XXXVI SEMINARIO NACIONAL DEL SECTOR ELÉCTRICO ECUATORIANO

Loja 07, 08 y 09 de septiembre de 2022

TÍTULO DEL TRABAJO: APLICACIÓN DEL ANÁLISIS DE GASES DISUELTOS (DGA) DE ACEITE
DIELÉCTRICO EN EL ESTUDIO DE CONFIABILIDAD DE
TRANSFORMADORES DE POTENCIA
Autor/es: SCHUBERTH JOSÉ VILLACRESES CORAL – INGENIERO ELÉCTRICO
CARLOS AUGUSTO MOLINA BAUTISTA – INGENIERO ELÉCTRICO

Empresa o Entidad: CORPORACIÓN ELÉCTRICA DEL ECUADOR – UNIDAD DE NEGOCIOS TRANSELECTRIC

Cargo: ESPECIALISTA ELÉCTRICO DE MANTENIMIENTO DE SUBESTACIONES

ESPECIALISTA ELÉCTRICO DE MANTENIMIENTO DE SUBESTACIONES

Área: GENERACIÓN Y TRANSMISIÓN DATOS DE AUTORES

Indicar que punto del Temario: GT4.3.
PALABRAS-CLAVE: DGA, EVENTO,
GASIFICACIÓN, NEI, PERCENTIL
TRANSFORMADOR.
Dirección: Av. Giovanni Calles Oe 12-202 y
Av. Padre Luis Vaccari - Carapungo
Teléfonos empresa: 023824400 ext. 21920
Celular: 0995086045
E-mail: schuberth.villacreses@celec.gob.ec

RESUMEN Dirección: Av. Giovanni Calles Oe 12-202 y

La práctica convencional de la técnica de
diagnóstico DGA, en principio, consiste en
emplear límites derivados estadísticamente
para definir las concentraciones de gas de
falla, incrementos y tasas de aumento con el
objetivo de clasificar la condición de una
unidad de transformación como “aceptable”,
“sospechosa” o “anormal”. Es natural que las
empresas eléctricas del sector utilicen esta
metodología de “condiciones” o “estatus”
para priorizar acciones de mantenimiento o
en su defecto, planificar reemplazos de
equipos, bajo la suposición razonable de que
mientras más elevadas se encuentren las
concentraciones de gases de falla, implica un
empeoramiento de la salud del transformador
y con ello la disminución de su confiabilidad.
Sin embargo, esta suposición puede motivar a
decisiones erróneas o apresuradas desde el
punto de vista técnico, operativo y
económico. Para mejorar la valoración
respecto a la criticidad de unidades de
Av. Padre Luis Vaccari - Carapungo
Teléfonos empresa: 023824400 ext. 21994
Celular: 0990433058
E-mail: augusto.molina@celec.gob.ec
transformación bajo estudios DGA, este
trabajo propone la utilización de métodos
estadísticos, permitiendo aplicar conceptos de
confiabilidad en el análisis de tasas de falla en
transformadores y reactores.
En este contexto se deduce que, a excepción
de bajas concentraciones de gas, la tasa de
falla instantánea con relación a la Intensidad
de Energía Normalizada 𝑁𝐸𝐼 disminuye a
medida que aumenta este. En otras palabras,
niveles más altos de 𝑁𝐸𝐼 no eleva la
probabilidad de ocurrencia de un evento de
falla en el equipo.
Por otro lado, producto de esta investigación
se ha observado que las concentraciones de
gas de falla no son indicadores que por sí
mismos determinen la continuidad o no del
servicio de un transformador. Los modelos de
supervivencia muestran que la gravedad de la
falla asociada con un evento de gasificación
(producida por la variación del 𝑁𝐸𝐼 en dos o
más muestras consecutivas), puede ser
cuantificado en términos de exposición al
riesgo (risk exposure), multiplicado la
probabilidad de falla por un factor de
criticidad o costo (p.e. el costo de la energía
no suministrada, impacto ambiental por
derrame de productos derivados del petróleo,
tipo de topología eléctrica, etc.).
Para llevar a la práctica este análisis y
comprobar su funcionalidad, se presenta un
caso de estudio que contiene 16920 datos de
concentración de gases obtenidos de un
monitor ON-LINE asociado a una unidad de
transformación del SNT. Esta unidad ha sido
clasificada con “ESTADO 3”, debido
únicamente a su concentración de gases
combustibles (criterios indicados en IEC e
IEEE).
OBJETIVO
Presentar al sector eléctrico ecuatoriano los
resultados de la aplicación de técnicas de
Análisis de Gases Disueltos (DGA) en el
estudio de confiabilidad en transformadores
de potencia.
Esta investigación ha sido orientada a la
aplicación de modelos probabilísticos para
determinar la condición de confiabilidad de
unidades de transformación, en lugar de
utilizar únicamente técnicas tradicionales de
DGA para priorizar actividades de
mantenimiento o reemplazo de equipos.
Para el análisis y tratamiento de datos se ha
utilizado MATLAB como herramienta de
apoyo.
INVESTIGACIÓN Y DESARROLLO
Desde la década de los años 60 el análisis de
gas disuelto en aceite dieléctrico en
transformadores de potencia (DGA), se ha
constituido en una herramienta ampliamente
utilizada para la detección de problemas o
fallas incipientes en las unidades de
transformación de los sistemas eléctricos,
permitiendo en la mayoría de los casos,
identificar de manera oportuna el tipo
aparente de la falla. En esta coyuntura, la
metodología convencional para el diagnóstico
DGA, documentada tanto en IEC 60599 como
en IEEE Std. C57.104, se basa en principio a la
interpretación de la concentración de gas
combustible, cuyos límites han sido obtenidos
mediante la elección de percentiles altos
(generalmente 90th y 95th), obtenidos del
estudio de grandes bases de datos
Con este antecedente y especialmente para el
mantenimiento basado en la condición, es
muy deseable encontrar una técnica que
permita mejorar el diagnóstico DGA, evitando
que su utilización sea exclusiva para la
identificación del tipo de falla y que permita
definir indicadores para priorizar actividades
de mantenimiento o reemplazo de equipos.
Si bien la necesidad de profundizar el estudio
de la evolución del tipo de falla, ha obligado a
IEC e IEEE a integrar en sus actualizaciones
bibliográficas varios esquemas de análisis de
tendencias respecto a la velocidad de
producción e incremento de la gasificación, la
experiencia sustentada en literatura técnica
internacional más actualizada ha permitido
demostrar que la acumulación de gases,
resultado de condiciones temporales de
estrés o eventos de corta duración, pudiera
motivar a la selección apresurara y errónea de
decisiones técnicas y operativas.
Para profundizar el análisis de esta situación y
mejorar el estudio de la condición de salud de
los equipos, M. Duval introdujo los conceptos
de Evento Relacionado con Fallas en Servicio
(FRE) e Intensidad de Energía Normalizada
(NEI), con la finalidad de evaluar la severidad
de la falla, haciendo posible el uso efectivo de
las estadísticas de confiabilidad en unidades
de transformación.
Con estos antecedentes, este trabajo de
investigación pretende utilizar los conceptos
de 𝐹𝑅𝐸 y 𝑁𝐸𝐼 como herramientas de análisis
complementarios a las técnicas tradicionales
DGA, permitiendo el estudio de confiabilidad
en transformadores de potencia a partir de
eventos de gasificación, en lugar del
diagnóstico mediante límites individuales de
concentración de gas.
Finalmente y como producto de la aplicación
de este estudio se ha definido la gravedad de
la falla en términos de probabilidad
condicional, cuyo valor permitirá priorizar
efectivamente las programaciones a nivel de
mantenimiento como función de la exposición
a riesgo, permitiendo inclusive definir la
planificación de reemplazo de equipos.
ADAPTACIÓN O INNOVACIÓN
El análisis de gases combustibles disueltos
(DGA) en aceite dieléctrico de unidades de
transformación, constituye en la actualidad en
la herramienta de mayor uso para evaluar el
estado de un equipo en estado operativo.
Convencionalmente esta evaluación se ha
basado en la comparación de gas combustible
con límites establecidos en las
recomendaciones de las normativas
internacionales. Sin embargo, la experiencia
sustentada en literatura técnica internacional
más actualizada pretende demostrar que para
ciertos casos de estudio, las concentraciones
de gas combustible por si solas, no son
buenos indicadores para estimar la condición
real de un equipo.
En este contexto, este trabajo pretende
determinar la confiabilidad en unidades de
transformación, mediante la utilización de
métodos estadísticos de confiabilidad a partir
del procesamiento de datos DGA, que ha
permitido dar un peso a la severidad de la
falla, que indudablemente mejorará las
técnicas de priorización de mantenimiento o
reemplazo de equipos como función de su
condición.
RELACIÓN CON ACTIVIDADES Y APLICACIÓN EN
LA EMPRESA O SECTOR
El transformador eléctrico como elemento
constitutivo del sistema eléctrico ecuatoriano
es operado y mantenido en todas las
instancias del SEP, desde la generación y
transmisión hasta los sistemas de distribución;
abasteciendo del servicio público de energía
eléctrica ininterrumpidamente durante su
vida útil. Por este motivo, la introducción de
nuevos conceptos en cuanto al diagnóstico de
fallas en unidades eléctricas de
transformación, que implica la evaluación de
la condición como función de la probabilidad
de falla, se convierte en una temática de alto
interés por las Empresas del Sector Eléctrico.
RESULTADOS OBTENIDOS Y/O ESPERADOS
Los resultados a la revisión de investigaciones
de gran impacto y su consideración para la
elaboración del presente trabajo, permitieron
definir la severidad de la falla identificada en
una unidad de transformación de potencia del
SNT en términos de la probabilidad
condicional de la falla y exposición a riesgo;
siendo éstos identificadores numéricos
insumos útiles orientados a la ingeniería del
mantenimiento predictivo y preventivo.
I. INTRODUCCIÓN
Con el hallazgo de la presencia de hidrógeno
en muestras de aceite bajo condiciones de
estrés eléctrico y térmico, en la década de los
años 60 se ha asociado la producción de gases
combustibles en el aceite dieléctrico con la
caracterización de fallas activas o fallas
incipientes (intermitentes) [1].
Es así que surge el análisis de gas disuelto en
aceite dieléctrico de transformadores (DGA),
el cual a hoy en día se ha constituido en una
herramienta confiable y económica para la
detección oportuna de condiciones
anormales, que pueden desencadenar daños
o fallas en el corto plazo [2], [3].
Es meritorio destacar que los transformadores
y reactores son los eslabones esenciales para
el funcionamiento del servicio público de
energía eléctrica, toda vez que se encuentran
presenten en todas las instancias de un
sistema eléctrico de potencia. Para el caso de
Ecuador, en 2018 se reportó una
infraestructura eléctrica compuesta por 153
transformadores instalados en el sistema de
transmisión, con una capacidad instalada de
14.902,63 MVA. Por otro lado, el sistema de
subtransmisión incorporó 2.402,37 MVA
adicionales, provenientes de la
implementación de 164 nuevas subestaciones
de distribución [4].
La experiencia e información acumulada, así
como la evolución de la tecnología en cuanto
a la adquisición de datos de gases
combustibles ON-LINE, han llevado a plantear
mejoras significativas en la aplicación de
técnicas tradicionales de diagnóstico de
transformadores, autotransformadores y
reactores de derivación mediante técnicas
DGA, permitiendo a las áreas especializadas
mejorar el entendimiento en cuanto a la
mecánica de formación de gas en el aceite
dieléctrico de las unidades de transformación,
y por otro lado, priorizando requerimientos de
necesidad de mantenimiento o reemplazo,
como función de la condición de severidad de
una falla.
Si bien con la actualización de la guía técnica
IEEE Std. C57.104 y la publicación de Cigré TB
771 “Advances in DGA interpretation”, los
métodos basados en gráficos y las reglas de
cálculo han sido reemplazados por la gestión
y análisis de datos, como función de
concentraciones de gas combustible; en la
práctica, la aplicación de este esquema de
clasificación por condiciones no describe el
estado real de confiabilidad del equipo, o en
su defecto, su criticidad puede verse reducida
[5].
Sobre la base de la experiencia adquirida y el
análisis de destacadas publicaciones técnico-
científicas, este artículo pretende demostrar
que la aplicación de técnicas convencionales
DGA, mismas que se basan en el uso de
percentiles altos para definir los límites para
los gases combustibles (𝐻 , 𝐶𝐻 , 𝐶 𝐻 , 𝐶 𝐻
y 𝐶 𝐻 ), no son indicadores suficientes para
evaluar la continuidad de servicio de un
equipo [5]. Esta condición manifestada por
una gasificación superior a los límites
sugeridos por [2], [3], [6], ha traído
dificultades en el diagnóstico en unidades de
transformación, debido a que se ha observado
que la acumulación gradual de gases
combustibles (producto de eventos
estresantes o incidentes de corta duración),
obedece en algunos casos a una condición
“normal” de operación.
Sobre la base de estos antecedentes se
desarrolla este trabajo de investigación,
partiendo por la experiencia adquirida en la
gestión del mantenimiento de las unidades de
transformación del SNT, así como de los
conocimientos técnicos y destrezas
matemáticas de cada uno de los autores.
I.1 Mecanismos de la Formación de Gases
Disueltos y Análisis DGA
Los aceites minerales utilizados como fluidos
dieléctricos en equipamiento eléctrico son
mezclas de hidrocarburos. Durante fallas
térmicas o eléctricas, sus procesos de
descomposición empiezan por la ruptura de
enlaces 𝐶 − 𝐻 y 𝐶 − 𝐶 que forman radicales
libres para combinarse entre sí, produciendo
gases o nuevas moléculas condensables. Estos
procesos dependen del tipo de hidrocarburo,
la cantidad energía, temperatura de la falla y
del tiempo durante el cual el aceite mineral
fue expuesto bajo condiciones de estrés.
Por otro lado, en las unidades de
transformación, la descomposición térmica
del aislamiento de celulosa impregnada con
aceite mineral produce óxidos de carbono (𝐶𝑂
y 𝐶𝑂 ), así como cantidades menores de
hidrógeno (𝐻 ) o metano (𝐶𝐻 ) provenientes
del aceite mineral impregnado, cuya velocidad
de gasificación depende exponencialmente de
la temperatura y directamente del volumen
de material expuesta [6].
A partir de esta primera consideración, el
análisis de gases disueltos (DGA) se basa al
hecho de que una unidad de transformación
embebida en aceite aislante, funcionando
bajo condiciones saludables, genera poca
gasificación o ningún gas de falla. Este análisis
parte desde el tiempo cero, en donde un
transformador o reactor de derivación es
llenado con aceite nuevo (sin uso previo),
previamente tratado con procesos de vacío.
La formulación de esta hipótesis conduce a la
definición de la primera suposición en
términos conceptuales, en donde el aceite
inicia sin gases combustibles, bajas
concentraciones de óxidos de carbono y
mínimas cantidades de oxígeno y nitrógeno.
Sin embargo al tiempo 𝑡 > 0, un defecto
interno o anomalía en su sistema puede
resultar en una disipación de energía inusual
en el aceite o el material aislante (celulosa),
dando como resultado la generación de gases
que se disuelven en el líquido aislante. La
combinación particular de estos gases
depende de la naturaleza del proceso de falla
y está relacionada con el nivel de energía y la
temperatura generada del evento de
gasificación como se ilustra en la Fig. 1.
Figura 1. Porcentaje relativo de concentraciones de gas
disuelto en aceite mineral en función de la temperatura y
el tipo de falla [2], [3].
En este marco, el análisis de gases disueltos
(DGA) consiste en la identificación e
interpretación de gases emulsionados en el
aceite aislante, llamados también “Gases de
Falla”, como se describe a continuación:
 Hidrógeno (𝐻 )
 Metano (𝐶𝐻 )
 Etano (𝐶 𝐻 )
 Etileno (𝐶 𝐻 )
 Acetileno (𝐶 𝐻 )
Asimismo se forman lentamente gases de
óxido de carbono (𝐶𝑂 y 𝐶𝑂 ), a partir del
envejecimiento térmico y gradual del
aislamiento celulósico, presencia de agua y
subproductos ácidos de la oxidación del aceite
mineral. Sin embargo, la formación de arcos
eléctricos y descargas parciales en las
proximidades del aislamiento pueden
producir cantidades consideradas de óxidos
de carbono e hidrógeno debido a la
carbonización de la celulosa en zonas
cercanas a la falla [2].
También pueden generarse concentraciones
significativas de hidrógeno y gases de
hidrocarburo dentro del aceite mineral,
incluso sin falla presente y con temperaturas
de servicio normales debido a la interacción
de algunos metales con el aceite. A este
fenómeno se lo ha denominado como “stray
gassing” [2], [3].
I.2 Intensidad de Energía Normalizada
(𝑵𝑬𝑰)
Esta técnica se basa en la estimación de la
cantidad de energía necesaria para generar
una concentración de gases combustibles
(metano, etano, etileno y acetileno). Los
resultados de la aplicación de esta técnica han
permitido discutir la relación que existe entre
la probabilidad de una salida forzada de una
unidad de transformación frente al aumento
del índice de energía del gas de hidrocarburo
desde que inicia un evento de gasificación
(tasa de cambio de gas).
Para comenzar con este análisis, es necesario
recordar que el metano, etano, etileno y
acetileno se forman a partir de la
descomposición del aceite, como resultado de
una alta energía de falla. En este contexto, la
intensidad de energía normalizada (𝑁𝐸𝐼 ) es
calculada a partir de esas concentraciones, y
su resultado puede ser asociado a la
“gravedad relativa” de las fallas que afectan al
aislamiento líquido. De manera similar, otra
cantidad de intensidad de energía
normalizada (𝑁𝐸𝐼 ), calculada a partir de
las concentraciones de 𝐶𝑂 y 𝐶𝑂 , puede ser
utilizada para evaluar fallas en el aislamiento
sólido. Los coeficientes de las concentraciones
de gas en las fórmulas 𝑁𝐸𝐼 se describen en las
Ec. 1 y Ec. 2, y representan la energía calórica
estándar requerida para formar una molécula
de gas en aceite mineral (𝑁𝐸𝐼 ) o un
monómero de celulosa (𝑁𝐸𝐼 ). Las
unidades de medida del 𝑁𝐸𝐼 son kilojulio por
kilolitro [𝑘𝐽/𝑘𝐿].
𝑁𝐸𝐼
77.7𝐶𝐻 + 93.5𝐶 𝐻 + 104.1𝐶 𝐻 + 278.3𝐶 𝐻 (1)
=
22400
104.4 𝐶𝑂 + 30.2𝐶𝑂
(2)
𝑁𝐸𝐼 =
22400
Para la Ec.1, en los casos donde existe una
sospecha significativa de “stray gassing” en el
metano, el 𝑁𝐸𝐼 debe ser recalculado
asumiendo el valor de cero como factor de
multiplicación para 𝐶𝐻 .
Es de entenderse que el aumento acelerado
(variación critica) de 𝑁𝐸𝐼 , debe ser
correlacionado con la evolución del tipo de
falla (desde fallas de baja energía hasta fallas
de alta energía), con la finalidad de evaluar la
probabilidad de alcanzar una condición fuera
de control que terminará indiscutiblemente
con la falla de la unidad de transformación. La
experiencia internacional con la utilización
este método, acusa que un incremento de
𝑁𝐸𝐼 de 0.5 durante cualquier intervalo de
tiempo (o un incremento de 0.3 sin considerar
el metano), eleva la probabilidad de falla en
un equipo [2], [3].
II. ANÁLISIS DE LA CONFIABILIDAD EN
COMPONENTES DE SISTEMAS ELÉCTRICOS
La continuidad de suministro del servicio de
energía eléctrica se encuentra directamente
relacionada con la confiabilidad de los
sistemas eléctricos. La teoría de confiabilidad
se basa fundamentalmente en la teoría de
probabilidades, misma que en sistemas
eléctricos se define como la probabilidad de
que un sistema cumpla adecuadamente su
propósito durante un período de tiempo
determinado y bajo condiciones de operación
establecidas. La solución de un problema de
ingeniería incluyendo aspectos probabilísticos
involucra los siguientes pasos:
 Modelación del problema.
 Solución del problema probabilístico
aplicando las leyes de la teoría de
probabilidad.
  Interpretación de los resultados expresada en la Ec. 5. También se define la
obtenidos en términos del problema variable aleatoria Tiempo de Operación (𝑇 ).
de ingeniería.
𝑄( ) = 𝑃(𝑇 ≤ 𝑡) (5)

Para definir la tasa de falla de un componente

A partir de la Ec. 5, se define la función de
eléctrico, el análisis empieza por describir la
confiabilidad o supervivencia, definida como
probabilidad de ocurrencia de un evento (en
𝑅( ) , que representa la probabilidad de que el
cualquier sistema). Ésta se puede expresar
componente supere el tiempo de operación 𝑡.
como la razón entre los casos posibles y la
sumatoria del total de resultados. 𝑅( ) = 𝑃(𝑇 > 𝑡) (6)

𝑁( ) 𝑅( ) = 1 − 𝑄( ) (7)
𝑃( ) = (3)
𝑁( ) + 𝑁( )
Si bien 𝑅( ) representa en otras palabras, la
Dónde: suerte que tiene un componente de sobrevivir
más allá del tiempo 𝑡, la función densidad de
𝑃( ): Probabilidad de ocurrencia del evento
la probabilidad de falla 𝑓( ), define la
“ON”.
posibilidad de que la falla del componente se
𝑁( ) : Número de casos posibles en donde el produzca en el intervalo [𝑡, 𝑡 + ∆𝑡].
sistema esté en funcionamiento. 𝑄( − 𝑄( ) 𝑑𝑄 − 𝑑𝑅
∆ )
𝑓( ) = lim = = (8)
∆ → ∆𝑡 𝑑𝑡 𝑑𝑡
𝑁( ) : Número de casos posibles en donde el
sistema no esté en funcionamiento (falla). Entonces, la tasa de fallas ℎ( ) indica la
probabilidad de que el componente falle en el
Suponiendo que un componente solo puede intervalo [𝑡, 𝑡 + ∆𝑡], pero bajo la condición
ubicarse en cualquiera de los dos estados que el mismo aún se encuentre en operación
definidos por la Ec. 3 (operación “ON” o falla en el instante 𝑡 (tasa instantánea de
“OFF”), y asumiendo que el instante 𝑡 = 0 es terminación cerca de 𝑡).
cuando el componente entra en operación, es
1 𝑑𝑄 1 𝑑𝑄 𝑓( ) −𝑅(̇ )
de esperar que debido a su limitada vida útil, ℎ( ) = = = = (9)
𝑅( ) 𝑑𝑡 1 − 𝑄( ) 𝑑𝑡 𝑅( ) 𝑅( )
para cierto instante 𝑡 > 0, el equipo salga por
una falla. III. ANÁLISIS DE GASES DISUELTOS (DGA) EN EL
ESTUDIO DE CONFIABILIDAD DE
TRANSFORMADORES DE POTENCIA
Figura 2. Descripción gráfica de la probabilidad de falla
de un componente. Recientes estudios en [5] han evidenciado que
en ausencia de gasificación activa de falla y sin
Entonces es de esperarse probabilidad de
evidencia clara de avería (p.e. resultados
ocurrencia de un evento de falla “OFF” es un
atípicos o no esperados de pruebas eléctricas);
número entre cero y uno.
una unidad de transformación que durante su
0 ≤ 𝑃( ) ≤1 (4) operación tiene un 𝑁𝐸𝐼 elevado (debido a un
evento de estrés), puede ser más confiable
Por otro lado, la probabilidad de que el
que unidades con 𝑁𝐸𝐼 más bajo. Para
componente falle desde 𝑡 > 0 hasta como
comprobar la validez de esta observación, el
máximo el tiempo 𝑡, se define por la Función
análisis inicia por la estimación de la función
de Distribución Acumulativa Falla 𝑄( )
de supervivencia, obtenida mediante la
utilización del estimador KAPLAN-MEIER, cuya
metodología aplica técnicas no paramétricas
para producir una función de supervivencia
pero con forma de escalones.
Por otro lado, para uniformizar la curva de
supervivencia, se utilizaron técnicas de
estimación de máxima verosimilitud (MLE) a
partir de registros DGA de 7151 fallas en
servicio (FRE) de transformadores (de los
cuales, 101 fueron relacionados con fallas),
obteniendo una aproximación más cercana
(Fig. 4).
resultados de esta aplicación han permitido
describir el comportamiento de ℎ( ) como
función del 𝑁𝐸𝐼. Como resultado se concluye
que la tasa de falla ℎ( ) como función del 𝑁𝐸𝐼
aumenta bruscamente desde 0 a 0.024 por
cada unidad de incremento del 𝑁𝐸𝐼, al que le
corresponde un valor de 0.68 para 𝑁𝐸𝐼
(cercano al percentil 82). Por otro lado la tasa
de falla disminuye a medida que 𝑁𝐸𝐼
aumenta su valor (𝑁𝐸𝐼 ≫ 0.68). Esta
característica también fue evaluada para los
principales gases de falla mediante la
utilización de la misma técnica de
aproximación, obteniendo los parámetros 𝜇 y
𝜎 de su función de supervivencia.

Tabla 1. Parámetros log-normales de MLE y tasas

máximas de falla para NEI y DGA [5].
Valor 𝒕 en el
Tipo de
µ σ Pico Valor Percentil
Falla
𝒉(𝒕) Pico
NEI Todas 4.51 2.23 0.0240 0.681 0.82
𝐶𝐻 PD, T1 12.00 3.09 0.0001 11.6 0.52
𝐶𝐻 T1, T2 11.34 2.98 0.0001 11.9 0.52
𝐶𝐻 T3 9.96 2.25 0.0001 147 0.94
Figura 3. Curvas de probabilidad de supervivencia para
𝐶𝐻 D1, D2, D3 7.79 2.28 0.0010 14.2 0.98
NEI -- Kaplan-Meier (negro) y MLE (rojo) [5].

El ajuste MLE empleado para esta Resultado de estos procesos matemáticos, se

aproximación permitió definir los parámetros
principales de la función de supervivencia
obtenida (𝜇 = 4.507 y 𝜎 = 2.231). Las líneas
discontinuas verticales representan los
percentiles 90th, 95th y 99th de los datos 𝑁𝐸𝐼
utilizados. Entonces, los ajustes finales de esta
aproximación son ingresadas en la Ec. 7,
obteniendo la siguiente función log-normal:
ln(𝑡) − 𝜇
𝑅( ) = 1 − Φ
𝜎
observa que para el 𝑁𝐸𝐼 y concentraciones de
𝐶𝐻 y 𝐶 𝐻 , la tasa máxima de falla ocurre
por debajo del percentil 90th. De igual forma,
la tasa de falla disminuye a medida que
aumenta la concentración de estos gases
(comportamiento similar al observado en el
análisis de 𝑁𝐸𝐼). Finalmente para el 𝐶 𝐻 y
𝐶 𝐻 , la tasa máxima de falla se ubica dentro
del rango de valores utilizados para definir los
(10) límites DGA en [2] y [3].

Dónde: En conclusión, los límites de concentración de

Φ: Es representa la función de distribución
acumulativa de la distribución normal
estándar.
Continuando con este análisis, en la Fig. 5 se
ha trazado la función de tasa de falla,
utilizando los parámetros de aproximación (𝜇
y 𝜎) de la aproximación anterior. Los
gases definido convencionalmente a través
del estudio de percentiles, no indican
necesariamente el grado de confiabilidad de
la unidad de transformación. Dicho en otras
palabras, equipos con un 𝑁𝐸𝐼 o una
concentración alta de gases combustible no
representan más posibilidades de fallar que
equipos con un 𝑁𝐸𝐼 o una concentración de
gas más baja. De hecho, para todas las
concentraciones de gas observadas cerca y
por encima del percentil 98th, la tasa de falla
disminuye a medida que aumenta la
concentración de gas.
Figura 4. Función ℎ( ) obtenida con los parámetros 𝜇 y 𝜎 de la Ec. 7
III.1 Evaluación de Eventos de Gasificación
El principal objeto a prestar atención son los
eventos de gasificación activos, es decir,
secuencias de muestras consecutivas donde el
𝑁𝐸𝐼 es mayor que el 𝑁𝐸𝐼 . Bajo este
contexto, la probabilidad de falla de una
unidad de transformación en operación,
debido a la variación del 𝑁𝐸𝐼, se convierte en
una medida adecuada para estimar la
severidad del evento.
La severidad de un evento de gasificación
puede ser calculada utilizando la función de
supervivencia 𝑅( ) , expresada en la Ec. 10,
evaluada entre 𝑡 (𝑁𝐸𝐼 ) y 𝑡 (𝑁𝐸𝐼 ).
𝑅(
) − 𝑅(
𝑃(𝑡 < 𝑇 ≤ 𝑡 | 𝑡 < 𝑇 ) =
𝑅( )
Si bien, la Ec. 11 describe la severidad del
evento de gasificación, la identificación del
tipo de falla aparente asociada al evento de
gasificación (D1, D2, DT, T1, T2, T3, PD, etc.),
necesariamente debe ser evaluada mediante
la utilización de técnicas complementarias de
identificación de fallas (p.e. Triángulo Duval).
Por otro lado, si la unidad de transformación
tiene una clasificación de criticidad
cuantitativa (p.e. CENS, impacto ambiental por
derrame de productos derivados del petróleo,
etc.), la exposición al riesgo de eventos puede
ser calculada como el producto de la
severidad del evento y la criticidad del equipo.
𝐸𝑥𝑝𝑜𝑠𝑖𝑐𝑖ó𝑛 𝑎𝑙 𝑅𝑖𝑒𝑠𝑔𝑜 = (𝑆𝑒𝑣𝑒𝑟𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝐸𝑣𝑒𝑛𝑡𝑜) ∗
(12)
(𝐶𝑟𝑖𝑡𝑖𝑐𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝐸𝑞𝑢𝑖𝑝𝑜)
)
(11)
III.2 Evaluación DGA Resumida
Si bien la severidad acumulada del evento y la
exposición al riesgo tampoco representan
guías que por sí solas deduzcan la condición
del transformador o de su idoneidad para
continuar en operación, éstos resultados
proporcionan indicadores suficientes para la
toma de decisiones. En este contexto, no cabe
duda de que el estudio del historial del equipo
mejoraría esta estimación de la probabilidad a
eventos futuros que modernizaría las técnicas
de priorización de actividades en cuanto a
mantenimientos preventivos.
En resumen, la definición de idoneidad para el
servicio continuo de una unidad no debe
juzgarse exclusivamente a partir de las
concentraciones gaseosas analizadas
mediante técnicas DGA, sino a través del
análisis integral de resultados de las pruebas
de aceite y registros operativos, así como de
datos de incidentes tales como los recuentos
de fallas.
Partiendo de visión, en la práctica es común
que las áreas de mantenimiento clasifiquen o
codifiquen la severidad del DGA. Con esta
apreciación, en [5] se propone reemplazar la
aplicación de un "ESTATUS DGA", por un
código de "SALUD", mediante el siguiente
criterio:
Tabla 2. Código de salud para la unidad de
transformación.
Código Evaluación
1 Sin eventos significativos de gasificación.
Ha existido un evento de gasificación significativa
2 en el pasado, pero en la actualidad, no se observa
nuevos eventos.
Un evento de gasificación activa “MODERADA”
3
está en curso a partir de la última muestra DGA.
Un evento de gasificación activa “SEVERA” está
4
en curso a partir de la última muestra DGA.
Es recomendable reclasificar un evento de
gasificación de moderado a severo si la
severidad es mayor a 0.02. Este valor ha sido
tomado como referencia de la Fig. 5, toda vez
que se aproxima al percentil 90th de la
gravedad de eventos significativos de varias
bases de datos.
IV. DATOS GENERALES PARA EL ANÁLISIS
Para el análisis del caso de estudio se han
considerado los siguientes datos técnicos y
económicos:
1. La información es obtenida de un
monitor DGA en línea que genera 8
muestras diarias.
2. Hasta la fecha del presente análisis se
cuenta con 16920 datos de
concentración de gases (𝐻 , 𝐶𝐻 , 𝐶 𝐻 ,
𝐶 𝐻 , 𝐶𝑂 y 𝐶𝑂 ).
3. Los datos utilizados se agrupan en clases
que representan cada día de
observación. Cada clase está compuesta
por el máximo registro de cada gas
analizado diariamente.
4. De conformidad con la Resolución No.
025/11 [7], el Directorio del Consejo
Nacional de Electricidad aprobó el CENS a
Nivel Nacional por un valor de 153.3 ctv.
USD/kWh.
5. Para la identificación del tipo de falla, en
primera instancia, cada grupo de datos es
clasificado por ESTATUS DGA, sobre la
base de la evaluación de los límites
establecidos en [2] y [3]. Únicamente si
el grupo de datos es clasificado con
ESTATUS DGA 2 o 3, se aplica el método
del Triángulo 1 de Duval.
 P
D

T
1
80 20

T
2
60 40
%CH %C H
4 2 4

40 60
D
1

20 D D T 80
2 T 3

80 60 40 20
%C H
Figura 7. Tendencia de producción de 𝐶𝑂 versus
2 2
temperatura, vista en el período de observación.
Figura 5. Triángulo 1 de Duval.

6. En la Fig. 7 se muestra la tendencia de la

gasificación de los gases de falla durante
el período de observación. A su vez, para
graficar la tendencia de 𝐶𝑂, se utilizó una
escala diferente como se aprecia en la
Fig. 8. Finalmente con la aplicación de la
Ec. 1, es calculado y graficado el 𝑁𝐸𝐼
en la Fig. 9.

7. Para facilidad del tratamiento y análisis Figura 8. Tendencia de la Intensidad de Energía

de datos, los autores han utilizado la Normalizada (curva roja) versus producción de gas, vista
herramienta MATLAB. en el período de observación.

8. Para cada clase de datos, son evaluadas

las variaciones crecientes del 𝑁𝐸𝐼 y se
extraen los siguientes datos:

a. Número de eventos de gasificación

consecutiva (días de duración del
evento).
b. Número de día de inicio del
evento.
c. Número de día de finalización del
evento.
Figura 6. Tendencia de los gases de falla versus d. 𝑁𝐸𝐼 en 𝑡 .
temperatura, vista en el período de observación.
e. 𝑁𝐸𝐼 en 𝑡 .
f. ∆𝑁𝐸𝐼 .
g. Severidad del evento.
h. Severidad acumulada.
 9. La severidad de cada uno de los eventos Tabla 3. Análisis del Estatus DGA obtenido de la
Concentración de Gases Combustibles.
es calculado mediante la Ec. 11, mientras IEEE Std. IEEE Std.
que la severidad de la probabilidad Gases C57.104 C57.104
Disueltos Concentración Límites Límites EVALUACIÓN
acumulada es obtenida con la siguiente en el (ppm) máximos máximos ESTADO DGA
Aceite (ppm) (ppm)
expresión:
Tabla 1 Tabla 2
Hidrógeno
19 100 200 1
(𝑯𝟐)
𝑃 (𝑡 < 𝑇 ≤ 𝑡 | 𝑡 < 𝑇 ) (12)
Metano
2.8 110 200 1
(𝑪𝑯𝟒)
Acetileno
V. CASO DE ESTUDIO 14 1 4 3
(𝑪𝟐 𝑯𝟐)
Etileno
2.2 90 175 1
(𝑪𝟐 𝑯𝟒)
El presente trabajo ha considerado el análisis Etano
2 150 250 1
de confiabilidad de una unidad de (𝑪𝟐 𝑯𝟔)

transformación del SNT, mediante el estudio Edad Aproximadamente 35 años

de su DGA. Los datos más relevantes

obtenidos en un día normal para este equipo PD

son: T1
80 20

a. Demanda promedio diaria [MVA]: 25.08

T2
b. Demanda de Energía [MWh]: 150,5 60 40
%CH4 %C 2 H 4
c. Cantidad de Aceite [Lts]: 39 750
d. Año de Fabricación: 1987 40
D1
60

El estudio considera un horizonte de 20 D2 DT T3 80

observación correspondiente al período

comprendido entre el 12-03-2021 hasta el 08-
80 60 40 20
05-2022 (423 días). Los datos fueron %C 2 H 2

obtenidos del monitor de gases asociado a la Figura 9. Identificación del tipo de falla mediante la
unidad de transformación. aplicación del Triángulo de Duval.

A fin de evaluar la exposición al riesgo del A partir de la agrupación de datos y los

componente eléctrico bajo estudio, se criterios mencionados en la sección 3, se
utilizará el CENS, la demanda de potencia utilizaron los datos DGA para evaluar la
máxima registrada en un día lluvioso y la confiabilidad del equipo bajo estudio. En la
cantidad de aceite como valores de criticidad Tabla 5, se ilustra los eventos de gasificación
numérica. como función de la ∆𝑁𝐸𝐼.
VI. ANÁLISIS DE RESULTADOS Tabla 4. Selección de eventos de gasificación debido a la
variación creciente del 𝑁𝐸𝐼.
El análisis de resultados parte por el estudio
Nro. Número de Eventos Día de Inicio Día de Fin
relativo de la condición DGA del equipo del Evento Consecutivos del Evento del Evento
caso de estudio. Para esta evaluación inicial se
1 5 11 16
utilizó el último registro de concentración de
2 3 19 22
gases combustibles. Los resultados se
3 2 42 44
observan a continuación:
4 2 46 48
5 3 52 55
6 3 56 59
 Todos estos eventos de gasificación han sido
Nro. Número de Eventos Día de Inicio Día de Fin
Evento Consecutivos del Evento del Evento analizados mediante la técnica de triángulo de
Duval, observando que la mayor densidad de
7 2 60 62 población se encuentra en la zona de falla
8 2 70 72 “D1” (Descargas de Baja Energía).
9 2 78 80
10 3 82 85
11 2 89 91
12 2 111 113
13 3 114 117
14 3 126 129
15 2 134 136
16 4 155 159
17 2 160 162
18 2 165 167
19 3 195 198
20 2 217 219
21 2 220 222
22 2 237 239 Figura 10. Análisis del tipo de falla mediante la
23 2 241 243 aplicación del Triángulo de Duval.

24 2 258 260
25 2 261 263
Los parámetros log-normales de MLE 𝜇 y 𝜎
26 3 271 274
fueron utilizados para calcular la probabilidad
27 3 298 301
de supervivencia (𝑆( ) y 𝑆( ) ), que
28 2 304 306 corresponden al comienzo y final de cada
29 4 315 319 evento de gasificación. Los resultados se
30 2 320 322 muestran en la Tabla 6, cuyo valores máximos
31 2 329 331 y mínimos son 3.17 ∙ 10 y 2.69 ∙ 10
32 2 338 340 respectivamente.
33 3 356 359
Tabla 5. Severidad de cada evento de gasificación.
34 2 363 365
35 3 368 371
Nro. Evento NEI Inicial NEI Final Incremento Severidad
36 3 382 385
37 2 405 407
1 0.01474 0.04439 0.0297 0.000269
38 2 418 420
2 0.04191 0.05682 0.0149 0.000183
3 0.05751 0.05999 0.0025 0.000033
De la evaluación de la gasificación en el aceite 4 0.05844 0.06589 0.0075 0.000103
del equipo, se han encontrado 38 eventos de 5 0.06092 0.07086 0.0099 0.000141
∆𝑁𝐸𝐼 durante todo el período de 6 0.07086 0.08150 0.0106 0.000161
observación, cuya duración acumulada (en 7 0.08150 0.08647 0.0050 0.000078
días) le corresponde al 22.46% del ciclo total 8 0.08398 0.08988 0.0059 0.000094
estudiado. Es decir que, aproximadamente en 9 0.08647 0.09213 0.0057 0.000091
una de las cuatro partes del tiempo analizado, 10 0.08988 0.09803 0.0081 0.000134
el transformador ha tenido eventos de 11 0.09213 0.10300 0.0109 0.000181
gasificación. 12 0.09740 0.10300 0.0056 0.000094
13 0.10300 0.11115 0.0081 0.000141
 Tabla 6. Severidad de cada evento de gasificación.
Nro. Evento NEI Inicial NEI Final Incremento Severidad Día de
Nro. H2 CH4 C2H4 C2H2 CO
Inicio del
Evento [ppm] [ppm] [ppm] [ppm] [ppm]
Evento
14 0.10959 0.11704 0.0075 0.000131
15 0.11456 0.11953 0.0050 0.000089 1 11 7.5 0.6 0.4 3 24

16 0.11618 0.12768 0.0115 0.000208 2 19 10 0.8 0.4 3.6 28

17 0.12519 0.13016 0.0050 0.000091 3 42 12 1 0.6 4.2 34

18 0.12519 0.13762 0.0124 0.000230 4 46 12.5 1 0.6 4.4 36

19 0.13427 0.13924 0.0050 0.000093 5 52 14 1 0.4 5 38

20 0.14832 0.15080 0.0025 0.000048 6 56 16 1.2 0.6 5.8 38

21 0.14583 0.15329 0.0075 0.000143 7 60 17 1.2 0.6 6.2 40

22 0.14583 0.15422 0.0084 0.000162 8 70 17 1.2 0.8 6.2 42

23 0.15236 0.15577 0.0034 0.000066 9 78 17 1.2 0.6 6.8 44

24 0.15577 0.15740 0.0016 0.000032 10 82 17.5 1.4 0.6 7 48

25 0.15647 0.16392 0.0075 0.000146 11 89 17.5 1.4 0.6 7.2 48

26 0.15988 0.17323 0.0134 0.000265 12 111 18.5 1.4 0.8 7.4 54

27 0.17230 0.17727 0.0050 0.000100 13 114 19 1.6 0.8 8 56

28 0.17300 0.17890 0.0059 0.000119 14 126 19.5 1.6 0.8 8.6 60

29 0.17890 0.19132 0.0124 0.000253 15 134 19.5 1.6 1 8.6 62

30 0.18884 0.19629 0.0075 0.000154 16 155 19.5 1.8 1.2 9 70

31 0.19132 0.19629 0.0050 0.000103 17 160 20 1.8 1 9.4 72

32 0.19381 0.20133 0.0075 0.000156 18 165 20 1.8 1 9.6 76

33 0.19450 0.20133 0.0068 0.000142 19 195 20.5 2 1.4 10 90

34 0.19543 0.19791 0.0025 0.000051 20 217 21 2.2 1.2 11 100

35 0.19543 0.20133 0.0059 0.000122 21 220 21 2.2 1.4 10.8 102

36 0.19543 0.19977 0.0043 0.000090 22 237 21 2.2 1.4 11.2 106

37 0.19294 0.20202 0.0091 0.000188 23 241 20.5 2.2 1.6 11.2 106

38 0.19705 0.19954 0.0025 0.000052 24 258 20.5 2.4 1.4 11.4 116
25 261 21 2.4 1.4 11.8 116
26 271 21.5 2.4 1.6 12.2 118
En la Tabla 7 se presentan los valores de
27 298 21.5 2.6 1.8 12.8 126
concentración de cada uno de los gases en los
28 304 21.5 2.6 1.6 12.8 128
treinta y ocho (38) eventos de gasificación. Si
29 315 22 2.6 1.6 13.8 134
bien éstos representan episodios cortos de
30 320 23 2.6 1.8 14 136
descargas de baja energía “D1”, no se
31 329 23 2.6 1.8 14.2 138
relacionan con la producción de gases de
32 338 23 2.6 2 14.2 142
óxido de carbono (𝐶𝑂). Es decir que si bien se
33 356 22 2.8 2 14.6 150
observa la formación lenta de 𝐶𝑂, no tiene
34 363 22 2.8 2.2 14.2 150
relación con el tipo de falla. Esta observación
35 368 22 2.8 2 14.6 152
se aprecia sobre todo en los eventos 5, 6, 10, 36 382 21 2.8 2 14.4 158
11, 24, 25, 33 y 34 en donde no existe ∆𝐶𝑂. 37 405 20 3 2 14.4 162
38 418 19.5 3 2.4 14.2 160
Con el propósito de disponer un indicador
numérico que permita priorizar actividades de
mantenimiento o reemplazo de equipos sobre
la base de la evaluación de la exposición al
riesgo (risk exposure), se obtienen los
siguientes indicadores:
𝑅𝑖𝑠𝑘_𝐸𝑥𝑝𝑜𝑠𝑢𝑟𝑒 = (𝑆𝑒𝑣𝑒𝑟𝑖𝑑𝑎𝑑 𝐴𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎) ∗ (𝐶𝑟𝑖𝑡𝑖𝑐𝑖𝑐𝑎𝑑)
𝑅𝑖𝑠𝑘_𝐸𝑥𝑝𝑜𝑠𝑢𝑟𝑒 = 1129,77 𝑈𝑆𝐷/ℎ
𝑅𝑖𝑠𝑘_𝐸𝑥𝑝𝑜𝑠𝑢𝑟𝑒 = 0.122 𝑀𝑉𝐴
𝑅𝑖𝑠𝑘_𝐸𝑥𝑝𝑜𝑠𝑢𝑟𝑒 = 196.23 𝐿𝑡𝑠
En resumen, si bien el análisis de la
concentración de gases ubica el estado del
equipo con “ESTADO DGA 3” (Altos niveles de
gas o producción continua de gas
significativa), en particular para este caso de
estudio se ha evidenciado que los límites de
concentración de gases definido
convencionalmente, no representan
necesariamente el nivel de confiabilidad del
equipo. Bajo esta consideración, a
continuación se emiten los resultados más
relevantes.
 El análisis de la tendencia de
gasificación del equipo, no muestra un
comportamiento constante sino
esporádico. Esta consideración parte del
hecho que los eventos de ∆𝑁𝐸𝐼 ha
tenido una duración acumulada de
aproximadamente una de las cuatro
partes del período de registro de datos.
 La mayor densidad de población de
datos se concentra en la zona de falla
“D1” (de la Fig. 10, solo los primeros tres
eventos se encuentran fuera de la zona
de densidad de población). En otras
palabras, no se observa evolución del
tipo de falla.
 La producción de monóxido de carbono
(𝐶𝑂) no tiene relación con el tipo de
falla.
 Los eventos de gasificación significativa
son de corta duración y representan
únicamente variaciones de 𝐶 𝐻 . Para
los demás gases de falla, los valores se
encuentran muy por debajo de los
límites sugeridos por 𝐼𝐸𝐸𝐸, 𝐼𝐸𝐶 y
𝐶𝑖𝑔𝑟é.
 De las pruebas eléctricas realizadas en
el equipo, no se ha encontrado
evidencia de avería.
 Para este caso de estudio, la severidad
de cada uno de los eventos es menor a
2.69 ∙ 10 . Asimismo, la gravedad
acumulada durante el período de
análisis es 4.89 ∙ 10 .
 La máxima ∆𝑁𝐸𝐼 es 0.0295, al que le
corresponde una tasa de falla de
0.0092.
0.025
h(t)
NEI = 0.0295
0.02
0.015
0.01
0.005
0
0 10 20 30 40 50
NEI [kJ/kL]
 Los índices de exposición al riesgo han
sido calculados únicamente para
disponer de indicadores que permitan
priorizar actividades de mantenimiento
basado en la confiabilidad.
Con estas consideraciones, se ha clasificado a
este equipo con código de salud 2. Cuyas
acciones se basado en primera instancia al
monitoreo y evaluación continua de cambios
significativos en la concentración de gases.
VII. CONCLUSIONES la existencia de gasificación activa, es
aproximadamente proporcional a la
Como complemento a las conclusiones variación crítica del índice de energía.
enunciadas en la sección VI de este
documento, a continuación, se presentan las  Los resultados obtenidos en el caso de
siguientes conclusiones más relevantes: estudio, han permitido demostrar que la
utilización de técnicas convencionales
 La combinación de varios conceptos
para el análisis DGA, no son medios que
probabilísticos como FRE y PFGC en
describan la condición real de los
eventos relacionados con la ∆𝑁𝐸𝐼,
equipos. La interacción de resultados
introdujo la evaluación del DGA
DGA apuesta a la evaluación integral de
mediante el análisis de severidad de la
la condición mediante la aplicación de
falla, haciendo posible calcular la
técnicas básicas de confiabilidad. En este
confiabilidad del transformador
contexto, las pruebas eléctricas, el
mediante la aplicación efectiva de las
análisis de propiedades físico-químicas
estadísticas de DGA. Es así como a través
del aceite y el historial del transformador
del ajuste MLE empleado (𝜇 = 4.507 y
también pueden ser herramientas
𝜎 = 2.231), fue posible describir el
complementarias y útiles a ser
comportamiento de ℎ( ) como función
consideradas en respuesta a eventos
de la ∆𝑁𝐸𝐼.
severos o muy prolongados de
gasificación.
 Los límites de concentración de gases y
𝑁𝐸𝐼 definido convencionalmente no
 Finalmente este trabajo apuesta a la
indican necesariamente el nivel de
renovación de criterios orientados a la
confiabilidad de unidades de
priorización de actividades de
transformación. Para demostrar esta
mantenimiento y sobre todo a prácticas
suposición se estudió la confiabilidad a
comunes para el reemplazo de equipos
partir de muestras DGA, concluyendo
en el sector eléctrico ecuatoriano, en
que equipos con concentración alta de
donde se ha observado que la vetustez
gas de falla (incluyendo gasificación de
y/o la concentración de gases en
alta energía 𝐶 𝐻 ), no representan más
unidades de transformación son factores
posibilidades de fallar que equipos con
que priman por sobre el análisis de la
una concentración de gas más baja.
condición real de las unidades de
transformación.
 En este contexto, pese a la existencia de
altas concentraciones de gases VIII. RECOMENDACIONES
combustibles en unidades de
transformación en operación pero ante  Al MEM y a las empresas eléctricas, a
la ausencia de eventos que evidencien utilizar los resultados propuestos en este
condiciones de gasificación activa, el trabajo de investigación, con la finalidad
análisis DGA por sí misma no es un buen de mejorar sus técnicas tradicionales de
indicador de la condición actual del diagnóstico de DGA en unidades de
equipo. Es así como la aplicación de esta transformación.
técnica ha permitido describir que la
probabilidad de una salida forzada de  Al MEM, a las empresas eléctricas y a las
una unidad de transformación, debido a Universidades y Escuelas Politécnicas,
 para que incentiven las investigaciones
de la utilización de conceptos
estadísticos y probabilísticos como
herramientas de apoyo al análisis DGA
convencional; para que con sus
resultados se actualicen técnicas
tradicionales de diagnóstico, con miras a
avanzar al mantenimiento basado en la
confiabilidad de equipo primario.

IX. BIBLIOGRAFÍA

[1] T. K. Sloat, J. L. Johnson, and G. M. L.

Sommerman, “Gas evolution from
transformer oils under high-voltage
stress,” EIC 1965 - Proc. 6th Electr.
Insul. Conf., pp. 234–238, 1965, doi:
10.1109/EIC.1965.7461236.

[2] IEEE Std C57.104, IEEE Guide for the

Interpretation of Gases Generated in
Oil-Immersed Transformers,2019-06-
13, vol. 2019. 2019.

[3] JWG D1/A2.47, “Advances in DGA

interpretation,” CIGRE Tech. Broch.
771, no. July, p. 15, 2013, doi:
10.1002/bapi.201390039.

[4] Ministerio de Electricidad y Recursos

No Renovables, “Plan Maestro de
Electrificación 2019 - 2027.”

[5] J. J. Dukarm, M. Duval, V. Bc, and V.

Qc, “TRANSFORMER RELIABILITY AND
DISSOLVED-GAS ANALYSIS,” pp. 1–8,
2016.

[6] INTERNATIONAL ELECTROTECHNICAL

and COMMISSION, “Mineral oil-filled
electrical equipment in service -
Guidance on the interpretation of
dissolved and free gases analysis,” IEC
60599, vol. 4, 2022.

[7] Directorio del Consejo Nacional de

Electricidad, “Resolución Nro. 025/11,”
2011.