Trabajo realizado por: Fray Alberto Herreo Rocha

Empresa: INTERCOLOMBIA

Ttulo del trabajo: SISTEMA DE DIAGNOSTICO BASADO EN LGICA

FUZZY PARA CONDICIN DE TRANSFORMADORES
Categora: Equipos de Alta Tensin y Subestaciones
Fecha: 15/02/2015
AGENDA

Motivacin
Que es el anlisis de condicin ACE ?
Desafos del ACE en el mantenimiento
Fundamento de la lgica difusa
Sistemas de inferencia difusos
Desarrollo del sistema de diagnstico para transformadores
Implementacin en SAP/R3
Que sigue?
Conclusiones
 MOTIVACIN

La principal dificultad que se presenta en el diagnstico es que la

gran mayora de la informacin es cualitativa y los criterios para
interpretar los resultados de las pruebas de diagnstico son muy
variables y dependen en gran medida de las caractersticas
constructivas del transformador y de la experiencia.

La evaluacin de la condicin de los equipos resulta fundamental

para el proceso de planeacin del mantenimiento, ya que ayuda en
la identificacin de las reales necesidades de intervencin de
mantenimiento o reemplazo a corto y mediano plazo, optimizando
recursos .
para saber que tengo que hacer, lo primero que debo saber
es: cmo estn las cosas.
 ANLISIS DE CONDICIN DE EQUIPOS - ACE
Que es?
El anlisis de condicin ACE, es un proceso de anlisis y sntesis para
estimar la condicin de un componente o pieza del equipo de acuerdo
con un conjunto de criterios.

Criterios

Proceso
Equipo

Anlisis
Condicin
Sntesis

Estimacin
 DEFINICIN DEL INDICADOR DE CONDICIN DE
EQUIPOS - CI

Los indicadores son una mtrica resumen.

Como definir adecuadamente un indicador de condicin CI.

1. Definir los objetivos de las decisiones de

mantenimiento.
2. Definir el objeto del anlisis de condicin.
3. Estructurar los indicadores de condicin.

Aplicable

CI Disponible
Costo-efectivo
DEFINICIN DEL INDICADOR DE CONDICIN DE EQUIPOS
 FUNDAMENTOS DE LGICA DIFUSA

Fue introducida como un mecanismo de

representacin de la vaguedad e imprecisin de
los conceptos empleados en el lenguaje
natural.

Los conjuntos difusos fueron definidos como

una extensin de los conjuntos clsicos al
introducir un grado para expresar la
pertenencia de un elemento a un conjunto
como un nmero real en el intervalo de 0 a 1
: [0,1].

Se denomina lgica difusa a los mecanismos de inferencia basados en

reglas que emplean trminos lingsticos representados por conjuntos
difusos.
 FUNCIONES DE MEMBRESA
Fuzzificacin
A que color pertenece la franja roja?

En nuestro razonamiento la informacin est en forma de variable

lingstica, cada uno de estos trminos se conoce como etiqueta
lingstica y se representa por medio de un conjunto difuso.
Cada entrada de un FIS es modelada como una variable lingstica a
partir de la asignacin de las funciones de membresa.
FUZZIFICACION
FUNCIONES DE PERTENENCIA
Ejemplos
 OPERACIONES EN LGICA DIFUSA

Al igual que en la lgica clsica, en la lgica borrosa existen tres

operaciones bsicas sobre conjuntos: la unin, la interseccin y
el complemento.

t-normas y t-conormas: son operadores binarios que establecen

modelos genricos para las operaciones de interseccin y unin,
los cuales deben cumplir ciertas propiedades.
Las t-normas representan la interseccin de dos conjuntos
borrosos.

Las t-conormas representan la unin de dos conjuntos borrosos.

 T-conormas UNIN DIFUSA

T-normas INTERSECCIN DIFUSA

OPERACIONES EN LGICA DIFUSA
 SISTEMAS DE INFERENCIA DIFUSOS
Base de reglas
Difusas
SI A : ENTONCES : B
Salida

Entrada
Motor de inferencia
Difusa
Fuzzificacin 1. Operador difuso Defuzzificacin
2. Implicacin
3. Agregacin

Un sistema de inferencia difuso (FIS) es una herramienta computacional

basada la teora de los conjuntos difusos y el razonamiento difuso.
La principal ventaja es que las reglas de inferencia se pueden definir
precisa y consistente a partir del conocimiento y la experiencia del
personal.
Permite el manejo la incertidumbre de la informacin de entrada
mediante la definicin de uno o ms conjuntos difusos.
 SISTEMAS DE INFERENCIA DIFUSOS
Sistema Mamdani basado en reglas

El mtodo de Mamdani es el ms usado en aplicaciones, dado que

tiene una estructura muy simple de operaciones mn-max.

Paso 1: Evaluacin del antecedente en cada regla.

Paso 2: Obtener la conclusin en cada regla.
Paso 3: Agregar la conclusin de cada regla.
Paso 4: Desfuzzificacin
 SISTEMAS DE INFERENCIA DIFUSOS
Ejemplo
Es necesario determinar la condicin dielctrica del aceite de un
transformador a partir de los resultados de las pruebas de aceite de
rigidez dielctrica en [kV] y el factor de potencia en [%] a 25C. A
partir de nuestra experiencia elaboramos las siguientes reglas de
diagnstico:
Regla 1:
Si la Rigidez Dielctrica es BUENA, Y, el Factor de Potencia es
BUENO, ENTONCES, la Condicin Dielctrica del aceite es
BUENA.
Regla 2:
Si la Rigidez Dielctrica es BUENA, Y, el Factor de Potencia es
MALA, ENTONCES, la Condicin Dielctrica del aceite es
REGULAR
Regla 3:
Si el Factor de Potencia es MALA, ENTONCES, la Condicin
Dielctrica del aceite es MALA
 SISTEMAS DE INFERENCIA DIFUSOS

Fuzzificacin
RD: 48.5 kV
: 0.7
. .
PF% @ 25C: 0.75%
% : 0.55
% : 0.44 . .
Agregacin
Regla 1
Si la Rigidez Dielctrica es BUENA, Y, el
Factor de Potencia es BUENO,
ENTONCES, la Condicin Dielctrica del
.
aceite es BUENA

1: . [ AND % ]

R1: min( ; % )
R1: min(0.7; 0.55)
R1: 0.55
 SISTEMAS DE INFERENCIA DIFUSOS
Desfuzzificacin
Mtodo del Centroide Solucin al ejemplo

Mtodo de las alturas

i yi (yi) yi*(yi)
1 0 0.44 0
2 0.13 0.44 0.05

3
4
0,25
0.38
0
0.44
0
0.16

5 0.64 0.44 0.28
6 0.75 0 0
7 0.9 0.55 0.51
8 1 0.55 0.55
2.88 1.57

Defuzzificacin Cuantificacin del conjunto de salida para obtener una

solucin a un problema de decisin, queremos obtener como salida es un
nmero y no un conjunto borroso.
EL MTODO CLNICO DE DIAGNSTICO
ESTADOS DE LA CONDICIN DEL TRANSFORMADOR
OBJETIVOS DEL SISTEMA DE DIAGNSTICO
BASADO EN REGLAS
SISTEMA DE DIAGNOSTICO INTEGRAL TRANSFORMADOR
RUTINA FUZZY PARA EL ANLISIS DE DGA
 RUTINA FUZZY PARA EL ANLISIS DE DGA
Ejemplo
[p.u] [p.u]
Normal Bajo Medio Alto Significativo
1,0 Normal Bajo Medio Alto Significativo
10 26 50 70 90 105 135 145 1,0
10 18 34 44 58 68 83 96
0,8
0,8
0,6
0,6
0,4
0,4
0,2
[ppm] 0,2
0,0 [ppm]
0 20 40 60 80 100 120 140 160 180 0,0
0 20 40 60 80 100
0-Normal 1-Bajo 2-Medio 3-Alto 4-Signif.
[p.u] 0-Normal 1-Bajo 2-Medio 3-Alto 4-Signif.
Normal Bajo Medio Alto Significativo
1,0
10 25 45 65 85 100 125 135 Etano (C2H6)
0,8 C2H6
Signif. Alto Medio Bajo Normal
C2H4 2
0,6

Etileno (C2H4)
Signif. Signif. Signif. Signif. Signif. Signif.
0,4
Alto Signif. Signif. Alto Alto Alto
0,2
[ppm] Medio Signif. Alto Medio Medio Medio
0,0
0 20 40 60 80 100 120 140 160 180 Bajo Signif. Alto Medio Bajo Bajo
0-Normal 1-Bajo 2-Medio 3-Alto 4-Signif.
Normal Signif. Alto Medio Bajo Normal
RUTINA FUZZY PARA EL ANLISIS DE DGA
Ejemplo
Etano (C2H6)
C2H6
Signif. Alto Medio Bajo Normal
C2H4 2

Etileno (C2H4)
Signif. Signif. Signif. Signif. Signif. Signif.
Alto Signif. Signif. Alto Alto Alto
Medio Signif. Alto Medio Medio Medio

Bajo Signif. Alto Medio Bajo Bajo

Normal Signif. Alto Medio Bajo Normal

IMPLEMENTACIN DE RUTINAS FUZZY EN SAP
RUTINA DE CALIFICACIN INTEGRAL DE CONDICIN
DESPLIEGUE DEL DIAGNOSTICO
CONCLUSIONES