USM desarrolla nuevas tecnologías para mejorar la detección temprana de fallas en equipos críticos de alta tensión

Iniciativas fueron elaboradas por equipo del Departamento de Ingeniería Eléctrica de la casa de estudios, lideradas por el académico Jorge Ardila, quien además es investigador principal del Centro Tecnológico Internacional de Innovación para la Transición Energética Sostenible (SET).

Dos nuevas metodologías orientadas al diagnóstico temprano de sistemas de aislamiento en equipos de alta tensión, desarrolló un equipo de investigación del Departamento de Ingeniería Eléctrica de la Universidad Técnica Federico Santa María (USM), permitiendo con ellas el acceso temprano a información crítica sobre el estado interno de los materiales aislantes antes de que se produzcan fallas mayores, fortaleciendo de esta forma  el mantenimiento predictivo, la confiabilidad operativa y la gestión del ciclo de vida de activos eléctricos.

El grupo de trabajo es liderado por Jorge Ardila, académico del Departamento de Ingeniería Eléctrica e investigador principal del Centro Tecnológico Internacional de Innovación para la Transición Energética Sostenible (SET), quien explicó que “los sistemas de aislamiento cumplen un papel esencial en la operación segura y la vida útil de equipos estratégicos del sistema eléctrico. Sin embargo, su degradación suele avanzar de manera silenciosa durante años, impulsada por esfuerzos eléctricos, térmicos y químicos propios de la operación”.

Por lo anterior, agregó el académico, “identificar tempranamente el envejecimiento de los materiales o la presencia de defectos internos puede marcar la diferencia entre una intervención planificada y una falla de alto impacto técnico y económico”.

Tecnologías

Uno de los desarrollos del equipo consiste en una lengua electrónica (e-tongue) capaz de leer la huella electroquímica del envejecimiento en muestras de aceite dieléctrico de transformadores de potencia. “La técnica utiliza un sistema multielectrodo que registra respuestas electroquímicas y las transforma en una firma característica del estado del aceite, lo que permite distinguir con mayor sensibilidad distintos procesos de degradación interna e identificar patrones asociados al envejecimiento del papel aislante, del aceite y de su interacción con componentes metálicos del sistema”, comentó el académico.

El segundo desarrollo, añadió Jorge Ardila, “se orienta a la detección temprana de defectos internos en sistemas de aislamiento sólido utilizados en equipos de alta tensión. La metodología analiza las emisiones electromagnéticas generadas por descargas parciales durante la aplicación repetida de impulsos de tensión en condiciones controladas sobre el material”, manifestando que “este enfoque permite no solo detectar la presencia de defectos, sino también inferir cuántos defectos activos existen, estimar su severidad relativa y seguir su evolución”.

Para ello, la técnica combina la respuesta de un sensor inductivo VHF y una antena bioinspirada calibrada para altas frecuencias, con el fin de captar tanto la componente conducida como la radiada de las descargas parciales que se generan durante el frente del transitorio. A partir de esa información, el equipo logra estimar características de los defectos presentes en el volumen del material y mejorar la resolución diagnóstica frente a escenarios complejos.

De esta forma, puntualizó el académico, “en equipos críticos del sistema eléctrico, donde señales incipientes pueden anticipar fallas de alto impacto técnico y económico, disponer de herramientas capaces de detectar tempranamente señales de envejecimiento en el aceite dieléctrico y la presencia de defectos internos en materiales aislantes constituye un avance relevante”, así su proyección abre nuevas posibilidades para desarrollar herramientas y métodos de diagnóstico más sensibles y complementarios a las técnicas convencionales, con potencial para fortalecer el mantenimiento predictivo y mejorar la gestión del ciclo de vida de activos críticos.

Cabe señalar que el equipo liderado por Jorge Ardila está compuesto por Daniel Figueroa, Daniel Lorca, Fabiana Liendo, David Muñoz y Cristhian Delgado.