APLICACIÓN DE MODELO WEIBULL PHM EN TRANSFORMADORES DE POTENCIA

Abstract

El actual crecimiento de las ciudades y la urbanización de zonas rurales donde prácticamente la energía eléctrica se ha hecho un servicio fundamental para todos los hogares y empresas de distintas industrias ha provocado también un crecimiento en la industria eléctrica, necesitando cada vez más subestaciones eléctricas con transformadores de potencia cómo activo principal. Dicho lo anterior es que la industria se ha visto con la obligación de mejorar sus planes de operación y mantenimiento de dicho activo debido a la criticidad de sus fallas, ya que el fallo de un transformador puede resultar en el apagón de una ciudad completa. Es por esto por lo que se ha decidido investigar en distintas políticas de mantenimiento que puedan evitar que el activo falle, pero a su vez no gastar dinero ni tiempo en sobre mantenimiento de los activos. Si bien los transformadores no son activos que fallen frecuentemente, es la criticidad de las fallas las que han llevado a las distintas empresas de la industria eléctrica a investigar sobre políticas de mantenimiento predictivo que permitan operar de manera segura y eficiente. Esto llevó a que en el presente estudio se investigara sobre los distintos modelos de mantenimiento predictivo que se utilizan en la industria encontrando diversos métodos donde todos convergen al monitoreo de condiciones, pero ninguno evalúa estadísticamente la influencia de distintas condiciones sobre el modelo.The current growth of cities and the urbanization of rural areas where practically electric power has become a fundamental service for all households and companies of different industries has also caused a growth in the electricity industry, increasingly requiring electrical substations with transformers of power as the main asset. That said, the industry has been obliged to improve its operation and maintenance plans for said asset due to the criticality of its failures, since the failure of a transformer can result in the blackout of a complete city. Therefore, it has been decided to investigate different maintenance policies that can prevent the asset from failing, but at the same time not spending money or time on asset maintenance. Although the transformers are not assets that fail frequently, it is the criticality of the failures that have led the various companies in the electrical industry to investigate predictive maintenance policies that allow them to operate safely and efficiently. This led to the investigation of the different predictive maintenance models used in the industry in this study, finding different methods where all converge to the monitoring of conditions, but none statistically evaluate the influence of different conditions on the model.