Reduzindo a Dependência do Operador em Testes de PD: Problemas Comuns e Soluções de Especialistas

O teste de descarga parcial tem seu próprio calcanhar de Aquiles silencioso. Em poucos segundos, um dispositivo adquire uma forma de onda, mas transformar essa forma de onda em uma decisão defensável de "reparar agora" ou "esperar seis meses" ainda depende de um operador treinado que consiga distinguir um pulso de descarga genuíno de emissões transitórias, como o ruído de ignição de uma empilhadeira passando. Se esse operador estiver de férias, todo o processo para.

Este guia descreve onde as habilidades do operador são realmente úteis no processo de detecção de falhas parciais (DP), quais testes de DP e quais equipamentos podem ser automatizados para melhor aproveitamento, e como implementar a automação sem que a necessidade de julgamento manual desapareça completamente. Ele foi escrito para engenheiros de usinas e subestações que avaliam o monitoramento online em comparação com os testes manuais.

Qual o custo real da dependência do operador nos testes manuais de PD?

In teste de descarga parcialA dependência do operador refere-se ao quanto a qualidade dos resultados de um programa de testes depende da capacidade de interpretação de um indivíduo, em vez de um instrumento. Como a descarga parcial sinaliza a degradação gradual do isolamento — o declínio lento de um sistema de isolamento muito antes da falha total de um isolador ou bucha — um diagnóstico incorreto pode ser catastrófico. A condição desse isolamento é o que todo programa de detecção de descarga parcial busca avaliar. A descarga parcial tem três impactos em um projeto: custo da mão de obra, erros de qualidade e a necessidade de treinamento para novos funcionários.

Um offline teste de descarga parcial A medição de um circuito de cabo de média tensão leva mais de 2 horas para ser configurada, desenergizada e realizada, e exige um operador altamente qualificado. Uma medição online no mesmo cabo leva menos de 10 minutos, com muito menos habilidade na fase de captura de dados. Essa disparidade não se deve à velocidade do instrumento, mas sim ao trabalho humano envolvido com a tecnologia.

O segundo problema, denominado "erro", é muito mais sutil. Os níveis de ruído, provenientes do que a empresa chama de "ruído de fundo" durante a operação normal, podem exceder o sinal do seu equipamento PD em até 1,000 vezes (60 dB). Portanto, um sinal de ruído interferiria no sinal do seu PD e faria com que seu técnico medisse um enrolamento em bom estado com leituras tão altas que seria necessário desligá-lo da rede — sinalizando erroneamente um problema e interrompendo desnecessariamente a linha para manutenção.

Um segundo custo, mais acentuado, se esconde no problema dos alarmes falsos. Em dados de subestações em operação, provenientes de um estudo, os falsos positivos são definidos como a previsão de descargas parciais onde elas não ocorrem.

Cada falso positivo obriga a equipe a realizar uma verificação manual de confirmação, o que reduz a produtividade — um alarme de descarga parcial mal configurado não apenas fornece um número, como também chama o eletricista para provar que está errado. Pesquisa revisada por pares sobre discriminação de ruído PD Confirma que distinguir uma descarga genuína de uma interferência é a parte difícil, que exige habilidade.

A dependência do operador custa mais do que o salário pago pelo monitoramento de tela. Há o custo de testes repetidos, tempo de inatividade desperdiçado, meses para certificar alguém em identificação de ruído e o custo invisível que se soma quando uma automação inadequada exige a recorrência de trabalho manual de validação.

Um técnico de manutenção de uma subestação de distribuição de 33 kV usou um medidor de tensão termoelétrica portátil que detectou um painel de distribuição com 40 dBmV. Uma equipe de manutenção noturna foi acionada para atender a uma interrupção no fornecimento de energia e, após isso, um engenheiro sênior experiente dirigiu 72 quilômetros (45 milhas) para verificar o painel, apenas para descobrir que o problema estava isolado a um inversor de frequência em dois painéis adjacentes. Com isso, uma interrupção evitável de meio dia foi perdida, e um painel sem problemas, que nunca havia sido encontrado com 40 dBmV naquela noite, foi descartado.

Mapa de gargalos do fluxo de trabalho de PD em 5 níveis: onde a habilidade do operador realmente importa

Nem todas as etapas do teste PD exigem intervenção humana. Para reduzir deliberadamente a intervenção do operador, este mapa divide o fluxo de trabalho em cinco níveis e classifica cada um de acordo com o quanto depende do julgamento humano — e quais níveis uma máquina já pode executar hoje.

“As máquinas dominam o segmento de ponta nos níveis 1 e 3, onde geralmente há um calibrador que introduz automaticamente uma carga em um horário programado e o sistema de aquisição digital captura automaticamente quaisquer pulsos, de modo que a interação envolvida é relativamente pequena. Essas são as opções mais fáceis – a maioria dos anúncios de “sistemas automáticos de teste de DP” se refere basicamente aos dois níveis mais altos.”

É aqui que reside a maior parte da dependência do operador — nos níveis 4 e 5. Isolar uma verdadeira descarga de efeito corona em equipamentos adjacentes e, em seguida, avaliar se uma assinatura significa "agir esta semana" ou "monitorar a tendência" é exatamente o trabalho que um banco de dados de referência com 6,000 máquinas auxilia, mas não pode substituir completamente.

Mesmo métodos automatizados de classificação PRPD Ainda assim, assuma uma linha de base definida por especialistas. Se você quiser eliminar essa dependência, concentre-se nos Níveis 4 e 5 deliberadamente — e leve em consideração que eles são os últimos a serem automatizados.

Não se deixe enganar pelo problema da multiplicação entre o número de dispositivos e o número de ativos para PD — veja nossa análise anterior sobre o assunto. Problema de multiplicação da contagem de dispositivos em programas PD.

Métodos de detecção de descargas parciais em transformadores, painéis elétricos e equipamentos de máquinas rotativas: Maturidade da automação por método

Nenhum método de sensoriamento isolado é o melhor para automatizar tudo. O nível de automação de um determinado método depende da classe do equipamento — um detalhe que os fornecedores omitem quando anunciam um sensor como universal.

Como um pulso de descarga parcial (DP) surge em menos de um nanossegundo, cada método sacrifica a largura de banda em prol da sua capacidade de resolução: um alicate amperímetro HFCT acoplado por capacitor lê a carga em um cabo, enquanto uma antena UHF capta a emissão dentro de um tanque de transformador ou bucha. Localizar o defeito de isolamento precocemente é o objetivo comum em todos os casos. Cada linha abaixo relaciona um método à classe de ativos correspondente e indica o seu alcance sem a necessidade de um intérprete especializado atualmente.

Também é útil mapear o tipo de descarga ao método, pois cada tipo de descarga parcial (DP) favorece um sensor diferente e apresenta uma perspectiva de automação distinta. Esta matriz de referência relaciona os nove tipos de DP que um engenheiro de campo encontra com mais frequência com os locais onde ocorrem, uma faixa típica de carga aparente, o método de detecção mais adequado e o grau de preparação dessa combinação para automação.

A análise da MDPI afirma que o método é não invasivo, possui alta sensibilidade e é relevante para o monitoramento em tempo real de painéis elétricos com invólucro metálico. Por outro lado, o método UHF apresenta desvantagens em transformadores, como interferência de chaveamento, interferência de rádio e erros de calibração provenientes de componentes ativos internos. Descargas parciais em máquinas rotativas podem complicar ainda mais os fluxos de trabalho do estator, mesmo quando o treinamento do classificador parece apropriado, pois depende da configuração dos sensores, dos conjuntos de dados de máquinas comparáveis ​​e das avaliações de especialistas.

Quais são os métodos de detecção de descarga parcial?

Quatro famílias principais são comumente usadas em campo. Os métodos elétricos (HFCT / acoplador capacitivo) medem a carga aparente em picocoulombs e estão em conformidade com a norma IEC 60270, fornecendo valores consistentes e repetíveis offline. As antenas UHF detectam a emissão eletromagnética da descarga e funcionam melhor para monitoramento de transformadores e subestações isoladas a gás (GIS) acima de aproximadamente 40 MHz, onde a relação sinal-ruído é melhor. Guia IEEE 1434 Define quais métodos são adequados para máquinas rotativas.

Os sensores capacitivos TEV capturam as tensões transitórias de terra no painel de distribuição, enquanto os sensores acústicos/ultrassônicos captam a onda de pressão causada pela descarga, o que os torna eficazes na identificação precisa do defeito, uma vez que uma técnica o tenha sinalizado. Sistemas consolidados geralmente se baseiam em uma abordagem de duas (ou mais) camadas, pois cada técnica possui pontos cegos que outras se destacam na detecção.

Disjuntor diferencial online versus offline para transformadores, cabos e painéis elétricos: qual reduz mais as horas de operação?

De longe, o fator mais importante que você tem para controlar as horas de um operador é a decisão entre operar online ou offline. Essas duas opções não são intercambiáveis, e a escolha certa depende da criticidade do ativo e se você precisa de um valor de cobrança quantificado ou de uma tendência.

Qual a diferença entre testes de baixa parcial online e offline?

O teste offline envolve desenergizar o ativo, aplicar uma tensão de teste regulada e coletar leituras da carga aparente em um ambiente silencioso — razão pela qual continua sendo a referência para leituras de picocoulomb calibradas e rastreáveis ​​segundo a norma IEC 60270, além de permitir a detecção de qualquer bobina individual dentro de um enrolamento. Seu custo é uma interrupção de várias horas e um técnico altamente treinado. Trabalhos em subestações revisados ​​por pares em localização de PD por matriz de sensores UHF Mostra o quanto a vantagem online depende do posicionamento dos sensores.

O monitoramento online mantém o ativo em operação e exibe descargas parciais (DP) em tempo real, economizando horas de operação e evitando interrupções, embora o ambiente em tempo real seja eletricamente ruidoso e a maioria das medições em nível de picocentrifugação (pC) seja normalmente inviável. De fato: para detectar alguma anomalia, você precisará do monitoramento online; para medir a ameaça com precisão, precisará ficar offline.

No entanto, quando se trata de transformadores com potência superior a 50 MVA, cujo custo de falha pode chegar a centenas de milhares de euros, o monitoramento contínuo de descargas parciais (DP) justifica amplamente o investimento, identificando tendências de aumento precocemente na curva de detecção. Já em conjuntos de equipamentos de média tensão de menor importância (onde a medição de DP pode envolver o monitoramento da pressão do SF6 como um segundo parâmetro de saúde), a aplicação de técnicas periódicas de teste de DP offline ou o uso dos equipamentos portáteis da TEV representam uma melhor relação custo-benefício.

"Os dados de descarga parcial só podem ser interpretados corretamente por um engenheiro experiente – um operador pode gastar um teste inteiro tentando eliminar eventos que, na verdade, não são descargas parciais."

Sistemas automatizados de teste de PD: o que eles realmente substituem e o que eles não substituem

Se você receber um orçamento para um sistema de teste PD automatizado, vale a pena esclarecer quantas das cinco etapas do fluxo de trabalho a funcionalidade automatizada incluirá. Para a maioria delas, a resposta honesta é: "Etapas 1 a 3". A palavra "automático", usada em muitas descrições de testes automatizados, tende a não implicar nada "automático" em si, mas sim a automatizar apenas parte do fluxo de trabalho. Patentes de reconhecimento de PD baseadas em SVM Esse relatório com precisão superior a 95% descreve um classificador, não um testador autônomo.

É aí que os compradores se dão mal. Um sistema que seleciona automaticamente a classe de descarga em um laboratório livre de EMI pode retornar uma classificação incorreta, porém confiável, em uma subestação rica em EMI, e alguém ainda precisa detectar o erro. Comparar a capacidade real do fornecedor com as suas lacunas reais de fluxo de trabalho — em vez de se basear apenas no catálogo — é a diferença entre reduzir as horas de trabalho dos operadores e simplesmente realocá-los.

Um portfólio de instrumentos claramente documentado auxilia nesse processo — antes de comprar, verifique as especificações de qualquer sistema que você esteja considerando, como por exemplo: Plataforma de sistema de teste PD automatizado da Demikspower, em comparação com a classificação por níveis acima.

Normas de base: IEC 60270, IEC TS 62478, IEEE 1434 sobre Competência do Operador

As normas pressupõem um operador competente e a sua leitura informa-o sobre em que pontos do processo geral a automação é tolerada e em que pontos o seu discernimento ainda será necessário.

Algumas coisas que eu queria destacar que podem ser importantes se você aprendeu sobre descargas parciais há alguns anos. Primeiro, a norma IEC 60270 da era analógica — cuja equivalente para máquinas rotativas é a Guia IEEE 1434 — foi revisada em 2025 e renumerada (pois algumas coisas simplesmente não podem ficar estáticas!) para tratar de medições baseadas em carga. (A norma IEC 62478 abrange testes de alta frequência e "online", como UHF e acústicos.)

A Escada de Migração do Operador para o Algoritmo: Quando Automatizar e Como

Eliminar o operador não é como apertar um botão — é mais como subir uma escada, partindo de um sistema totalmente manual até um sistema autônomo, com um ponto de aprovação/reprovação em cada degrau. Suba degrau em degrau à medida que adquire capacidade, tratando projetos de circuito fechado completo, como... Patentes de monitoramento de descarga parcial multissensor como o degrau mais alto, não o ponto de partida.

Regra prática para manter a honestidade: Ao avaliar novas ferramentas, existe uma regra prática alternativa. Para uma frota grande e de alta criticidade, com muitos ativos acima de, digamos, 50 MVA ou em uma subestação primária, comece sua análise na Etapa 2 com um conjunto de dados de máquinas comparáveis; para uma frota menor, mais básica e de menor criticidade, permaneça na Etapa 1 e considere a terceirização. Você não pode se dar ao luxo de comprar um classificador que não consegue explicar, então não compre.

Em termos de retorno do investimento: evitar a falha de um único transformador pode economizar centenas de milhares de euros em custos de reparo, além de possíveis multas e perda de receita, justificando a automação de Estágio 2-3 no segmento de frotas críticas. No entanto, a grande ressalva é que estimativas de retorno do investimento específicas para cada ativo e disponíveis publicamente são difíceis de encontrar, e um classificador que gera muitos falsos positivos acaba gerando um esforço adicional de confirmação que compensa parte, ou até mesmo a totalidade, dos benefícios econômicos pelos quais você pagou.

Nunca interprete literalmente uma afirmação de "retorno do investimento em 18 a 36 meses", considerando-a apenas como uma hipótese baseada em seus dados. Para alcançar esse objetivo, é necessário uma plataforma de teste de PD (Progressão de Danos) eficiente; a da Demikspower é a solução. gama de equipamentos de teste PD validados para produção Abrange as etapas de captura e análise pelas quais a maioria dos programas migra primeiro.

As 3 habilidades operacionais que continuam sendo indispensáveis ​​após a automação.

Eis a verdade contrária, não encontrada nos folhetos: ela não elimina a dependência do operador. Em vez disso, a transfere para três habilidades de nível superior, nenhuma das quais qualquer sistema domine de forma confiável atualmente. Planeje manter — e pagar por — essas habilidades mesmo à medida que você avança na carreira.

Essa segunda capacidade é fundamental. A precisão na identificação de PRPD se aproxima de 100% em dados de laboratório limpos, caindo drasticamente em ambientes de produção ruidosos. Uma terceira capacidade, negligenciada pela maioria dos modelos de ROI, é que, em última análise, o operador precisa rotular os sinais de campo, manter o modelo validado com equipamentos semelhantes e atualizar periodicamente os limiares específicos do local para aumentar a confiança no classificador.

Essas habilidades se consolidam em trabalhos reais. O comissionamento de uma usina hidrelétrica de 50 MW por um fabricante de geradores demonstra isso: os dados do acoplador de ranhura do estator foram registrados automaticamente com precisão e produziram um gráfico PRPD claro, mas classificaram um padrão de descarga na ranhura como rastreamento de superfície.

Um engenheiro que conhecia aquela família de máquinas reaplicou dois acopladores de ranhura, correlacionou a assinatura com três unidades semelhantes e corrigiu a chamada — lendo a condição do isolamento exatamente onde o software a havia lido incorretamente (uma limitação). IEEE 1434 sinaliza explicitamente os valores de PD medidos) — tudo em cerca de 20 minutos.

Um engenheiro do fabricante original (OEM) no local não teria condições de fazer essa avaliação – mas os dados dessa análise estão ajudando a preparar uma máquina para que ela possa tomar essa decisão por si mesma no futuro.

Perspectivas da Indústria: Reconhecimento de PRPD por IA para Estatores de Máquinas Rotativas, Análise de Borda e Convergência da IoT (2025-2027)

A direção a seguir é clara, mesmo que os prazos não sejam. As previsões de mercado para equipamentos de teste de descarga parcial (DP) giram em torno de US$ 0.5 bilhão a US$ 2 bilhões em 2025, de acordo com as fontes, dependendo se o monitoramento online é considerado, e prevê-se um crescimento de cerca de 5% a 7% ao ano, graças à proliferação da Internet das Coisas (IoT), Inteligência Artificial (IA) e sensores de análise preditiva. Isso se reflete nas buscas online, onde tanto dispositivos de teste de DP online quanto dispositivos de manutenção preditiva baseados em IoT registraram um aumento nas buscas em relação ao ano anterior.

Vale a pena ficar de olho no seu próximo ciclo de investimento: 1) Tecnologia de classificação de DP (Doença Pulmonar) do laboratório para o campo: Artigos sobre classificação de PRPD (Doença Pulmonar Relacionada à Próstata) por meio de aprendizado profundo continuam a apresentar resultados notáveis ​​(uma máquina híbrida CNN-KNN alcançou 98.79% em sinais preparados em 2025). No entanto, o problema do ruído na transição do laboratório para o campo continua sendo uma limitação.

2) Nova atividade de patentes: observamos uma concentração de atividade em torno de sistemas de fusão multissensor — por exemplo, EP3182114B1 Combina sensores acústicos e elétricos para detecção de falhas em máquinas rotativas.

3) Alterações na norma IEC: Em 2025, as novas normas para a IEC 60270 incluirão linguagem que dá suporte oficial às modernas tecnologias de processamento de sinais digitais.

Para o proprietário de ativos, a estratégia é investir agora na automação de Nível 1-2 — obter dados limpos e contínuos, além de uma rotulagem inicial, para seus ativos principais já no próximo ciclo orçamentário. A avaliação de compra para a automação de Nível 3-4 deve ser feita para 2026-2027. Os dados coletados no Nível 2 são exatamente os dados de comparação entre máquinas que você precisa para avaliar a viabilidade dos Níveis 3-4.

Perguntas frequentes