Use este identificador para citar o ir al link de este elemento:
http://hdl.handle.net/1843/BUBD-AYTLCJ| Tipo: | Tese de Doutorado |
| Título: | Estudo e proposição de técnicas para a avaliação do isolamento em motores de indução trifásicos de baixa e média tensão |
| Autor(es): | Armando Souza Guedes |
| primer Tutor: | Sidelmo Magalhaes Silva |
| primer miembro del tribunal : | Braz de Jesus Cardoso Filho |
| Segundo miembro del tribunal: | Cristiano Leite de Castro |
| Tercer miembro del tribunal: | Anderson Vagner Rocha |
| Cuarto miembro del tribunal: | Carlos Henrique de Morais Bomfim |
| Quinto miembro del tribunal: | Úrsula do Carmo Resende |
| Resumen: | ReferênciasapontamqueasegundamaiorcausadefalhasemMotoresdeInduçãoTrifásicos (MIT) é a baixa Resistência de Isolamento (RI) do estator para terra. Para a identicação desse problema em MITs de Baixa Tensão (BT) e Média Tensão (MT), a maioria dos setores de manutenção elétrica industriais, contam apenas com ferramentas preditivas que são aplicadas quando o motor não está em operação (o-line), como em paradas programadas de manutenção da planta. As técnicas aplicadas são a medição da RI comum megôhmetro e o cálculo dos Índices de Polarização (IP) e Absorção (IA), cuja avaliação limita-se a uma abordagem de aprovado ou não aprovado, sem realizar nenhuma inferência sobre fatores de estresse aos quais o isolamento do motor possa estar submetido. Neste contexto, o presente trabalho apresenta técnicas preditivas promissoras para o diagnóstico e a identicação de falhas no isolamento de MITs de BT e MT com o motor desenergizado (o-line) e com a máquina em operação (on-line), cuja abordagem não é afetada pelo não cumprimento dos planos de manutenção que necessitam da parada do equipamento. A utilização de Inteligência Computacional (IC) para o diagnóstico de falhas em MITs está se tornando cada vez mais popular, apresentando ótimos resultados quando comparada com as metodologias tradicionais. Destaforma,como emprego de Redes Neurais Articiais (RNA) são propostos classicadores on-line e o-line para a determinação dos fatores de estresse e um preditor para o Tempo de Falha (TF) do isolamento do estator. Os resultados do classicador o-line mostra que é possível identicar com boa acurácia o fator de estresse e avaliar a condição de operação do motor a partir da RI e dos índices IP e IA. Utilizando-se como entradas para o classicador on-line as componentes resistivas e capacitivas da corrente de fuga IL, demonstra-se que também é possível acompanhar e avaliar o estado do isolamento de forma on-line para uma operação conável do motor. Os testes experimentais on-line mostram bons resultados da metodologia para a classicação do fator de estresse e para a previsão do TF do isolamento do motor. Baseado nestes resultados, os gestores, os técnicos e os engenheiros de manutenção terão suporte suciente para a tomada de decisão a respeito da continuidade operacional do MIT e a realização adequada de sua manutenção. Assim, as novas técnicas apresentadas neste trabalho contribuirão de forma signicativa para o aumento da conabilidade e disponibilidade operacional destes equipamentos. |
| Abstract: | StudiesindicatethatthesecondmostimportantcauseoffailuresinInductionMotors(IMs) is the low Resistance to Ground (RG) of the stator insulation. To identify this problem in Low and Medium Voltage (LV, MV) IMs, most of the departments of industrial electrical maintenance uses only predictive tools that are applied when the motor is out of service, as during a plant maintenance shutdown. The evaluation techniques commonly used are the measurement of the RG using a megohmmeter and the calculation of the Polarization and Absorption Index (PI, AI), whose results are limited the status of approved or not approved, without any inference about stress that the motor insulation may be subjected to. In this context, this work presents promising predictive techniques for the evaluation of the insulation of LV and MV IMs when the motor is out of service (o-line) or in operation (on-line), whose approach is not aected by no-execution of maintenance plans that require of the equipment shutdown. The use of Computational Intelligence (IC) to diagnose failures in IMs is becoming increasingly popular, presenting excellent results when compared to traditional methodologies. Inthisway,anArticialNeuralNetworks(ANN)areproposedtoclassifythestressfactors, along with a predictor for the Time to Failure (TF) of the stator insulation. The results of the o-line classier show that it is possible to identify with good accuracy the stress factor and evaluate the motor operating condition from RG and PI and AI indexes. Using as inputs for on-line classier the measuring of the resistive and capacitive components of the leakage current IL, shows that it is also possible to monitor and evaluate the insulation state on-line for a reliable motor operation. The on-line experimental tests show good results for the classication of the stress factor and for the prediction of TF of the motor insulation. Based on these results, managers, technicians and maintenance engineers will have sucient support for decision about the operational continuity of the motor and its proper maintenance. Thus, the new techniques presented in this work will contribute signicantly to increasing the reliability and operational availability of these equipments. |
| Asunto: | Motores eletricos de indução Engenharia elétrica Inteligência computacional |
| Idioma: | Português |
| Editor: | Universidade Federal de Minas Gerais |
| Sigla da Institución: | UFMG |
| Tipo de acceso: | Acesso Aberto |
| URI: | http://hdl.handle.net/1843/BUBD-AYTLCJ |
| Fecha del documento: | 22-mar-2018 |
| Aparece en las colecciones: | Teses de Doutorado |
archivos asociados a este elemento:
| archivo | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| tese_armando.pdf | 14.29 MB | Adobe PDF | Visualizar/Abrir |
Los elementos en el repositorio están protegidos por copyright, con todos los derechos reservados, salvo cuando es indicado lo contrario.