Programa Carregamento do programa na memória P3 Carregar dados na tela Carrega dados para diagnóstico na tela principal P4 Carregar componentes Carregamento das variáveis, conjuntos e regras de um componente. P5 Diagnóstico Diagnóstico de falha em um registro de dados. Envolve todas as operações fuzzy. P6 Carregar tela de simulação Carregamento da tela de simulação P7 Realizar simulação Realização de uma simulação para dados fictícios, envolve todas as operações fuzzy e ainda exibe os detalhes das operações, tais como regras acionadas, conjuntos fuzzy acionados

COMPARAÇÃO ENTRE SOFTWARE Resultados: Os programas obtiveram uma performance equivalente e satisfatória, visto que os valores expressos na tabela acima estão em milésimos de segundo, e as diferenças passam a ser imperceptíveis para o usuário final. Sigla Descrição Desempenho C++ (ms) Desempenho Java (ms) p1 Visualização tela configuração 16 3 p2 Inicializar programa 31 1235 p3 Carregar os dados na tela 6,87 p4 Carregar componentes 1610 18,7 p5 Diagnosticar 125 1,43 p6 Carregar tela simulação 47 7,5 p7 Realizar simulação 6

BANCO DE DADOS O Sistema de Diagnóstico utiliza dados de dois bancos de dados, a saber: O banco de dados do SIMME O banco de dados IMADP. As regras do sistema Fuzzy estão sendo armazenadas no banco do SIMME. O SGBD é SQL Server 2000.

BANCO DE DADOS VIRTUAL Com o objetivo de realizar simulações com as regras disponíveis de modo a validá-las sem que houvesse a implantação com os bancos SIMME e IMADP, criou-se um banco de dados virtual. Este banco serve como base para fazer a análise dos defeitos do hidrogerador ajudando a fazer a simulação desses defeitos.

5. PRODUÇÃO CIENTÍFICA SBAI 2009 ENAM 2010 ERIAC 2011 SNPTEE 201 CIBEM 2011

6. MODIFICAÇÕES REALIZADAS NO PROJETO Contribuição com o desenvolvimento do SIMME Desenvolvimento no SIMME de um código responsável pela leitura das grandezas fornecidas pelo sistema supervisório das usinas. Justificativa: Após a pesquisa verificou-se que as informações atualmente disponíveis não atendem ao sistema de diagnóstico em virtude de da ausência de variáveis de grande importância como a de temperatura. Software de diagnóstico Versões em Java e C++ Builder. Justificativa: em reuniões com profissionais da Eletronorte não chegou-se a um consenso de qual ambiente de desenvolvimento seria ideal para sistemas de diagnóstico remoto. Dessa forma, ficou estabelecido que seria necessário o desenvolvimento além do Labview nas plataformas C++ Builder e Java para comparação de desempenho.

MODIFICAÇÕES REALIZADAS NO PROJETO Obedecendo ao cronograma previsto para o Ano 03 do projeto, será mantida a etapa 7, entrando uma nova etapa que se refere a validação do sistema de diagnóstico.  Como ajuste sugerido para a continuidade do projeto, passam a fazer parte do cronograma as novas atividades abaixo: Criar, revisar e testar regras para os defeitos e aplicá-las no Labview. Atualização do software em LabView Comunicação com o Supervisório, IMADP e Queda em LabView Escrever versão em C++ na estação de acesso de cada usina Escrever versão em Java Comparar a eficiência dos dois sistemas clientes Estas alterações já com o novo cronograma estarão no próximo Formulário de Acompanhamento do Projeto.

MODIFICAÇÕES REALIZADAS NO PROJETO Número/Etapa 1 2 3 4 5 6 7 8 9 10 11 12 Criar, revisar e testar regras para os defeitos e aplicá-las no Labview. Atualização do software em LabView. Comunicação com o Supervisório, IMADP e Queda em LabView. Validar o sistema de diagnóstico. Fornecer o suporte (Hardware e software) aos módulos do Sistema DiaHGer instalados nas Usinas de Tucurui, Balbina e Coaracy Nunes. Escrever versão em C++ na estação de acesso de cada usina. Escrever versão em Java. Comparar a eficiência dos dois sistemas clientes. Validar os sistemas de diagnóstico.

7. resultados Diagnóstico dos mancais quanto aos defeitos de: Desbalanceamento Perigo de roçamento Excentricidade dos mancais Defeito no sistema de resfriamento Oil Whril Diagnóstico do isolamento de estator quanto aos defeitos de: Sobre-aquecimento do Enrolamento Estatórico Nível de Descarga Parcial elevada Afrouxamento no núcleo Sobre-aquecimento elevado Regras utilizadas foram criadas por especialistas da Eletronorte.

Resultados Saídas apresentam um valor percentual dos defeitos. Quando estão situados na faixa amarela o defeito já apresenta alguma preocupação, embora o problema ainda não seja crítico. Quando estão situados na faixa vermelha o defeito já apresenta riscos.

Resultados para Mancais Possibilidade de 46,45% para excentricidade no MGT. Com base nos valores de Oscilação. Informa que a máquina já se encaminha para problemas de excentricidade, embora não muito severo.

Resultados para mancais Possibilidade de 90,57% para excentricidade. Mostra que a máquina se encontra com fortes característica do defeito.

Resultados para Isolamento do Estator O sobreaquecimento do enrolamento estatórico existe quando há temperatura elevada no enrolamento, no ar e no núcleo. As temperaturas elevadas, identificam uma possibilidade de 73,02% para o defeito.

8. CONCLUSÃO Monitoração contínua do equipamento e armazenamento do histórico dos equipamentos. Melhoria na programação do quantitativo de peças de reposição. Auxiliar à manutenção preditiva, filtrando as informações redundantes e auxiliando no diagnóstico de defeito. Redução nos custos de viagens para coleta de sinais. Deixar os especialistas com mais tempo para a análise dos casos mais complexos ou que fogem aos padrões.