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