Sistema estocástico unificado para la predicción confiable de fallas por condiciones ambientales en transformadores de distribución

Abstract

Los transformadores de distribución son fundamentales para los sistemas eléctricos, ya que permiten energizar redes y servicios residenciales e industriales en áreas servidas de alta demanda, por lo tanto, la garantía en la continuidad del suministro de energía eléctrica es de suma importancia para el desarrollo tecnológico e industrial del país. Mantener operativo el equipo, sus sistemas de protecciones y otros, es un indicador de calidad y eficiencia energética, es por ello, que la creación de nuevas técnicas de diagnóstico evaluando los materiales de fabricación, permiten un alcance hacia técnicas de mantenimiento predictivo y preventivo que proporcionen alertas a los operadores del sistema evitando suspensiones del servicio en forma imprevista. Esta tesis doctoral contempla la aplicación de un sistema estocástico para la predicción confiable de fallas por condiciones ambientales en transformadores de distribución monofásicos de poste, realizando pruebas experimentales a estos materiales comparando su calidad versus la condición de falla, mediante caracterizaciones físicas. Lo anterior es con la finalidad, de crear un método de diagnóstico que permita predecir la ocurrencia de alguna falla versus la posible influencia de variables ambientales que pudieran afectar el proceso de operación normal, dado que hay ensayos a través de métodos convencionales que no demuestran alteraciones aparentes, sin embargo, algunas pruebas experimentales indican cambios importantes que podrían afectar la vida útil del equipo. Los resultados experimentales aplicando técnicas no convencionales a estos equipos, se espera, sirvan de apoyo a las políticas de mantenimiento y servicio de las empresas eléctricas tanto de Venezuela como de Colombia, dado que las universidades de ambos países han brindado esfuerzos técnicos a los diagnósticos predictivos realizados a los transformadores de distribución.