Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Descripción breve
Traducción del texto de Ingeniería de Alta Tensión
FUERZA ELECTRICA
Una tarea básica de la ingeniería de alta tensión es mantener las tensiones eléctricas por
debajo de las resistencias eléctricas de los materiales en todas las circunstancias posibles.
Desgraciadamente, la resistencia eléctrica es una magnitud que está sujeta a importantes
variaciones estadísticas, Figura 3.1-1. A continuación, se hace una introducción a las
estadísticas (apartado 3.1). Si la fuerza eléctrica es insuficiente, el aislamiento falla y se
producen descargas. Éstas dependen del tipo de material aislante. Las descargas en los gases
(apartado 3.2) difieren significativamente de las descargas en otros dieléctricos (apartado 3.3).
Se presta especial atención a los líquidos (apartado 3.4), los sólidos (apartado 3.5) y el vacío
(apartado 3.7). Las descargas que no conducen directamente a la ruptura se conocen como
descargas parciales (apartado 3.6). Son especialmente importantes para las mediciones de
diagnóstico y para los procesos de envejecimiento.
Por lo tanto, parece natural describir estas magnitudes como variables aleatorias y determinar
las características de las descargas mediante métodos estadísticos. A continuación, se
describen los principios básicos de los métodos estadísticos.
Por ejemplo, la tensión de ruptura de una vía de chispas se determina mediante una tensión
alterna aplicada que se incrementa hasta que se produce la ruptura. Si se repite la prueba
varias veces, se puede observar que no existe una "tensión de ruptura exacta" y que las
rupturas se producen a diferentes tensiones, Figura 3.1-1a.
Nota: Las pruebas de aumento de tensión también pueden realizarse con tensión continua. En
el caso de las tensiones de impulso, la tensión que aumenta de forma continua debe sustituirse
por impulsos consecutivos con valores de pico que aumentan progresivamente.
1
Técnicas de Alta Tensión
INTRODUCCIÓN A LA ESTADISTICA
La prueba se inicia con una tensión en la que no se espera que se produzca una ruptura, y la
tensión se aumenta en pasos de ∆ v . En cuanto se produce una avería, la tensión se reduce en
∆ v . En los pasos consecutivos, la tensión aumenta si no se produce una avería, y disminuye si
se produce la avería. De este modo, las tensiones oscilan escalonadamente hacia arriba y hacia
abajo en torno a la tensión de ruptura del 50% ÛVbd50. Puede estimarse como el valor medio
aritmético de un número predefinido de valores de tensión. El recuento comienza con la
primera ruptura. El análisis estadístico exacto se describe en la literatura [44].
En un análisis estadístico se supone que se toma una muestra aleatoria de una población
básica (desconocida). En el caso de las pruebas de avería en una disposición de aislamiento
determinada, se toma un número limitado de averías al azar del número teóricamente infinito
de todas las pruebas de avería posibles en dicha disposición, Figura 3.1-2.
Un análisis estadístico tiene que estimar la distribución de la población básica infinita con la
mayor precisión posible, basándose en un número finito de pruebas lo más bajo posible (es
decir, en una muestra lo más pequeña posible).
La población básica infinita es una ficción teórica y seguirá siendo desconocida para siempre;
toda afirmación estadística es, por tanto, una estimación.
Sin embargo, es cada vez mejor a medida que aumenta el número de pruebas.
Algunos ejemplos son la intensidad del campo de ruptura, la tensión de inicio de la descarga
parcial, la intensidad del campo de inicio o el tiempo hasta la ruptura, Figura 3.1-1c y d.
Generalmente, una variable aleatoria se describe con letras mayúsculas X y sus valores
definitivos obtenidos por muestreo aleatorio se dan con letras minúsculas x.
2
Técnicas de Alta Tensión
INTRODUCCIÓN A LA ESTADISTICA
Nota: Aquí, las letras mayúsculas y minúsculas no describen magnitudes y funciones variables
en el tiempo como es habitual, sino que representan variables aleatorias y sus valores
definitivos obtenidos por muestreo aleatorio.
Diez tensiones de ruptura son una muestra aleatoria tomada de una población básica ficticia.
Dispuestas en el orden de las pruebas, constituyen una base de datos maestra (lista maestra),
que no debe tener ninguna tendencia, es decir, ninguna dependencia sistemática de los
valores. Deben ser estocásticamente independientes, lo que puede comprobarse gráficamente
o mediante algoritmos matemáticos especiales de prueba [44], [396].
Para ello, se busca una función de distribución matemática o teórica F(x) que se aproxime lo
mejor posible a la función de distribución empírica h(x) y que pueda extrapolarse hasta
probabilidades muy bajas, Figura 3.1-2. Las funciones de distribución acumulativa más
importantes son la distribución normal de Gauss (apartado 3.1.2.2) y la distribución de Weibull
(valor extremo) (apartado 3.1.2.3).
Figura 3.1-2: Análisis estadístico de los valores de ruptura de un ensayo de subida de tensión
según la figura 3.1-1a.
3
Técnicas de Alta Tensión
INTRODUCCIÓN A LA ESTADISTICA
Nota: Mediante pruebas gráficas y aritméticas, se puede investigar qué tipo de función da la
mejor aproximación a los valores medidos (prueba de distribución estadística) [44], [396].
Tras la selección del tipo de distribución, la curva de distribución matemática debe describirse
numéricamente mediante parámetros, que se estiman a partir de los valores medidos. Estos
parámetros son diferentes dependiendo del tipo de función de distribución, Sección 3.1.2.2 y
3.1.2.3.
Nota: Desgraciadamente, estos intervalos de confianza son muy amplios con bajas
probabilidades de ruptura para muchos dieléctricos, especialmente para los materiales
aislantes líquidos y sólidos. Por lo tanto, las afirmaciones sobre probabilidades de ruptura
bajas sólo son posibles con altas incertidumbres. Por lo tanto, en el diseño de ingeniería, la
tensión soportada necesita un margen de seguridad adicional.
Para la población básica formada por todos los valores posibles, el valor medio o el valor de
expectativa (matemático) se define como el valor μ o E(X), que se espera para la variable
aleatoria X. Formalmente se da como la suma (infinita) de todos los valores individuales x i,
ponderados con su probabilidad individual pi:
4
Técnicas de Alta Tensión
INTRODUCCIÓN A LA ESTADISTICA
∞
μ= E ( X )=∑ pi∗xi ( 3.1−1 )
i=1
Otra medida de los valores medios es la mediana, el valor central o el cuantil del 50 % (el valor
del 50 %) q 50 =x 50, que es el valor central de todos los valores individuales x i. La mitad de los
valores x i está por debajo y la mitad de los valores x i está por encima de la mediana.
El valor central empírico o la mediana empírica q^ 50= ^x 50 es el valor que se sitúa en el centro de
los valores ordenados (para un número impar de valores medidos) o el valor medio de los dos
valores en el centro (para un número par de valores medidos). La mitad de los valores medidos
están por debajo y la mitad de los valores están por encima del valor central. La mediana se
utiliza a menudo como una estimación del valor medio aritmético.
Nota: En estadística, los cuantiles empíricos suelen caracterizarse por un "^". Para evitar la
confusión con los valores máximos, que son muy importantes en la ingeniería de alta tensión,
esta caracterización no se utiliza a continuación.
i=1
Las cantidades
σ =√ σ
2
y (3.1-3b)
V ( X )=σ / μ ( 3.1−3 b )
son la desviación estándar ro y el coeficiente de variación V.
Las medidas empíricas de dispersión estadística para un número finito n de valores medidos
discretos xi son la desviación media cuadrática
5
Técnicas de Alta Tensión
INTRODUCCIÓN A LA ESTADISTICA
n
1
s2n= ∗∑ ( x i−x m )2 ( 3.1−4 )
n i=i
y la varianza empírica
n
1
s2= ∗∑ ( x −x )2 ≈ σ 2 ( 3.1−5 a )
n−1 i=1 i m
Las cantidades
s= √ s2 ≈ σ
Y
v=s / x m ≈ V ( 3.1−5 b )
Para un caso teórico con n=1, la desviación media cuadrática según la ecuación (3.1-4) daría
siempre el valor sn=0, ya que los valores x i y x m=x son idénticos. Sin embargo, podría existir
2
una mayor dispersión y podría calcularse con una muestra aleatoria más grande. Por lo tanto,
la ponderación con 1/n es demasiado optimista.
La varianza empírica según la ecuación (3.1-5a) con la ponderación 1/(n−1) daría una
expresión indeterminada "cero/cero" para n=1. De ello se desprende que no es posible hacer
ninguna afirmación sobre las dispersiones estadísticas con un solo valor medido.
Para tamaños de muestra aleatoria pequeños n, los valores mejorados de la varianza empírica
s2 y para la desviación estándar empírica s resultan de la ponderación con el factor 1/( n−1).
Para tamaños de muestra grandes n, la diferencia entre la ponderación con 1/( n−1) y 1/n
desaparece, y s2 o s pueden considerarse buenas estimaciones para σ 2 o σ .
6
Técnicas de Alta Tensión
INTRODUCCIÓN A LA ESTADISTICA
v bdi
=102; 100 ; 107 ; 98 ; 95 ; 100 ;104 ; 99 ;92;102 ; 103 ; 99 ; 97 ; 95 ; 101; 104 ; 98; 94 ; 100.
kV
En una tabla de distribución, los valores se ordenan y se calculan las tasas de ocurrencia:
Si la lista de distribución está poco poblada, a menudo es aconsejable ordenar los valores en
clases. En el ejemplo dado se elige un intervalo de clases d=3 kV (inicio en 91,5 kV), véanse
las líneas horizontales en la lista de distribución:
7
Técnicas de Alta Tensión
INTRODUCCIÓN A LA ESTADISTICA
Nota: La densidad de probabilidad puede aproximarse mediante una función de densidad, que
también se conoce como función de densidad de probabilidad. Es la derivada de la función de
distribución (acumulativa), véase la figura 3.1-5.
Figura 3.1-3a: Frecuencia acumulada relativa (tasa de ocurrencia) de los valores medidos como
función de distribución empírica con y sin división en clases.
Figura 3.1-3b: Frecuencia relativa (desglose) relacionada con las diferentes clases como
estimaciones de la densidad de probabilidad (función de densidad de probabilidad).
Ejemplo numérico: Los siguientes parámetros se calculan a partir de los valores del ejemplo
anterior, Figura 3.1-3a:
8
Técnicas de Alta Tensión
INTRODUCCIÓN A LA ESTADISTICA
x 50=v bd 50 =100 kV
R=15 kV
- Desviación estándar empírica, Ec. (3.1-5a)
s=3,82kV
- Coeficiente de variación, Gl. (3.1-5b)
v=3.84 %
3.1.2 Descripción de los procesos de descarga por funciones de distribución
Para la descripción matemática de una función de distribución empírica, los valores medidos se
aproximan mediante una función matemática teórica, que es la que mejor se ajusta a los
valores medidos. A continuación, la función matemática permite calcular los parámetros
estadísticos, las probabilidades y los intervalos de confianza.
En primer lugar, debe seleccionarse el tipo de función de distribución acumulativa que mejor
se ajuste a los valores medidos. Un procedimiento práctico de comprobación es el uso del
llamado "diagrama de papel de probabilidad" (cuadrícula de probabilidad) con divisiones de
eje que dan líneas rectas para el tipo de distribución comprobado, Figura 3.1-4. La figura indica
cómo se realiza la división no lineal de la ordenada vertical para una división lineal de la
abscisa horizontal: los valores porcentuales de la curva de distribución F(x) de la figura superior
se transfieren a la línea recta de la figura inferior. Matemáticamente, se trata de una
transformación de la ordenada dividida linealmente mediante la función inversa F−1 (x).
Tras realizar una serie de mediciones, se clasifica la base de datos maestra y se construye una
tabla de distribución. A continuación, se establece una hipótesis sobre el tipo de distribución y
se dibuja la distribución de frecuencias acumulativas en el correspondiente gráfico de papel de
probabilidad. Esto permite comparar la forma de la función de distribución empírica con la
recta de la distribución teórica (prueba del tipo de distribución), fig, 3.1-4. En caso de duda, la
comparación debe realizarse con diferentes mallas de probabilidad correspondientes a
diferentes tipos de distribución.
9
Técnicas de Alta Tensión
INTRODUCCIÓN A LA ESTADISTICA
Figura 3.1-4: Curva de una función de distribución matemática (arriba), que es una línea recta
en un "gráfico de papel de probabilidad" correspondiente (abajo), comparada con las
distribuciones empíricas de dos series de mediciones diferentes.
Tras la aproximación de la curva de distribución empírica como una línea recta en un gráfico de
papel de probabilidad, se pueden extraer del gráfico los valores característicos de la
distribución correspondiente. A continuación, la probabilidad de que se produzca un incidente
(por ejemplo, una avería con una tensión determinada) se calcula normalmente a partir de la
función de distribución matemática. Especialmente en el caso de probabilidades muy bajas y
muy altas (por ejemplo, para calcular determinadas tensiones de resistencia y de ruptura),
pueden producirse errores importantes si la hipótesis se desvía de la distribución real.
10
Técnicas de Alta Tensión
INTRODUCCIÓN A LA ESTADISTICA
Hoy en día, el análisis estadístico de los valores medidos puede realizarse automáticamente
con programas numéricos. De este modo, los valores medidos se someten a una prueba de
independencia estocástica, a la determinación del tipo de distribución, a estimaciones
puntuales de los parámetros que deben determinarse y a estimaciones de intervalo para los
intervalos de confianza.
La distribución normal de Gauss describe variables aleatorias, que pueden considerarse como
una suma de muchas variables aleatorias independientes y distribuidas arbitrariamente, cada
una de las cuales sólo contribuye a la suma en menor medida. Por lo tanto, la distribución
normal puede aplicarse a muchos procesos de la naturaleza, la ciencia y la tecnología, por
ejemplo, al ruido estocástico o a los errores estadísticos de medición.
Nota: Por el contrario, los procesos de descarga se caracterizan por un límite inferior y otro
superior, es decir, por una tensión soportada y una tensión de ruptura definidas. No obstante,
la distribución normal se utiliza para la aproximación en muchos casos, pero no siempre será
posible aproximar una distribución empírica dada por una distribución normal de forma
satisfactoria. En muchos casos, la distribución Weibull permite un mejor ajuste.
D ( x) = e ( 3.1−7 )
σ √2 π
se describe por el valor de la expectativa μ (aproximado por el valor medio aritmético x m
según la Ec. (3.1-2)) y la desviación estándar σ , que se estima por analogía con la Ec.(3.1-5a),
Figura 3.1-5:
n
1
∗∑ ( x i−x m ) ( 3.1−8 )
2 2 2
σ ≈s =
n−1 i=i
La función de distribución acumulativa F(x) viene dada por la integración de la función de
densidad de probabilidad Ec. (3.1-7):
x
F ( x )= ∫ D ( x ) dx ( 3.1−9 )
−∞
Con la función de densidad de probabilidad según la ecuación (3.1-7), esta integral no puede
expresarse mediante una función analítica. Por lo tanto, la función de densidad de
probabilidad D(x) se expande en una serie de potencias (serie de Taylor), que puede integrarse
por partes [39]. A continuación, la función de distribución acumulativa F(x) se da como una
expansión en serie, que no puede representarse mediante una función analítica, pero a partir
de la cual se pueden calcular valores numéricos. En la práctica, estos valores se toman de las
tablas [6]. A continuación, se ofrece un extracto:
11
Técnicas de Alta Tensión
INTRODUCCIÓN A LA ESTADISTICA
12
Técnicas de Alta Tensión
INTRODUCCIÓN A LA ESTADISTICA
Si existe una correspondencia suficiente (como en el caso del ejemplo) entre la hipótesis y la
medición, es decir, entre la distribución normal gaussiana y el polígono de frecuencias
acumuladas, está justificado calcular las probabilidades mediante la función de distribución
teórica.
En el caso de x = μ - 3ro = 87,0 kV, por ejemplo, sólo hay una probabilidad de ruptura
insignificante del 0,13 %, es decir, este valor puede considerarse como una estimación de la
tensión soportada vbd0. Para x = μ + 3ro = 110,9 kV, la probabilidad de ruptura es del 99,87 %,
por lo que este valor puede considerarse como una tensión de ruptura definitiva vbd100.
Nota: Las funciones de densidad de probabilidad son derivadas de las funciones de distribución
acumulativa. Por lo tanto, son más sensibles a las variaciones, y son menos apropiadas para
una comparación entre funciones empíricas y teóricas, Figura 3.1-7.
13