Predicción de la vida útil de un transformador de potencia apoyado en herramienta informática

Abstract

El envejecimiento de un transformador de potencia representa un problema significativo en toda la cadena del suministro de energía. La sobrecarga continua es una de las principales causas que acelera el desgaste del aislamiento en los devanados de los transformadores, lo que afecta negativamente su rendimiento y confiabilidad. Dado que los transformadores son componentes cruciales en el sistema eléctrico, no poder predecir su vida útil puede llevar a graves interrupciones en las prestaciones del servicio de energía. El propósito de este proyecto es implementar una herramienta capaz de predecir perfiles de carga y estimar la pérdida de vida útil de un transformador, con apoyo de la inteligencia artificial y basándose en el procedimiento propuesto por la IEEE (C57.91). Esta herramienta utiliza un historial de carga de un transformador para realizar el entrenamiento de un modelo de predicción basado en redes neuronales. La herramienta construida permite visualizar el comportamiento de los perfiles de carga, tanto los reales como los estimados. Una vez se tienen los valores medidos y calculados, se aplican los procedimientos establecidos por la normativa para determinar el desgaste real y proyectado del transformador. Para verificar su funcionamiento, se utilizó un período de prueba de 12 semanas, en el cual el error relativo de la predicción semanal del envejecimiento en comparación con los valores reales fue de 5.15 %. Con la implementación de este proyecto, se tendrá una métrica capaz de predecir el envejecimiento en el aislamiento de los devanados de los transformadores de potencia. En general, al disponer de una proyección del desgaste de estos equipos, será posible planificar de manera más eficiente las labores de mantenimiento, minimizando el riesgo de fallos imprevistos y, en consecuencia, evitando interrupciones en el suministro eléctrico.

The aging of a power transformer represents a significant problem throughout the power supply chain. Continuous overloading is one of the main causes that accelerates insulation wear in transformer windings, which negatively affects their performance and reliability. Since transformers are crucial components in the electrical system, not being able to predict their lifetime can lead to serious interruptions in power service performance. The purpose of this project is to implement a tool capable of predicting load profiles and estimating the lifetime loss of a transformer, supported by artificial intelligence and based on the procedure proposed by IEEE (C57.91). This tool uses a transformer load history to train a prediction model based on neural networks. The constructed tool allows visualizing the behavior of the load profiles, both real and estimated. Once the measured and calculated values are available, the procedures established by the standards are applied to determine the actual and projected transformer wear. To verify its performance, a 12-week test period was used, in which the relative error of the weekly aging prediction compared to the actual values was 5.15 %. With the implementation of this project, we will have a metric capable of predicting the aging of the insulation of power transformer windings. In general, by having a projection of the wear of this equipment, it will be possible to plan maintenance work more efficiently, minimizing the risk of unforeseen failures and, consequently, avoiding interruptions in the power supply.