A presença de informação acerca do estado de transformadores de potência no seu óleo é um facto conhecido da comunidade científica. Através de análise dos gases dissolvidos no óleo (DGA - Dissolved Gas Analysis) é possível identificar qual o tipo de avarias que afectam determinado transformador.

Este tipo de análise, ao permitir o diagnóstico precoce de avarias nas máquinas, possibilita a programação de futuras ações a realizar na máquina de forma a aumentar o seu tempo de vida útil.

A norma internacional IEC 60599 define 6 tipos de avarias (descarga parcial, descarga de baixa energia, descarga de alta energia e três tipos de defeitos térmicos de diferentes temperaturas) e quais os intervalos típicos para três quocientes de concentrações dos gases presentes no óleo.

No entanto esta norma é incapaz de distinguir entre máquinas com e sem avaria e apresenta algumas limitações no diagnóstico dos vários tipos de avarias, ao apresentar alguns erros, sobretudo devido à divisão do espaço em intervalos bem definidos.

Este trabalho tem como objectivo desenvolver um processo para diagnóstico de avarias incipientes em transformadores de potência, com base na análise de gases dissolvidos no óleo e tomando como ponto de partida um modelo já concebido no INESC TEC. Estes modelos terão por base redes neuronais autoassociativas e eventualmente, outros algoritmos que permitam análise de grupos e classificação das avarias em tipos distintos, tomando como referência a norma IEC60599.

Desta forma, através de um diagnóstico antecipado, pode ser possível evitar avarias destrutivas para os equipamentos e possivelmente perigosas para bens e pessoas, como se pode verificar abaixo: