5 technik diagnostiky výkonových transformátorů

Metody diagnostiky poruch transformátorů

1. Metoda poměrů pro analýzu rozpustných plynů

U většiny olejově zalitých elektrických transformátorů se v nádrži transformátoru při tepelném a elektrickém namáhání tvoří určité hořlavé plyny. Hořlavé plyny rozpustené v oleji lze použít k určení termálních dekompozičních charakteristik systému izolace transformátoru olej-papír na základě jejich specifického obsahu a poměru plynů. Tato technologie byla poprvé použita pro diagnostiku poruch u olejově zalitých transformátorů. Později Barraclough a další navrhli metodu diagnostiky poruch pomocí čtyř plynových poměrů: CH4/H2, C2H6/CH4, C2H4/C2H6 a C2H2/C2H4. V následujících normách IEC byl poměr C2H6/CH4 odstraněn a upravená třípoměrová metoda se stala široce používanou. Rogers poskytl detailní analýzu a vysvětlení kódování a metod používání poměrů složek plynů v normách IEEE a IEC. Dlouhodobé používání IEC 599 ukázalo, že v některých případech neodpovídá skutečné situaci a nemůže diagnostikovat některé scénáře poruch. Proto Čína a Japonská elektrotechnická asociace provedly zlepšení kódování IEC, zatímco jiné metody analýzy rozpustných plynů také získaly široké uplatnění.

2. Diagnostická metoda fuzzy logiky

Americký teoretik řízení L.A. Zadeh poprvé navrhl metody fuzzy diagnostiky, které se od té doby rozšířily v širším měřítku. Fuzzy logika je výhodná pro vyjadřování kvalitativního znalostí a zkušeností s neurčitými hranicemi. Použitím konceptu funkce příslušnosti rozlišuje fuzzy množiny, zpracovává fuzzy vztahy, simuluje lidské pravidlové uvažování a řeší různé problémy neurčitosti v praktických aplikacích. V praxi transformátory často ukazují poruchy s neurčitými příčinami a mechanismy, které zahrnují mnoho neurčitých a fuzzy vztahů, které tradiční metody nedokážou dobře vysvětlit nebo popsat. Metody fuzzy logiky mohou efektivně řešit tyto neurčité vztahy v poruchách transformátorů a nabízí nový přístup k diagnostice poruch elektrických transformátorů.

Pro řešení omezení nedostatku klíčových kritérií poměrů v běžně používané metodě poměrů Rogersa pro diagnostiku poruch elektrických transformátorů byla navržena metoda používající teorii fuzzy množin. Tento přístup zavádí technologii fuzzy logiky do tradičních metod poměrů fuzzifikací hranic poměrů. Tato metoda ukázala dobré výsledky v diagnostice více poruch transformátorů a vyvinula se v sérii metod diagnostiky poruch, včetně metod kombinovaného kódování, fuzzy shlukovacích technik, Petriho sítí a šedých systémů. Tyto modely plně berou v úvahu inerční neurčitost dat, efektivně zlepšují výkon s komplexními datovými sadami a zvyšují přesnost diagnostiky poruch transformátorů.

3. Diagnostická metoda expertního systému

Expertní systémy představují důležitou větev umělé inteligence. Jsou to počítačové programové systémy, které jsou schopny do jisté míry simulovat lidské expertní zkušenosti a procesy uvažování. Na základě dat poskytnutých uživatelem aplikují uložené expertní znalosti nebo zkušenosti k provádění usuzování a rozhodování, což nakonec vede k poskytnutí závěrů s úrovní důvěry, které pomáhají uživateli při rozhodování. Diagnostika poruch elektrických transformátorů je extrémně složitý problém, který zahrnuje mnoho faktorů.

Pro provedení přesných rozhodnutí na základě různých parametrů jsou potřebné pevné teoretické základy a bohaté zkušenosti s operační údržbou. Kromě toho, kvůli rozdílné kapacitě, napěťovým hladinám a podmínkám provozu, stejná porucha může mít různé projevy u různých transformátorů. Expertní systémy mají silnou tolerance k chybám a adaptabilitu, což jim umožňuje upravovat svou znalostní bázi na základě získaných diagnostických znalostí a zajistit kompletnost. Proto mohou efektivně diagnostikovat různé typy elektrických transformátorů. Expertní systémy pro diagnostiku poruch elektrických transformátorů mohou určit charakteristiku poruchy tím, že spojují znalosti o příčinách a typech poruch, včetně znalostí o detekci poruch jako je analýza rozpustných plynů v oleji. Mohou efektivně řešit neurčité problémy v diagnostice poruch pomocí fuzzy logiky, řešit látkové uzávěry těžko získatelné znalosti pomocí metod hrubých množin a vytvářet struktury vhodné pro kolaborativní diagnostiku více expertů pomocí architektury blackboard modelu.

4. Diagnostická metoda umělých neuronových sítí

Umělé neuronové sítě matematicky modelují aktivitu neuronů a reprezentují informační zpracovatelský systém založený na napodobení struktury a funkce mozkových neuronových sítí. ANS mají schopnosti samoorganizace, adaptivity, samo-učení, tolerance k chybám a silné schopnosti aproximace nelineárních funkcí. Mohou implementovat funkce predikce, simulace a fuzzy řízení, což z nich dělá mocné nástroje pro zpracování nelineárních systémů. Použití umělých neuronových sítí pro diagnostiku poruch transformátorů založené na složkách a koncentracích rozpustných plynů v oleji bylo v posledních letech hlavním zaměřením výzkumu. To vedlo k vytvoření různých metod diagnostiky poruch založených na ANS, jako je dvoufázová metoda ANS, backpropagation umělá neuronová síť, modely rozhodovacích stromů neuronových sítí, kombinované hierarchické struktury neuronových sítí a radiální bázové funkce neuronových sítí. Tyto metody neustále zlepšují rychlost konvergence, klasifikační výkon a přesnost algoritmů neuronových sítí.

5. Ostatní diagnostické metody

Kromě čtyř zmíněných metod se pro diagnostiku poruch transformátorů používají i několik dalších přístupů. Organickým kombinováním neuronových sítí a teorie důkazů, aby využily jejich doplňkové výhody, lze vyvinout komplexní metodu diagnostiky poruch transformátorů integrující několik neuronových sítí s teorií důkazů. Inspirací z efektivních mechanismů rozpoznávání a paměti protilátek proti antigenním systémům biologických imunitních systémů lze aplikovat samoorganizující se síť protilátek a algoritmy generování protilátek k řešení problémů diagnostiky poruch elektrických transformátorů. Další metody diagnostiky poruch transformátorů zahrnují metody založené na fúzi informací, teorii hrubých množin, kombinované rozhodovací stromy, bayesiánské sítě, umělé imunitní systémy, nové radiální bázové funkce sítí a podporové vektorové stroje.