Qualità della misura PRPD per l'analisi dei trasformatori assistita dall'IA
Perché l'analisi delle scariche parziali assistita dall'IA deve conservare il contesto di misura PRPD, la calibrazione, le note sul rumore, la qualità del riferimento di fase e la validazione da parte dell'ingegnere.
In questa pagina
Il riconoscimento dei pattern PRPD è interessante perché l’evidenza visiva può essere ricca. Posizione di fase, ampiezza, ripetizione degli impulsi e forma del pattern possono aiutare un ingegnere a distinguere le probabili sorgenti dell’attività di scarica parziale. Ma il PRPD è utile solo quanto il contesto di misura che vi sta dietro.
L’analisi assistita dall’IA non dovrebbe trattare un grafico PRPD come un’immagine a sé stante. Dovrebbe chiedersi se l’evidenza sia calibrata, riferita alla fase, ripetibile e separata dal rumore. È questa la differenza tra un supporto decisionale utile e un pattern matching eccessivamente sicuro di sé.
Base normativa
La IEC 60270 è il riferimento primario per la misura delle scariche parziali basata sulla carica. La IEEE C57.113 riguarda la misura delle scariche parziali nei trasformatori e nei reattori immersi in liquido. Le linee guida CIGRE come TB 366, TB 662 e TB 676 rafforzano la necessità di una misura e di un’interpretazione rigorose.
Per il software, la lezione è chiara: l’agente dovrebbe conservare il modo in cui la misura è stata effettuata, non soltanto il risultato del pattern.
Cosa aggiunge il PRPD
Le registrazioni PRPD possono contribuire a descrivere:
- Posizione di fase dell’attività di scarica.
- Ampiezza e frequenza di ripetizione.
- Famiglia di pattern e persistenza.
- Variazioni tra le campagne di prova.
- Possibile comportamento interno, superficiale, corona o multi-sorgente.
- Correlazione con evidenze UHF, acustiche, DGA o di ispezione.
Il pattern è importante, ma non rappresenta l’intera diagnosi.
Dove la realtà sul campo si complica
L’analisi PRPD sul campo può essere influenzata dal posizionamento del sensore, dal metodo di accoppiamento, dalla qualità del riferimento di fase, dalle interferenze, dalla messa a terra, dal filtraggio e dalla sovrapposizione delle sorgenti. Le pubblicazioni CIGRE sui metodi PD convenzionali e non convenzionali sono utili perché riconoscono la complessità del passaggio dal rigore del laboratorio agli ambienti reali degli asset.
Un modello di IA può individuare rapidamente i pattern visivi. Il flusso di lavoro agentico attorno a quel modello deve comunque chiedersi: qual era l’ambiente di rumore, qual era lo stato di calibrazione, che cosa è cambiato dall’ultima prova e quali altre evidenze supportano l’interpretazione?
Il ruolo dell’APM agentico
Un agente PRPD in GridAPM dovrebbe:
- Associare la registrazione al trasformatore, alla fase, all’avvolgimento, al passante o alla campagna di prova corretti.
- Conservare le note su metodo, sensore, calibrazione, riferimento di fase e filtraggio.
- Confrontare il pattern con le registrazioni precedenti e con condizioni simili.
- Identificare le possibili famiglie di pattern e il livello di confidenza.
- Correlare con il comportamento del tasso di generazione DGA, il contesto termico, lo storico delle ispezioni e le evidenze SFRA.
- Redigere una raccomandazione per l’esame da parte dell’ingegnere.
Tale raccomandazione non dovrebbe mai limitarsi a «PD rilevata». Dovrebbe spiegare quali evidenze supportano la criticità e quale incertezza permane.
Dal pattern all’azione
Un’analisi PRPD utile supporta azioni come ripetere la prova, monitorare, ispezionare, effettuare una verifica incrociata con un altro metodo, pianificare un controllo in fuori servizio o documentare l’assenza di interventi immediati. La decisione dipende da gravità, persistenza, conseguenza e confidenza.
Il flusso di lavoro IA con supervisione umana di GridAPM è progettato esattamente per questo tipo di ambiguità. L’IA organizza le evidenze PRPD; sono gli ingegneri a decidere come utilizzarle.
