Abordagem Fuzzy para Classificar Isoladores
Elétricos com Necessidade de Manutenção Preventiva
Ivan N. Silva, Rogério A. Flauzino
Sergio Vallin, José F. R. Silva
Departamento de Engenharia Elétrica e de Computação
Universidade de São Paulo, USP/EESC/SEL
CP 359, CEP 13566-590, São Carlos, SP
ELEKTRO – Eletricidade e Serviços S/A
Rua Ary Antenor de Souza, 321, Jardim Nova América
CEP 13053-024, Campinas, SP
{insilva, raflauzino}@sc.usp.br
{sergio.vallin, jose.resende}@elektro.com.br
Resumo— Este artigo apresenta uma abordagem fuzzy
visando classificação de imagens de isoladores elétricos a fim de
realizar a manutenção preventiva. Uma das principais
motivações desta pesquisa é a constatação de que existe um
momento adequado para a limpeza de isoladores de distribuição
de energia, o que permite realizar a descontaminação, sem
comprometer a sua funcionalidade. Além disso, a partir das
investigações relatadas na literatura relacionada, outra
motivação importante é a falta de produtos ou alternativas que
podem ser eficazmente implementadas. Com o desenvolvimento
da abordagem proposta, há então a possibilidade de identificar e
delimitar apenas as áreas onde há necessidade de realizar a
manutenção de lavagem, pois foi também testemunhado a
existência de pontos que foram lavados sem a devida necessidade.
Assim, essas ações visam otimizar os recursos dedicados a esta
manutenção preventiva, contribuindo tanto para definir os
pontos que precisam de manutenção, bem como para evitá-la em
pontos que ainda estão com qualidade satisfatória.
Palavras-chave— processamento de imagens, sistemas de
inferência fuzzy, sistemas de distribuição de energia, isoladores
elétricos, manutenção preventiva.
I. INTRODUÇÃO
Uma das causas mais comuns de interrupções, tanto na
transmissão como na distribuição de energia elétrica, são as
correntes de fuga em isoladores, as quais são mais
predominantes em ambientes sob poluição industrial, ou com
atmosfera muito salina, tal como aquela encontrada em regiões
litorâneas. Os isoladores elétricos mais empregados atualmente
são à base de porcelana, com o recobrimento de uma camada
fina e contínua de esmalte vítreo, a qual contribui para a
melhoria das propriedades mecânicas e elétricas.
Um inconveniente desses isoladores é o fato de suas
superfícies serem constituídas de óxidos metálicos que
possuem alta energia ou alta molhabilidade. Essa característica
pode ocasionar a formação de película de água que, se for
contínua por toda a altura do isolador, é capaz de conduzir
corrente e fechar um arco elétrico, fenômeno este então
conhecido como curto-circuito. Tal problema se agrava com o
aumento da poluição ambiental e a crescente concentração das
indústrias no litoral, pois, a poluição e os sais vão se
depositando (com o decorrer do tempo) sobre a superfície do
isolador até alcançar uma concentração limite. Como
conseqüência, em condições de chuva ou neblina, esta película
contínua pode se tornar condutora e causar o curto-circuito.
Em relação ao litoral brasileiro, a prática da lavagem dos
isoladores com o intuito de se remover esta película
contaminante é uma das mais empregadas, devido aqui à sua
simplicidade e eficiência. Entretanto, conforme aspectos
delineados na literatura correlata, os materiais que compõem os
isoladores do tipo cerâmico tendem a acumular água, sendo
que a prática periódica da limpeza (em períodos de tempo não
apropriados) pode facilitar o surgimento de correntes de fuga.
De fato, os circuitos aéreos de potência que operam em
áreas poluídas estão sujeitos a falhas que são provocadas pela
degradação de equipamentos, sendo o isolador um dos
componentes mais afetados. Com efeito, os arcos elétricos
provocados pela redução de sua performance produzem uma
grande corrente de fuga que flui na superfície, a qual contribui
para danificar permanentemente o dispositivo [1]-[4].
Devido à crescente demanda por energia, os sistemas de
transmissão e distribuição também estão sendo incrementados
nos últimos anos, o que significa uma maior quantidade de
isoladores presentes nas redes [5]. Como exemplo, em [6], os
autores destacam a grande importância deste dispositivo para
os sistemas elétricos de potência atuais, especialmente os
isoladores cerâmicos, devido às suas boas características
mecânicas e elétricas, além também de seu custo acessível.
Em sistemas de transmissão, a quantidade de isoladores,
associada às suas distâncias de separação, permitem que eles
suportem (antes de ter sua funcionalidade comprometida) uma
quantidade razoável de arcos elétricos em suas superfícies.
Entretanto, essas características já não são mais intrínsecas aos
sistemas de distribuição, onde os defeitos ocorrem com maior
freqüência, especialmente em regiões litorâneas [1].
Várias soluções vêm sendo adotadas para minimizar esse
problema, destacando-se três importantes linhas de atuação. A
primeira delas é a inspeção e a lavagem periódica dos
isoladores visando à remoção dos depósitos. Outra linha de
pesquisa é aquela que visa aperfeiçoar os aspectos construtivos.
Por fim, destaca-se ainda o emprego de ferramentas que
permitem estimar as condições climáticas propícias para o
surgimento dos arcos elétricos. Entretanto, estudos que
abordem o momento apropriado envolvendo a limpeza dos
isoladores não são encontrados em literatura relacionada aos
sistemas de distribuição.
No campo de investigação de novos aspectos construtivos,
destacam-se aqueles fundamentados em alterar a geometria do
Anais do V Simpósio Brasileiro de Sistemas Elétricos, Foz do Iguaçu – PR, Brasil. 22-25/04/2014
ISSN 2177-6164
isolador a fim de dificultar as correntes de fuga, assim como
para facilitar a limpeza natural dos poluentes sobre sua
superfície mediante a ação do vento e da chuva, ou ainda, em
alterar o recobrimento superficial das peças [7,8].
Isoladores poliméricos também vêm ganhando espaço em
substituição aos cerâmicos, especialmente nos EUA, onde tais
dispositivos vêm sendo empregados nas redes de transmissão
há mais de 30 anos. O seu inconveniente está na sua fraca
resistência frente aos efeitos degradativos causados pela
insolação e intempéries [9], características estas que não podem
ser desconsideradas nas regiões litorâneas brasileiras.
Nesta mesma linha de pesquisa destacam-se os isoladores
híbridos, geralmente de porcelana recobertos com filmes de
silicone, ou ainda, aqueles isoladores advindos de processos
que permitam a aplicação de materiais poliméricos capazes de
fornecer uma grande performance elétrica frente à presença de
contaminantes [7,8,10].
Já o arco elétrico é provavelmente um dos fenômenos mais
severos associados às falhas de isoladores, acarretando aqui no
comprometimento da qualidade de energia. Vários
pesquisadores têm investigado tal fenômeno já há muitos anos,
a fim de se então buscar modelos de correlação, relacionando
os níveis de tensão, o número de isoladores e a densidade de
poluição, os quais objetivam mapear os processos de
desencadeamento da formação de arco na superfície destes
dispositivos [11].
Outra linha de pesquisa que visa à mitigação dos problemas
que decorrem em arco elétrico em isoladores consiste na
estimação das condições que possibilitam identificar os níveis
de poluentes, sejam eles advindos de contaminação salina ou
de indústrias, capazes de comprometer o funcionamento deste
dispositivo, sendo também de fundamental importância
conhecer os processos elétricos envolvidos com a formação dos
arcos provenientes das correntes de fuga.
algoritmos compactos, e embarcadas em hardware após o seu
processo de aprendizagem. Destacam-se ainda aqui os bons
resultados obtidos nestes trabalhos frente às condições
analisadas; porém, cabe-se também ressaltar que todas elas
foram avaliadas para condições envolvendo sistemas elétricos
de transmissão, sendo necessárias significativas investigações
para se adaptar tais propostas aos sistemas de distribuição de
energia elétrica.
Assim sendo, a partir de imagens de isoladores elétricos, as
quais podem ser coletadas por VANT’s (Veículos Aéreos NãoTripulados), o objetivo desta pesquisa é então propor um
sistema inteligente que realize a classificação de tais imagens a
fim de indicar se já é o momento adequado de se realizar a
limpeza (lavagem) dos isoladores. Portanto, a ferramenta
desenvolvida pode ser de grande valia para os propósitos de
manutenção preventiva, evitando-se assim interrupções nãoprogramadas no sistema, ou ainda, poupando-se que
procedimentos de manutenção sejam realizados sem a devida
necessidade.
II. PROCESSAMENTO DE IMAGENS DE ISOLADORES PARA
EXTRAÇÃO DE CARACTERÍSTICAS
A. Imagens Empregadas para Identificação de Fuligem
Depositada
Ao todo, um total de 488 imagens de isoladores foi
analisado por meio de inspeção visual, sendo que 181 delas
foram identificadas como sendo possuidoras de fuligem
depositada em sua superfície. O restante das imagens de
isoladores foi considerado em conformidade para operação.
Com o objetivo de se ilustrar imagens diferenciando isoladores
com e sem fuligem depositada, apresenta-se por meio da Figura
1 um conjunto de imagens de isoladores considerados em
conformidade, ao passo que a Figura 2 ilustra como a fuligem
(contaminante) se apresenta visualmente.
Neste contexto, verifica-se a necessidade de se conhecer o
comportamento da corrente de fuga frente às condições
climáticas e também de poluição, destacando-se aqui as
investigações que buscam caracterizar as assinaturas elétricas
dos sinais de arco na superfície dos isoladores, tais como
aquelas apresentadas em [12-14].
Como exemplo, em [15], os autores promovem um
completo tratamento envolvendo a estimação de parâmetros de
contaminantes por meio da técnica de regressão linear, em que
demonstram todos os aspectos da confecção do modelo de
estimação das condições salinas. Este modelo permite
determinar o quão severa é a contaminação, bem como o
melhor intervalo de manutenção dos isoladores. A maior
contribuição desta proposta está na constatação dos autores de
que os coeficientes negativos obtidos para o modelo linear de
estimação apontam que a concentração de sal depositada nos
isoladores aumenta com a diminuição das variáveis de entrada.
Foram consideradas como entrada a temperatura, umidade do
ar, direção do vento e pluviometria.
Melhoramentos nos processos de estimação dos poluentes
podem ser também alcançados com a adoção de ferramentas
inteligentes,
destacando-se
principalmente
aquelas
fundamentadas em redes neurais artificiais e sistemas fuzzy,
tais como as propostas apresentadas em [16-19]. Essas
ferramentas são promissoras na solução deste tipo de
problemas, pois podem ser facilmente condensadas em
Fig. 1. Isoladores em conformidade operativa.
Fig. 2. Isoladores com presença de fuligem depositada superficialmente.
Anais do V Simpósio Brasileiro de Sistemas Elétricos, Foz do Iguaçu – PR, Brasil. 22-25/04/2014
ISSN 2177-6164
Em função da geometria dos isoladores, a presença de
expressivos gradientes de contraste na imagem desse acessório
compromete a distinção de cores e, assim, pode resultar em
uma identificação aquém do esperado frente àqueles que
possuem fuligem depositada em sua superfície.
Para contornar essa limitação fora então adotada a
equalização adaptativa do contraste [20]. Esse algoritmo opera
em pequenas regiões, denominadas por tiles, ao contrário de
empregar a imagem como um todo. O contraste de cada tile é
equalizado de maneira que o mesmo se aproxime a uma
distribuição normal. Os tiles adjacentes àquele equalizado são
combinados empregando uma interpolação bilinear de forma a
evitar a formação de fronteiras artificiais.
A diferenciação entre os histogramas médios para cada um
dos canais de cores para imagens dos isoladores analisados
pode ser contemplada por meio da Figura 4 até a Figura 6. A
inspeção visual dos histogramas apresentados na Figura 5 e na
Figura 6 faz com que seja constatado que os canais G e B
possuem mais dados de diferenciação entre as imagens
positivas e negativas para fuligem do que o canal R.
Canal R
1
Positivo para fuligem
Negativo para fuligem
0.9
0.8
0.7
Taxa de ocorrência
B. Pré-processamento para Aprimoramento de Contraste
O pré-processamento das imagens tem por objetivo
aprimorar suas características de forma que o processo de
identificação de isoladores recobertos por fuligem possa ser
melhorado. Por se tratarem de imagens obtidas à luz do dia
verifica-se a existência de regiões com grande gradiente de
contraste entre si, o que decorre em déficit de contraste em
superfícies sob uma mesma exposição e, ainda, em grandes
gradientes de contraste em objetos cujas faces são expostas em
diferentes ângulos em relação à fonte luminosa.
0.6
0.5
0.4
0.3
0.2
0.1
0
0
50
100
150
Intensidade de cor
200
250
Fig. 4. Histograma do canal R para as imagens analisadas.
A Figura 3 ilustra como o aprimoramento do contraste da
imagem faz com que as cores sejam mais bem discriminadas e
a localização da região com deposição de fuligem seja mais
facilmente discriminada.
Canal G
1
Positivo para fuligem
Negativo para fuligem
0.9
0.8
Taxa de ocorrência
0.7
(a)
0.6
0.5
0.4
0.3
(b)
0.2
0.1
Fig. 3. Exemplo de aplicação da equalização adaptativa do contraste: (a)
Imagem original; (b) Imagem com contraste equalizado.
Outra característica desse problema é a dimensão das
imagens. Por se tratar de uma região tomada de uma imagem
maior, não há então garantias de que as dimensões das imagens
são idênticas. Assim, a ferramenta para extração de
características correlatas à existência de fuligem depositada nos
isoladores deve ser insensível, ou minimamente robusta, a
essas diferenças. Ponderando esses aspectos, optou-se aqui pelo
uso do histograma normalizados dos canais RGB da imagem
para extração das características.
0
50
100
150
Intensidade de cor
200
250
Fig. 5. Histograma do canal G para as imagens analisadas.
Canal B
1
Positivo para fuligem
Negativo para fuligem
0.9
0.8
0.7
Taxa de ocorrência
C. Processamento para Obtenção de Características
Discriminantes
Por meio das imagens de isoladores apresentados
anteriormente é possível constatar algumas particularidades
que tornam esse problema complexo e de solução não
convencional. Dentre essas particularidades, uma delas, talvez
a principal, refere-se à pouca discrepância entre a cor da
cerâmica do isolador e da fuligem que se sobrepõe em sua
superfície. Esse aspecto fora um dos motivadores para a adoção
da técnica de pré-processamento apresentado em [20].
0
0.6
0.5
0.4
0.3
0.2
0.1
0
Anais do V Simpósio Brasileiro de Sistemas Elétricos, Foz do Iguaçu – PR, Brasil. 22-25/04/2014
0
50
100
150
Intensidade de cor
200
250
Fig. 6. Histograma do canal B para as imagens analisadas.
ISSN 2177-6164
O uso do histograma dos canais RGB contorna o problema
da não-uniformidade dimensional das imagens a serem
analisadas; porém, outro surge, o qual é a quantidade de
características, ou seja, 3 canais (cada um com 256 níveis para
o histograma de cores) resultam em 768 características.
Esse número expressivo de características motiva a adoção
de técnicas de redução de dimensionalidade. Para desempenhar
essa tarefa, o uso da técnica de componentes principais fora a
escolhida. Para cada canal RGB, duas componentes foram
adotadas, ou seja, reduziu-se o espaço das entradas de 768
características para 6, porém, mais bem correlacionadas com as
classes a serem identificadas do que as originais observadas
individualmente.
Por meio da Figura 7 apresentam-se na forma gráfica os
coeficientes que multiplicados pelas características do canal R
resultam nas duas componentes principais adotadas para esse
canal. Na Figura 8 e na Figura 9 faz-se o mesmo para os canais
G e B.
Canal B
0.3
0.2
0.1
0
-0.1
Componente #1
Componente #2
-0.2
0
50
100
150
Intensidade de cor
200
250
Fig. 9. Coeficientes lineares para determinação das componentes principais do
canal B.
O coeficiente de correlação linear entre as características
originais obtidas dos histogramas dos canais RGB e a
identificação de fuligem nos isoladores tem média absoluta
igual a 0.148. A média absoluta da correção entre as
componentes principais adotadas e a identificação de fuligem é
de 0.224. O incremento de aproximadamente 50% na
correlação média auxilia a evidenciar a eficácia da técnica
adotada para fins de redução de dimensão do problema.
Canal R
0.3
0.2
0.1
0
III. PROJETO DE SISTEMA FUZZY PARA CLASSIFICAÇÃO DE
ISOLADORES COM FULIGEM DEPOSITADA
-0.1
-0.2
-0.3
Componente #1
Componente #2
-0.4
0
50
100
150
Intensidade de cor
200
250
Fig. 7. Coeficientes lineares para determinação das componentes principais do
canal R.
Canal G
Tendo como base as componentes principais do histograma
dos canais RGB, projetou-se então um sistema fuzzy para
identificação de fuligem em isoladores, conforme ilustrada na
Figura 10. As entradas do sistema são então constituídas por 6
entradas, ou seja:
 C#1(R) indica a componente #1 do canal R,
 C#2(R) indica a componente #2 do canal R,
 C#1(G) indica a componente #1 do canal G,
 C#2(G) indica a componente #2 do canal G,
 C#1(B) indica a componente #1 do canal B,
 C#2(B) indica a componente #2 do canal B.
0.5
0.4
0.3
0.2
0.1
Sistema de
Inferência
Fuzzy
0
-0.1
-0.2
-0.3
-0.4
Componente #1
Componente #2
-0.5
0
50
100
150
Intensidade de cor
200
250
Fig. 8. Coeficientes lineares para determinação das componentes principais do
canal G.
Fig. 10. Topologia de sistema fuzzy para identificação de fuligem em
isoladores de sistemas de distribuição de energia.
Anais do V Simpósio Brasileiro de Sistemas Elétricos, Foz do Iguaçu – PR, Brasil. 22-25/04/2014
ISSN 2177-6164
Os testes realizados com os sistemas de inferência fuzzy
mostraram que os melhores resultados foram alcançados
quando se adota funções de pertinência to tipo gaussiana para
as entradas, conforme aquelas ilustradas nas Figuras de 11 a
16.
1
0.9
MF1
Grau de pertinência
Conforme observado na Figura 10, a saída {y} do sistema
de inferência fuzzy fornece a resposta final sobre o status do
isolador, sendo que valor de resposta igual a 1 indica a
necessidade de lavagem do isolador, ao passo que o valor 0
assinala que o isolador está ainda em conformidade e adequado
para o sistema de distribuição.
0.8
MF2
0.7
MF3
0.6
MF4
0.5
0.4
0.3
0.2
0.1
-15
1
0.9
10
1
0.6
0.9
0.5
0.8
0.4
0.7
MF3
0.6
MF4
0.3
MF1
0.2
MF2
MF3
MF4
-1.5
-1
-0.5
0
0.5
1
Canal R Componente #1
1.5
2
Grau de pertinência
Grau de pertinência
5
0.7
0.1
MF1
MF2
0.5
0.4
0.3
2.5
0.2
Fig. 11. Funções de pertinência no universo de discurso do Canal R
(Componente #1).
0.1
-15
1
0.9
-10
-5
0
Canal B Componente #1
5
10
Fig. 15. Funções de pertinência no universo de discurso do Canal B
(Componente #1).
0.8
0.7
1
0.6
0.9
0.5
0.8
0.4
0.7
MF3
0.6
MF4
0.3
MF1
0.2
MF2
MF3
0.1
5
10
15
Canal R Componente #2
20
Grau de pertinência
Grau de pertinência
-5
0
Canal G Componente #2
Fig. 14. Funções de pertinência no universo de discurso do Canal G
(Componente #2).
0.8
MF1
MF2
0.5
0.4
0.3
25
0.2
Fig. 12. Funções de pertinência no universo de discurso do Canal R
(Componente #2).
0.1
-15
1
-10
-5
0
Canal B Componente #2
5
10
Fig. 16. Funções de pertinência no universo de discurso do Canal B
(Componente #2).
0.9
0.8
O sistema de inferência fuzzy ilustrado por meio das figuras
anteriores foi então aqui constituído por uma total de 20 regras,
as quais são descritas na seguinte sequência:
0.7
Grau de pertinência
-10
0.6
0.5
0.4
0.3
MF1
0.2
MF2
0.1
MF3
0
5
10
15
20
25
Canal G Componente #1
30
35
40
Fig. 13. Funções de pertinência no universo de discurso do Canal G
(Componente #1).
1. Se (CanalR#1 é não MF2) e (CanalR#2 é não MF2) e (CanalG#1 é MF3) e
(CanalG#2 é não MF1) e (CanalB#1 é não MF1) e (CanalB#2 é MF1)
então (Fuligem é não POSITIVO)
2. Se (CanalR#2 é não MF1) e (CanalG#1 é não MF2) e (CanalG#2 é MF3) e
(CanalB#1 é MF4) e (CanalB#2 é não MF3)
então (Fuligem é não NEGATIVO)
3. Se (CanalR#1 é não MF1) e (CanalR#2 é não MF2) e (CanalG#1 é MF3) e
(CanalG#2 é MF1) e (CanalB#1 é não MF4) e (CanalB#2 é não MF2)
então (Fuligem é POSITIVO)
4. Se (CanalR#1 é não MF2) e (CanalR#2 é não MF2) e (CanalG#1 é não MF2)
e (CanalG#2 é não MF1) e (CanalB#1 é não MF1) e (CanalB#2 é não MF1)
então (Fuligem é não NEGATIVO)
Anais do V Simpósio Brasileiro de Sistemas Elétricos, Foz do Iguaçu – PR, Brasil. 22-25/04/2014
ISSN 2177-6164
5. Se (CanalR#1 é MF3) e (CanalR#2 é não MF1) e (CanalG#1 é MF2) e
(CanalG#2 é MF3) e (CanalB#1 é MF2) e (CanalB#2 é não MF1)
então (Fuligem é POSITIVO)
6. Se (CanalR#2 é não MF3) e (CanalG#1 é não MF2) e (CanalG#2 é não
MF2) e (CanalB#1 é MF2) e (CanalB#2 é MF4)
então (Fuligem é não NEGATIVO)
7. Se (CanalR#1 é não MF1) e (CanalR#2 é MF1) e (CanalG#1 é MF2) e
(CanalG#2 é não MF2) e (CanalB#1 é não MF3) e (CanalB#2 é MF4)
então (Fuligem é NEGATIVO)
8. Se (CanalR#2 é não MF3) e (CanalG#1 é não MF2) e (CanalG#2 é MF3) e
(CanalB#1 é não MF4) e (CanalB#2 é MF4)
então (Fuligem é não NEGATIVO)
9. Se (CanalR#2 é não MF2) e (CanalG#1 é não MF3) e (CanalG#2 é MF3) e
(CanalB#1 é MF1) e (CanalB#2 é MF4)
então (Fuligem é POSITIVO)
10. Se (CanalR#1 é MF2) e (CanalR#2 é MF2) e (CanalG#1 é MF3) e
(CanalG#2 é não MF2) e (CanalB#2 é MF2)
então (Fuligem é não NEGATIVO)
11. Se (CanalR#1 é MF2) e (CanalG#1 é MF3) e (CanalG#2 é MF3) e
(CanalB#1 é MF1) e (CanalB#2 é MF3)
então (Fuligem é não POSITIVO)
12. Se (CanalR#1 é MF3) e (CanalR#2 é MF1) e (CanalG#2 é MF3) e
(CanalB#1 é não MF1) e (CanalB#2 é MF3)
então (Fuligem é não NEGATIVO)
13. Se (CanalR#1 é não MF1) e (CanalR#2 é não MF2) e (CanalG#1 é MF2) e
(CanalG#2 é não MF2) e (CanalB#1 é não MF4) e (CanalB#2 é MF4)
então (Fuligem é NEGATIVO)
14. Se (CanalR#1 é não MF4) e (CanalR#2 é MF3) e (CanalG#1 é não MF1) e
(CanalG#2 é MF3) e (CanalB#1 é MF4) e (CanalB#2 é MF2)
então (Fuligem é não POSITIVO)
15. Se (CanalR#1 é MF3) e (CanalR#2 é MF2) e (CanalG#1 é MF3) e
(CanalG#2 é não MF1) e (CanalB#1 é não MF4) e (CanalB#2 é não MF3)
então (Fuligem é não NEGATIVO)
16. Se (CanalR#1 é MF2) e (CanalR#2 é MF2) e (CanalG#1 é não MF2) e
(CanalG#2 é MF2) e (CanalB#1 é MF4) e (CanalB#2 é não MF3)
então (Fuligem é POSITIVO)
17. Se (CanalR#1 é não MF1) e (CanalR#2 é não MF2) e (CanalG#1 é MF2) e
(CanalG#2 é MF1) e (CanalB#1 é não MF2) e (CanalB#2 é não MF4)
então (Fuligem é não NEGATIVO)
18. Se (CanalR#1 é MF3) e (CanalG#1 é MF3) e (CanalG#2 é não MF2) e
(CanalB#1 é MF2) e (CanalB#2 é MF2)
então (Fuligem é POSITIVO)
19. Se (CanalR#1 é não MF1) e (CanalR#2 é MF3) e (CanalG#1 é não MF1) e
(CanalB#1 é não MF3) e (CanalB#2 é não MF1)
então (Fuligem é POSITIVO)
20. Se (CanalR#1 é MF4) ou (CanalG#1 é não MF3) ou (CanalG#2 é não MF3)
ou (CanalB#1 é não MF3) ou (CanalB#2 é não MF4)
então (Fuligem é não POSITIVO)
Os resultados alcançados pelo sistema fuzzy para a
classificação de isoladores apresentou uma taxa de não
identificação de fuligem de 13,6% e uma taxa de falsos
positivos de 7,4%. Globalmente, a taxa de acertos ficou em
79%.
IV. CONCLUSÕES
Este artigo apresentou uma abordagem baseada em técnicas
de processamento de imagens a fim de identificar o estado de
isoladores elétricos presentes em sistema de distribuição de
energia elétrica. A partir do histograma das componentes RGB
relacionadas com as imagens de tais dispositivos, sistemas de
inferência fuzzy foram então implementados para servir como
um sistema de classificação de padrões. Os resultados
proporcionados pela técnica desenvolvida foram satisfatórios,
os quais podem ser utilizados como um sistema de apoio à
decisão às concessionárias de distribuição, indicando-se se já
há a necessidade (ou não) de realização de procedimentos de
manutenção preventiva (lavagem) em isoladores de
determinada região de sua concessão.
AGRADECIMENTOS
Os autores agradecem à FAPESP (Fundação de Amparo à
Pesquisa do Estado de São Paulo) pelo suporte financeiro
(Processo 2011/17610-0). Este trabalho foi também
desenvolvido no âmbito do Programa de Pesquisa e
Desenvolvimento Tecnológico do Setor de Energia Elétrica
regulado pela ANEEL.
REFERÊNCIAS
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
[16]
[17]
[18]
[19]
[20]
C. A. I. Fontanella, A. P. N. Oliveira, D. Hotza, "Recobrimentos
poliméricos hidrofóbicos sobre isoladores elétricos de porcelana,"
Matéria, vol.13, no. 4, pp. 624-635, 2008.
A. L. Chinelatto, D. P. F. Souza, "Porcelanas elétricas aluminosas: Parte
I - Revisão da literatura," Cerâmica, vol. 50, no. 313, pp. 62-68, 2004.
A. L. Chinelatto, D. P. F. Souza, "Porcelanas elétricas aluminosas: Parte
II - Desenvolvimento da microestrutura e sua influência no módulo de
ruptura," Cerâmica, vol. 50, no. 315, pp. 172-184, 2004.
E. O. Abdelaziz, P. Charloman, M. Javoronokov, "Modeling the
behavior of the electric insulators in polluted desertic medium," Journal
of Engineering and Applied Sciences, vol.1, no. 1, pp. 77-81, 2006.
K. F. Portella, F. Piazza, P. C. Inone, S. Ribeiro Junior, M. S. Cabussú,
D. P. Cerqueira, C. Chaves, "Efeitos da poluição atmosférica (litorânea e
industrial) em isoladores da rede elétrica da região metropolitana de
Salvador," Química Nova, vol.31, no. 2, pp. 340-348, 2008.
I. Swarno, A. Pradana, "Properties of leakage current on 20 kV ceramic
insulators and computer simulation based on electrical equivalent
circuit," Proc. of World Congress on Engineering, vol. II, pp. 1-5, 2010.
J. Liebermann, "Electric behavior of porcelain insulators in polluted
environments," American Ceramic Society Bulletin, vol. 81, no. 6, pp.
31-36, 2002.
J. Liebermann, "New effective ways toward solving the problem of
contamination of porcelain insulators," Refractories and Industrial
Ceramics, vol. 43, no. 1-2, pp. 55-64, 2002.
S. M. Gubanski, A. E. Vlastos, "Wettability of naturally aged silicone
and EPDM composite insulators," IEEE Transactions on Power
Delivery, vol. 5, no. 3, pp. 1527-1535, 1990.
S. Kobayashi, Y. Matsuzaki, Y. Arashitani, R. Kimata, "Development of
composite insulators for overhead lines (Part 2)," Furukawa Review, no.
21, pp. 56-61, 2002.
P. T. Tsarabaris, C. G. Karagiannopoulos, P. D. Bourkas, N. J.
Theodorou, "An experimental investigation of leakage current on high
voltage contaminated insulators," Iranian Journal of Electrical and
Computer Engineering, vol. 2, no. 1, pp. 30-34, 2003.
S. K. A. Suwarno, P. Juniko, "Roles of fog conductivity and humidity on
leakage current of ceramic insulators," Journal of Engineering and
Applied Sciences, vol. 4, no. 4, pp. 282-287, 2009.
M. Afendi, M. Piah, A. Darus, "Leakage current analysis of polymer
insulating material with variable contaminant flow rate," Australasian
Universities Power Engineering Conference, pp. 1-5, 2002.
M. Amin, S. Amin, M. Ali, "Monitoring of leakage current for
composite insulators and electrical devices," Rev. Adv. Mater. Sci., no.
21, pp. 14-34, 2009.
A. S. Almad, H. Ahmad, M. A. Salam, S. Ahamad, "Regression
technique for prediction of salt contamination severity on high voltage
insulators," Annual Report Conference on Electrical Insulation and
Dielectric Phenomena, vol. 1, pp. 218-221, 2000.
A. N. Jahromi, A. H. El-hag, S. H. Jayaram, E. A. Cherney, M. SanayePasand, H. Mohseni, "A neural network based method for leakage
current prediction of polymeric insulators," IEEE Transactions on Power
Delivery, vol. 21, no. 1, pp. 506-507, 2006.
J. Li, W. Sima, C. Sun, S. A. Sebo, "Use of leakage currents of
insulators to determine the stage characteristics of the flashover process
and contamination level prediction," IEEE Transactions on Dielectrics
and Electrical Insulation, vol. 17, no. 2, pp. 490-501, 2010.
X. Jiang, Y. Shi, C. Sun, Z. Zhang, "Evaluating the safety condition of
porcelain insulators by the time and frequency characteristics of LC
based on artificial pollution tests," IEEE Transactions on Dielectrics and
Electrical Insulation, vol. 17, no. 2, pp. 481-489, 2010.
X. U. Xiaoning, N. I. E. Yixiong, C. Hanxiang, "Application of fuzzy
model identification on insulation detection of insulator strings," Asian
Journal of Information Technology, vol. 5, no. 1, pp. 24-27, 2006.
K. Zuiderveld, "Contrast limited adaptive histograph equalization," In:
Graphic Gems IV, Academic Press Professional, pp. 474-485, 1994.
Anais do V Simpósio Brasileiro de Sistemas Elétricos, Foz do Iguaçu – PR, Brasil. 22-25/04/2014
ISSN 2177-6164