Embed Size (px)
Citation preview
Agapito Pinus Franco Morato
Estudo dos fatores RAM numa central deprodução de energia elétrica em Timor Leste
Agap
ito P
inus
Fra
nco
Mor
ato
Julho de 2014UMin
ho |
201
4Es
tudo
dos
fato
res
RAM
num
a ce
ntra
l de
prod
ução
de
ener
gia
elét
rica
em
Tim
or L
este
Universidade do MinhoEscola de Engenharia
Julho de 2014
Dissertação de MestradoEngenharia Industrial
Trabalho efetuado sob a orientação doProfessor Doutor Eusébio Manuel Pinto Nunes
Agapito Pinus Franco Morato
Estudo dos fatores RAM numa central deprodução de energia elétrica em Timor Leste
Universidade do MinhoEscola de Engenharia
i
AGRADECIMENTOS
A Gratidão a Deus Omnipotente, pela vida, graça e saúde, por me proteger e amparar nos
momentos difíceis, me guiar e me dar força interior para superar as dificuldades e me mostrar
a luz, a verdade e o caminho nas horas incertas, e me suprir em todas as minhas necessidades.
Manifesto também o meu profundo agradecimentos:
à minha Mãe, porque a tua força é a minha força e a minha fonte de luz verdadeira;
ao Professor Doutor Eusébio Nunes que providenciou o tempo, energia e pensamento para
me orientar na elaboração deste projeto. O meu profundo reconhecimentos pela
responsabilidade, profissionalismo, grande compreensão e paciência, pelo apoio e
incentivo, amizade e confiança depositada ao ter aceitado o desafio de orientar esta
dissertação;
aos professores do Mestrado em Engenharia de Industrial, pela atenção e orientação;
aos meus pais, Octávio e Terezinha, pelo amor e pelo apoio incondicional;
à minha esposa Elsty, pelo amor, paciência e por confiar em mim, por sempre me motivar
no meu desenvolvimento intelectual e na minha aventura pela ciência;
aos meus filhos, Amaze e Valiant pelo amor, obediência e compreensão;
aos meus amigos, Tomás, Januário, Vital, Gilmar, Raimundo, Celestino, Mário, Baptista e
José Barreto, Mayomi, MellaNia, Fatinha, o meu obrigado pelo companheirismo;
por fim, a todos os que direta e indiretamente contribuíram para este trabalho, o meu
muito OBRIGADO.
ii
Resumo
A energia de elétrica assume uma importância primordial na melhoria da qualidade da vida
das pessoas e no seu desenvolvimento económico e social. Um sistema elétrico de energia
(SEE) confiável, disponível e com uma boa relação qualidade de serviço/custo constitui um
motor insubstituível no processo de desenvolvimento de qualquer sociedade.
O trabalho desenvolvido no âmbito desta dissertação centra-se no estudo dos fatores RAM
(Reliability, Availability and Maintainability) de numa central de produção de energia elétrica
em Timor-Leste (Central Elétrica de Hera). Este estudo permitiu a obtenção de índices ou
indicadores de desempenho relacionados com os fatores RAM do sistema de produção. A
maioria destes indicadores são afetados por características das cargas que recaem sobre o
sistema de produção, e por conseguinte, foram estudados neste projeto os principais
indicadores relacionados com o modelo de carga do sistema. Outro grupo de indicadores
resultantes da convolução do modelo de produção com o modelo carga foi também estudado.
Para se atingir elevados níveis de confiança e um padrão de qualidade também elevado do
SEE é necessária uma contínua análise e avaliação da adequabilidade de recursos do SEE para
planear, projetar, operar e manter o regular fornecimento de energia. Uma análise dos dados
de carga referentes a 2012 permitiu constatar que o pico de carga diário em Timor-Leste
acontece, invariavelmente, por volta das 20 horas. Nesta análise identifica-se também, através
do modelo de regressão linear, uma clara tendência crescente nos valores de pico de carga ao
longo do ano, permitindo prever o consumo de energia nos próximos anos.
Os resultados obtidos mostram valores muito baixos para os indicadores de desempenho
associados ao modelo de risco (LOLP, o LOLE e o LOEE). Estes resultados devem-se,
fundamentalmente, a uma elevada folga de capacidade do sistema de produção. No que diz
respeito aos indicadores associados aos fatores RAM, estes apresentam valores normais para
este tipo de sistemas.
Dada a previsível entrada no SEE de novos sistemas de produção com base na energia eólica,
fotovoltaica ou hídrica, a complexidade do SEE aumentará nos próximos anos, e com ela a
importância destes indicadores de desempenho atualizados no processo de tomada de decisão,
nomeadamente, sobre políticas de manutenção e sobre novos investimentos no SEE
iii
Abstract
The electrical energy is of paramount importance in improving the quality of people's lives
and their economic and social development. An electric power system (EPS) reliable,
available and with a good service quality / cost relation is an irreplaceable factor in the
development of any society.
This thesis focuses on the study of RAM factors (Reliability, Availability and
Maintainability) of a power plant in Timor-Leste (Power Plant in Hera). This study allowed
obtaining performance indices or measures related with RAM factors of the (electrical)
production system. Most of these indicators are affected by characteristics of the loads on the
production system, and therefore, were studied the main indicators related to the model of the
system load. Other group of indicators resulting from the convolution of the production model
with a model load was also studied.
To achieve high levels of confidence and also high quality standard of the EPS a continual
analysis and evaluation of the suitability of the EPS resources is needed to plan, design,
operate and maintain a steady energy supply. An analysis of the loading data relating to 2012
have revealed that the daily peak load in Timor-Leste happens invariably around 8:00 P.M..
This analysis also identified, using a linear regression a clear increasing trend in the values of
peak load throughout the year, allowing to predict the energy consumption in the coming
years.
The results show very low values for the performance indicators associated with the risk
model (LOLP, LOLE and the LOEE). These results are due primarily to an excess of capacity
of the production system. With regard to the indicators associated with the RAM factors,
these show normal for this type of system values.
Given the predictable entry in the EPS of new production systems based on wind,
photovoltaic or hydro, the complexity of the EPS will increase in the coming years and the
importance of these performance indicators in the decision-making process, particularly on
maintenance policies and on new investments in EPS will also increase.
iv
Índice
Resumo ....................................................................................................................................... ii
Índice ......................................................................................................................................... iv
Índice de Figuras ...................................................................................................................... vii
Índice de Tabelas ....................................................................................................................... ix
Abreviaturas................................................................................................................................ x
1 Introdução............................................................................................................................ 1
1.1 Enquadramento ............................................................................................................ 1
1.2 Objetivos ...................................................................................................................... 4
1.3 Metodologia de pesquisa ............................................................................................. 4
1.4 Estrutura de dissertação ............................................................................................... 6
2 Estado da arte ...................................................................................................................... 8
2.1 Introdução .................................................................................................................... 8
2.2 Estudo do sistema elétrico de energia .......................................................................... 9
2.3 Fatores RAM .............................................................................................................. 11
2.3.1 Introdução terminologia e conceitos................................................................... 11
2.3.2 Fiabilidade .......................................................................................................... 14
2.3.3 Disponibilidade ................................................................................................... 18
2.3.4 Manutibilidade .................................................................................................... 21
2.3.5 Política de manutenção ....................................................................................... 22
2.4 Subsistema Produtor .................................................................................................. 24
2.4.1 Aspetos gerais ..................................................................................................... 24
2.4.2 Método probabilístico ......................................................................................... 26
2.4.3 Modelo de produção ........................................................................................... 27
2.4.4 Construção da tabela das CFS ............................................................................ 28
2.4.5 Modelação de carga ............................................................................................ 31
2.4.6 Modelo de risco .................................................................................................. 33
2.4.7 Loss of Load Probability .................................................................................... 35
2.4.8 Loss of Load Expectation ................................................................................... 36
2.4.9 Loss of Energy Expectation ................................................................................ 37
3 Caso de estudo ................................................................................................................... 39
3.1 Central elétrica Hera .................................................................................................. 39
3.2 Principais equipamentos da CEH............................................................................... 41
3.2.1 Gerador diesel ..................................................................................................... 41
v
3.2.2 Sistema Elétrico - CEH ...................................................................................... 43
3.2.3 Sistema de abastecimento de combustível aos geradores ................................... 44
3.2.4 Sistema de ar comprimido .................................................................................. 45
4. Modelação de índices de fiabilidade da Central de Hera .................................................. 46
4.1 Introdução .................................................................................................................. 46
4.2 Modelação de carga da CEH...................................................................................... 46
4.2.1 Pico de carga ....................................................................................................... 47
4.2.2 Fator de carga ..................................................................................................... 50
4.2.3 Fator de capacidade ............................................................................................ 51
4.3 Modelo de produção .................................................................................................. 51
4.3.1 Disponibilidade ................................................................................................... 52
4.3.2 Forced Outage Rate ............................................................................................ 53
4.3.3 Probabilidades das Capacidades Fora de Serviço............................................... 57
4.4 Modelo de risco ......................................................................................................... 59
4.4.1 LOLP (Loss of Load Probability) ....................................................................... 60
4.4.2 Loss of Load Expectation ................................................................................... 63
4.4.3 Loss of Energy Expectation ................................................................................ 64
4.5 Analise dos resultados ............................................................................................... 65
5 Conclusão .......................................................................................................................... 68
Referências Bibliográficas .................................................................................................... 69
Anexo A - Definições ........................................................................................................... 71
Anexo B - Tabelas ................................................................................................................ 74
Tabela B.3.1 - Status de números de geradores EdTL em Julho de 2012 ......................... 74
Tabela B.3.2 - Ordem de trabalho ..................................................................................... 75
Tabela B.4.1 - Pico de carga ao longo do ano de 2012 ..................................................... 76
Tabela B.4.1ª - Daily Production Report Hera Power Plant 119 Mw .............................. 83
Tabela B.4.2 - Pico de carga mês de janeiro e fevereiro de 2013 ..................................... 84
Tabela B.4.3 - Consumo de carga de dia 27 de janeiro de 2012 ....................................... 85
Tabela B.4.4 - Avaliação da FOR para o ano de 2012 ...................................................... 86
Tabela B.4.4ª - Atividade diária de manutenção de mês de setembro .............................. 87
Tabela B.4.5 - Cálculo de índices fiabilidade de LOLP e LOLE de 2012 ........................ 88
Tabela 4.6 - Cálculo de LOEE, mês de Janeiro com um FOR de 0,89 ............................. 91
Tabela 4.7 - Cálculo de LOEE, mês de Janeiro com um FOR de 1.5%............................ 91
vi
Tabela 4.8 - Cálculo de LOEE, mês de Janeiro com um FOR de 4.2%............................ 91
Anexo C - Figuras ................................................................................................................. 92
Figura C.3.1 - Daily Production Report Hera Power Plant 119 Mw ................................ 92
Figura C.4.1 - Tendência de picos, 2012- primeiros meses de 2013 ................................ 92
Figura C.4.2 - Gráfico de classificação de carga anual considerando os picos mensais. .. 92
Figura C.4.2 - Gráfico de classificação de carga anual considerando os picos diários ..... 93
vii
Índice de Figuras
Figura 1.1 – Rede de distribuição de energia elétrica em Timor-Leste ...................................... 2
Figura 2.1 - Relação custo/fiabilidade ........................................................................................ 9
Figura 2.2 - Níveis hierárquicos de um sistema elétrico (Fonte: Adaptado de Ehsani, et al.
2008) ......................................................................................................................................... 10
Figura 2.3 - Esquema geral de produção transporte e distribuição de energia elétrica ............ 11
Figura 2.4 - Relações entre os fatores RAM (Fonte: Farinha, 2011) ....................................... 12
Figura 2.5 - Estrutura geral do desempenho de sistema (Fonte: Adaptado de Eti et.al. 2004) 13
Figura 2.6 - Eficiência de sistema (Fonte: Adaptado de Sharma and Kumar, 2008) ............... 14
Figura 2.7 - Curva da banheira ................................................................................................. 15
Figura 2.8 - Arranjo funcional em série ................................................................................... 16
Figura 2.9 - Arranjos funcional em paralelo ............................................................................ 18
Figura 2.10 - Os fatores que afetam a disponibilidade (Fonte: Adaptado de Priyanta, 2000) . 19
Figura 2.11 - Política de manutenção de um equipamento....................................................... 23
Figura 2.12 - Modelo de carga de SEE. .................................................................................... 25
Figura 2.13 – Modelo conceptual do estudo de HL1 ............................................................... 26
Figura 2.14 - Modelos de dois estados de um gerador ............................................................. 27
Figura 2.15 - Estados de um item num dado período de vida .................................................. 28
Figura 2.16 - Diagrama de cargas classificado da CEH (27/01/2012) ..................................... 32
Figura 2.17 - Diagrama de cargas cronológico da CEH (27/01/2012) ..................................... 32
Figura 2.18 - Métodos de Fiabilidade de um Sistema de Produção ......................................... 34
Figura 2.19 – Diagrama de cargas classificado linear .............................................................. 35
Figura 2.20 - Energia não fornecida devido a capacidade indisponível ................................... 37
Figura 3.1 - Central Eletricidade Hera...................................................................................... 39
Figura 3.2 - Organigrama da CEH............................................................................................ 40
Figura 3.3 - Organigrama do Departamento de manutenção CEH........................................... 40
Figura 3.4 - Aspeto geral da disposição dos sete geradores da CEH. ...................................... 42
Figura 3.5 - Sistema elétrico de produção da CEH. ................................................................. 43
Figura 3.6 – Unidade de bombagem de descarga do HFO (A) e Unidade de bombagem de
descarga do LFO (B) ................................................................................................................ 44
Figura 3.7 - Sistema de distribuição LFO................................................................................. 45
Figura 3. 8 - Sistema de comprimido ....................................................................................... 45
Figura 4.1 - Gráfico dos picos diários de carga durante o ano de 2012. .................................. 47
Figura 4.2 - Gráficos mensais dos picos de carga diários ........................................................ 48
Figura 4.3 - Distribuição do consumo horário para o dia de maior consumo de cada mês de
2012 .......................................................................................................................................... 49
Figura 4.4 - Pico de carga no pior dia de cada mês de 2012 .................................................... 49
Figura 4.5 - Gráfico do fator de carga diária ............................................................................ 50
Figura 4.6 - Fator de capacidade mensal da CEH no ano de 2012 ........................................... 51
Figura 4.7 - Evolução da disponibilidade inerente durante 2012 ............................................. 52
viii
Figura 4.8 - Ajustamento do modelo de Weibull aos tempos de falha dos geradores.............. 53
Figura 4.9 - Ajustamento do modelo de Weibull aos dados de falha dos 7 geradores e
representação dos limites de confiança dos 5% e 95% ............................................................ 54
Figura 4.10 - Ajustamento do modelo de Weibull aos dados de reparação dos 7 geradores ... 54
Figura 4.11 - Ajustamento do modelo de Weibull aos tempos de reparação geradores........... 55
Figura 4.12 - Modelo Loglogistic ............................................................................................. 56
Figura 4.13 - Gráfico de estados dos sete geradores da CEH................................................... 57
Figura 4.14 - Gráfico de carga referente ao ano de 2012 ......................................................... 60
Figura 4.15 - Gráfico de classificação de carga - mês de janeiro de 2012 ............................... 62
Figura 4.16 - Gráfico de classificação de carga em horas - dia 13 de novembro de 2012 ....... 64
ix
Índice de Tabelas
Tabela 3.1- Data de entrada em funcionamento dos geradores da CEH. ................................. 42
Tabela 4.1 - Indicadores de desempenho da CEH - ano de 2012 ............................................. 57
Tabela 4.2 - Valores de disponibilidade/FOR .......................................................................... 57
Tabela 4.3 - Probabilidades de CFS anual com um FOR = 4.2% ............................................ 59
Tabela 4.4 - Probabilidades de CFS anual com um FOR = 1.5% ............................................ 59
Tabela 4.5 - Cálculo de LOLP anual com um FOR de 4.2% ................................................... 61
Tabela 4.6 - Cálculo de LOLP anual com um FOR de 1,5% ................................................... 61
Tabela 4.7 - Cálculo de LOLP referente ao mês de janeiro de 2012 (FOR = 0,89%) .............. 62
Tabela 4. 8 - Valores de LOLP e de LOLE com FOR=4,2% e FOR=1,5% - ano de 2012 ...... 63
Tabela 4.9 - Tabela dos valores mensais de LOLP e LOLE - meses de janeiro a dezembro de
2012 .......................................................................................................................................... 64
Tabela 4.10 - Cálculo de LOEE - dia 13 de novembro de 2012. ............................................. 65
x
Abreviaturas
AVR : Automatic Voltage Regulator
CEH : Central Elétrica Hera
CE : Central Elétrica
CFS : Capacidade Fora de Serviço
DBF : Diagrama de Blocos de Fiabilidade
EDTL : Eletricidade de Timor Leste
ENS : Energia Não Fornecida
HFO : Hight Fuel Oil
LOLE : Loss of Load Expectation
LOLP : Loss of Load Probability
LOEE : Loss of Energy Expectation
LFO : Light Fuel Oil
MTTR : Tempo Médio de Reparação (Mean Time To Repair)
MTBF : Tempo Medio Entre Falhas (Mean Time Between Failure)
MW : Megawatt
SEE : Sistema Elétrico de Energia
SE : Sistema Elétrico
SP : Sistema Produtor
WISE : Wärtsilä Information System Environment
WOIS : Wärtsilä Operator’s Interface System
1
1 Introdução
1.1 Enquadramento
O processo de desenvolvimento a ocorrer em Timor-Leste coloca a este jovem país enormes
desafios em termos de desenvolvimento económico e social. A energia elétrica é um recurso
fundamental para este processo de desenvolvimento, representando uma força impulsionadora
da economia. O seu contributo é de enorme importância para o progresso da sociedade e para
a qualidade de vida e bem-estar das populações (Martínez and Ebenhack, 2008). Este
progresso é normalmente acompanhado por uma crescente dependência energética e por um
aumento do consumo da energia elétrica. Neste contexto, os sistemas elétricos de energia
(SEE) tendem a tornar-se mais complexos e, simultaneamente, espera-se deles uma elevada
disponibilidade, exigindo às empresas que operam neste setor altos padrões de qualidade e de
segurança no abastecimento de energia elétrica. Porém, esta elevada disponibilidade exige
investimentos avultados para tornar os SEE cada vez mais robustos e fiáveis, pretendendo-se
deste modo evitar situações de falha, de má operação ou de indisponibilidade. Torna-se assim
necessário a obtenção de um balanço razoável entre fiabilidade do SEE e custos de
planeamento, operação e investimento (Billinton and Zhang, 2001; Eti, Ogaji, and Probert,
2007). Os estudos de fiabilidade assumem aqui uma especial importância no estabelecimento
de indicadores de qualidade de serviço, na otimização dos custos de operação e manutenção
(custos de O&M), na definição das margens de reserva e no planeamento da expansão dos
sistemas elétricos de energia.
Com o progresso da tecnologia e o desenvolvimento do pensamento humano, somos levados a
depositar um alto nível de confiança nos sistemas atualmente construídos, apesar de que, de
facto, falhas nestes sistemas são normais e recorrentes. Existem muitos casos registados de
falhas nos sistemas, tais como o recente terramoto no Japão em 2011, ao que se seguiu um
Tsunami que causou danos no sistema central elétrico, e também muitos acontecimentos
anteriores tais como na União Soviética em 1986, Inglaterra em 1957, Estados Unidos em
1979, Brasil 1987, etc. Fica claro que perturbações neste tipo de sistemas têm um impacto
significativo a vários níveis: humano, no meio ambiente e nos equipamentos. Isso obriga-nos
a pensar e a fazer tudo para assegurar a confiabilidade deste tipo de sistemas.
2
No caso dos SEE, pese embora o alto nível de confiabilidade a que chegaram, continua a ser
fundamental a obtenção de melhorias técnicas e da qualidade de serviço, que se reflitam num
fluxo de energia permanente e fiável com a voltagem estável e frequência correta.
É neste contexto que se pretende levar a cabo este projeto sobre o estudo da fiabilidade,
disponibilidade e manutibilidade, (reiterado na bibliografia por fatores RAM - Reliability,
Availability and Maintainability) na Central Elétrica de Hera (CEH), em Timor-Leste. Esta
central, propriedade do Estado de Timor-Leste, tem um papel fundamental no SEE timorense
uma vez que é responsável pelo abastecimento de energia elétrica a Dili, representando
atualmente uma percentagem elevada da energia produzida em Timor-Leste. É também
reconhecido o grande contributo desta central para o objetivo do governo de produzir energia
elétrica e de a levar a todas a regiões do país. Começou a funcionar em novembro de 2011
com uma potência instalada de 119 MW obtida por 7 geradores de 17MW cada.
Como se refere no Plano Estratégico de Desenvolvimento para Timor-Leste 2011-2030
(RDTL, 2011), o desenvolvimento de um mercado competitivo no setor das infraestruturas de
produção, transmissão e distribuição de energia de elétrica em Timor-Leste está na sua fase de
desenvolvimento e é presentemente uma das questões mais críticas. Segundo um estudo
realizado pelo Asian Development Bank (1985) apenas 3,9 % da população de Timor-Leste
tinha eletricidade; este valor era de 28,7% em 1998 (Hamutuk, 2004). Atualmente a falta de
energia elétrica ainda se faz sentir em Timor-Leste, fundamentalmente, nas comunidades
rurais. Consciente da importância da energia elétrica, e apesar de todas as limitações, tem
havido um esforço do governo de Timor-Leste na construção de infraestruturas de produção
transporte de distribuição (Figura 1.1) para levar a energia elétrica a todo o país, (RDTL,
2011).
Figura 1.1 – Rede de distribuição de energia elétrica em Timor-Leste
3
Para tal muito têm contribuído as duas centrais elétricas recentemente construídas (a central
de Hera e a central de Same). Entretanto, com o alargamento e reforço das redes de transporte
e de distribuição associado ao crescimento da população e às necessidades de uma economia
em expansão prevê-se nos próximos anos um aumento acentuado do consumo de energia
elétrica e uma melhoria das condições de vida da população. O reforço e alargamento da rede
elétrica é um dos fatores mais importantes a ser considerado para o crescimento industrial e,
consequentemente, para o crescimento económico e social.
De acordo com o RDTL (2011), o consumo de eletricidade em Timor-Leste passará de cerca
de 160 GWh em 2010 para 800 GWh em 2020. Aproximadamente metade destas
necessidades de energia será gerada por fontes de energia renovável. Estão assim
identificados mais de 450 MW de potenciais projetos de produção de energia a partir de
fontes renováveis, distribuídos pelas seguintes tecnologias: Hidro (fio-água e regulação): 252
MW, Hidráulica: 100 MW, Eólica: 72 MW, Solar: 22 MW, Biomassa/resíduos sólidos: 6
MW.
Nesta dissertação discutiremos a análise e avaliação dos fatores Fiabilidade, Disponibilidade e
Manutibilidade (RAM) da Central Elétrica de Hera. Através do estudo dos fatores RAM é
possível obter-se índices ou indicadores de desempenho relevantes para a operação e
manutenção do sistema de produção, para a avaliação da qualidade de fornecimento de
energia (qualidade de serviço), e para a tomada de decisão sobre novos investimentos
(aumento da disponibilidade e/ou reforço de potencia), como demonstram os muitos trabalhos
publicados (Ferreira, 2008; Lopes, 2010; Pereira, 2010; Redondo, 2008). Este tipo de estudos
assume maior importância em SEE em franco crescimento como é o caso do SEE em Timor-
Leste onde a pressão do consumo (modelo de carga) sobre o modelo de produção tende a
aumentar os índices de risco e, por conseguinte, a degradar a qualidade do fornecimento de
energia.
Para uma melhor compreensão deste documento e pensando principalmente nos leitores
menos familiarizados com os assuntos tratados nesta dissertação, apresenta-se no Anexo A os
principais conceitos utilizados neste estudo, transpostos da NP EN 13306 – 2007.
4
1.2 Objetivos
Os principais objetivos deste projeto consistem na análise e avaliação dos fatores RAM na
fase de operação e manutenção de uma central de produção de energia elétrica em Timor-
Leste.
Para a avaliar cada um destes fatores recorre-se a indicadores de desempenho, nomeadamente:
taxas de falha; taxas de reparação; Loss of Load Probability (LOLP); Loss of Load
Expectation (LOLE); Energia Não Fornecida (ENF); Mean Time Between Failure (MTBF);
Mean Time to Repair (MTTR); e Disponibilidade Operacional (Ao).
O valor destes índices é função da fiabilidade dos equipamentos críticos do sistema produtor,
do nível de redundância destes equipamentos, dos diagramas de carga, dos planos/políticas de
manutenção, das políticas de gestão de sobresselentes, entre outros fatores.
A concretização deste projeto é parte dos requisitos necessários à conclusão do curso de
Mestrado em Engenharia Industrial atualmente em curso, pelo que este também é um objetivo
importante deste projeto.
Além destes objetivos pode ainda identificar-se os seguintes objetivos específicos:
Conhecer o sistema produtor de energia elétrica em Timor-Leste;
Sintetizar conhecimento sobre fatores RAM e sua importância no ciclo de vida de
sistemas tecnológicos e, em particular, de geradores elétricos;
Melhorar o background pessoal sobre estudos de fiabilidade de sistemas
tecnológicos complexos;
Aplicar diferentes modelos e ferramentas da fiabilidade na modelação e avaliação
de um sistema real, e propor medidas para a melhoria do seu desempenho
operacional.
1.3 Metodologia de pesquisa
Neste estudo foi usado como metodologia de pesquisa o estudo de caso. Esta metodologia
oferece inúmeras possibilidades de estudo, compreensão e melhoria da realidade (Yin, 2005).
De acordo com a perspetiva de Gómez, Flores e Jiménez (1999), considera-se que o estudo de
caso é uma abordagem metodológica que permite analisar com intensidade e profundidade
diversos aspetos de um fenómeno, de um problema, de uma situação real: o caso. Segundo
5
Stake (2005) o estudo de caso consiste no “estudo da particularidade e da complexidade de
um caso singular para chegar a compreender a sua complexidade”. Neste contexto o estudo de
caso implica um conhecimento profundo do sistema ou realidade investigada e, como tal,
recorre a diferentes métodos e técnicas de recolha organização e análise de informação. A este
respeito Ketele and Roegiers (1999) referem que a recolha de informações é um processo que
pressupõe um objetivo organizador, a definição de uma estratégia, a recolha propriamente dita
da informação e a sua codificação.
Quanto à questão da generalização no estudo de caso, Stake (2005) salienta que a finalidade
deste método é interpretar e compreender um dado caso real, e não generalizar. Yin (2005)
refere, também, que generalizar resultados não é uma questão indispensável no estudo de
caso. No entanto, sendo possível destacar algumas generalizações, estas podem servir para, de
algum modo, ser aplicadas noutras realidades.
Nesta dissertação, os dados foram obtidos a partir de bases de dados, de manuais dos
equipamentos, de relatórios técnicos e de entrevistas estruturadas. Deste modo foram
extraídos os dados de falha dos componentes do sistema de produção, dos tempos de
manutenção, da produção de energia elétrica e do consumo de energia, referentes ao ano de
2012 e os dois primeiros meses de 2013.
Normalmente, numa pesquisa de campo as informações que um pesquisador precisa são
obtidas por meio da observação, da análise de documentos disponíveis (manuais dos
equipamentos e relatórios técnicos), da consulta de bases de dados e de entrevistas
estruturadas. Para esta dissertação o processo de pesquisa e recolha de dados (tempos de falha
dos componentes/equipamentos do sistema de produção, tempos de manutenção, energia
produzida, consumo de energia) ocorreu entre fevereiro e abril de 2013, sendo reunidos um
grande volume de dados e de documentos relacionados com a Central Elétrica de Hera,
através de uma visita efetuada a esta central, de entrevistas com os responsáveis, e do acesso a
um conjunto de relatórios referentes ao ano de 2012 e os dois primeiros meses de 2013,
nomeadamente:
relatório diário de manutenção – este relatório envolve anotações, valores sobre o início
do tempo de avaria dos equipamentos, o tipo de avaria, o tempo de reparação, pequena
descrição sobre a causa das paragens;
relatório diário do consumo energia;
6
relatório de produção de carga elétrica.
Flores (2003), refere que conceber e desenvolver um projeto de investigação, para além da
clarificação das opções metodológicas (e sua justificação) e da problemática da validade,
fiabilidade e relevância, implica, de igual modo, a consideração de um conjunto de aspetos de
natureza ética que o(a) investigador (a) não pode deixar de ponderar. Na referida deslocação
do autor desta dissertação à CEH, estes procedimentos éticos foram cumpridos, começando
com um pedido formal à EDTL (Eletricidade de Timor-Leste) para visitar a CEH e para
autorizar o levantamento de cedência de dados para este estudo. Depois de obtida autorização
foi agendada uma reunião com o Chefe do Departamento de Eletricidade de Hera e com os
seus colaboradores, tendo sido autorizado a permanência do autor deste trabalho na Central
durante o período de duas semanas para se inteirar do funcionamento da central e para fazer o
levantamento de dados.
Uma vez que a grande maioria dos dados recolhidos sobre a CEH estão relacionados com
valores numéricos, a análise subsequente envolve a descrição dos dados e a exploração de
relações, influenciada pelos objetivos da investigação e pela natureza dos dados.
1.4 Estrutura de dissertação
Esta dissertação é composta por cinco capítulos. No presente capítulo é feito o enquadramento
do tema, apresentam-se os objetivos do projeto, e estabelece-se a metodologia de investigação
a aplicar.
No segundo capítulo é apresentada uma revisão da bibliografia que incide sobre conceitos
relacionados com os fatores RAM e sobre os indicadores de desempenho utilizados em
sistemas de produção de energia elétrica, organizados segundo três perspetivas de análise:
modelo de produção; modelo de cargas; e modelo de risco.
No capítulo três apresenta-se a Central Elétrica de Hera onde foi realizado este trabalho, a sua
estrutura organizacional, os principais equipamentos e subsistemas.
No quarto capítulo descreve-se o estudo dos fatores RAM na CEH e a avaliação dos índices
de desempenho relevantes para a operação e manutenção do sistema e para a tomada de
decisão sobre novos investimentos, em conformidade com os objetivos do projeto.
7
Por fim no capítulo cinco, são expostas as considerações finais relativas ao trabalho
desenvolvido e propostas algumas ações a desenvolver em trabalhos futuros.
8
2 Estado da arte
2.1 Introdução
Como propõem vários autores (Billinton and Zhang, 2001; Eti, et al. 2007), é necessário
obter-se um balanço razoável entre a fiabilidade do SEE e os custos de planeamento, operação
e investimento. Os estudos de fiabilidade assumem aqui uma especial importância na
definição das margens de reserva e no planeamento da expansão dos sistemas elétricos de
energia.
A segurança do abastecimento de energia elétrica e a qualidade e continuidade de serviço
exigem um elevado grau de fiabilidade no funcionamento do SEE. É necessário por isso
garantir uma adequada margem de reserva criando redundâncias em alguns
equipamentos/componentes críticos, de forma a colmatar a saída de serviço de algum
componente do sistema por avaria (Billinton and Pan, 1996). Uma questão que desde já se
pode colocar é: Qual o nível de redundância dos componentes/equipamentos críticos do
sistema? Uma forma de responder a esta questão é saber qual a curva que relaciona
fiabilidade/disponibilidade com o investimento nestas redundâncias.
A segurança do abastecimento de energia elétrica e a qualidade e continuidade de serviço
exigem um elevado grau de fiabilidade no funcionamento do SEE. É necessário por isso
garantir uma adequada margem de reserva criando redundâncias em alguns
equipamentos/componentes críticos, de forma a colmatar a saída de serviço de algum
componente do sistema por avaria (Billinton and Pan, 1996). Uma questão que desde já se
pode colocar é: Qual o nível de redundância dos componentes/equipamentos críticos do
sistema? Uma forma de responder a esta questão é saber qual a curva que relaciona
fiabilidade/disponibilidade com o investimento nestas redundâncias.
Na Figura 2.1 mostra-se a relação existente entre o custo com as falhas/interrupções e o custo
em investimentos. À medida que se aumenta o investimento no SEE a taxa de falha diminui e,
consequentemente, o custo com as falhas também diminui.
9
Custo das interrupções
Custo Total
Cu
sto
s
- Fiabilidade do sistema +C
ust
o m
ínim
o
Custo de investimento
Figura 2.1 - Relação custo/fiabilidade
(Fonte: Adaptado de Billinton and Zhang, 2001)
Os países mais desenvolvidos dispõem de SEE mais confiáveis, atingindo níveis de
disponibilidade de 95%. Nos países menos desenvolvidos os SEE apresentam uma
confiabilidade bastante inferior com níveis de disponibilidade abaixo de 50%. (Mechtenberg,
Borchers, Miyingo, et. al. 2012).
Assim, neste capítulo faz-se um estudo introdutório ao SEE, e um estudo aprofundado ao
subsistema produtor e aos seus fatores RAM.
2.2 Estudo do sistema elétrico de energia
Em estudos desta natureza é comum decompor-se o SEE em diversos subsistemas (zonas
funcionais) de forma a permitir a sua análise. Muitos autores (Billinton and Allan, 1996;
Sharma and Kumar, 2008; Singh and Chintaluri, 1995) sugerem uma divisão do SEE em três
zonas funcionais: produção, transporte e distribuição. Alguns autores (Billinton and Zhang,
2001; Ehsani, Ranjbar, Jafari and Fotuhi-Firuzabad, 2008), fazem corresponder estas três
zonas funcionais a três níveis hierárquicos: nível hierárquico 1 (HL1), nível hierárquico 2
(HL2) e nível hierárquico 3 (HL3), respetivamente. Na figura 2.2 mostra-se a composição do
SEE pelos três subsistemas e o nível hierárquico correspondente.
Estas zonas funcionais (subsistemas) devem ser tratadas de forma distinta e os seus níveis de
desempenho devem ser estabelecidos tendo em conta o modo de exploração, a importância
relativa que cada um tem ao nível do SEE e os níveis de desempenho pretendidos para o
sistema global.
10
HLI
HLII
HLIII
Sistema de Produção
Sistema de Transmissão
Sistema de Distribuição
Figura 2.2 - Níveis hierárquicos de um sistema elétrico (Fonte: Adaptado de Ehsani, et al. 2008)
Relacionados com estes subsistemas, afetando-os direta ou indiretamente, podemos ainda
referir o subsistema consumo. A fiabilidade de um sistema elétrico pode ainda ser abordada
sob duas perspetivas básicas: a adequação do sistema às solicitações da procura; e a segurança
do sistema.
A função do (sub) sistema produtor (HLI) é produzir energia elétrica convertendo energia de
fontes diversas em energia elétrica. A função do sistema de transmissão (HLII) é efetuar o
transporte de energia elétrica desde a produção até próximo dos centros de consumo,
normalmente em alta ou muito alta tensão. Por último, o sistema de distribuição (HLIII)
encarrega-se da distribuição da energia elétrica em média/baixa tensão pelos consumidores.
Apesar desta divisão em subsistemas, deve salientar-se a forte dependência destes subsistemas
(e dos seus principais componentes) para a realização das principais funções do SEE.
Na Figura 2.3 mostra-se de uma forma integrada os principais equipamentos que fazem parte
de um SEE, desde a produção de energia até ao consumo em baixa tensão, sendo também
identificados os três subsistemas referidos na Figura 2.2. A energia é produzida pelos
geradores a uma tensão que varia entre 4 KV e 24 KV; esta tensão é elevada para 70 KV, 150
KV ou 500 KV na central elétrica (dependendo da capacidade da subestação ou da potência
disponível), com o objetivo diminuir as perdas nas linhas de transporte para grandes
distâncias (Arya, Koshti, and Choube, 2013). Próximo dos locais de consumo, a tensão é
reduzida de alta ou muito alta tensão para média tensão. Por fim, junto dos locais de consumo
a tensão é novamente reduzida para baixa tensão antes de seguir para os utilizadores.
11
G
Ferramentas
do medir
Central Elétrica
de HeraSubestação
Rede de Alta Tensão
Rede de
Intermedio tensão
Rede de Baixa Tensão
FornecedorUtilizador
Ferramenta
de Medir
Subestações de
distribuição
UtilizadorFornrcedor
Subestações de
distribuição
(4-24 kv)
(70,150 e 500 kv)
(500, 150 e 70)
(150, 70 e 20)
Estaçao de
Geração
Subestação
de
transmição
Interconeção
de distribuição
Média tensão Alta Tensão
Figura 2.3 - Esquema geral de produção transporte e distribuição de energia elétrica
2.3 Fatores RAM
2.3.1 Introdução terminologia e conceitos
O comportamento dos sistemas ou componentes considerados como reparáveis ao longo da
sua vida é caracterizado por ciclos de funcionamento, avaria, reparação e recuperação do
funcionamento, onde os aspetos relacionados com a fiabilidade, disponibilidade e
manutibilidade (fatores RAM) são integrados.
Existem assim várias razões para o estudo dos fatores RAM de sistemas tecnológicos, entre as
quais se destacam: (i) a necessidade de responder a um processo contractual; (ii) a otimização
de políticas de manutenção, normalmente recomendadas pelo fornecedor mas estabelecidas
em contexto diferentes da realidade industrial; (iii) o controlo dos custos de operação e
manutenção em equipamentos/sistemas complexos; (iv) a obtenção de indicadores de
desempenho operacional; e (v) o cumprimento dos regulamentos de qualidade e segurança.
Na figura 2.4 mostra-se o modelo de avaliação dos fatores RAM de uma unidade ou sistema
industrial durante a sua fase de vida útil proposto por Farinha (2011).
12
Vida de um bem
material
Fiabilidade, R(t) Manutibilidade, M(t)
MWT
Tempo medio de
espera
Disponibilidade, A(t)
MTBF MTTR
Figura 2.4 - Relações entre os fatores RAM (Fonte: Farinha, 2011)
De referir que o estudo apresentado nesta dissertação incide, fundamentalmente, nos pontos
(iv) e (v) aplicados ao sistema produtor de energia elétrica – Central de Hera – Timor. Neste
estudo deve ter-se ainda em conta as necessidades de reserva resultantes não só do
crescimento do consumo e de alterações do subsistema produtor, como também, da integração
de outros potenciais fontes de energia (eólica, hídrica, …), também previstas no Plano
Estratégico de Desenvolvimento para Timor-Leste 2011-2030 atrás referido.
Na bibliografia encontram-se diversos trabalhos sobre o estudo dos fatores RAM em SEE.
Asgarpoor and Mathine (1995) apresentam uma avaliação da confiabilidade do sistema de
distribuição usando três índice de fiabilidade: a taxa de falha, o tempo de interrupção (outage
time) e o tempo médio anual de interrupção (average annual outage). Sanabria and Dillon
(1998), fazem uma avaliação da confiabilidade do sistema de energia utilizando três passos:
i. o sistema é sujeito da uma serie de contingências e são calculadas as probabilidade da
falha do sistema para deferentes conceitos de falha;
ii. as probabilidades do conjunto das simulações que resultou em falha do sistema são
combinadas para obter a probabilidade de falha do sistema;
iii. é estimado o custo de produção.
Edimu, Gaunt e Herman (2011) utilizam as funções de distribuição de probabilidade para
análise da fiabilidade dos sistemas de produção, transmissão e distribuição de energia elétrica.
13
Um outro aspeto relacionado com a avaliação RAM referido habitualmente nos contratos e
cadernos de encargos é a possibilidade de técnicos propostos pelos clientes fazerem parte das
equipas de inspeção, verificação e ensaios durante as fases de fabricação, montagem e
instalação dos equipamentos ou sistemas, efetuando o acompanhamento destas fases, podendo
em qualquer altura solicitarem melhorias na fiabilidade ou na qualidade global dos
equipamentos ou sistemas, caso estes não estejam em conformidade com as especificações
estabelecidas nos contratos ou cadernos de encargos. É de salientar ainda que durante os
períodos de garantia (fase de operação), a fiabilidade destes equipamentos ou sistemas é
acompanhada e avaliada, devendo ser coerente com o planeado e definido em fase de projeto,
caso contrário, o cliente terá o direito de exigir a substituição dos equipamentos ou sistemas
ou a sua correção (Leocádo, 2004).
Como mostra Eti, Ogagi e Probert, (2004) os fatores RAM têm uma importância decisiva no
desempenho de equipamentos ou sistemas. Segundo estes autores, o desempenho geral de um
sistema pode estruturar-se de acordo com o diagrama da Figura 2.5, onde facilmente se
identificam os fatores RAM e se depreende a sua relevância para o desempenho do sistema.
Desempenho em Geral de Sistema
Desempenho de Capacidade
Desempenho de Disponibilidade
Desempenho de Operador
Desempenho de Capacidade
Desempenho de Fiabilidade
Desempenho de Manutibilidade
Desempenho de Apoio/Logistico
Sistema LogísticoSistema Tecnico
Sistema de Operação
Figura 2.5 - Estrutura geral do desempenho de sistema (Fonte: Adaptado de Eti et.al. 2004)
Num outro estudo apresentado por Sharma and Kumar (2008) mostra-se a relação dos fatores
RAM com a eficiência de um sistema (Figura 2.6).
14
Eficiência do sistema
Disponibilidade operacional
Disponibilidade de Missão
Adequação de Missão
Prolongar a vida do Item/componentes, subsistemas
Realizar a analise de Trade-off, estudar os fatores ambientais e
fatores de design
Realizar o sistema modelagem, estudo a analise fiabilidade (FMEA,
FTA), causas falhas commum
Características de manutenção
Minimizar o tempo de reposição de um item de volta
ao serviço após uma falha
Estimativa MTTR e redesign maior acessibilidade para manutenção das
peças, componentes e consumo
Características de fiabilidade
Figura 2.6 - Eficiência de sistema (Fonte: Adaptado de Sharma and Kumar, 2008)
2.3.2 Fiabilidade
A função fiabilidade R(t) é “a probabilidade de um órgão funcionar satisfatoriamente (ou
cumprir a função requerida) durante um certo intervalo de tempo (ou missão) sob condições
específicas“ (Assis, 2006). Dois outros conceitos frequentemente usados relacionados com a
fiabilidade são a taxa de falhas e o MTTF (mean time to failure).
A fiabilidade de uma central elétrica depende da sua carga média durante um intervalo do
tempo desde o pico mais alto do mesmo intervalo de tempo, a fim de se avaliar a variação de
capacidade, tendo em consideração o fator de carga, como referem Arya et al. (2013). O
modelo mais simples para calcular a carga é o que representa o nível fixo ou carga constante
durante um determinado período (índice anual), onde a procura de carga não permanece
constante ao longo do período em análise.
Para muitos itens, nomeadamente, mecânicos e eletromecânicos, o comportamento da taxa de
falhas ao longo das suas fases de vida pode ser expressa em termos gerais pela curva
representada na Figura 2.7, conhecida como curva da banheira. Esta curva representa o padrão
típico da variação da taxa de avarias (t) com a idade ou tempo de uso dos equipamentos.
15
Figura 2.7 - Curva da banheira
É habitual distinguir as três fases que estão assinaladas na Figura 2.7:
• Uma fase inicial, caracterizada por taxas de avarias rapidamente decrescentes e que é
designada por fase de vida infantil ( burn in period , debugging period , etc.). Este
período acontecer normalmente causado por problemas de montagem ou instalação,
problemas de conceção e fabrico;
• Uma fase intermédia, em que a taxa de avarias se mantém constante, designada por fase
de vida útil (fase de maturidade dos equipamentos). Nesta fase as avarias são de natureza
aleatória normalmente causadas por: desgaste, excesso de carga, negligência ou causas
desconhecidas;
• Uma fase terminal, caracterizada por taxas de avarias crescentes, designada por fase de
velhice ou de desgaste.
A taxa de avarias (t) pode ser definida como a variação do número esperado de avarias
relativas a um determinado instante de tempo.
Representa-se por
)t(NEt
)t(
(2. 1)
ou seja, a derivada em ordem ao tempo da esperança matemática do número de avarias no
instante t.
Para um componente com taxa de falhas constante a taxa de falhas pode ser calculada por
curva da banheira
(taxa de falhas em função da idade)
u
w(t)e(t)
taxa de
falhas
(t)
fase infantil
TwTeidadeTM
fase de velhice ou desgaste
fase de vida útil
16
TO
Na (2. 2)
Na - número de avarias num dado período de tempo de operação;
TO – período de tempo de operação.
A partir da taxa de avarias pode estimar-se outros índices de fiabilidade tais como:
Fiabilidade, MTTF e função densidade de falhas.
Matematicamente a relação entre a fiabilidade e a taxa de avarias, para um dado período de
tempo t, é representada pela seguinte expressão:
t
0d )( exp)t(R
(2. 3)
No caso da taxa de falhas ser constante ao longo do tempo a expressão (2.3) simplifica-se
para:
)texp(MTBF
texp)t(R
(2. 4)
Tem-se ainda que,
1)t(F)t(R (2. 5)
dt )t(R MTTF0
(2. 6)
Sendo F (t) a probabilidade de insucesso ou de falha.
Normalmente os sistemas reais são compostos por vários componentes em série ou em
paralelo ou combinação série-paralelo para a execução as suas funções.
2.3.2.1 Fiabilidade de um sistema série
Para que um sistema série cumpra a sua missão é necessário que todos os componentes do
sistema funcionem.
R1 R2 Rn...
Figura 2.8 - Arranjo funcional em série
17
Considere-se o diagrama de blocos de fiabilidade (DBF) representado na Figura 2.8,
constituído por n componentes dispostos em série com fiabilidades R1(t), R2(t),…, Rn(t). A
fiabilidade do sistema, Rsist(t), para um dado tempo de missão t será obtida por,
n
1i
in21sist )t(R)t(R...)t(R)t(R)t(R (2. 7)
Se todos os componentes o sistema apresentarem taxas de falha constantes, a taxa de falhas do
sistema é dada por,
n
1i
in21sist ... (2. 8)
Para um sistema série constituído por n componentes com taxa de falhas, λ1, λ2, …, λn e
tempos médios de reparação, r1, r2, …, rn, o tempo e indisponibilidade do sistema é dada por,
n
1i i
n
1i ii
n21
nn2211sis
r
...
r...rrr
(2. 9)
E a indisponibilidade do sistema, Usis, obtém-se por,
sississis rU (2.10)
2.3.2.2 Fiabilidade de um sistema paralelo
Muitos sistemas apresentam redundâncias relativamente a determinados componentes pelo
que a falha de um destes componentes não provoca a falha do sistema. Nestas circunstâncias,
o arranjo funcional destes componentes é um paralelo tal como se mostra no DBF da figura
2.9 (paralelo puro).
18
R1
R2
Rn
...
Figura 2.9 - Arranjos funcional em paralelo
A falha de um sistema com este arranjo funcional dá-se apenas quando todos os componentes
falharem. Nestas circunstâncias a probabilidade de falha do sistema no período t, representada
pela função cumulativa de falhas, F(t) obtém-se por,
n
1i
in21sist )t(F)t(F...)t(F)t(F)t(F (2. 11)
Pela equação (2.11) tira-se que para o tempo de missão t, a fiabilidade do sistema é dada por
)t(F1)t(R sistsist (2. 12)
1n
1i
1nn
1i
1n
1i
n
1ij
i)1(21
1
i
1loMTBFparale
(2. 13)
2.3.3 Disponibilidade
O desempenho de um equipamento reparável não é determinado apenas pela sua maior ou
menor frequência de avarias (pela sua fiabilidade ou segurança de funcionamento): o
equipamento terá ao longo da sua vida períodos em que estará disponível para funcionar e
períodos em que, por ter avariado e estar em reparação, não estará disponível, pelo que o
desempenho será também função da maior ou menor duração desses períodos de reparação.
Os diferentes períodos de tempo que permitem caracterizar o desempenho de um equipamento
reparável podem representar-se do seguinte modo:
em estado operacional (UpTime) Em estado inoperacional (DownTime)
Em uso operacional ativo Em
standby
Em
reparação
ativa
Em espera
logística Administrativa
Disponibilidade Indisponibilidade
19
A disponibilidade de um sistema reparável é uma das métricas mais vulgarizadas nos estudos
de fiabilidade e define-se como uma quantidade probabilística que descreve a probabilidade
de um sistema ou dispositivo estar disponível e em bom funcionamento para trabalhar. Este
indicador depende do número de avarias, i.e., da fiabilidade do sistema, da qualidade de
recursos disponíveis (materiais, humanos, financeiros), do tipo de manutenção e da rapidez na
realização de ações de manutenção. Na Figura 2.10 apresenta-se uma síntese dos principais
fatores que afetam a disponibilidade de um bem (Priyanta, 2000).
Disponibilidade
Taxa de falha
conceção PreventivoQualidade de manutenção
Down Time
Coretivo Preventivo Atraso
Capacidade de Manutenção
Controlo e eficiência
Equipamento e Método
Recursos Humanos
Controlo e Informação
Figura 2.10 - Os fatores que afetam a disponibilidade (Fonte: Adaptado de Priyanta, 2000)
A manutibilidade e a fiabilidade combinam-se para determinar a disponibilidade, cujo valor
médio (de estado estacionário) pode ser obtido pela expressão:
DownTime UpTime
UpTime
Time Total
UpTimeA
(2. 14)
A forma como se definem os tempos envolvidos na expressão anterior dá origem a diferentes
definições de disponibilidade, a Disponibilidade Inerente e a Disponibilidade Operacional
(Epstain, 1982; www.sars.org).
Disponibilidade Inerente
A Disponibilidade Inerente (Ai) é utilizada quando a disponibilidade de um sistema é definida
com respeito unicamente ao tempo de operação e manutenção corretiva e obtém por,
20
λμ
μ
MTTRMTBF
MTBFAi
(2. 15)
Esta definição evidencia bem que a melhor disponibilidade é obtida quando se tem valores
altos de MTBF e baixos de MTTR (ou altos de e baixos de ). Mediante esta definição são
ignorados outros períodos de tempo, tais como, Standby, atrasos agendados, manutenção
preventiva, bem como os tempos mortos administrativos e logísticos. A Disponibilidade
Inerente é útil em determinar as características básicas da operacionalidade de um sistema.
Contudo, providencia uma estimativa muito pobre da verdadeira potencialidade do sistema,
porque não disponibiliza a indicação do tempo necessário para se obter o suporte técnico,
(Epstain, 1982; www.sars.org).
Disponibilidade Operacional
A Disponibilidade Operacional (A0) cobre todos os segmentos de tempo em que é previsível o
equipamento funcionar. Neste caso o UpTime inclui o tempo em operação (Operating-Time)
mais o tempo em standby (Non-Operating Time), quando o equipamento é assumido estar
operacional; o DownTime é expandido de modo a incluir os períodos de manutenção
preventiva e corretiva e os tempos administrativos e logísticos. Todos os tempos são medidos
em horas, (Epstain, 1982; www.sars.org).
ALDTTCMTPMSTOT
ST OTA0
(2. 16)
em que,
OT – Operating Time in use;
ST – Standby Time;
TPM – Total Preventive (scheduled) Maintenance Time;
TCM – Total Corrective Maintenance (unscheduled);
ALDT – Administrative and Logistic Down Time
Esta definição é a mais realista da Disponibilidade do equipamento. É vulgarmente utilizada
uma expressão mais simplista para a Disponibilidade Operacional,
MDTMTBM
MTBMA0
(2. 17)
21
sendo,
MTBM – Mean Time Between Maintenance
MDT – Mean Down Time
2.3.4 Manutibilidade
A manutibilidade pode ser entendida como a probabilidade de repor um equipamento ou
sistema em condições operacionais de utilização num dado tempo total de paragem ou
indisponibilidade, quando a manutenção é realizada em condições bem determinadas.
A manutibilidade é sobretudo uma característica do projeto do equipamento. É basicamente
nessa fase do ciclo de vida que fica determinada a maior ou menor facilidade e rapidez com
que será possível executar a manutenção prevista para o equipamento ou repor o seu uso
funcional na sequência de uma avaria.
Para executar o programa produção com mínima interferência, é necessária fazer um bom
planeamento de tempo trabalho da manutenção, quando a atividade de produção deve ser
parada porque a necessidade de fazer manutenção, como considerando índice de tempo medio
para reparar (MTTR) por exemplo a Acão inspeção, teste e controle componente, trocar
alguns componentes desgastes.
O tempo de reparação, MTTR, é um tempo de paragem ou tempo medio para fazer
manutenção e outro tempo que precisa considerar neste caso é tempo espera. Por exemplo, o
tempo da espera por causa da identificação de problema da avaria e início da ação ou
intervenção técnica para realizar uns conjuntos de trabalho manutenção nomeadamente
manutenção preventiva ou corretiva inspeções.
Matematicamente a função manutibilidade para um bem com taxa de reparação constante
pode expressar-se por,
)texp(MTTR
t exp)t(MdadeManutibili
(2. 18)
O tempo médio de reparação, r, ou MTTR, permite calcular a taxa de reparação m através da
equação,
22
MTTR
1
r
1
(2. 19)
Associando o tempo médio até um componente falhar, m, ou MTTF com o tempo médio de
reparação, r, obtém-se o tempo médio entre avarias MTBF. A frequência, f, do ciclo
“funcionamento-avaria” (em avarias/unidade tempo), pode ser obtida pelo inverso do tempo
médio entre avarias,
rm
1
MTBR
1f
(2. 20)
A indisponibilidade, U, de um componente ou probabilidade de avaria obtém-se pela equação,
rm
rU
(2. 21)
Em forma de síntese desta secção apresenta-se a Tabela 2.1 onde se mostram as relações entre
os três fatores RAM (Fiabilidade Disponibilidade e Manutibilidade). Por esta tabela verifica-
se, por exemplo, que se pode elevar o nível de disponibilidade aumentando a fiabilidade e
mantendo a manutibilidade ou então, aumentando a manutibilidade e mantando a fiabilidade.
Inversamente, a disponibilidade diminui se a fiabilidade diminuir mantando-se constante a
manutibilidade, ou se a manutibilidade aumentar mantando-se constante a fiabilidade.
Tabela 2.1: Relações Fiabilidade, Disponibilidade e Manutibilidade (Fonte: Almeida, 2011)
Fiabilidade Disponibilidade Manutibilidade
Diminui
Aumenta
DiminuiDiminui
Diminui
Constante
Constante
Constante
ConstanteAumenta
Aumenta
Aumenta
2.3.5 Política de manutenção
Manutenção é o conjunto de intervenções técnicas essenciais para manter e garantir
disponibilidade e confiança do equipamento ao funcionamento contínuo ou para minimizar o
tempo de paragem do equipamento, a qualidade do produto ou serviço adequado.
23
Normalmente uma boa condição do funcionamento de equipamento, sistema ou instalação
resulta de adequadas intervenções ou ações de manutenção preventiva e corretiva.
Pode-se também entender a manutenção como uma ação empreendida no sentido de manter
ou prolongar a vida útil de um bem.
Existem várias perspetivas para classificar as políticas de manutenção, contudo, no essencial
apresentam pequenas diferenças. Na Figura 2.10 apresenta-se a classificação proposta por
Assis (2006).
Manutenção
Planeada
Curativa
Não Planeada
Preventiva Corretiva
Sistemática Condicionada Inspectiva
Individual Grupo
Figura 2.11 - Política de manutenção de um equipamento
Fonte: Assis 2006
Manutenção planeada
Manutenção planeada é um plano que estejam estabelecidos sobre trabalho e métodos,
recursos humanos, equipamento e o tempo necessário para fazer manutenção no futuro com
objetivo para evitar falha.
Para fazer uma manutenção preventiva, necessária saber como é que as avarias acontecem. No
âmbito das técnicas de manutenção preventiva o objetivo é prever as datas prováveis em que
24
avarias poderão acontecer e tomar decisão antecipadamente para evitar os outros fatores que
pode ser contribuem para provocar as taxas de falhas.
As atividades tais como inspeções rotina, pequenas reparações, ajustamento, folgas e os
limites de desgastes, apertam parafusos e porca e, este tipo de atividade para prever as datas
prováveis em que avarias poderão acorrer e tomar decisão antecipadamente. Pode ser visto no
livro de instruções máquinas em central elétrica Hera como um planeamento sistemática.
A manutenção preventiva também chamada manutenção preventiva sistemática, caracteriza-se
por manutenções de rotina, inspeções, limpeza, lubrificação, pequenas reparações, analise
óleo e medições de vibrações.
Na central elétrica Hera a responsabilidade pela manutenção é do departimento de
manutenção que tem as funções o treinamento especializado para que as pessoas adquiram as
competências necessárias, o planeamento e controlo do trabalho de manutenção, o controlo
dos equipamentos e sistema de produção, qualidade e precisão de trabalho de manutenção e a
garantia do processo de produção (equipamentos e edifícios).
2.4 Subsistema Produtor
2.4.1 Aspetos gerais
No âmbito desta dissertação tem-se como principal objetivo estudar a adequação do sistema
produtor, através da análise de índices de desempenho/fiabilidade, Por esta razão será feita
uma análise aprofundada ao nível hierárquico 1 (HL1) ignorando-se assim as redes de
transporte e de distribuição.
A Figura 2.12 apresenta o modelo do sistema produtor, constituído por um grupo de
geradores, e ignorando as redes de transporte e de distribuição.
25
Carga
G1
G2
Gn
Figura 2.12 - Modelo de carga de SEE.
Nos estudos de fiabilidade ao sistema produtor é necessário fazer a distinção entre estudos de
fiabilidade do sistema de produção em regime estático e em regime girante. A capacidade ou
reserva estática de um sistema elétrico corresponde à capacidade instalada no sistema. A
capacidade ou reserva girante é a capacidade passível de entrar em funcionamento num
determinado intervalo de tempo.
Os estudos de reserva estática visam determinar a médio e longo prazo a capacidade que deve
ser instalada no sistema de forma a garantir índices aceitáveis da qualidade e continuidade do
fornecimento de energia elétrica. Por outro lado, os estudos de reserva girante consistem na
determinação durante a fase de exploração da capacidade que deverá estar disponível para
satisfazer os consumos. Nos estudos de fiabilidade ao nível HL1, pretende-se estimar o valor
da capacidade de produção tendo em vista a satisfação dos consumos existentes no sistema
considerando também a existência de ações de manutenção preventiva e corretiva das centrais
assim como possíveis avarias.
Os métodos para avaliação da fiabilidade podem-se dividir em dois tipos segundo (Billinton
and Allan, 1996): determinísticos ou probabilísticos. Os primeiros recorrem a regras
empíricas para a fixação da reserva estática em estudos de planeamento, tais como:
- Considerar uma determinada percentagem da capacidade instalada;
- Considerar a potência da maior máquina uma ou duas vezes;
- Uma combinação das duas regras anteriores.
Como é demonstrado por Billinton and Allan (1996), embora estes critérios tenham sido
utilizados durante muitos anos, eles não traduzem o verdadeiro valor do risco, uma vez que
não consideram o comportamento estocástico dos sistemas produtor e de consumo.
26
Para assegurar uma representação mais e realista do sistema produtor nos estudos de
planeamento recorre-se a métodos probabilísticos. Estes métodos, baseados em distribuições
de probabilidade são sensíveis às indisponibilidades dos grupos produtores e às variações das
cargas.
2.4.2 Método probabilístico
O estudo da fiabilidade do sistema produtor pelo método probabilístico faz-se pela aplicação
de métodos analíticos a três tarefas conceptuais distintas: modelação da produção; modelação
da carga e modelação de risco, tal como se mostra na Figura 2.13.
Modelo de risco
Modelo de produção
Modelo de carga
Figura 2.13 – Modelo conceptual do estudo de HL1
O modelo de produção pode ser determinado através de uma percentagem de capacidade
instalada e potência da máquina. Portanto, a fiabilidade é probabilidade de unidade produtora
ou SEE, adequado com as funções, dentro de um intervalo de tempo e condição da operação
requerida. Pode concluir-se que há 3 fatores para calcular e medir o nível de confiança, a
capacidade do fornecimento e a necessidade do consumo de energia: probabilidade, condição
de funcionamento e o tempo.
A capacidade da produção depende da carga instalada e de um sistema de rotação do
funcionamento por intervalo do tempo.
A convolução do modelo de produção com o modelo de carga origina o modelo de risco a
partir do qual se calculam os índices de fiabilidade do sistema.
27
2.4.3 Modelo de produção
Considere-se o modelo mais simples de dois estados para representar o funcionamento de um
grupo gerador, como se mostra na Figura 2.14.
Estado F Estado A
λ
µ
Figura 2.14 - Modelos de dois estados de um gerador
Este modelo representa os estados em que um gerador pode residir: estado de funcionamento
(F) ou estado de fora de serviço (A). As probabilidades de encontrar o grupo em
funcionamento, PF, (disponibilidade) e fora de serviço PA (indisponibilidade) podem ser
expressas em função da taxa de avarias e da taxa de reparação pelas seguintes equações:
λμ
μ
FP (2. 22)
λμ
λ
AP (2. 23)
A partir da do gráfico de estados da Figura 2.14 pode ainda estabelecer-se as seguintes
relações:
m
1
(2. 24)
r
1
(2. 25)
rmT (período do ciclo) (2. 26)
T/1f (frequência do ciclo) (2. 27)
m – Tempo médio de funcionamento (MTTF)
r – tempo médio de reparação (MTTR)
28
Na Figura 2.15 apresenta-se uma sucessão destes dois estados para um período de vida de um
item. De acordo com esta figura, quando um gerador está fora de serviço, está no estado OFF
ou indisponível. A probabilidade de encontrar um gerador fora de serviço ou
indisponibilidade, é também designada por Forced Outage Rate (FOR).
Down Time
Tempo até falhar
Atividade de manutenção
Esta
do
do
eq
uip
amen
to
Tempo de funcionamento
T
On
Off
r m
I III IVII
Instante após reparação
Instante de falha
Figura 2.15 - Estados de um item num dado período de vida
Este índice constitui um parâmetro essencial na avaliação da capacidade e indica a
probabilidade de encontrar o gerador fora de serviço. Quanto maior for este índice maior será
o risco de perda de carga do sistema produtor. As FOR dependem de vários fatores,
nomeadamente, da idade do grupo, da potência, da política de manutenção, do regime de
funcionamento, etc. Os fabricantes dos geradores conhecem a FOR dos seus equipamentos
com base em registos cronológicos.
idadeDisponibil1FOR/ilidadeIndisponib 2. 28
A FOR é calculada através dos registos cronológicos de todos os acontecimentos passados
nomeadamente: avaria, reparações, intervenções preventivas e intervenções corretivas. A
partir do conhecimento de todas as capacidades do sistema e respetivas FOR é possível
construir-se a tabela de capacidades fora de serviço.
2.4.4 Construção da tabela das CFS
A tabela das capacidades fora de serviço (CFS) ou indisponibilidade de uma central elétrica
corresponde a uma organização dos níveis de capacidade possíveis da central e respetiva
probabilidade de ocorrência. Cada um destes níveis corresponde a uma representação da saída
29
de serviço de unidades do sistema podendo sair individualmente me em grupo, pelo temos
várias combinações possíveis. A cada combinação está associada uma dada probabilidade de
ocorrência e o somatório de todas estas probabilidades deverá ser igual a 1. Se um sistema é
composto por n unidades iguais (com a mesma capacidade e a mesma FOR, então a tabela de
CFS pode ser construída recorrendo a uma distribuição binomial (Billinton, 1992).
Considere-se um sistema produtor composto por n unidades, sendo PFi e PAi as probabilidade
de funcionamento e de não funcionamento do gerador i, respetivamente. Dado que cada
gerador pode residir em 2 estados, um sistema com n geradores possui 2n configurações
possíveis entre geradores disponíveis e indisponíveis. Assim, admitindo que as avarias dos
geradores do sistema de produção (SP) são aleatórias e independentes, é possível calcular a
probabilidade de encontrar uma configuração com uma determinada capacidade fora de
serviço, CFS, utilizando a equação,
pq)CFS(Pr (2. 29)
sendo q a probabilidade de avaria do SP (q=FOR) e p a probabilidade de funcionamento
(p=1-FOR)
Na equação (2.28):
1n
1i AiPq (2. 30)
2n
1i FiPp (2. 31)
com:
n1+n2=n
n1 – Número de geradores indisponíveis
n2 – número de geradores disponíveis
Uma vez que as configurações do SP podem ser consideradas acontecimentos mutuamente
exclusivos, a probabilidade do sistema se encontrar num estado com uma determinada
configuração CFS pode ser dada por,
)CF(p)CFS(Pn
1i
ir
(2. 32)
onde CFi representa a configuração i que contribui para um dado valor de CFS (linha da
tabela de CFS).
30
A cada nível de capacidade fora de serviço (linha da tabela de CFS) está associado um valor
de probabilidade de ocorrência. Os diferentes pares de valores de capacidade fora de serviço e
de probabilidade formam a tabela de probabilidades das capacidades fora de serviço. Se todos
os geradores do SP forem idênticos, a tabela de probabilidades pode ser obtida utilizando a
distribuição binomial, de acordo com (2.33). Embora esta situação seja pouco frequente, é no
entanto a que se verifica na central elétrica de Hera.
knk )FOR1( FOR k
n)p,n,k( p
(2. 33)
p(k,n,p) - representa a probabilidade associada a uma determinada linha da tabela das CFS;
n - representa o número total de geradores;
k - corresponde ao número de unidades fora de serviço associadas a uma determinada linha da
tabela das CFS.
Uma outra forma idêntica de calcular todas estas probabilidades é aplicando a distribuição
binomial:
1qpr
n)qp( rnr
n
0r
n
(2. 34)
Exemplo:
Considere-se um SP simples constituído por 3 geradores iguais com a mesma capacidade e o
mesmo valor de FOR, tal como se mostra na Tabela 2.2.
Tabela 2.2 - Dados dos geradores
Grupos Potência
(MW)
Disponibilidade Indisponibilidade
(FOR)
G1 25 0.985 0.015
G2 25 0.985 0.015
G3 25 0.985 0.015
A partir destes dados e utilizando a equação (2.34), pode construir-se a Tabela 2.3. Para este
exemplo tem-se:
q = 0.015 ; p = 0.985
31
106E3750,304E6488,602E3660,401E5567,9
)985,0()015,0( 3
3)985,0()015,0(
2
3)985,0()015,0(
1
3)985,0()015,0(
0
3
)985.0()015.0( r
3)qp(
)33(3)23(2)13(1)03(0
r3r3
0r
n
Tabela 2.3 - Probabilidades das capacidades fora de serviço
A probabilidade de capacidade fora de serviço depende da carga instalada de cada gerador, da
disponibilidade de capacidade de reservada dos geradores e da probabilidade de falha do SP
para cumprir as necessidades dos consumidores.
2.4.5 Modelação de carga
O cálculo de índices de fiabilidade de um SEE depende do comportamento do sistema em
termos de funcionamento/avaria e da evolução do comportamento da carga do sistema durante
o período estudado. O modelo de carga baseia-se no conhecimento da curva de cargas do
SEE. Em estudos de fiabilidade o modelo de carga pode ser representado através do diagrama
de cargas classificado, ou através do diagrama de cargas cronológico (Pereira, 2010). O
diagrama de cargas classificado obtém-se pelos valores máximos (pontas) diárias do consumo
de potência ativa previsto num determinado período de tempo; o diagrama de cargas
cronológico representa o comportamento das cargas ao longo um determinado período de
tempo normalmente dividido em períodos de 1 hora. A Figura 2.16 representa o exemplo de
um diagrama de cargas classificado com uma ponta máxima de 50 MW e uma ponta mínima
de 12,5 MW, enquanto a Figura 2.17 representa o diagrama de cargas cronológico (horário)
do dia 27 de Janeiro de 2012 da central elétrica de Hera, em que a área abaixo da curva
representa a energia consumida nesse dia.
Unidade CFS (Mw) Cap. De Serviço (Mw) prob. Ocorrência
0 0 75 9,5567E-01
1 25 50 4,3660E-02
2 50 25 6,6488E-04
3 75 0 3,3750E-06
1
32
Figura 2.16 - Diagrama de cargas classificado da CEH (27/01/2012)
A utilização de um diagrama de cargas cronológico representado pelas pontas diárias também
assume relevância quando se pretende avaliar a importância da manutenção programada nos
estudos de fiabilidade.
Figura 2.17 - Diagrama de cargas cronológico da CEH (27/01/2012)
Fator de carga
O fator de carga (FCa) pode ser obtido pela razão entre a média de carga durante um período
de tempo (mCa) e o pico mais alto de carga no mesmo intervalo do tempo (PCa).
PCa
mCaFCa
(2. 35)
Por sua vez a média de carga durante um período de tempo pode ser dada por,
33
hCar
TCamCa
(2. 36)
sendo,
TCa - carga total
hCar - horas de carregamento
Fator de capacidade
O Fator de Capacidade (FC) é um metido aproximado para o cálculo do Crédito de
Capacidade (CC) e indica o potencial de produção de uma central elétrica por ano (8784 horas
para o ano de 2012).
8784instalada Potência
i hora na produzida Potência
FC
8760
1i
(2.37)
O fator disponibilidade
O Fator Disponibilidade (FD) determina-se pela razão entre a potência disponível (Pd) e a
potência instalada (PI) do SP.
PI
PdFD
(2. 38)
Quanto mais próximo de 1 for este indicador melhor será o sistema produtor.
2.4.6 Modelo de risco
O modelo de risco (ou fiabilidade) de um SP obtém-se pela convolução dos acontecimentos
aleatórios (avarias, reparações, reconfigurações) do modelo de produção com o modelo de
carga (Figura 2.13).
Deste modo, a combinação da tabela das CFS com os gráficos de cargas permite a obtenção
de índices que avaliam a adequação do SP ao perfil de carga, traduzindo o risco do SP não
satisfazer, em determinados momentos, a carga requerida. A perda de carga do SP depende do
nível de reserva que o SP possui e da carga na altura em que ocorrem a saída de serviço de
geradores (avaria, manutenção).
34
Os estudos de fiabilidade (e o cálculo de índices de fiabilidade) de um SP podem ser
realizados através de métodos determinísticos ou probabilísticos, sendo os probabilísticos os
mais adequados. Através dos índices de fiabilidade pode verificar-se se o SP cumpre normas e
pré-requisitos de fiabilidade, avaliar o seu desempenho, identificar fragilidades e propor
formas de as corrigir e/ou mitigar.
Na Figura 2.18 apresenta-se um esquema com os métodos da avaliação dos índices de
fiabilidade de um SP geralmente usados, destacando a sombreado o processo seguido neste
estudo.
Fiabilidade do sistema de Produção
Estudos de Planeamento
Estudos de Segurança
Métodos Deterministicos
Métodos Probabilisticos
Margem de ReservaPerda de Maior
Unidade
Simulação de Monte Carlo
Métodos Analiticos
LOLP e LOLE LOEP e LOEE LOLP e LOLD
Figura 2.18 - Métodos de Fiabilidade de um Sistema de Produção
De acordo com Yau, (2006) os índices de fiabilidade mais usados em estudos desta natureza
são:
LOLP Loss Of Load Probability (Probabilidade de Perda de Carga);
LOLE Loss Of Load Expectation (Risco de Perda de Carga);
LOEP Loss Of Energy Probability (Probabilidade de Perda de Energia);
LOEE Loss Of Energy Expectation (Risco de perda de Energia);
EENS Expected Energy Not Supplied (Energia Não Fornecida);
LOLF Loss Of Load Frequency (Frequência de Perda de Carga);
LOLD Load Of Load Duration (Duração de Perda de Carga).
35
Refira-se que no âmbito deste estudo serão apenas considerados os índices LOLP, LOLE e
LOEE.
2.4.7 Loss of Load Probability
O índice LOLP indica a probabilidade do sistema produtor não ter capacidade suficiente para
satisfazer a carga pedida. Este índice pode ser calculado por,
n
1i imaxi )XXL(p)X(pLOLP (2. 39)
em que:
Xmax - capacidade total instalada (em MW)
n - número de estados possíveis do SP (correspondente ao nº de linhas da tabela das CFS)
p(Xi) - Probabilidade de perda de uma capacidade Xi (em MW)
p(L > Xmax - Xi) - probabilidade de pico de carga L ser superior à capacidade disponível
no estado i
Quanto menor for o LOLP maior será a fiabilidade do SP, o que significa que a capacidade
instalada deve ser elevada e o FOR deve ser baixo.
Como exemplo, considere-se a Tabela 2.3 das CFS de um SP e o diagrama de cargas da
Figura 2.16. A partir desta informação constrói-se o diagrama da Figura 2.19.
Cap
acid
ade
MW
0
12.5
25
37.5
50
62.5
75
365122 243
33.3%
66.7%
25 M
W
50 M
W
A B
C
Figura 2.19 – Diagrama de cargas classificado linear
Da análise a este diagrama verifica-se que:
36
Se a CFS for nula (nenhum gerador fora de serviço), a energia não fornecida é nula;
Se a CFS for de 25 MW (um gerador fora de serviço), a energia não fornecida é nula;
Se a CFS for de 50 MW (dois gerador fora de serviço), a energia não fornecida é
determinada pela área do triângulo (ABC).
Recorrendo à equação (2.38) obtém-se os valores da Tabela 2.4.
Tabela 2.4: Cálculo do LOLP
LOLP = 4,4465E-02 MW
2.4.8 Loss of Load Expectation
O índice LOLE (Loss Of Load Expectation) traduz o risco de perda de carga, permitindo
calcular o número de dias do período em estudo que o sistema não é capaz de satisfazer a
carga. Para obtenção deste índice recorre-se ao diagrama de cargas classificado e à tabela das
CFS, obtendo-se o número de dias (ou horas) do período em que a ponta diária de consumo
excede a capacidade disponível pela equação (2.40).
TLOLPT)XXL(p)X(pLOLEn
1i imaxi (2. 40)
Sendo assim, como o LOLP indica a probabilidade de ocorrer perda de carga, o LOLE pode
obter-se multiplicando o LOLP pelo número de dias (ou horas) do período em estudo, T. Paro
o exemplo tratado na secção 2.4.7, tem-se:
02E8952,3876002E4465,4TLOLPLOLE horas por ano
ou
01E6230.136502E4465,4TLOLPLOLE dias por ano
Para este exemplo, o risco (de corte de carga) do SP não ter capacidade suficiente para
alimentar a ponta diária é de 3.8952E+02 horas/ano.
CFS Prob. Ocorrencia CS Tempo - (ti - %) (pi x ti)
0 9,5567E-01 75 0 0
25 4,3660E-02 50 0 0
50 6,6488E-04 25 66,37 4,4128E-02
75 3,3750E-06 0 100 3,3750E-04
LOLP 4,4465E-02
37
2.4.9 Loss of Energy Expectation
O indicador LOEE (Loss Of Energy Expectation) é um indicador (ou índice) que representa a
energia perdida pelo SP devido à incapacidade deste para assegurar a carga durante o período
em análise. Este indicador pode ser calculado recorrendo ao diagrama de cargas classificado
ou ao diagrama de cargas horário (cronológico), considerando que a área abaixo da curva de
carga representa a energia utilizada durante um dado período. O LOEE dá-nos uma medida da
energia não fornecida devido à incapacidade do SP.
Para obtenção da energia esperada não fornecida combina-se a probabilidade de ter uma dada
capacidade fora de serviço com o diagrama de cargas do sistema, tal como se mostra na
Figura 2.20.
Car
ga M
W
0
12.5
25
50
75
tempo
Capacidade indisponível, Oi
Figura 2.20 - Energia não fornecida devido a capacidade indisponível
Deste modo, sempre que a perda de capacidade for superior à reserva do SP, tem-se uma
diminuição da energia fornecida pelo SP.
n
1i
ii pELOEE (3. 41)
onde:
Oi - capacidade indisponível;
Ei - energia indisponível devido a uma queda de capacidade de Oi;
pi - probabilidade de capacidade indisponível igual Oi.
O valor de LOEE pode ser apresentado como um valor normalizado, dividindo este indicador
pelo valor total de energia consumida, E,
38
n
1i
ii
E
pELOEE (3. 42)
39
3 Caso de estudo
3.1 Central elétrica Hera
A Central Elétrica de Hera (CEH), localizada nos arredores de Dili (Figura 3.1), é propriedade
do estado Timorense e iniciou a sua atividade em novembro de 2011 com sete geradores
Diesel de 17MW de potência cada. Nesta mesma altura uma outra Centra Elétrica estava em
fase de instalação em Betano, distrito de Manufahi, com 8 geradores idênticos aos da CEH,
tendo entrado em funcionamento em 2013.
Figura 3.1 - Central Eletricidade Hera
Para além destas duas Centrais Elétricas, Timor-Leste possui outras centrais elétricas de
menor potencia (Anexo B.3.1).
Os geradores da CEH foram fabricados pela Wartsila, uma empresa líder mundial na
fabricação e operação de equipamentos na área da produção de energia elétrica. Esta empresa
também é responsável pela gestão operacional destes equipamentos, cabendo a
responsabilidade da manutenção à empresa Puri Akraya. Na Figura 3.2 mostra-se o
organigrama com a estrutura de gestão da CEH. Decisões de natureza não operacional são da
responsabilidade da EDTL em coordenação com o governo de Timor-Leste, após consultarem
os relatórios enviados pelas Wartsila e Puri Akraya.
40
Contract Manager
Tomas Enander
Plant Manager
Sven Holm
Safety & Env Officer
Emrizal
Deputy Manager
(1C)
Admin Assitant
Mary Grace Handungan
Maintenance Manager
Agus SutrisnaAccountant
ArleneAdmin/HR Generalist
Gunawan Nirwan
Operation Manager
Arief Budiman
Helper Manager
(Vacant)
Drivers (4)
(Vacant)
Figura 3.2 - Organigrama da CEH.
Como se mostra no organigrama da Figura 3.3 o Departamento da manutenção, supervisiona
três divisões: manutenção mecânica; manutenção elétrica; e logística.
Maintenance Manager
Agus Sutrisna
Sr Mechl Maint Supv
Syafrizal
Sr Elec/PLC Maint Supv
Adip Asmuni
Sr Logistics Supv
Rihal Natsir
Mechanical Engeneer
Pradana Nawang
Sr Mechanics (2C)
Jr Mechanics (6C)
Mechinist (2C)
Electrical HV
Electrical Engineer
David H Tampubolon
PLC Engineer
Gudel Lis Suwanto
PLC Technician (1C)
Electricians (2C)
Logistics Engineer
Emrizal
Warehouseman (1C)
Tool Keeper (1C)
Fuel Tender (2W/O)
Figura 3.3 - Organigrama do Departamento de manutenção CEH.
Todas as atividades de gestão da manutenção são apoiadas por um software de gestão da
manutenção designado por AMOS que fornece várias informações e ordens de trabalho
(número do motor, quais os componentes, quando fazer manutenção e quem é o responsável).
No Anexo B.3.2 apresenta-se um exemplo de uma ordem de trabalho.
41
3.2 Principais equipamentos da CEH
A Central Elétrica de Hera é um sistema complexo formado por um conjunto vasto de
equipamentos dos quais de destacam:
Geradores diesel
Redutores de ruido
Compressores
Filtros de ar
Bombas de combustível
Filtros de combustível
Tanque de combustível
Tanque de água
Bombas de água
Resfriadores de óleo lubrificante
Bombas de óleo lubrificação
Bombas de injeção de combustível
Para uma melhor compreensão geral do funcionamento da CEH apresentam-se de seguida os
principais subsistemas que a constituem.
3.2.1 Gerador diesel
Gerador é uma fonte principal de produção de energia da elétrica. O gerador é um
equipamento composto por vários componentes, formando uma unidade ou um sistema
integrado com várias unidades, constituindo uma central elétrica. Trata-se do principal
equipamento de uma central elétrica, sendo a fiabilidade um atributo fundamental da
qualidade do serviço de fornecimento de energia elétrica aos clientes.
Características do Gerador diesel:
Motor Tipo : W18V46
Diâmetro do cilindro : 460 milímetros
Pistão Stroke : 580 milímetros
Deslocamento do pistão por cilindro : 96.41
Velocidade : 500.514 Rpm
Volicidade piston : 9.7, 9.9 m/s
Potência de gerador : 17 MW
42
Um gerador diesel é formado pelo conjunto de um motor diesel ou turbina com um gerador
elétrico para gerar energia elétrica.
Para atender as necessidades de eletricidade a CEH dispõe de 7 geradores diesel com
capacidade de 17 MW cada um (Figura 3.4).
Figura 3.4 - Aspeto geral da disposição dos sete geradores da CEH.
A maioria destes geradores entrou em funcionamento no final de 2011 como se mostra na
Tabela 3.1.
Tabela 3.1- Data de entrada em funcionamento dos geradores da CEH.
Número do
Gerador
Data de início
de arranque
G1 18-11-2011
G2 19-11-2011
G3 20-11-2011
G4 22-11-2011
G5 10-12-2011
G6 15-12-2011
G7 13-05-2012
Dada a potencia instalada e o consumo de energia verificado, existe uma larga folga de
capacidade. Em 2013 cerca de 95% do consumo de energia em Timor Leste era fornecido
pela CEH. Como se mostra no Anexo C.3.1, o pico de carga no dia 9 de julho de 2014 foi de
51,919 MW, atingido por volta das 20 horas.
43
3.2.2 Sistema Elétrico - CEH
A CEH é constituída por 7 geradores diesel montados em paralelo para produção de energia
elétrica através de um processo sincronizado. Este processo pode ser feito por um
sincronizador de modo automático ou modo manual, e as cargas podem ser compartilhadas
entre os geradores através do regulador automático de voltagem (Automatic Voltage
Regulator - AVR) (Figura 3.5).
Figura 3.5 - Sistema elétrico de produção da CEH.
Legenda da Figura 3.5:
1. Barramento de ligação dos geradores (G1, G2, …, G7) em paralelo
2. Energia ativa produzida (active power), depende da procura e da potência de motor.
3. Energia reativa produzida (reactive power), depende da potência ativa (active power)
e do fator potência do gerador.
4. Capacidade total de energia produzida.
5. Energia fornecida por cada gerador.
6. Bateria para fornecimento de energia ao sistema de controlo caso aconteça uma falha
total de energia elétrica (blackout).
44
O sistema de controlo da CEH é composto por um painel central de controlo e um painel de
controlo dos geradores, localizado na sala de controlo. Todas as atividades da CEH são
controladas pelo sistema WOIS (Wartsilla Operator’s Interface System), usado para
monitorizar os estados (produção, carga, consumo de combustível,…) e os dados essenciais
da Central. Todos estes dados, informações, obtenção de indicadores e registos são geridos
através do sistema de informação WISE (Wartsila Information System Environment).
3.2.3 Sistema de abastecimento de combustível aos geradores
O abastecimento de combustível (HFO e LFO) à CEH é feito por condutas desde o terminal
portuário de Hera até aos tanques de armazenamento existentes na Central (Figura 3.6).
Figura 3.6 – Unidade de bombagem de descarga do HFO (A) e Unidade de bombagem de descarga do
LFO (B)
Internamente a distribuição de combustível é feita de acordo com o esquema representado na
Figura 3.7.
B A
45
Motor/
GeradorSistema de
proteção
Tanque
diária
Tanque
reservatóri
o de LFO
Tanque de
Armazenamento
unid. Da Bomba descarregamento
1
Unidade de
alimentação
de LFO
Bomba
transferência
1
2
1
2
Tanque diária
de LFO LFO - TA
1
22
3
Unidade de separador
LFO
Produção
G1
G2
G3
G4
G5
G6
G7
Bomba descaregamento
de LFOA unid. De
separador LFO
Nota: Na figura mostram-se os procedimentos de distribuições de combustível LFO apesar de
utilizando a linha de HFO. LFO não requerem os processos de separações porém devido pela
sistema da linha distribuição de HFO.
Figura 3.7 - Sistema de distribuição LFO
3.2.4 Sistema de ar comprimido
A produção de ar comprimido é feita pelos compressores. Este ar comprimido é utilizado no
início do processo arranque dos motores; os motores são impulsionados pelo ar que é injetado
dentro de cada cilindro. Na Figura 3.8 mostra-se um esquema do circuito de ar comprimido da
CEH.
Figura 3. 8 - Sistema de comprimido
46
4. Modelação de índices de fiabilidade da Central de Hera
4.1 Introdução
No Capítulo 2 foi explicado o significado e o modelo de cálculo dos principais índices de
fiabilidade de um sistema produtor: LOLP, LOLE e LOEE. Os índices LOLP e LOLE
correspondem à probabilidade de ocorrência de dias (por exemplo) em que a capacidade de
produção disponível não é suficiente para satisfazer a ponta do diagrama de cargas. Enquanto
o LOLP corresponde a um valor de probabilidade (entre 0 e 1), o LOLE exprime o mesmo em
dias/ano (por exemplo).
LOEE refere-se ao valor esperado da quantidade de energia que deixou de ser fornecida às
cargas, devido a insuficiente capacidade de produção.
Neste capítulo serão avaliados os principais índices de fiabilidade utilizados num sistema
produtor – Central Elétrica de Hera. Mais especificamente, serão calculados os seguintes
índices:
LOLP (Loss of Load Probability);
LOLE (Loss of Load Expectation);
LOEE (Loss of Energy Expectation).
Todos os dados analisados são referentes ao ano de 2012 e foram gentilmente fornecidos pela
CEH.
Como de refere na secção 2.4.3 os índices de fiabilidade de um SP obtêm-se pela convolução
dos acontecimentos aleatórios (avarias, reparações, reconfigurações) do modelo de produção
com o modelo de carga. Começa-se por estudar o modelo de carga e de seguida o modelo de
produção. Por fim serão avaliados os índices de fiabilidade (modelo de risco) tal como se
sugere no esquema da Figura 2.13.
4.2 Modelação de carga da CEH
A caracterização do modelo de carga consiste na modelação da produção diária da central.
São elementos utilizados nesta caracterização, os gráficos de pico de carga, o fator de carga o
fator de capacidade.
47
4.2.1 Pico de carga
Em cada hora, a quantidade de energia produzida pelo sistema elétrico é registada por um
equipamento ligado à subestação. No anexo B.4.1 constam os valores diários de energia
produzida pela CEH durante o no de 2012, o valor de pico de carga diário e a hora em que
ocorreu, entre outra informação que será mais adiante referida. Com base nos valores de pico
de carga obteve-se o gráfico da Figura 4.1. É evidente pela análise deste gráfico, um aumento
dos valores de pico de carga no decorrer do ano de 2012.
Figura 4.1 - Gráfico dos picos diários de carga durante o ano de 2012.
Na Figura 4.2 mostram-se os gráficos (mensais) do consumo de energia diário obtido pelo
pico de carga registado em cada dia (os valores que suportam esta representação gráfica estão
no anexo B.4.1).
Estes gráficos mostram um aumento consistente dos picos de consumo de energia ao longo do
ano de 2012. Os dados dos primeiros meses de 2013 (Anexo B.4.2 e C.4.1 confirmam esta
tendência (comportamento típico dos países em vias de desenvolvimento como é caso de
Timor-Leste).
48
Janeiro Fevereiro Março
Abril Maio Junho
Julho Agosto Setembro
Outubro Novembro Dezembro
Figura 4.2 - Gráficos mensais dos picos de carga diários
A partir da identificação do dia de maior pico de carga de cada mês de 2012 e dos dados de
consumo horário de energia (Anexo B.4.1) construíram-se os gráficos da Figura 4.3. Assim,
por exemplo para o mês de janeiro, o dia de maior pico de carga foi o dia 27 (Anexo B.4.3).
Para este dia mostra-se no canto superior direito da Figura 4.3 o gráfico com o perfil de
consumo horário.
49
27 de Janeiro 15 de Fevereiro 1 de Março
13 de Abril 30 de Maio 19 de Junho
10 de Julho 27 de Agosto 27 de Setembro
24 de Outubro 22 de Novembro 3 de Dezembro
Figura 4.3 - Distribuição do consumo horário para o dia de maior consumo de cada mês de 2012
Uma análise dos gráficos da Figura 4.3 permite constatar que o pico de carga acontece por
volta das 20 horas. Com os picos de carga registados em cada um dos dias representados na
Figura 4.3, construiu-se o gráfico da Figura 4.4.
Figura 4.4 - Pico de carga no pior dia de cada mês de 2012
50
A reta de regressão linear que se ajusta aos valores dos picos de carga mostra uma clara
tendência crescente nos picos de carga ao longo do ano. Este modelo permite-nos perspetivar,
caso o comportamento do consumo se mantenha, como será o consumo nos próximos anos e a
partir de que momento a CEH deixará de ter capacidade para satisfazer o consumo. Neste
momento o modelo representado na Figura 4.4 poderá ser atualizado com os dados do
consumo de 2013 e da primeira metade de 2014.
4.2.2 Fator de carga
Para calcular o fator de carga num dado período de tempo é necessário conhecer a produção
total e o pico de carga nesse mesmo período de tempo. No anexo B.4.1, apresenta-se a
produção diária da CEH na coluna Gross generation ao longo do ano de 2012. O somatório
desta produção diária durante todo o ano de 2012 dá-nos a produção total de
235.026,07MWh. De acordo com a expressão 2.36, a média da carga horária (mCa) no ano de
2012 foi de,
MWh76,26
8784
07,026.235
hCar
TCamCa
ou MWdia 148,642366
235.026,07mCa
Se relacionarmos esta média de carga horária com o valor de pico de carga no ano de 2012
que foi de 46,67 MW obtemos a fator de carga FCa (expressão 2.35).
%33,575733,067,46
76,26
PCa
mCaFCa
No anexo B.4.1. pode ver-se o fator de carga para cada dia 2012. A representação gráfica
destes valores é mostrada na Figura 4.5.
Figura 4.5 - Gráfico do fator de carga diária
51
4.2.3 Fator de capacidade
O fator de capacidade (FC) para o ano de 2012 obtém-se pelo rácio da energia produzida
durante o ano com a energia que poderia ser produzida nesse mesmo período dada a potencia
instalada de 119 MW. Assim pela expressão (2.37) temos,
%48,222248,036624119
07,026.235
8784instalada Potência
i hora na produzida Potência
FC
8760
1i
O valor de FC=22,48% significa que a CEH tem um elevado potencial em termos de
fornecimento de energia ainda por utilizar. Obviamente, com o aumento acentuado no
consumo de energia que tem vindo a registar-se, e que se perspetiva que continue nos
próximos anos, este potencial de fornecimento tenderá a reduzir-se e, consequentemente, o FC
tenderá para 100%.
No Figura 4.6 apresenta-se a evolução do fator de capacidade mensal da CEH ocorrido no ano
de 2012, evidenciando-se um notório aumento do valor do FC de 17.30% no mês de janeiro
para 28.28 % no mês de dezembro.
Figura 4.6 - Fator de capacidade mensal da CEH no ano de 2012
No anexo B.4.1, encontram-se os FC para os 366 dias do ano de 2012.
4.3 Modelo de produção
Para caracterizar o modelo de produção recorreu-se a três indicadores de desempenho: a
disponibilidade o FOR e as probabilidades de capacidades fora de serviço.
52
4.3.1 Disponibilidade
No cálculo da disponibilidade da CEH foram usados dois conceitos distintos de
disponibilidade: a disponibilidade inerente (Ai) e a disponibilidade operacional (A0). Assim
através da expressão (2.16) e dos dados da tabela em anexo B.4.4 para o ano de 2012, obteve-
se:
%8,95958,082,36303,162066,52045,146866,3441868,20914
)45.146866.34418(68.20914A
ALDTTCMTPMSTOT
ST OTA
0
0
A disponibilidade inerente foi obtida utilizando a expressão (2.15) e os dados da Tabela B.3.1
(Anexo B3).
%5,98985,082,36303,162066,52045,146866,3441868,20914
03,162066,52045.146868,20914,A
MTTRMTBF
MTBFA
i
i
Destes dois indicadores de disponibilidade apresentados aquele que (no nosso entender)
melhor reflete a realidade é a disponibilidade operacional, contudo, neste estudo são usados
ambos os indicadores (disponibilidade operacional e disponibilidade inerente). Na Figura 4.7
representa-se a evolução da disponibilidade inerente para os meses de 2012, cujo valor médio
ronda os 98,5% e a amplitude máxima de variação é superior a 2%.
Figura 4.7 - Evolução da disponibilidade inerente durante 2012
53
4.3.2 Forced Outage Rate
O Forced Outage Rate (FOR) é um indicador de fiabilidade do sistema produtor que avalia a
probabilidade do sistema estar fora de serviço (indisponível). De acordo com o modelo
representado na Figura 2.14, consiste na probabilidade do sistema se encontrar no estado de
avaria. A avaliação das probabilidades dos estados de funcionamento ou de avaria de um
gerador passa pela avaliação da taxa de avaria, e da taxa de reparação, . Após uma análise
aos dados de manutenção dos geradores referentes ao ano de 2012, obteve-se os tempos de
avaria de cada gerador e os tempos de reparação (manutenções preventiva e manutenções
corretivas) apresentados na Tabela B.4.4 (Anexo B).
Modelo de Weibull
O modelo de Weibull é um dos modelos mais utilizados em estudos de fiabilidade, para
caracterizar tempo de vida de componentes e equipamentos. A aplicação deste modelo aos
tempos de vida (ou de falha) dos 7 geradores da CEH, recorrendo ao Software Minitab 16,
produziu os gráficos da Figura 4.8.
4500300015000
0,0015
0,0010
0,0005
0,0000
Tempos de falha
PD
F
1000010001001010,1
90
50
10
1
0,1
T empos de falha
Pe
rce
nt
4500300015000
100
50
0
T empos de falha
Pe
rce
nt
4500300015000
0,0018
0,0015
0,0012
0,0009
T empos de falha
Ra
te
Correlation 0,976
Shape 0,872345
Scale 898,572
Mean 962,351
StDev 1106,45
Median 590,317
IQR 1091,25
Failure 23
Censor 43
AD* 106,203
Table of StatisticsProbability Density Function
Surv iv al Function Hazard Function
Gráficos dos tempos de falha dos geradores Tempo de falha - Dados Censurados
Weibull
Figura 4.8 - Ajustamento do modelo de Weibull aos tempos de falha dos geradores
Verifica-se, pela análise dos resultados, que o modelo de Weibull com os seguintes
parâmetros: parâmetro de forma, =0,8723; parâmetro de escala, =898,6 horas; e parâmetro
54
de posição =0 horas é um modelo bem adaptado para tratar os dados de falha dos geradores
registados no ano de 2012. A Figura 4.9 confirma a boa adequabilidade do modelo de
Weibull. A função de falhas decrescente deve-se, muito provavelmente, ao facto dos
geradores em 2012 se encontrarem na sua fase de arranque/início da sua fase de vida útil. Pelo
valor do tempo médio entre falhas (MTBF=962,351 horas) tira-se a taxa de falhas,
=1/962,351= 0,001039 falhas/hora.
1000010001001010,10,01
99
90807060504030
20
10
5
32
1
0,1
Tempos de falha dos geradores
Perc
en
t
Correlation 0,976
Shape 0,872345
Scale 898,572
Mean 962,351
StDev 1106,45
Median 590,317
IQR 1091,25
Failure 23
Censor 43
AD* 106,203
Table of Statistics
Gráfico de probabilidade
Tempos de falha - Dados Censurados
Weibull - 95% CI
Figura 4.9 - Ajustamento do modelo de Weibull aos dados de falha dos 7 geradores e representação
dos limites de confiança dos 5% e 95%
Por outro lado, o ajustamento do modelo de Weibull aos tempos de reparação mostrou-se
pouco adequado, como se mostra na Figura 4.10 (coeficiente de ajustamento baixo: r2=0,929).
100010010
99
90
80706050
40
30
20
10
5
3
2
1
Tempos de reparação (horas)
Perc
en
t
Correlation 0,929
Shape 1,61022
Scale 135,676
Mean 121,573
StDev 77,3434
Median 108,056
IQR 103,603
Failure 22
Censor 45
AD* 11,674
Table of Statistics
Probability Plot for todos
Tempos de reparação
Weibull - 95% CI
Figura 4.10 - Ajustamento do modelo de Weibull aos dados de reparação dos 7 geradores
55
Por esta razão para além do modelo de Weibull foram testados outros modelos (Lognormal,
Exponencial e Loglogistic) como se mostra na Figura 4.11. Destes, o modelo com melhor
ajustamento (menor valor do coeficiente de Anderson-Darling ajustado, AD*) foi o modelo
Loglogistic com um AD*=1,376.
10001001010,1
99,9
90
50
10
1
0,1
T empos de reparação
Pe
rce
nt
1000100101
99,9
99
90
50
10
1
0,1
T empos de reparação
Pe
rce
nt
10001001010,1
99,9
90
50
10
1
0,1
T empos de reparação
Pe
rce
nt
1000100101
99,9
99
90
50
10
1
0,1
T empos de reparação
Pe
rce
nt
Weibull
2,918
Lognormal
1,685
Exponential
3,014
Loglogistic
1,376
Anderson-Darling (adj)
Gráficos de probabilidades
Tempos de reparação
Weibull Lognormal
Exponential Loglogistic
Figura 4.11 - Ajustamento do modelo de Weibull aos tempos de reparação geradores
Segundo este modelo, o tempo médio de reparação, MTTR = 63,5 horas (Figura 4.12). Com
este tempo médio de reparação pode estimar-se a taxa de reparação, =1/63,5=0,01575
reparações por hora.
56
100001000100101
99,9
99
95
90
80706050403020
10
5
1
0,1
Tempos de reparação (horas)
Perc
en
t
Correlation 0,968
Loc 3,63612
Scale 0,530389
Mean 63,5143
StDev *
Median 37,9441
IQR 46,7647
Failure 67
Censor 0
AD* 1,379
Table of Statistics
Gráfico de probabilidades
Tempos de reparação
Loglogistic - 95% CI
Figura 4.12 - Modelo Loglogistic
Conhecendo a taxa de falhas, e a taxa de reparação, pode estimar-se a disponibilidade
(probabilidade de um gerador se encontrar no estado de funcionamento) e a indisponibilidade
(probabilidade de um gerador se encontrar no estado de avaria) por,
9381,0A
0619,0A
Tendo em conta a incerteza associada aos indicadores de disponibilidade (ou de
indisponibilidade) dos geradores, acima apresentados, resultante da dificuldade de
interpretação de muitos dos dados referentes a tempos de falha e de reparação e a tempos de
standby, optou-se pela obtenção do indicador FOR com base nos dados registados pelos
contadores (horas de operação, horas de standby, energia gerada, etc.) da CEH. Os resultados
analisados encontram-se na Tabela 4.1.
57
Tabela 4.1 - Indicadores de desempenho da CEH - ano de 2012
Constata-se, deste modo, uma discrepância nos indicadores de disponibilidade
(indisponibilidade) obtidos por diferentes vias. Na Tabela 4.2 mostram-se os vários valores de
FOR dos geradores obtidos para o ano de 2012.
Tabela 4.2 - Valores de disponibilidade/FOR
Equação 2.20 Modelo de
Markov
Análise dos dados
dos contadores da
CEH
FOR 0,042 0,0619 0,015
Disponibilidade 0,958 0,9381 0,985
4.3.3 Probabilidades das Capacidades Fora de Serviço
Pela análise dos tempos de falha e dos tempos de reparação (reposição) dos geradores
efetuada na subsecção anterior avaliou-se as probabilidades de um gerador se encontrar num
dos dois estados possíveis - estado de funcionamento e no estado de falha.
Como se depreende pelo gráfico de estados da Figura 4.13, existem várias configurações
possíveis paras as unidades do SP.
119
MW
34
MW
17
MW
51
MW
69
MW
85
MW
102
MW
7 6 5 4 3 2
0
MW
Figura 4.13 - Gráfico de estados dos sete geradores da CEH
Gross Standby Pico Indisp. Fator Fator
Generation Hour Planed Forced External carga FOR de Cap. de carga
Hour MWh Hour Hour Hour % % % % %
Jan 0,00 1490,80 15312,66 2933,62 39,58 0,00 0,0 29,5 99,11 100,00 0,89 17,30 69,77
Fev 1490,80 1396,59 15410,45 2693,28 86,13 0,00 0,0 31,5 97,94 100,00 2,06 18,61 70,29
Março 2981,60 1514,03 16336,60 2919,97 30,00 0,00 0,0 31,7 99,33 100,00 0,67 18,45 69,21
Abril 4378,19 1454,29 15762,90 2803,28 33,33 53,10 0,0 32,5 98,01 98,78 1,99 18,40 67,37
Maio 5892,22 1732,14 19223,48 3259,59 18,02 30,45 0,0 36,7 99,04 99,40 0,96 21,71 70,40
Junho 7346,51 1610,57 18773,44 3420,31 25,62 46,73 0,0 37,0 98,58 99,08 1,42 21,20 70,52
Julho 9078,65 1984,66 20486,45 3167,30 16,00 40,05 0,0 39,9 98,92 99,23 1,08 23,14 68,94
Aug 10689,22 2014,92 20446,06 3076,94 61,13 62,18 0,0 37,8 97,64 98,81 2,36 23,09 72,72
Set 12673,88 1886,87 20940,87 3010,33 71,77 55,03 0,0 43,0 97,48 98,90 2,52 23,65 67,72
Out 14688,80 1808,29 23314,47 3396,12 8,00 2,68 0,0 43,6 99,80 99,95 0,20 26,33 71,91
Nov 16575,67 2000,50 23984,39 2954,03 77,00 8,50 0,9 45,7 98,29 99,81 1,71 27,09 72,84
Dez 18383,96 2500,55 25034,30 2528,88 58,35 29,47 0,0 46,7 98,28 99,42 1,72 28,28 72,09
Total 21394,21 235026,07 36163,65 524,93 328,2 0,9 46,7 98,54 99,44 1,5 22,48 57,33
CEH Hour MeterOperated
OUTAGE HOURSDisp.
Fiabili
dade
58
Dado que estas configurações são consideradas acontecimentos aleatórios mutuamente
exclusivos, podemos utilizar a expressão (2.34) para calcular a probabilidade do sistema se
encontrar num dado estado com uma determinada capacidade fora de serviço (CFS). Assim,
considerando um FOR=0,042 (probabilidade de falha, p) o cálculo das probabilidades de
ocorrência para cada nível de CFS (probabilidades dos estados 1, 2, … 7) pode obter-se do
seguinte modo:
103054,2)958,0()042,0(7
7
086809,3)958,0()042,0(6
7
065188,2)958,0()042,0(5
7
055755,9)958,0()042,0(4
7
031841,2)958,0()042,0( 3
7
029891,2)958,0()042,0( 2
7
012727,2)958,0()042,0( 1
7
014056,7)958,0()042,0( 0
7
)958,0()042,0( 7
)(
777
)119(
)67(6
)102(
575
)85(
474
)68(
)37(3
)51(
)27(2
)34(
)17(1
)17(
)07(0
)0(
77
0
ECFS
ECFS
ECFS
ECFS
ECFS
ECFS
ECFS
ECFS
rqp rr
r
n
Com estes resultados, constrói-se a tabela das probabilidades das CFS do sistema produtor
(Tabela 4.3). Esta tabela apresenta a probabilidade de uma dada capacidade do SP não estar
disponível. Também mostra a probabilidade acumulada que indica para cada linha da tabela, a
probabilidade de uma dada capacidade maior ou igual ao valor referido nessa linha se
encontrar fora de serviço. Por exemplo, na linha da tabela referente a 2 geradores fora de
serviço (ver na coluna 1) temos uma capacidade de serviço de 85MW, uma CFS de 34 MW,
uma probabilidade de ocorrência deste estado, pi=2,9891E-02 e uma probabilidade de
CFS≥34MW de 3,2174E-02.
59
Tabela 4.3 - Probabilidades de CFS anual com um FOR = 4.2%
Se em vez de considerarmos o valor de FOR=4,2%, considerarmos o valor de FOR=1,5%,
obtido com os dados dos contadores da CEH, os resultados para as probabilidades das CFS
mostram-se na Tabela 4.4.
Tabela 4.4 - Probabilidades de CFS anual com um FOR = 1.5%
4.4 Modelo de risco
O modelo de risco resulta da convolução dos acontecimentos aleatórios do modelo de
produção com o modelo de carga (Li, 2005). Da combinação da tabela das probabilidades das
CFS com o diagrama de carga obtêm-se os índices de fiabilidade que medem a adequação do
sistema produtor, traduzindo o risco deste não ser capaz de satisfazer as cargas existentes num
determinado momento. A perda de carga do sistema depende da reserva do sistema e do nível
de carga na altura em que ocorrem saídas de serviço de geradores. Em Billinton and Allan
(1996) faz-se uma distinção clara entre perda de carga e perda de capacidade do SP; a perda
de capacidade por parte do SP não implica que ocorra perda de carga. A perda de carga ocorre
se o sistema não tiver reserva suficiente para tolerar a saída de serviço dos geradores
Un. de CFS Capacidade Probabilidade Capacidade Fora Probabilidade
MW Serviço (MW) Ocorrência (pi) de Serviço (MW) Acumulada
0 119 7,4056E-01 0 1
1 102 2,2727E-01 17 2,5944E-01
2 85 2,9891E-02 34 3,2174E-02
3 68 2,1841E-03 51 2,2824E-03
4 51 9,5755E-05 68 9,8311E-05
5 34 2,5188E-06 85 2,5559E-06
6 17 3,6809E-08 102 3,7040E-08
7 0 2,3054E-10 119 2,3054E-10
1
Un. de CFS Capacidade Probabilidade Capacidade Fora Probabilidade
MW Serviço (MW) Ocorrência (pi) de Serviço (MW) Acumulada
0 119 8,9961E-01 0 1
1 102 9,5897E-02 17 1,0039E-01
2 85 4,3811E-03 34 4,4940E-03
3 68 1,1120E-04 51 1,1290E-04
4 51 1,6933E-06 68 1,7089E-06
5 34 1,5472E-08 85 1,5551E-08
6 17 7,8538E-11 102 7,8709E-11
7 0 1,7086E-13 119 1,7086E-13
1
60
avariados. Existem índices de perda de carga (LOLP ou LOLE) e de perda de energia
(LOEE).
4.4.1 LOLP (Loss of Load Probability)
Este índice indica a probabilidade do sistema produtor não ter capacidade suficiente para
assegurar a carga pedida durante o horizonte temporal em análise. Neste estudo avaliou-se
este índice para o ano de 2012, para um mês (janeiro de 2012) e para um dia (13 de novembro
de 2012). Comecemos então por apresentar os valores para ao ano de 2012.
Na Figura 4.14 mostra-se a gráfico de cargas referente a 2012. Da sua análise verifica-se que
os valores máximo e mínimo de pico de carga anual foram de 46,67 MW e de 29,5 MW,
respetivamente.
Figura 4.14 - Gráfico de carga referente ao ano de 2012
Deste modo, 3 geradores (dos 7 instalados) em funcionamento (17x3=51 MW) são suficientes
para satisfazer o consumo na situação mais desfavorável (pico de consumo = 46,67 MW).
Assim, uma perda de capacidade de 68 MW (4 geradores em falha) não provocaria qualquer
perda de carga. No entanto o funcionamento de apenas 2 geradores durante o período em
análise (perda capacidade de 85MW) conduziria a uma perda de carga em 73,79% dos dias de
2012.
Na Tabela 4.5 mostra-se o cálculo LOLP anual considerando um FOR = 4,2%. Para cada
linha i da tabela temos o número de geradores fora de serviço (0, 1, 2, …, 7), a capacidade
0
17
34
51
68
85
102
119
136
1 25% 50% 75% 100%
Potê
nci
a -
MW
% Tempo (t=366)
46,67 MW
29,5 MW
Potência máxima instalada
73,79%
Capacidade disponivel
Ca
pa
cid
ad
efo
ra d
e se
rviç
o
61
disponível resultante do número de geradores fora de serviço, a probabilidade de ocorrência pi
do número de geradores fora de serviço, a capacidade fora de serviço, a percentagem de
tempo ti (considerando 100% o ano) de perda de carga devido a capacidade fora de serviço, e
o valor de LOLP.
Tabela 4.5 - Cálculo de LOLP anual com um FOR de 4.2%
Mais concretamente, o valor de LOLP referente ao ano de 2012 obtém-se do seguinte modo:
088954,2100103054,2
066809,3100086809,3
048586,179,73065188,2
00055755,9
00031841,2
00029891,2
00012727,2
00014056,7
)119(
)102(
)85(
)68(
)51(
)34(
)17(
)0(
EELOLP
EELOLP
EELOLP
ELOLP
ELOLP
ELOLP
ELOLP
ELOLP
CFS
CFS
CFS
CFS
CFS
CFS
CFS
CFS
Repetindo os cálculos acima com um valor de FOR=1,5% obtemos os valores da Tabela 4.6 e
o valor de LOLP=1,1496E-06.
Tabela 4.6 - Cálculo de LOLP anual com um FOR de 1,5%
Un. de CFS Capacidade Probabilidade Capacidade Fora % Tempo LOLP
MW Serviço (MW) Ocorrência (pi) de Serviço (MW) (ti) (pi x ti)
0 119 7,4056E-01 0 0 0
1 102 2,2727E-01 17 0 0
2 85 2,9891E-02 34 0 0
3 68 2,1841E-03 51 0 0
4 51 9,5755E-05 68 0 0
5 34 2,5188E-06 85 73,79 1,8586E-04
6 17 3,6809E-08 102 100 3,6809E-06
7 0 2,3054E-10 119 100 2,3054E-08
1 LOLP 1,8957E-04
Un. de CFS Capacidade Probabilidade Capacidade Fora % Tempo LOLP
MW Serviço (MW) Ocorrência (pi) de Serviço (MW) (ti) (pi x ti)
0 119 8,9961E-01 0 0 0
1 102 9,5897E-02 17 0 0
2 85 4,3811E-03 34 0 0
3 68 1,1120E-04 51 0 0
4 51 1,6933E-06 68 0 0
5 34 1,5472E-08 85 73,79 1,1417E-06
6 17 7,8538E-11 102 100 7,8538E-09
7 0 1,7086E-13 119 100 1,7086E-11
1 1,1496E-06
62
Uma avaliação do LOLP idêntica à efetuada para o ano de 2012 mas agora considerando o
mês de janeiro de 2012 mostra valores de LOLP ainda mais baixos. Tal deve-se ao facto do
gráfico de classificação de carga referente a este mês (Figura 4.15) apresentar valores
inferiores à média anual e a potência instalada se manter inalterada ao longo do ano.
Figura 4.15 - Gráfico de classificação de carga - mês de janeiro de 2012
Na Tabela 4.7 mostram-se os valores utilizados no cálculo do valor de LOLP = 3,4523E-10
referente ao mês de janeiro, considerando um valor de FOR=0,89% (ver valor na Tabela 4.1).
Tabela 4.7 - Cálculo de LOLP referente ao mês de janeiro de 2012 (FOR = 0,89%)
0
17
34
51
1 25% 50% 75% 100%
Po
ten
cia
-M
w
Percentagem
LOAD DISPATCH (MWh)
Un. de CFS Capacidade Probabilidade CFS % Tempo LOLP
MW Serviço (MW) Ocorrência (pi) (MW) (ti) (pi x ti)
0 119 9,3934E-01 0 0 0
1 102 5,9046E-02 17 0 0
2 85 1,5907E-03 34 0 0
3 68 2,3807E-05 51 0 0
4 51 2,1379E-07 68 0 0
5 34 1,1519E-09 85 0 0
6 17 3,4479E-12 102 100 3,4479E-10
7 0 4,4231E-15 119 100 4,4231E-13
1 LOLP 3,4523E-10
63
4.4.2 Loss of Load Expectation
Após a obtenção do índice LOLP conforme mostrado na subsecção anterior, o cálculo do
índice LOLE (Loss Of Load Expectation) obtém-se pela expressão (2.39), multiplicando o
valor de LOLP pela duração do período em análise. Resulta assim no número de dias (ou
horas) do período em que a ponta diária de consumo excede a capacidade disponível.
Deste modo o valor de LOLE referente ao ano de 2012 é,
04E207,4366 06E1496,1TLOLPLOLE dias/ano
01,08784 06E1496,1TLOLPLOLE horas/ano
Na Tabela 4.8 apresentam-se os valores de LOLP e de LOLE (em dias/ano e em horas/ano)
referente ao ano de 2012 considerando FOR=4,2% e FOR=1,5%.
Tabela 4. 8 - Valores de LOLP e de LOLE com FOR=4,2% e FOR=1,5% - ano de 2012
Independentemente dos valores de FOR considerados, os valores de LOLP e de LOLE para o
ano de 2012 são muito baixos, devido ao facto do sistema de produção apresentar uma
elevada folga de capacidade.
Um estudo idêntico a este feito para os meses de janeiro a dezembro de 2012 produziu os
resultados que constam da Tabela 4.9. Os cálculos efetuados para obtenção destes resultados
encontram-se na Tabela B.4.5 (Anexo B).
Os valores mensais obtidos para o LOLP e para o LOLE são insignificantes devido aos baixos
valores de FOR registados mensalmente e, fundamentalmente, dada a elevada folga de
capacidade do sistema de produção.
dias/ano horas/ano
366 8784
4,2 1,8957E-04 6,9382E-02 1,6652
1,5 1,1496E-06 4,2074E-04 0,0101
FOR (%) LOLP
LOLE
64
Tabela 4.9 - Tabela dos valores mensais de LOLP e LOLE - meses de janeiro a dezembro de 2012
4.4.3 Loss of Energy Expectation
O índice LOEE (Loss Of Energy Expectation) traduz a energia perdida pelo sistema devido à
incapacidade deste alimentar a carga durante o período estudado. Este índice possui um
significado mais real que o LOLP, dado que fornece uma medida da energia não fornecida
devido à incapacidade do SP. O LOEE pode ser obtido a partir do diagrama de cargas,
considerando a área abaixo da curva representativa da energia utilizada num dado período de
tempo, e pode ser utilizado para calcular a energia não disponível por incapacidade do sistema
produtor. Para calcular a energia esperada não fornecida, combina-se a probabilidade de ter
uma dada capacidade fora de serviço com o diagrama de cargas do sistema. Deste modo,
qualquer perda de capacidade superior à reserva do sistema resulta numa diminuição da
energia fornecida pelo SP. Na Figura 4.16 representa-se o gráfico de classificação de carga
em horas do dia 13 de novembro de 2012.
Figura 4.16 - Gráfico de classificação de carga em horas - dia 13 de novembro de 2012
0
17
34
51
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Mw
2012
LOAD DISPATCH (Mwh)
4,8
4
12,1
7,25
65
Para se fazer uma estimativa do valor de LOEE para este dia tem de se avaliar as diferentes
áreas representadas na Figura 4.16 correspondentes a energia não fornecida.
Assim temos um pico máximo de 45,39 MW e um pico mínimo de 29,16 MW (Tabela B.4.1ª,
Anexo B).
MWh29.41
2
25.73439,45ENF Mw85
MWh 49.420)24()1716.29(())1.12()16.2934((
2
9.1116,2934
2
25.73439,45ENF Mw102
MWh 49.828)2417()24()1716.29(())1.12()16.2934((
2
9.1116,2934
2
25.73439,45ENF Mw102
Na Tabela 4.10 apresenta-se o valor estimado de LOEE para o dia em análise.
Tabela 4.10 - Cálculo de LOEE - dia 13 de novembro de 2012.
4.5 Analise dos resultados
Neste trabalho foram estudados os fatores RAM associados à CEH e obtidos indicadores de
desempenho para os modelos de produção, de cargas e de risco. Em termos de modelo de
produção, para além do estudo dos fatores RAM, são apresentados indicadores de Fiabilidade
para os geradores (MTBF, taxa de falhas, …) de disponibilidade (disponibilidade operacional,
e disponibilidade inerente) e de manutibilidade (MTTR, taxa de reparação,…). Comparando
os valores da disponibilidade operacional (95.8% a que corresponde um FOR de 4,2%) com
os da disponibilidade inerente (98.5% a que corresponde um FOR de 1,5%) verifica-se uma
diferença significativa, o que indicia uma grande margem de melhoria no que diz respeito às
questões logísticas associadas à manutenção (tempos de espera por recursos de manutenção,
Un. de CFS Capacidade Prob. CFS Ei LOEE (MWh)
MW Serviço (MW) Ocorrência (pi) (MW) (MWh) (pi x Ei)
0 119 7,1078E-01 0 0 0
1 102 2,4867E-01 17 0 0
2 85 3,7285E-02 34 0 0
3 68 3,1057E-03 51 0 0
4 51 1,5522E-04 68 0 0
5 34 4,6547E-06 85 41,29 1,9219E-04
6 17 7,7546E-08 102 420,49 3,2607E-05
7 0 5,5367E-10 119 828,49 4,5871E-07
1 2,2525E-04
66
falta de uma boa política de gestão de sobresselentes, escassez de meio de diagnóstico,
deficiências de planeamento, etc.).
Relativamente ao estudo das cargas, este trabalho apresenta resultados que caraterizam as
cargas que recaem sobre a CEH e, em grande medida, a realidade em termos de consumo de
energia em Dili, durante o ano de 2012. Pela análise dos gráficos das Figuras 4.2 e 4.3 tem-se
a evolução do consumo neste ano podendo ainda estimar-se uma taxa crescimento do
consumo de energia. Esta taxa é um elemento fundamental no planeamento de novos sistemas
de produção de energia elétrica em Timor-Leste.
Pela análise da Figura 4.3 verifica-se que o pico de carga ocorre invariavelmente por volta das
20 horas devido ao aumento do consumo doméstico e iluminação pública. A atividade
industrial representa ainda neste momento uma pequena parte do consumo de energia elétrica.
O valor do Fator de Capacidade de 22.48% obtido para o ano de 2012 mostra para este
período um claro excesso de capacidade instalada para satisfazer o pico de cargo nesse
mesmo período. De destacar, no entanto, o aumento que este indicador registou de 17.30% em
janeiro para 28,28 em dezembro. Idêntica conclusão se pode tirar ao analisarmos o fator de
capacidade obtido para o ano de 2012.
Por último no que diz respeito ao modelo de risco, este estudo centra-se na obtenção de três
indicadores: LOLP, LOLE e LOEE. A diferença entre os valores de LOLP e de LOLE
corresponde a um fator de escala (como já foi referido); o LOLE é obtido multiplicando o
valor de LOLP por 365, de forma a obter um resultado em dias/ano, ou por 8760, de forma a
obter um resultado em horas/ano.
Pela análise dos resultados salienta-se os valores muito baixos obtidos para os indicadores
LOLP e LOLE, independentemente do valor de FOR utilizado nos cálculos, ou do período de
tempo estabelecido para o cálculo (ano, mês ou dia). De facto em sistemas elétricos com
fatores de carga próximos de 100%, o planeamento das ações de manutenção é determinante
para assegurar uma elevada fiabilidade do sistema produtor, pelo que se deve procurar,
sempre que possível, levar a cabo estas ações nos períodos de menor carga, de forma a não
afetar consumidores pela diminuição de potência disponível. Contudo, neste estudo estas
questões mostram-se irrelevantes, dada a elevada folga de capacidade ainda existente
(potencia instalada muito superior ao consumo). Obviamente, à medida que esta folga se vá
67
reduzindo, devido ao aumento de carga do sistema e a uma maior probabilidade de saída de
serviço de grupos geradores (aumento da falhas por fadiga, envelhecimento, stress de
funcionamento, …), o planeamento de ações e manutenção preventiva dos geradores e outros
sistemas de suporte para períodos de menor carga, ganham natural relevância.
O valor de LOEE calculado para um dado período fornece uma medida da energia não
fornecida nesse período pelo SP devido à sua incapacidade para satisfazer as cargas. Neste
estudo apresentam-se os resultados obtidos para o dia 13 de novembro de 2012. Como
consequência da grande folga de capacidade do sistema produtor já referida por variadas
vezes neste trabalho, o valor obtido para o LOEE é um valor muito baixo.
68
5 Conclusão
Os estudos de fiabilidade de SEE visam a definição de índices de fiabilidade que caracterizam
o sistema em estudo com base em dados estatísticos que pretendem representar o
comportamento dos diversos componentes. Os Métodos Probabilísticos são os mais
apropriados para estudar a fiabilidade de SP. Os índices probabilísticos mais usados são o
LOLP, o LOLE e o LOEE.
Para se atingir elevados níveis de confiança e um padrão de qualidade também elevado do
SEE é necessária uma contínua análise e avaliação da adequabilidade de recursos do sistema
de energia elétrica para planear, projetar, operar e manter o regular fornecimento de energia.
Uma análise dos dados de carga referentes a 2012 permite constatar que o pico de carga diário
acontece invariavelmente por volta das 20 horas. O modelo de regressão linear que se ajusta
aos valores dos picos de carga mostra uma clara tendência crescente nos picos de carga ao
longo do ano. Este modelo permite-nos perspetivar, caso o comportamento do consumo se
mantenha, como será o consumo de energia nos próximos anos e a partir de que momento a
CEH deixará de ter capacidade para satisfazer o consumo.
O estudo efetuado mostra valores muito baixos para os indicadores de desempenho associados
ao modelo de risco (LOLP, o LOLE e o LOEE), independentemente dos valores de FOR
considerados no estudo. Estes resultados devem-se, fundamentalmente, a uma elevada folga
de capacidade do sistema de produção. No que diz respeito aos indicadores associados aos
fatores RAM, este apresentam valores normais para este tipo de sistemas.
Para trabalho futuro sugere-se a atualização permanente dos indicadores de desempenho para
avaliar, a cada momento, o comportamento do SEE e, deste modo, dispor de indicadores
relevantes para a tomada de decisão, nomeadamente sobre políticas de manutenção ou novos
investimentos no SEE. A entrada no SEE de novos sistemas de produção com base na energia
eólica, fotovoltaica ou hídrica aumentará a complexidade do SEE, tornando ainda mais
pertinente a atualização dos indicadores de desempenho.
69
Referências Bibliográficas
Almeida B. P. E. F., (2011). Estudo da metodologia RAMS - Aplicação a um caso prático. Dissertação
para obtenção do grau de mestre. Engenharia e Gestão Industrial.
Asgarpoor and Mathine (1995). Distribution system reliability evaluation with aging equipment.
Electric Power Systems Research, 33(2), 133-137. doi: http://dx.doi.org/10.1016/0378-
7796(95)00933-9
Asian Development Bank, 2004. Power sector Development Plant for Timor-Leste. Download For
free pdf. http://www.adb.org/publications/power-sector-development-plan-timor-leste.
Arya, Koshti and Choube (2013). Frequency-duration analysis of composite distribution system using
a non-sequential Monte Carlo simulation. International Journal of Electrical Power & Energy
Systems, 46(0), 17-25. doi: http://dx.doi.org/10.1016/j.ijepes.2012.10.023
Assis, R. (2006). Apoio à decisão em manutenção na gestão de activos físicos.- Os metodos
analiticos e de simulação de monte-carlo necessarios para maximizar a disponibilidade dos
equipamentos e minimizar os custos da manutenção, com o apoio de 54 aplicações em Excel.
Billinton & Zhang (2001). Cost related reliability evaluation of bulk power systems. International
Journal of Electrical Power & Energy Systems, 23(2), 99-112.
doi:http://dx.doi.org/10.1016/S0142-0615(00)00046-6
Billinton and Pan (1997). Optimal maintenance scheduling in a two identical component parallel
redundant system.
Billinton, Allan, (1992). Reliability evaluation of engineering systems concepts and techniques. Vol.
2nd ed. New York: Plenum.
Billinton and Allan (1996). Reliability evaluation of of power system. . Vol. 2nd ed. New York:
Plenum press.
Epstain, D.; Application of Acceleration Factors in Microelectronics Testing; (1982); Solid State
Technologies. www.sar.org.
Eshani, Ranjbar, Jafari and Fotuhi-Firuzabad (2008). Reliability evaluation of deregulated electric
power systems for planning applications.
Ety, Ogaji and Probert, (2004). Implementing total productive maintenance in Nigerian manufacturing
industries.
Eti, Ogaji and Probert, (2007)., Integrating reliability, availability, maintainability and supportability
with risk analysis for improved operation of the Afam thermal power-
station.http://www.journals.elsevier.com/applied-energy/
Farinha, J. M. T., (2011) Manutenção - A terologia e as novas ferramentas de gestão.
Ferreira, (2008), Gestão do risco industrial numa central termelétrica de ciclo combinado. Dissertação
de Mestrado em engenharia gestão industrial, Instituto Superior Técnico.
Flores, Gómez, e Jiménez (1999). Metodología de Ia investigación cualitativa Ediciones Aljibe
70
Ketele and Roegiers, X (1999). Metodologia da recolha de dados. Fundamentos dos métodos de
observação, de questionários, de entrevistas e de estudo de documentos. Lisboa: Instituto
Piaget.
La´o Hamutuk. http://www.laohamutuk.org/Oil/Power/2011/11PowerPlant2011.htm
Leocádo, M. Nuno da S. (2004). "Sobre a Incorporação RAMS no Desenvolvimento de Produtos de
Base Tecnológica: Uma Abordagem Holística a Veículos Ferroviários" Instituto Superior
Técnico, Universidade Técnico de Lisboa, Portugal.
Lopes, D. L. A., (2010) Impacto das centrais eólicas na fiabilidade do sistema produtor. Dissertação
integrado em engenharia eletrónica e de computadores, FEUP Universidade do Porto.
http://repositorio-aberto.up.pt/bitstream/10216/61332/1/000147723.pdf
Pereira, L. F. M., (2010). Impacto na fiabilidade de um sistema produtor, devido à introdução de
centros produtores com recursos primários finitos e voláteis-centrais hídricas. Dissertação
integrado em engenharia eletrónica e de computadores, Faculdade de engenharia da
universidade do Porto.
Martínez & Ebenhack,(2008). Understanding the role of energy consumption in human development
through the use of saturation phenomena. Energy Policy, 36(4), 1430-1435.
Mechtenberg, Borchers, Miyingo., Hormasji, Hariharan, Makanda and Musaazi (2012). Human power
(HP) as a viable electricity portfolio option below 20 W/Capita. Energy for Sustainable
Development, 16(2), 125-145.
Priyanta, D. (2000). Keandalan dan perawatan.
http://xa.yimg.com/kq/groups/8128318/2005445665/name/CV.pdf
Sanabria and Dillon (1998). Power system reliability assessment suitable for a deregulated system via
the method of cumulants. International Journal of Electrical Power & Energy Systems, 20(3),
203-211.
RDTL (Republica Democratica de Timor Leste), 2011, Plano estratégico de desenvolvimento, Timor-
Leste 2011-2030.http://timor-leste.gov.tl/wp-content/uploads/2012/02/Plano-Estrategico-de-
dsenvolvimento_PT1.pdf
Redondo, A. F. M. D., (2008). Método analítico cronológico para avaliação da adequação de um
sistema Produtor. http://repositorio-
aberto.up.pt/bitstream/10216/57936/2/Texto%20integral.pdf
Sharma and Kumar (2008). Performance modeling in critical engineering systems using RAM
analysis. Reliability Engineering & System Safety, 93(6), 913-919. doi:
http://dx.doi.org/10.1016/j.ress.2007.03.039
Stake, R. E, (2005) Multiple case study analysis, EPUB Edition ISBN:9781462512409
Singh & Chintaluri, (1995). Reliability evaluation of interconected power systems using a multi-
parameter gamma distribution.
YIN, R.K. Estudo de Caso: Planejamento e Métodos. Trd. Daniel Grassi. 3ª ed. Porto Alegre:
Bookman, 2005.
71
You, P. H. Generation system reliability evaluations with intermitente renewables. University of
Strathclyde Engineering, 2006
Anexo A - Definições
Fiabilidade é aptidão de um bem para cumprir uma função requerida sob determinadas
condições, durante um dado intervalo de tempo.
Bem é qualquer elemento, componente, aparelho, subsistema, unidade funcional,
equipamento ou sistema pode ser considerado individualmente.
Taxa de avarias é o número de avarias ocorridas num bem num dado intervalo de tempo,
dividido por esse mesmo intervalo de tempo.
Nota: em alguns casos a unidade de tempo pode ser substituída por unidades de utilização.
Avaria é cassação da aptidão de um bem para cumprir uma função requerida.
Nota 1: Depois de uma avaria o bem poderá estar em falha, total ou parcial.
Nota 2: “Avaria” é um acontecimento; “em falha” ou “avariado” é um estado.
Vida útil é o intervalo de tempo, que sob determinadas condições, começa num dado instante
e termina quando a taxa de avarias se torna inaceitável ou quando o bem é considerado
irreparável na sequência de um avaria ou por outras razões pertinentes.
Durabilidade é a aptidão de um bem para cumprir uma função requerida, de acordo com
condições de utilização e manutenção especificadas, até que seja atingido um estado limite.
Nota: o estado limite de um bem poderá ser caracterizado pelo fim da sua vida útil, pela sua
inadequação, por razões técnicas ou por outros fatores relevantes.
Disponibilidade é a aptidão de um bem para cumprir uma função requerida sob determinadas
condições, num dado instante ou durante um dado intervalo de tempo, assumindo que é
assegurado o fornecimento dos necessários recursos externos.
Nota 1: esta aptidão depende da combinação da Fiabilidade, da manutibilidade e da
adequabilidade.
Nota 2: Os recursos externos necessários, excetuando os da logística da manutenção, não
afetam a disponibilidade do bem.
72
Estado de disponibilidade (EN 13306) é estado de um bem caracterizado pelo facto que
pode cumprir uma função requerida, assumindo que o fornecimento de recursos externos,
eventualmente necessários, está assegurado.
Manutibilidade (EN 13306) é aptidão de um bem, sob condições de utilização definidas,
para ser mantido ou restaurado, de tal modo que possa cumprir uma função requerida, quando
a manutenção é realizada em condições definidas, utilizando procedimentos e recursos
prescritos.
Estados de indisponibilidade são estados de um bem caracterizado por um estado de falha
ou por uma eventual incapacidade para desempenhar uma função requerida durante a
manutenção preventiva.
Nota 1: Este estado está relacionado com a noção de disponibilidade.
Nota 2: O estado de indisponibilidade é por vezes, definido como estado de incapacidade
interna.
Plano de manutenção é o conjunto estruturado de tarefas que compreendem as atividades, os
procedimentos, os recursos e a duração necessária para executar a manutenção.
Manutenção é combinação de todas ações técnicas, administrativas e de gestão, durante o
ciclo de vida de um bem, destinadas a mantê-lo num ou repô-lo num estado em que pode
desempenhar a função requerida.
Objetivos de manutenção são metas fixadas e aceites para as atividades de manutenção.
Estado de funcionamento é estado de um bem sempre uma função requerida.
Gestão de manutenção são todas as atividades de gestão que determinam os objetivos, a
estratégia e as responsabilidades respeitantes à manutenção e que os implementam por
diversos meios tais como o planeamento, o controlo e supervisão da manutenção e a melhoria
de métodos na organização, incluindo os aspetos económicos.
Estratégia de manutenção é o método de gestão utilizado para atingir os objetivos da
manutenção.
73
Manutenção sistemática (EN 13306) é manutenção preventiva efetuada a intervalos de
tempo preestabelecidos ou segundo um número definido de unidades de utilização mas sem
controlo prévio do estado de bem.
Manutenção condicionada (EN 13306) é manutenção preventiva baseado na vigilância do
funcionamento de bem e/ou dos parâmetros significativos desse funcionamento, integrando as
ações dai decorrentes.
Manutenção preventiva condicionada é uma Acão baseando condição do equipamento que
esteve determinado através da monitorização de forma continua e manutenção irá realizada
quando encontram sinais estranhos, eficiência da função inadequado e diminuição
equipamento para avariado funcionamento, assim requerem fazer manutenção para melhorar
função de sistema. Olhando modo de falha no processo, efeitos do falhas e as causam
desencadeiam, realizaram-se analise e aplicaram-se as fases do seu Acão de manutenção que
evitem ou diminuam falhas e aumentem eficiências dos processos. Sejam vestir no livro de
instruções máquinas em central elétrica Hera.
Manutenção corretiva (EN 13306); Manutenção efetuados depois da deteção de uma avaria
e destinada a repor um bem num estado em que pode realizar uma função requerida.
74
Anexo B - Tabelas
Tabela B.3.1 - Status de números de geradores EdTL em Julho de 2012
75
Tabela B.3.2 - Ordem de trabalho
76
No anexo B.4.1, construir através as informações dos picos diárias ao longo período de 2012,
como um exemplo e pico de carga = 45.39 foi tirada na tabela anexo B2 data de dia 13 de
novembro de 2012.
Tabela B.4.1 - Pico de carga ao longo do ano de 2012
Mês Hours
Load Generation
Pico de Carga
Gross Generation
Fator Cap Fca
Mwh Mwh MWh (%) %
Janeiro 21 23,672 23 409,81 14,35 74,24
2 21 21,395 20,9 424,73 14,87 84,68
3 21 25,352 24,8 449,38 15,73 75,50
4 20 24,123 23,4 477,49 16,72 85,02
5 21 25,919 25,3 481,03 16,84 79,22
6 20 26,446 25,7 501,48 17,56 81,30
7 21 25,855 25,3 456,80 15,99 75,23
8 21 27,284 25,6 478,86 16,77 77,94
9 20 26,445 25,9 508,92 17,82 81,87
10 21 27,228 26,2 481,56 16,86 76,58
11 21 27,363 26,6 516,31 18,08 80,88
12 21 26,468 25,4 503,86 17,64 82,65
13 21 27,549 26,4 514,44 18,01 81,19
14 21 28,365 27 509,80 17,85 78,67
15 20 25,914 24,85 503,38 17,63 84,40
16 19 23,463 22,7 496,96 17,40 91,22
17 21 27,665 27,1 483,16 16,92 74,29
18 22 24,365 23,9 508,15 17,79 88,59
19 21 26,051 25,5 506,96 17,75 82,84
20 21 27,52 26,9 503,26 17,62 77,95
21 20 27,702 27,1 497,42 17,42 76,48
22 21 27,556 26,9 472,69 16,55 73,22
23 21 27,453 26,8 507,84 17,78 78,96
24 21 27,559 26,9 474,05 16,60 73,43
25 21 28,23 27,7 516,95 18,10 77,76
26 21 29,177 28,6 534,82 18,73 77,92
27 21 30,144 29,5 529,73 18,55 74,82
28 21 29,62 23,8 528,62 18,51 92,54
29 21 28,052 27,5 514,50 18,01 77,95
30 21 28,862 28,3 513,68 17,99 75,63
31 21 25,918 25,5 506,02 17,72 82,68
Fevereiro 21 25,313 24,9 494,36 17,31 82,72
2 21 24,898 24,4 403,92 14,14 68,98
3 21 25,819 25,2 480,58 16,83 79,46
4 20 26,511 25,9 440,18 15,41 70,81
5 21 24,382 23,8 454,97 15,93 79,65
6 20 25,864 25,3 481,13 16,85 79,24
7 21 27,346 26,8 507,294 17,76 78,87
8 21 28,828 28,3 533,46 18,68 78,54
9 21 27,807 27,3 525,03 18,38 80,13
10 21 28,028 27,3 508,55 17,81 77,62
11 21 30,373 29,8 478,18 16,74 66,86
12 21 26,793 26,3 513,48 17,98 81,35
13 21 31,018 30,5 526,27 18,43 71,89
14 21 30,276 29,7 547,70 19,18 76,84
15 21 32,336 31,5 583,79 20,44 77,22
16 19 31,949 31,3 602,26 21,09 80,17
17 21 29,951 29,4 583,04 20,41 82,63
77
18 22 29,88 29,3 530,94 18,59 75,50
19 21 29,968 28,4 520,93 18,24 76,43
20 21 31,099 30,6 564,81 19,78 76,91
21 20 30,182 29,6 577,37 20,22 81,27
22 21 31,382 30,8 561,93 19,68 76,02
23 21 30,87 30,2 573,20 20,07 79,08
24 21 30,249 29,7 589,42 20,64 82,69
25 21 30,179 29,6 555,69 19,46 78,22
26 21 30,406 29,8 544,86 19,08 76,18
27 21 30,288 29,7 594,47 20,81 83,40
28 21 28,701 28,2 560,02 19,61 82,75
29 20 30,645 30 572,64 20,05 79,53
Março 20 32,250 31,728 597,29 20,91 78,44
2 21 31,517 31,006 604,93 21,18 81,29
3 21 31,161 30,667 552,04 19,33 75,00
4 20 31,800 31,300 558,19 19,54 74,31
5 21 28,809 28,467 569,00 19,92 83,28
6 20 29,452 29,112 563,20 19,72 80,61
7 20 25,349 25,004 526,68 18,44 87,77
8 20 31,856 31,337 581,38 20,36 77,30
9 20 31,121 30,649 576,86 20,20 78,42
10 20 28,456 28,114 533,17 18,67 79,02
11 20 28,819 28,481 519,97 18,21 76,07
12 20 28,658 28,340 542,79 19,01 79,80
13 10 23,406 23,009 461,69 16,17 83,61
14 21 27,377 27,010 467,13 16,36 72,06
15 20 29,984 29,559 464,63 16,27 65,49
16 20 26,747 26,425 494,55 17,32 77,98
17 20 19,324 19,031 275,48 9,65 60,31
18 20 22,900 22,534 394,02 13,80 72,86
19 20 25,422 25,099 460,61 16,13 76,47
20 20 26,919 26,508 492,89 17,26 77,48
21 20 28,485 28,079 506,53 17,74 75,16
22 20 29,667 29,261 559,56 19,59 79,68
23 21 30,354 29,941 561,46 19,66 78,13
24 20 29,849 29,441 514,23 18,01 72,78
25 20 29,548 29,179 521,73 18,27 74,50
26 20 30,362 29,972 560,49 19,62 77,92
27 20 32,054 31,560 574,19 20,10 75,81
28 20 31,251 30,846 583,49 20,43 78,82
29 20 31,822 31,364 582,80 20,41 77,42
30 21 29,543 29,152 585,22 20,49 83,65
31 20 31,298 30,885 550,41 19,27 74,25
Abril 20 30,434 30,012 528,74 18,51 73,41
2 20 31,982 31,484 563,93 19,75 74,63
3 21 30,870 30,457 553,88 19,39 75,77
4 20 27,944 27,564 544,23 19,06 82,27
5 20 30,520 30,120 553,00 19,36 76,50
6 20 29,936 29,574 526,63 18,44 74,20
7 20 31,016 30,558 526,67 18,44 71,81
8 20 31,330 30,848 535,65 18,76 72,35
9 20 31,978 31,457 570,86 19,99 75,61
10 20 32,399 31,907 597,39 20,92 78,01
11 20 28,734 28,271 573,11 20,07 84,47
12 20 26,708 26,381 479,06 16,77 75,66
13 20 33,031 32,498 560,33 19,62 71,84
14 20 27,755 27,382 495,15 17,34 75,35
78
15 20 25,578 25,164 457,10 16,00 75,69
16 20 27,321 26,933 460,49 16,12 71,24
17 20 28,308 27,842 475,05 16,63 71,09
18 20 28,532 28,121 483,80 16,94 71,68
19 20 28,320 27,928 506,93 17,75 75,63
20 20 28,401 27,919 504,76 17,67 75,33
21 20 28,344 27,919 429,19 15,03 64,05
22 20 28,434 28,044 477,84 16,73 71,00
23 20 28,449 28,057 488,33 17,10 72,52
24 20 28,966 28,530 453,60 15,88 66,25
25 20 32,418 31,944 601,36 21,06 78,44
26 20 32,848 32,336 597,52 20,92 76,99
27 20 32,216 31,752 573,15 20,07 75,21
28 20 31,228 30,749 508,44 17,80 68,90
29 20 31,228 30,749 541,90 18,97 73,43
30 21 30,882 30,422 594,83 20,83 81,47
Maio 20 31,980 31,521 531,913 18,62 70,31
2 20 33,714 33,210 598,883 20,97 75,14
3 20 33,379 32,893 623,029 21,81 78,92
4 20 32,494 32,052 554,741 19,42 72,11
5 20 30,312 29,938 546,664 19,14 76,08
6 20 30,617 30,143 532,752 18,65 73,64
7 20 29,658 29,286 554,839 19,43 78,94
8 20 34,337 33,816 566,647 19,84 69,82
9 20 34,616 34,149 610,264 21,37 74,46
10 20 34,445 34,014 634,188 22,21 77,69
11 20 32,114 31,647 583,807 20,44 76,86
12 20 33,000 32,448 584,205 20,46 75,02
13 20 34,656 33,951 602,407 21,09 73,93
14 20 36,566 35,850 664,938 23,28 77,28
15 20 33,912 33,431 629,150 22,03 78,41
16 20 35,822 35,341 646,231 22,63 76,19
17 20 36,059 35,535 610,409 21,37 71,57
18 20 35,961 35,450 638,154 22,34 75,01
19 20 35,082 34,569 635,396 22,25 76,59
20 20 34,662 34,199 612,512 21,45 74,63
21 20 35,281 34,746 631,051 22,10 75,67
22 20 36,898 36,287 677,185 23,71 77,76
23 20 36,321 35,783 654,766 22,93 76,24
24 20 36,837 36,349 656,267 22,98 75,23
25 20 36,116 35,587 671,182 23,50 78,58
26 20 34,917 34,399 628,109 21,99 76,08
27 20 35,323 34,837 619,436 21,69 74,09
28 20 36,806 36,336 684,63 23,97 78,51
29 20 35,991 35,484 676,02 23,67 79,38
30 20 37,224 36,701 678,15 23,74 76,99
31 20 37,139 36,626 685,550 24,00 77,99
Junho 20 37,343 36,789 688,32 24,10 77,96
2 20 36,567 36,034 631,80 22,12 73,06
3 20 36,507 36,006 627,00 21,95 72,56
4 20 37,047 36,481 664,74 23,28 75,92
5 20 35,500 36,028 663,73 23,24 76,76
6 20 36,507 36,028 656,28 22,98 75,90
7 20 35,469 34,999 632,34 22,14 75,28
8 20 35,377 34,861 629,91 22,06 75,29
9 20 34,520 34,073 573,02 20,06 70,07
10 20 34,322 33,877 575,51 20,15 70,78
79
11 20 34,294 33,811 626,61 21,94 77,22
12 20 35,951 35,488 637,87 22,33 74,89
13 20 34,983 34,556 638,96 22,37 77,04
14 20 35,089 34,608 624,53 21,87 75,19
15 20 33,037 32,568 612,69 21,45 78,39
16 20 35,350 34,798 587,21 20,56 70,31
17 20 33,226 32,740 564,62 19,77 71,86
18 20 34,130 33,573 623,74 21,84 77,41
19 20 37,529 36,972 657,05 23,01 74,05
20 20 36,376 35,812 672,05 23,53 78,19
21 20 35,126 34,623 661,65 23,17 79,62
22 20 36,002 35,532 649,70 22,75 76,19
23 20 34,673 34,221 600,27 21,02 73,09
24 20 33,846 33,359 572,82 20,06 71,55
25 20 35,258 34,782 618,13 21,64 74,05
26 22 29,707 29,308 602,94 21,11 85,72
27 20 35,320 34,856 583,33 20,42 69,73
28 20 35,993 35,494 645,27 22,59 75,75
29 20 35,738 35,252 636,77 22,30 75,26
30 20 36,536 36,031 614,63 21,52 71,08
Julho 20 33,61 33,614 584,61 20,47 72,47
2 20 36,20 36,197 650,70 22,78 74,90
3 20 35,81 35,810 625,93 21,92 72,83
4 20 38,56 38,555 675,31 23,65 72,98
5 20 35,54 35,535 677,81 23,73 79,48
6 20 37,52 37,521 661,79 23,17 73,49
7 20 36,45 36,447 642,31 22,49 73,43
8 20 37,43 37,430 643,62 22,54 71,65
9 20 38,33 38,329 684,46 23,97 74,41
10 20 40,47 39,944 719,78 25,20 75,08
11 20 39,35 39,353 722,75 25,31 76,52
12 20 39,35 39,350 715,31 25,05 75,74
13 20 38,35 38,345 708,37 24,80 76,97
14 20 38,45 38,449 664,04 23,25 71,96
15 20 37,79 37,793 653,94 22,90 72,10
16 20 36,26 36,260 670,89 23,49 77,09
17 20 36,41 36,406 668,12 23,39 76,47
18 20 38,35 38,347 687,35 24,07 74,69
19 20 39,13 39,131 688,40 24,10 73,30
20 20 36,68 36,680 669,26 23,43 76,02
21 20 36,42 36,415 574,40 20,11 65,72
22 20 36,54 36,543 596,94 20,90 68,06
23 20 37,07 37,074 653,54 22,88 73,45
24 20 38,08 38,077 663,07 23,22 72,56
25 20 37,85 37,847 673,20 23,57 74,11
26 20 37,84 37,840 668,87 23,42 73,65
27 20 37,61 37,609 678,16 23,75 75,13
28 20 37,30 37,304 628,08 21,99 70,15
29 20 36,39 36,392 597,34 20,92 68,39
30 20 36,93 36,931 663,81 23,24 74,89
31 20 37,54 37,537 674,30 23,61 74,85
Agosto 20 37,469 36,984 666,76 23,35 75,12
2 20 38,700 38,221 678,28 23,75 73,94
3 20 38,774 38,288 688,50 24,11 74,93
4 20 37,184 36,716 652,07 22,83 74,00
5 20 37,717 37,256 631,53 22,11 70,63
6 20 37,192 36,727 664,39 23,26 75,38
80
7 20 37,546 37,004 645,98 22,62 72,74
8 20 38,622 38,133 658,38 23,05 71,94
9 20 38,754 38,276 671,22 23,50 73,07
10 20 38,857 38,286 677,03 23,71 73,68
11 20 36,150 35,650 547,62 19,17 64,00
12 20 35,825 35,399 592,51 20,75 69,74
13 20 37,269 36,804 647,10 22,66 73,26
14 20 37,955 37,516 660,29 23,12 73,33
15 20 38,509 38,003 675,97 23,67 74,11
16 20 38,682 38,214 679,47 23,79 74,09
17 20 38,332 37,880 686,16 24,03 75,48
18 20 37,064 36,626 630,76 22,09 71,76
19 20 36,942 36,519 608,62 21,31 69,44
20 20 38,433 37,982 639,51 22,39 70,16
21 20 39,433 38,946 668,54 23,41 71,52
22 20 38,360 37,878 675,89 23,67 74,35
23 20 39,699 39,213 703,81 24,64 74,78
24 20 39,503 39,015 708,81 24,82 75,70
25 20 38,499 38,020 661,92 23,18 72,54
26 20 37,711 37,216 614,85 21,53 68,84
27 20 40,253 39,649 688,53 24,11 72,36
28 20 40,127 39,629 694,75 24,33 73,05
29 20 39,375 38,879 687,59 24,08 73,69
30 20 38,662 38,198 660,78 23,14 72,08
31 20 38,784 38,324 678,45 23,76 73,76
Setembro 21 36,866 36,412 602,64 21,10 68,96
2 20 38,821 38,326 599,94 21,01 65,22
3 20 40,740 40,203 704,33 24,66 73,00
4 20 40,738 40,228 697,13 24,41 72,21
5 20 41,287 40,766 710,08 24,86 72,58
6 20 41,132 40,619 717,71 25,13 73,62
7 20 40,759 40,166 712,56 24,95 73,92
8 21 36,855 36,341 644,51 22,57 73,90
9 20 38,415 37,872 651,74 22,82 71,70
10 20 40,972 40,440 702,32 24,59 72,36
11 20 41,170 40,645 701,17 24,55 71,88
12 20 42,129 41,608 716,05 25,07 71,71
13 20 42,356 41,816 740,87 25,94 73,82
14 20 41,809 41,274 731,88 25,63 73,88
15 20 39,922 39,384 678,84 23,77 71,82
16 20 39,819 39,324 660,25 23,12 69,96
17 20 40,313 39,795 720,55 25,23 75,44
18 20 40,144 39,609 722,05 25,28 75,96
19 20 41,350 40,825 713,04 24,97 72,77
20 20 39,475 38,996 705,32 24,70 75,36
21 20 40,470 39,974 674,58 23,62 70,31
22 20 39,874 39,360 642,71 22,50 68,04
23 20 40,081 39,557 652,45 22,84 68,72
24 20 41,111 40,570 712,38 24,94 73,16
25 20 41,438 40,900 725,91 25,42 73,95
26 20 42,544 41,951 737,26 25,81 73,23
27 20 43,567 42,951 770,82 26,99 74,78
28 20 42,398 41,831 773,55 27,09 77,05
29 20 40,875 40,302 712,03 24,93 73,61
30 20 41,662 41,108 706,21 24,73 71,58
Outubro 20 42,895 42,332 777,71 27,23 76,55
2 20 42,319 41,76 748,28 26,20 74,66
81
3 20 42,594 42,048 746,65 26,14 73,99
4 20 42,88 42,269 753,41 26,38 74,27
5 20 42,901 42,292 748,91 26,22 73,78
6 20 38,282 37,72 664,28 23,26 73,38
7 20 39,36 38,846 645,60 22,61 69,25
8 20 43,662 43,081 762,93 26,71 73,79
9 20 41,608 41,043 772,41 27,05 78,41
10 20 43,494 42,91 769,53 26,94 74,72
11 22 40,584 40,025 738,10 25,84 76,84
12 20 43,606 42,991 780,89 27,34 75,68
13 20 42,058 41,396 687,34 24,07 69,18
14 20 42,453 41,869 708,32 24,80 70,49
15 20 43,82 43,198 740,88 25,94 71,46
16 20 42,034 41,45 778,10 27,24 78,22
17 20 43,404 42,764 761,75 26,67 74,22
18 20 42,864 42,261 787,76 27,58 77,67
19 20 42,531 41,89 776,58 27,19 77,24
20 20 42,626 42,008 728,38 25,50 72,25
21 20 42,474 41,841 708,30 24,80 70,53
22 20 43,018 42,39 767,41 26,87 75,43
23 20 43,402 42,745 773,71 27,09 75,42
24 20 44,243 43,58 790,78 27,69 75,61
25 20 43,498 42,844 793,01 27,77 77,12
26 20 42,23 41,612 745,86 26,12 74,68
27 20 43,132 42,489 751,19 26,30 73,67
28 20 42,722 42,059 742,63 26,00 73,57
29 20 43,67 42,988 789,21 27,63 76,50
30 20 43,644 42,985 795,67 27,86 77,13
31 20 43,106 42,451 778,89 27,27 76,45
Novembro 21 40,512 39,848 739,75 25,90 77,35
2 21 39,192 38,597 702,79 24,61 75,87
3 20 42,966 42,336 736,56 25,79 72,49
4 21 41,906 41,302 733,60 25,69 74,01
5 20 45,036 44,345 811,83 28,43 76,28
6 20 45,808 45,117 823,30 28,83 76,03
7 20 46,096 45,405 836,79 29,30 76,79
8 20 44,928 44,261 826,68 28,95 77,82
9 20 45,164 44,499 832,89 29,16 77,99
10 21 42,168 41,452 761,61 26,67 76,56
11 20 43,756 43,063 733,01 25,67 70,92
12 20 44,47 43,786 774,09 27,10 73,66
13 20 46,178 45,393 844,18 29,56 77,49
14 20 45,764 45,07 843,88 29,55 78,02
15 20 45,038 44,355 821,76 28,77 77,20
16 20 43,428 42,748 809,08 28,33 78,86
17 20 44,378 43,69 752,29 26,34 71,74
18 20 43,236 42,57 755,28 26,45 73,92
19 20 43,104 42,501 811,78 28,42 79,58
20 20 43,758 43,204 802,68 28,10 77,41
21 20 45,364 44,707 814,82 28,53 75,94
22 20 46,424 45,734 834,14 29,21 76,00
23 20 45,074 44,348 841,38 29,46 79,05
24 20 45,544 44,822 807,36 28,27 75,05
25 21 42,982 42,309 785,40 27,50 77,35
26 20 45,596 44,885 855,73 29,96 79,44
27 20 46,206 45,49 831,57 29,12 76,17
28 20 45,38 44,633 804,34 28,16 75,09
82
29 20 44,248 43,51 819,68 28,70 78,49
30 20 44,784 44,108 836,16 29,28 78,99
Dezembro 20 45,58 44,876 810,21 28,37 75,23
2 20 45,768 45,069 777,32 27,22 71,86
3 20 47,458 46,673 874,52 30,62 78,07
4 21 47,328 46,552 871,69 30,52 78,02
5 20 46,892 46,103 874,85 30,63 79,07
6 20 44,608 43,96 854,17 29,91 80,96
7 21 45,234 44,532 816,54 28,59 76,40
8 20 43,092 42,403 788,18 27,60 77,45
9 20 44,686 43,948 781,28 27,36 74,07
10 20 44,998 44,36 843,34 29,53 79,21
11 20 44,308 43,709 843,26 29,53 80,39
12 20 41,04 40,436 794,88 27,83 81,91
13 21 43,228 42,574 774,82 27,13 75,83
14 21 43,664 42,967 816,39 28,58 79,17
15 20 40,39 39,767 775,30 27,15 81,23
16 21 41,832 41,242 738,49 25,86 74,61
17 20 42,328 41,744 819,92 28,71 81,84
18 21 43,568 42,946 822,41 28,80 79,79
19 20 45,546 44,889 822,96 28,81 76,39
20 21 44,986 44,328 849,01 29,73 79,80
21 21 42,838 42,22 809,52 28,34 79,89
22 21 44,402 43,624 761,58 26,67 72,74
23 21 43,384 42,696 777,51 27,22 75,88
24 20 42,808 42,124 794,34 27,81 78,57
25 21 43,116 42,443 765,57 26,81 75,16
26 21 44,498 43,836 803,64 28,14 76,39
27 21 44,928 44,241 850,75 29,79 80,12
28 21 44,874 44,211 846,83 29,65 79,81
29 21 40,038 39,424 784,06 27,45 82,87
30 21 41,534 40,889 725,54 25,40 73,93
31 21 41,534 40,889 765,42 26,80 78,00
Total 8784 47,458 46,67 235026,07 22,48 57,33
Fca= 0,5733 57,33% %Fca≥ é melhor fiabilidade de CE
Fcap= 0,2248 22,48% %FCap≥ é melhor unidade fiabilidade de CE
FÚ= 0,3922 39,22% %FÚ≥ é precisa planeamento para o futuro
Nota:
Os valores de energia gerada para os dias 15 de janeiro e 6 e 7 de fevereiro foram obtidos por
interpolação linear devido à falta de valores de produção para estes dias.
As todas informações na tabela B.4.1 são recolhidas pelas tabelas B.4.1ª.
83
Tabela B.4.1ª - Daily Production Report Hera Power Plant 119 Mw
84
Tabela B.4.2 - Pico de carga mês de janeiro e fevereiro de 2013
85
Tabela B.4.3 - Consumo de carga de dia 27 de janeiro de 2012
86
Tabela B.4.4 - Avaliação da FOR para o ano de 2012
As todas informações na tabela B.4.4 são recolhidas pelas tabelas B.4.1ª e B.4.4ª como
mostra-se um exemplo de atividade de manutenção CEH, mês de setembro de 2012.
Paragem M. Prev standby M. CorT101 238,42 2,67 25,58 MPT102 369,05 31,92 7 MPT103 166,12 384 24 MCT104 163,43 22,57 6 MPT105 582,51 28,72 13 MPT106 60,36 58,92 43,1 MCT107 60,36 25,8 0,52 MPT108 402,07 0 1,94 MPT109 534,14 73,32 37,13 MPT110 629,42 16 8 MPT111 276,91 27,84 13,23 MPT112 101,13 9,77 28,94 MCT201 48,02 9,78 5 MPT202 388,71 28,9 16 MPT203 264,8 1,78 8 MPT204 534,37 16 8 MCT205 214,8 17,37 4 MPT206 40,01 56,2 6,17 MCT207 268,09 134,76 20 MPT208 87,16 31,95 16,05 MCT209 270,73 10,45 8 MPT210 639 9,46 30,38 MPT211 518,63 16 8 MCT212 327 35,6 11,66 MPT301 269,33 8 2 MPT302 503 30,75 30,13 MPT303 444,17 104 16 MPT304 535,86 35,67 12,33 MPT305 5,86 16,14 2 MCT306 470,35 0 1,68 MPT307 501,2 34,96 28,25 MPT308 668,66 22 2 MPT401 10,88 16 8 MPT402 511,75 16 8 MPT403 431,84 154,5 13,5 MPT404 75,12 72 24 MCT405 19,08 72,92 4 MCT406 153,05 16,47 4 MPT407 489,02 48 24 MCT408 77,03 16 8 MCT409 150,04 28,06 11,14 MPT410 300,13 39,25 17 MCT411 367,79 134,48 33 MPT412 136,02 19 5 MPT413 499,42 14,55 2 MPT501 34,01 18,94 0,85 MCT502 481,56 15 6,73 MPT503 369,99 50,26 8 MPT504 487,37 349,58 36,99 MCT505 29,12 126,29 24,22 MCT506 336,38 47,48 2,5 MCT507 148,18 58,29 28 MPT508 469,08 18,5 5,5 MPT509 237,07 21,04 2,96 MPT601 152,85 16 8 MPT602 355,54 45 3 MC
T603 78,11 25,13 8 MCT604 323,39 16 8 MPT605 30,26 0 24 MCT606 517,52 14,3 8 MCT607 461,35 16 8 MPT608 605,34 22 2 MPT701 325,85 144,27 35 MCT702 242,68 26,19 16 MCT703 463,92 47,21 16 MPT704 426,9 11,95 9 MP
T705 533,37 50,52 18 MP
Total 20914,68 1468,45 520,66 1620,03 363,820,958 0,0420,985 0,015
4474,91
Tempo entre falha (h) Standby
3883,58
Disponibilidade Operacional = Indisponibilidade (FOR)=Disponibilidade Inerente = Indisponibilidade (FOR)=
5031,65
6689,03
5403,1
5971,85
2964,54
34418,66
87
Tabela B.4.4ª - Atividade diária de manutenção de mês de setembro
Month Sept Engines
Year 2012 Output/ Engine
Date Sch/ Un-Sch1 Sept 1. Monitoring Engine Running Condition
2. Continues chris marine inlet valve spindle 43. Meeting coordination 2
2 Sept Day off3 Sept 1. Monitoring Engine Running Condition
2. Chris marine exh' valve spindle 43. Maintenace unloading pump, HFO transfer pump # 2 and HFO Feeder pump # 2 3 - Lubricating/grase the shaft - Cleaning fuel filter
4 Sept 1. Monitoring Engine Running Condition2. Greasing prelube pump and CBU booster pump 23. Transfer new oil to new oil tank 64. Take performance DG#3 before maintenance 3000hrs 1 2998
5 Sept 1. Monitoring Engine Running Condition2. Carry out Maintenance 3000hrs DG#3 as follows : 6 2998 - Cleaning and Pressure test injector A-bank and B-bank - Cleaning LO candle filter - Cleaning Fuel Duplex filter
6 Sept 1. Monitoring Engine Running Condition2. Carry out Maintenance 3000hrs DG#3 as follows : 6 2998 - Replace o-ring push rod cover all cylinder - Instal injector A-bank and B-bank - Cleaning CAC filter - Cleaning candle filter ex-DG#3
7 Sept 1. Monitoring Engine Running Condition2. Carry out Maintenance 3000hrs DG#3 as follows : 6 2998 - Setting valve clearance - Retighten fastening bolt for injection pump - Retighten bolt for rubber below - Cleaning area - Test run
8 Sept 1. Monitoring Engine Running Condition2. Lubricating,Greasing and cleaning unloading pump 33. Lubricating,Greasing and cleaning HFO,LFO transfer pump 3
9 Sept Day off10 Sept 1. Monitoring Engine Running Condition
2. Cleaning in place membran RO 63. Change rubber below for DG#5
11 Sept 1. Monitoring Engine Running Condition2. Continue cleaning membran RO 63. Change mechanical seal for HT pump DG#5
12 Sept 1. Monitoring Engine Running Condition2. Retighten shaft support for damper3. MAMA2i reporting
13 Sept 1. Monitoring Engine Running Condition2. Modification water line for radiator cleaning 43. Transfer material from EPC to logistic 6
14 Sept 1. Monitoring Engine Running Condition2. Continue transfer material from EPC to logistic 63. Troubleshooting dosing pump for RO
15 Sept 1. Monitoring Engine Running Condition2. Continue transfer material from EPC to logistic3. Cleaning in place for RO membranes 14
16 Sept Day off17 Sept 1. Monitoring Engine Running Condition
2. Maintenance 2000 hrs for DG# 4 as follows: 6 2014 - Renew Governor oil 3 ltrs - Open crank case cover and inspection condition inside - Cleaning dirty oil fuel injection pump area - Cleaning Fuel Duplex filter - Cleaning Fuel filter of CBU pump - Cleaning Governor oil filter - Cleaning air intake filter
18 Sept 1. Monitoring Engine Running Condition2. Separator Hands On Training 6 - Tracing system and troubleshooting LO separator no.5
19 Sept 1. Monitoring Engine Running Condition2. Separator Hands On Training 6 - Continue troubleshooting LO separator no.5 - In class training
20 Sept 1. Monitoring Engine Running Condition2. Separator Hands On Training 6 - In class training
21 Sept 1. Monitoring Engine Running Condition2. Troubleshooting HFO separator no.2 6 - Cleaning bowl and change all o-ring3. Fabrication air ventilation for container
22 Sept 1. Monitoring Engine Running Condition2. Continue troubleshooting HFO separator no.2 6 620 - Cleaning bowl and change all o-ring - Change CPU with new one3. Fabrication air ventilation for container 44. Change injector cylinder A-2 DG#5 due to low exhaust temp 2
23 Sept Day off24 Sept 1. Monitoring Engine Running Condition
2. Continue troubleshooting HFO separator no.2 6 6203. Change injector all cylinder DG#5 due to bad performance 4 1542
25 Sept 1. Monitoring Engine Running Condition2. Test run HFO separator no.2 3 6203. Reconditioning injector ex-DG#5 4
26 Sept 1. Monitoring Engine Running Condition2. CIAC training from ABB 6
27 Sept 1. Monitoring Engine Running Condition2. Carry out Maintenance 3000hrs DG#2 as follows : 6 3014 - Instal injector A-bank and B-bank - Cleaning CAC filter - Change candle filter ex-DG#3 - Change fuel filter3. Troubleshoot HFO separator no.1,2 due to backpressure low 1
28 Sept 1. Monitoring Engine Running Condition2. Carry out Maintenance 3000hrs DG#2 as follows : 6 3014 - Setting valve clearance - Test run and adjust fuel rack - Continue cleaning CAC filter3. Maintenance 750hours Instrument air compressor no.2 3970
29 Sept Teamwork building at Maubesi30 Sept Teamwork building at Maubesi
7 x Wartsila 18V46
17.532 Kw
Job Description Hours Status
DAILY ACTIVITIES PT. WÄRTSILÄ INDONESIA
MAINTENANCE Operation & Maintenance
HERA POWER PLANT,Timor Leste
88
Tabela B.4.5 - Cálculo de índices fiabilidade de LOLP e LOLE de 2012
Fevereiro
Março
Abril
Maio
Junho
89
Julho
Agosto
Setembro
Outubro
90
Novembro
Dezembro
91
Tabela 4.6 - Cálculo de LOEE, mês de Janeiro com um FOR de 0,89
Tabela 4.7 - Cálculo de LOEE, mês de Janeiro com um FOR de 1.5%
Tabela 4.8 - Cálculo de LOEE, mês de Janeiro com um FOR de 4.2%
Un. de CFS Capacidade Probabilidade Capacidade Fora Ei LOEE
MW Serviço (MW) Ocorrência (pi) de Serviço (MW) Mw (pi x ti x CFS)
0 119 8,9961E-01 0 0 0
1 102 9,5897E-02 17 0 0
2 85 4,3811E-03 34 0 0
3 68 1,1120E-04 51 0 0
4 51 1,6933E-06 68 0 0
5 34 1,5472E-08 85 21647,0 2,8469E-02
6 17 7,8538E-11 102 88757,6 7,1103E-04
7 0 1,7086E-13 119 235026,1 4,7786E-06
1 2,9184E-02
Un. de CFS Capacidade Probabilidade Capacidade Fora Ei LOEE
MW Serviço (MW) Ocorrência (pi) de Serviço (MW) Mw (pi x Ei)
0 119 7,4056E-01 0 0 0
1 102 2,2727E-01 17 0 0
2 85 2,9891E-02 34 0 0
3 68 2,1841E-03 51 0 0
4 51 9,5755E-05 68 0 0
5 34 2,5188E-06 85 21647,0 4,6346E+00
6 17 3,6809E-08 102 88757,6 3,3325E-01
7 0 2,3054E-10 119 235026,1 6,4477E-03
1 LOEE 4,9743E+00
92
Anexo C - Figuras
Figura C.3.1 - Daily Production Report Hera Power Plant 119 Mw
Figura C.4.1 - Tendência de picos, 2012- primeiros meses de 2013
Figura C.4.2 - Gráfico de classificação de carga anual considerando os picos mensais.
93
Cálculo de LOEE mês de Janeiro com um for de 0,89%
Figura C.4.2 - Gráfico de classificação de carga anual considerando os picos diários
Calculo LOEE - anual com um FOR 1,5%
Onde: Pico mínimo = 14,1 MW
