Desenvolvimento de algoritmo de rastreamento de raias aplicado na monitoração do campo magnético externo de geradores síncronos

Abstract

Este trabalho apresenta o desenvolvimento de um algoritmo em C# que realiza o rastreamento de raias espectrais para monitoramento não invasivo da condição de geradores síncronos (GSs) a partir do campo magnético externo, com o objetivo de detectar possíveis faltas nestas máquinas e promover a sua manutenção preditiva. A análise é realizada por meio do espectro em frequência da derivada temporal do campo magnético obtido pela Transformada Rápida de Fourier (FFT), no qual estão presentes a frequência fundamental mecânica da máquina e suas harmônicas. A amplitude destas componentes espectrais compõem a assinatura magnética do GS, a qual está associada com as características construtivas e operacionais da máquina. A monitoração desta assinatura magnética ao longo do tempo possibilita o acompanhamento das condições operacionais e o diagnóstico de faltas incipientes no GS. O algoritmo desenvolvido é estruturado em quatro etapas principais: cálculo da FFT para extração das componentes espectrais de interesse, detecção da frequência fundamental mecânica real, ajuste espectral baseado na frequência fundamental mecânica detectada e rastreamento das harmônicas associadas. No processo, o algoritmo ajusta a resolução espectral e aplica verificações de coerência para assegurar a confiabilidade dos dados e minimizar a interferência de ruídos, que podem mascarar componentes de interesse ou gerar falsos positivos, especialmente em frequências altas, em que as amplitudes das componentes harmônicas são mais próximas ao nível de ruído. A partir dos dados de entrada, o código fornece saídas de análise tanto para uma aquisição única quanto para múltiplas aquisições, o que amplia a abrangência do monitoramento e permite uma visão detalhada do comportamento da assinatura magnética do gerador síncrono ao longo do tempo. Testes realizados com dados sintéticos e experimentais mostraram que o algoritmo identifica com precisão as raias de interesse, podendo ser capaz de diferenciar componentes harmônicas reais da frequência fundamental mecânica da máquina de raias espectrais no nível do ruído e mostrar visualmente possíveis variações na condição do gerador monitorado. Os resultados indicam que o algoritmo é robusto para operar em condições reais, contribuindo para um sistema de manutenção preditiva mais confiável e assertivo para geradores síncronos.

This work presents the development of a algorithm in C# language for harmonic tracking aimed at non-invasive monitoring of synchronous generators (SGs) through their external magnetic field, with the objective of detecting potential machine failures and enabling predictive maintenance of equipment. The analysis is conducted via the frequency spectrum of the magnetic field derivative obtained through the Fast Fourier Transform (FFT), where the machine's fundamental mechanical frequency and its harmonics are present. The amplitudes of these spectral components form the generator's magnetic signature, associated with its structural and operational characteristics. Monitoring this magnetic signature over time enables the tracking of operational conditions and early fault diagnosis in SGs. The developed algorithm is structured in four main stages: FFT calculation to extract the spectral components of interest, detection of the actual fundamental mechanical frequency, spectral adjustment based on the detected fundamental frequency, and tracking of associated harmonics. During the process, the algorithm adjusts spectral resolution and applies coherence checks to ensure data reliability and minimize noise interference, which can mask components of interest or generate false positives, particularly at high frequencies where harmonic amplitudes are near the noise levels. Additionally, the algorithm offers analysis outputs for both single and multiple acquisitions, expanding the monitoring scope and providing a detailed view of the synchronous generator's magnetic signature behavior over time. Tests performed with synthetic and experimental data showed that the algorithm precisely identifies the relevant harmonics, differentiates true harmonic components from spectral noise, and visually shows potential variations in the monitored generator's condition. These results demonstrate that the algorithm is robust for real-world operation, contributing to a more reliable and accurate predictive maintenance system for synchronous generators.