Software de engenharia para confiabilidade de proteção e de transformadores

Solicitar piloto

Gestão de desempenho de ativos de transformadores

IA agêntica para confiabilidadede transformadores de potência

A GridAPM transforma registros de DGA, descargas parciais e inspeção em decisões de manutenção aprovadas por engenheiros — na sua infraestrutura, com cada recomendação rastreável até sua evidência.

Solicitar um piloto Veja como funciona
  • IEEE C57.104
  • IEC 60599
  • IEC 60270
  • IEEE C57.149
  • CIGRE
  • NIST AI RMF
  • Processamento local — roda na sua estação de trabalho

TX-47 · 230/69 kV

Carga 78 % OK

Nota do agente

  • A tendência de H2 excede a condição 2 da IEEE C57.104; correlacionada com degraus de carga. Recomenda-se amostra confirmatória.
  • A amplitude de DP na bucha da fase B acompanha os degraus de carga, não a umidade — o padrão indica descarga superficial. Rascunhando uma tarefa de inspeção.
  • A estimativa de ponto quente permanece dentro do guia de carregamento IEEE C57.91 na carga atual; nenhum envelhecimento acelerado sinalizado neste ciclo.

Revisão do engenheiro pendente

Dois produtos

Uma empresa, dois produtos de engenharia

A GridAPM desenvolve software para os dois pontos em que um engenheiro de subestação precisa de evidências defensáveis: os relés de proteção que eliminam a falta e os transformadores de potência que não podem falhar. Produtos separados, licenças separadas, a mesma disciplina — a IA rascunha, um engenheiro identificado assina.

  • Ensaios de proteção

    ProtectionAI

    Planeje, execute e documente ensaios de relés de proteção, com um copiloto de IA com ferramentas que lê os manuais dos seus relés e redige o relatório.

    Conheça o ProtectionAI

  • APM de transformadores

    AgenticGrid Pro

    Transforme as evidências da frota de transformadores — DGA, descargas parciais, SFRA, térmicas — em um pacote de trabalho aprovado pelo engenheiro, com trilha de auditoria consultável.

    Conheça o AgenticGrid Pro

Comparar os dois produtos

Manutenção baseada em tempo

O status quo funciona pelo calendário

A maioria das frotas de transformadores ainda é mantida pelo calendário, não pela condição.

Intervalos fixos deixam falhas reais passarem
Uma unidade que começa a gerar gases no terceiro mês espera mais nove meses pela inspeção programada.
Evidências ficam em silos
Resultados de laboratório de DGA, capturas de PRPD, varreduras SFRA e notas de inspeção vivem em sistemas que ninguém tem tempo de correlacionar.
Frotas na vida útil de projeto
Os grandes transformadores de potência dos EUA têm em média cerca de 40 anos em serviço — a vida útil de projeto típica — e mais de 70% têm mais de 25 anos.¹
A reposição leva anos
Os prazos de entrega de um grande transformador de potência hoje costumam chegar a 36 meses — até 60 — contra menos de um ano antes da pandemia.¹

1 U.S. Department of Energy, Large Power Transformer Resilience — Report to Congress (2024).

De TBM para CBM

Do calendário à evidência

A manutenção baseada em condição substitui intervalos fixos por intervenções que as evidências realmente pedem.

A cada 12 meses

Intervalos fixos de calendário: unidades saudáveis são abertas mesmo assim, e faltas em desenvolvimento esperam a próxima vaga.

Quando as evidências indicam

Intervenções disparadas pela condição: uma mudança na tendência de DGA ou o início de DP abre um pacote de trabalho direcionado.

Trabalho desperdiçado Falta não detectada Mudança na tendência de DGA Início de DP Intervenção direcionada
25–30%

de redução nos custos de manutenção

35–45%

de redução na indisponibilidade

8–12%

de economia adicional em relação à manutenção apenas preventiva

US DOE Federal Energy Management Program, O&M Best Practices Guide (PNNL-14788) — médias intersetoriais de programas de manutenção preditiva, não medições da GridAPM.

O fluxo de trabalho

Da evidência bruta a um pacote de trabalho aprovado

Um pipeline, cinco etapas. A IA rascunha; um engenheiro identificado decide.

  1. IngestãoFluxos de evidências aprovados — DGA, descargas parciais, SFRA, dados térmicos, registros de inspeção — são lidos dos seus sistemas.
  2. Correlação e controle de qualidadeOs sinais são alinhados por ativo e filtrados quanto a lacunas, erros de unidade e dados desatualizados antes de qualquer raciocínio.
  3. Raciocínio do agenteOs agentes rascunham uma avaliação de condição, citando cada evidência e sinalizando contradições em vez de escondê-las.
  4. EngenheiroAprovação do engenheiroUm engenheiro qualificado aprova, edita, rejeita ou escala o rascunho. Nada é liberado sem um revisor identificado.
  5. Pacote de trabalho e relatórioDecisões aprovadas viram pacotes de trabalho de manutenção e relatórios prontos para auditoria, para o seu CMMS e suas partes interessadas.
Um token de evidência percorre o pipeline e pausa na etapa 4 até que um engenheiro aprove.

O que os agentes leem

As evidências

Cada recomendação é construída a partir de sinais diagnósticos nomeados — inspecionáveis a qualquer momento.

Análise de gases dissolvidos Tendências multigás filtradas contra o contexto de IEEE C57.104 e IEC 60599, com taxa de variação sinalizada por gás.
  • H2
  • CH4
  • C2H4
  • C2H2
Análise de gases dissolvidos Line chart of dissolved gas concentrations in ppm over 13 oil samples. H2 ends at 148 ppm, CH4 ends at 74 ppm, C2H4 ends at 58 ppm, C2H2 ends at 11 ppm. Nível de vigilância de H2: 80 ppm. Evento de geração de gás marked at sample 9. Nível de vigilância de H2 Evento de geração de gás
Leia o método
Descargas parciais Padrões PRPD acompanhados ao longo do tempo para separar atividade persistente de defeito de ruído e artefatos de carga.
  • Referência CA
  • Amplitude (pC)
Descargas parciais Scatter plot of 170 partial-discharge pulses across one 360-degree power cycle, plotted against a sine voltage reference. Pulses cluster on the rising flanks of both half-cycles, the signature of an internal discharge source. Amplitude scale: ±500 pC.
Leia o método
Comparação SFRA Varreduras de resposta em frequência sobrepostas à referência, com faixas de desvio destacadas para revisão.
  • Linha de base (fábrica)
  • Medido
Comparação SFRA Overlaid SFRA magnitude curves (Linha de base (fábrica) and Medido) from 20 Hz to 2 MHz. The measured curve deviates from the baseline inside the highlighted band: Desvio 10–200 kHz. Desvio 10–200 kHz
Leia o método
Triângulo de Duval Razões de gases plotadas contra zonas de falha para tipificar uma falha em desenvolvimento — térmica ou elétrica — antes que ela se agrave.
Triângulo de Duval Duval triangle 1: ternary plot of relative CH4, C2H4 and C2H2 percentages with fault zones PD (Descargas parciais), T1 (Falta térmica abaixo de 300 °C), T2 (Falta térmica de 300–700 °C), T3 (Falta térmica acima de 700 °C), DT (Falta mista térmica e elétrica), D2 (Descargas de alta energia), D1 (Descargas de baixa energia). Plotted sample: CH4 62 %, C2H4 35 %, C2H2 3 %, falling in zone T2 (Falta térmica de 300–700 °C). PD T1 T2 T3 DT D2 D1 % CH4 % C2H4 % C2H2 Amostra
PD
Descargas parciais
T1
Falta térmica abaixo de 300 °C
T2
Falta térmica de 300–700 °C
T3
Falta térmica acima de 700 °C
DT
Falta mista térmica e elétrica
D2
Descargas de alta energia
D1
Descargas de baixa energia
Leia o método

Dados ilustrativos — valores sintéticos para demonstração, não medições de uma frota de cliente.

Metas de CBM publicadas

O que a manutenção baseada em condição já documentou

Metas intersetoriais publicadas pelo Federal Energy Management Program do Departamento de Energia dos EUA.

25 –30% 1

de redução nos custos de manutenção

70 –75% 1

menos quebras de equipamentos

35 –45% 1

de redução na indisponibilidade

$3.3M 2

perda segurada média por falha grave de transformador (sinistros de 1997–2001, dólares nominais)

Confiança e governança

Feito para salas de controle, não para demonstrações

Implantação com processamento local, nenhuma ação de controle autônoma, um engenheiro identificado em cada decisão e uma trilha de auditoria do registro bruto ao relatório final.

As referências IEEE, IEC e NIST fornecem contexto para nossos métodos. Contexto não é certificação.

Capacidades

O que a bancada faz

Ingestão de evidências
Conexões somente leitura com fontes de DGA, DP, SFRA, térmicas e de inspeção — proveniência preservada.
Controle de qualidade
Lacunas, erros de unidade e dados desatualizados são capturados antes do raciocínio e registrados quando rejeitados.
Rascunhos com citações
As avaliações do agente citam cada entrada e sinalizam contradições em vez de suavizá-las.
Fluxo de aprovação
Aprovar, editar, rejeitar ou escalar — cada ação registrada com revisor e carimbo de data e hora.
Pacotes de trabalho
Decisões aprovadas são exportadas como tarefas estruturadas para o seu CMMS, com as evidências anexadas.
Relatórios prontos para auditoria
Cada relatório rastreia até os registros brutos, os comentários de revisão e o engenheiro que o assinou.

Perguntas

O que as equipes de engenharia e compras perguntam

Respostas diretas para a revisão que antecede qualquer piloto.

Onde o software é executado?

Na sua infraestrutura. Os registros operacionais e os cálculos determinísticos permanecem locais; funções OpenAI solicitadas enviam apenas o contexto aprovado e limitado necessário por uma conexão de saída controlada.

A IA age de forma autônoma?

Não. A GridAPM não emite ações de controle e não altera nada nos seus sistemas. Toda saída é um rascunho até que um engenheiro qualificado a aprove na etapa de aprovação, e cada aprovação é registrada.

De quais dados precisamos para um piloto?

Tipicamente, exportações do histórico de DGA das unidades do piloto, mais o que você tiver de DP, SFRA, dados térmicos e registros de inspeção ou manutenção. Lacunas são aceitáveis — o controle de qualidade as torna explícitas em vez de escondê-las.

Como isso se relaciona com a IEEE C57.104 e a IEC 60599?

A GridAPM aplica esses documentos como contexto de triagem: limiares, razões de gases e estruturas de interpretação que os engenheiros já usam. Isso é contexto, não certificação — as conclusões diagnósticas finais permanecem com os seus engenheiros.

Quanto tempo dura um piloto?

Um piloto típico é definido em semanas, não em trimestres: um conjunto definido de unidades, fluxos de evidências acordados, revisores identificados e métricas de sucesso fixadas antes do início. Você recebe o pacote completo de evidências, seja qual for o resultado.

Como funciona a revisão de compras e segurança?

Um pacote de compras cobre postura de segurança, tratamento de dados, limites de implantação e respostas no estilo RFP em um só lugar. Sua equipe de segurança pode revisar a arquitetura com processamento local antes de qualquer discussão sobre dados.

Escopo controlado

Conte-nos sobre a sua frota.

Compartilhe o perfil da sua frota e seus dados de diagnóstico. Vamos propor um plano de piloto focado: fluxos de evidências, etapas de revisão, limites de segurança e entregáveis.

Limite OT

Rede do site

Estação de trabalho

GridAPM

Conexão controlada com a OpenAI

Evidências entram

Registros operacionais e cálculos determinísticos permanecem dentro do limite OT. Uma função OpenAI solicitada envia somente contexto aprovado e limitado pela conexão controlada.

Este formulário coleta apenas dados de contato — nenhum dado da frota. As evidências do piloto permanecem na sua infraestrutura.

Processamento local — roda na sua estação de trabalho

Mais opções

Usamos suas informações para responder à sua solicitação de piloto. Nada além disso.

Coloque as evidências da sua frota para trabalhar

Defina o escopo de um piloto controlado: suas unidades, seus dados, seus revisores.

Solicitar um piloto Saiba mais

Digite para buscar pesquisas, páginas da plataforma e ferramentas.