Calidad de la medida PRPD para la revisión de transformadores asistida por IA
Por qué la revisión de descargas parciales asistida por IA debe preservar el contexto de medida PRPD, la calibración, las notas de ruido, la calidad de la referencia de fase y la validación por parte del ingeniero.
En esta página
El reconocimiento de patrones PRPD resulta atractivo porque la evidencia visual puede ser rica. La posición de fase, la magnitud, la repetición de impulsos y la forma del patrón pueden ayudar a un ingeniero a distinguir las fuentes probables de actividad de descargas parciales. Pero un PRPD solo es tan útil como el contexto de medida que hay detrás de él.
La revisión asistida por IA no debería tratar un gráfico PRPD como una imagen aislada. Debería preguntarse si la evidencia está calibrada, referenciada en fase, es repetible y está separada del ruido. Esa es la diferencia entre un apoyo útil a la decisión y una coincidencia de patrones con exceso de confianza.
Base normativa
La IEC 60270 es la referencia principal para la medida de descargas parciales basada en carga. La IEEE C57.113 aborda la medida de descargas parciales en transformadores y reactancias inmersos en líquido. Las guías de CIGRE, como TB 366, TB 662 y TB 676, refuerzan la necesidad de una medida y una interpretación disciplinadas.
Para el software, la lección es clara: el agente debe preservar cómo se realizó la medida, no solo el resultado del patrón.
Qué aporta el PRPD
Los registros PRPD pueden ayudar a describir:
- La posición de fase de la actividad de descarga.
- La magnitud y la tasa de repetición.
- La familia de patrones y su persistencia.
- Los cambios entre campañas de ensayo.
- Un posible comportamiento interno, superficial, de corona o multifuente.
- La correlación con evidencia UHF, acústica, DGA o de inspección.
El patrón es importante, pero no constituye el diagnóstico completo.
Dónde se complica la realidad de campo
La revisión PRPD en campo puede verse afectada por la ubicación del sensor, el método de acoplamiento, la calidad de la referencia de fase, las interferencias, la puesta a tierra, el filtrado y la superposición de fuentes. Las publicaciones de CIGRE sobre métodos de descargas parciales convencionales y no convencionales resultan útiles porque reconocen la complejidad de pasar de la disciplina de laboratorio a los entornos reales de los activos.
Un modelo de IA puede encontrar patrones visuales con rapidez. Aun así, el flujo de trabajo agéntico que rodea a ese modelo debe seguir preguntándose: cuál era el entorno de ruido, cuál era el estado de calibración, qué ha cambiado desde el último ensayo y qué otra evidencia respalda la interpretación.
El papel del APM agéntico
Un agente PRPD en GridAPM debería:
- Asociar el registro al transformador, la fase, el devanado, el pasatapas o la campaña de ensayo correctos.
- Preservar las notas de método, sensor, calibración, referencia de fase y filtrado.
- Comparar el patrón con registros anteriores y condiciones similares.
- Identificar las posibles familias de patrones y el nivel de confianza.
- Correlacionar con el comportamiento de la tasa de generación en DGA, el contexto térmico, el historial de inspecciones y la evidencia SFRA.
- Redactar una recomendación para la revisión del ingeniero.
Esa recomendación nunca debería ser un simple «descarga parcial detectada». Debería explicar qué evidencia respalda la preocupación y qué incertidumbre subsiste.
Del patrón a la acción
Una revisión PRPD útil respalda acciones como repetir el ensayo, vigilar, inspeccionar, contrastar con otro método, programar una revisión durante una parada o documentar que no se requiere acción inmediata. La decisión depende de la severidad, la persistencia, la consecuencia y la confianza.
El flujo de trabajo de IA con intervención humana de GridAPM está diseñado precisamente para este tipo de ambigüedad. La IA organiza la evidencia PRPD; los ingenieros deciden cómo utilizarla.
