Identificação do Estado de Aperto de Parafusos em Barramentos de Transformadores a Seco Utilizando Processamento Digital de Imagem

Abstract

Esse trabalho visa à concepção e desenvolvimento de um algoritmo de visão computacional com o propósito de identificar o grau de aperto dos parafusos em barramentos de transformadores a seco. O algoritmo foi desenvolvido para analisar imagens termográficas e, com base na discrepância de temperatura entre os parafusos e o barramento, determinar o nível de afrouxamento. A avaliação do estado dos parafusos é de extrema importância para assegurar a longevidade e a eficiência operacional dos dispositivos elétricos, prevenindo falhas críticas, como curtos-circuitos e a degradação de componentes. O projeto incluiu a seleção de um sensor térmico apropriado, conduzida por meio de experimentos com uma variedade de sensores disponíveis. O sensor térmico MLX90640 foi escolhido como a solução ideal para a tarefa de monitorar o estado de aperto dos parafusos. A análise das imagens termográficas capacita a identificação de parafusos afrouxados, porém o ambiente adverso onde os barramentos estão posicionados pode apresentar desafios, incluindo a ocorrência de falsos alertas. Desse modo, o algoritmo se concentra exclusivamente na avaliação dos parafusos, seja em um ambiente isento de contaminação ou em um ambiente que simula condições adversas, como a presença de partículas depositadas no barramento. A simulação de ambientes adversos para o processamento de imagem tem o como objetivo minimizar a probabilidade de diagnósticos imprecisos. Para o processamento de imagem, foi conduzido 4 diferentes configurações de ensaio, visando a adaptabilidade do algoritmo a diversas situações. Os resultados obtidos foram consistentemente satisfatórios em todas as configurações, destacando a capacidade do algoritmo em identificar parafusos frouxos no barramento, mesmo em ensaios simulando ambientes agressivos. Entretanto, durante as fases de processamento, alguns desafios surgiram devido a falhas de comunicação do sensor, resultando em cortes nas imagens. Isso levou a situações em que o algoritmo não pôde identificar parafusos presentes nas áreas cortadas das imagens. Apesar dessas limitações, é crucial enfatizar que o algoritmo demonstrou eficácia ao identificar parafusos frouxos na maioria das imagens processadas. Esse resultado enfatiza a robustez e eficiência do algoritmo, mesmo diante de obstáculos ocasionais, solidificando sua utilidade como uma ferramenta confiável para a avaliação do estado de aperto dos parafusos em barramentos de transformadores a seco.

This work aims at the conception and development of a computer vision algorithm with the purpose of identifying the degree of tightening of screws in dry-type transformer busbars. The algorithm has been designed to analyze thermal images and, based on the temperature difference between the screws and the busbar, determine the level of loosening. The assessment of the screw’s condition is of paramount importance to ensure the longevity and operational efficiency of electrical devices, preventing critical failures such as short circuits and component degradation. The project involved the selection of an appropriate thermal sensor, conducted through experiments with a variety of available sensors. The MLX90640 thermal sensor was chosen as the optimal solution for the task of monitoring the tightening state of the screws. The analysis of thermal images enables the identification of loosened screws; however, the adverse environment in which the busbars are situated can present challenges, including the occurrence of false alerts. Thus, the algorithm focuses exclusively on the assessment of the screws, whether in a contaminationfree environment or in an environment simulating adverse conditions, such as the presence of particles deposited on the busbar. The simulation of adverse environments for image processing aims to minimize the probability of inaccurate diagnostics. For image processing, four different test configurations were conducted to ensure the algorithm’s adaptability to various scenarios. The results consistently proved satisfactory in all configurations, underscoring the algorithm’s ability to identify loose screws on the busbars, even in tests simulating aggressive environments. However, during the processing stages, challenges arose due to sensor communication failures, resulting in image cuts. This led to situations where the algorithm couldn’t identify screws present in the cropped areas of the images. Despite these limitations, it is crucial to emphasize that the algorithm demonstrated effectiveness in identifying loose screws in the majority of processed images. This outcome emphasizes the robustness and efficiency of the algorithm, even in the face of occasional obstacles, solidifying its utility as a reliable tool for assessing the tightening status of screws in dry-type transformer busbars.