5 Τεχνικές Διάγνωσης Σφαλμάτων για Μεγάλους Ενεργειακούς Μετατροπείς

Μέθοδοι Διάγνωσης Σφαλμάτων Μετατροπέα

1. Μέθοδος Λόγου για Ανάλυση Χειροκροτήματος

Για τους περισσότερους μετατροπείς που βρίσκονται σε λάδι, κάποια καύσιμα αέρια παράγονται στην δεξαμενή του μετατροπέα υπό θερμική και ηλεκτρική ένταση. Τα καύσιμα αέρια που είναι διαλυμένα στο λάδι μπορούν να χρησιμοποιηθούν για να καθοριστούν οι θερμικές χαρακτηριστικές διασπώσεις του συστήματος απομόνωσης λαδιού-χαρτί του μετατροπέα, με βάση το περιεχόμενο και τους λόγους των συγκεκριμένων αερίων. Αυτή η τεχνολογία χρησιμοποιήθηκε πρώτη για τη διάγνωση σφαλμάτων σε μετατροπείς που βρίσκονται σε λάδι. Αργότερα, ο Barraclough και άλλοι πρότειναν μια μέθοδο διάγνωσης σφαλμάτων χρησιμοποιώντας τέσσερις λόγους αερίων: CH4/H2, C2H6/CH4, C2H4/C2H6, και C2H2/C2H4. Σε μεταγενέστερες προδιαγραφές IEC, ο λόγος C2H6/CH4 αφαιρέθηκε, και η τροποποιημένη μέθοδος τριών λόγων έγινε ευρέως αποδεκτή. Ο Rogers παρέσχε λεπτομερή ανάλυση και εξήγηση των κωδικών λόγων συστατικών αερίων και των μεθόδων χρήσης στις προδιαγραφές IEEE και IEC. Η μακροχρόνια εφαρμογή της IEC 599 αποδείχθηκε ότι δεν ταιριάζει σε κάποιες περιπτώσεις και δεν μπορεί να διαγνωστούν κάποια σενάρια σφαλμάτων. Συνεπώς, και η Κίνα και η Ιαπωνική Ηλεκτρική Ένωση έχουν βελτιώσει τον κωδικό IEC, ενώ άλλες μεθόδους ανάλυσης διαλυμένων αερίων έχουν επίσης ευρεία εφαρμογή.

2. Διαγνωστική Μέθοδος Αόριστης Λογικής

Ο Αμερικανός θεωρητικός ελέγχου L.A. Zadeh πρότεινε πρώτος τις μεθόδους αόριστης διάγνωσης, οι οποίες έχουν αποκτήσει ευρύτερη εφαρμογή. Η αόριστη λογική είναι ευνοϊκή για την έκφραση ποιοτικών γνώσεων και εμπειριών με αόριστα σύνορα. Χρησιμοποιώντας την έννοια των συναρτήσεων εγγραφής, διακρίνει αόριστα σύνολα, επεξεργάζεται αόριστες σχέσεις, προσομοιώνει την ανθρώπινη λογική βασισμένη σε κανόνες, και λύνει διάφορα προβλήματα αβεβαιότητας σε πρακτικές εφαρμογές. Στην πράξη, οι μετατροπείς συχνά παρουσιάζουν σφάλματα με αόριστες αιτίες και μηχανισμούς που περιλαμβάνουν πολλές αβεβαιότητες και αόριστες σχέσεις, τις οποίες οι παραδοσιακές μεθόδοι δεν μπορούν να εξηγήσουν ή να περιγράψουν καλά. Οι μεθόδους αόριστης λογικής μπορούν να αντιμετωπίσουν αποτελεσματικά αυτές τις αβεβαιότητες στα σφάλματα των μετατροπέων, παρέχοντας μια νέα προσέγγιση στη διάγνωση σφαλμάτων των μετατροπέων.

Για να αντιμετωπιστεί η περιορισμένη αποτελεσματικότητα των κριτηρίων κρίσιμων λόγων στην κοινά χρησιμοποιούμενη μέθοδο λόγων Rogers για τη διάγνωση σφαλμάτων των μετατροπέων, έχει προταθεί μια μέθοδος χρησιμοποιώντας τη θεωρία αόριστων συνόλων. Αυτή η προσέγγιση εισάγει την τεχνολογία αόριστης λογικής στις παραδοσιακές μεθόδους λόγων, με την αόριστη παραμέτρωση των ορίων λόγων. Αυτή η μέθοδος έχει δείξει καλή εφαρμογή στη διάγνωση πολλών σφαλμάτων μετατροπέων και έχει εξελιχθεί σε μια σειρά μεθόδων διάγνωσης σφαλμάτων, περιλαμβανομένων των μεθόδων συνδυασμού κωδικοποίησης, των τεχνικών αόριστης συστράτευσης, των δικτύων Petri και των συστημάτων grey. Αυτά τα μοντέλα λαμβάνουν πλήρως υπόψη την αόριστη φύση των δεδομένων, βελτιώνοντας αποτελεσματικά την απόδοση με πολύπλοκα σύνολα δεδομένων και αυξάνοντας την ακρίβεια της διάγνωσης σφαλμάτων των μετατροπέων.

3. Διαγνωστική Μέθοδος Συστήματος Εμπειρογνωμόνων

Τα συστήματα εμπειρογνωμόνων αντιπροσωπεύουν μια σημαντική κλάδο της τεχνητής νοημοσύνης. Είναι συστήματα προγραμμάτων υπολογιστών που μπορούν να προσομοιώσουν σε κάποιο βαθμό την εμπειρία και τις διαδικασίες λογικής των ανθρώπινων εμπειρογνωμόνων. Βασιζόμενα στα δεδομένα που παρέχονται από τους χρήστες, εφαρμόζουν την αποθηκευμένη γνώση ή εμπειρία εμπειρογνωμόνων για να κάνουν συμπεράσματα και κρίσεις, παρέχοντας τελικά συμπεράσματα με επίπεδα εμπιστοσύνης για να βοηθήσουν στη λήψη αποφάσεων. Η διάγνωση σφαλμάτων των μετατροπέων είναι ένα εξαιρετικά πολύπλοκο πρόβλημα που περιλαμβάνει πολλούς παράγοντες.

Η ακριβής αξιολόγηση με βάση διάφορους παράμετρους απαιτεί σταθερές θεωρητικές βάσεις και πλούσια εμπειρία λειτουργίας και συντήρησης. Επιπλέον, λόγω των διαφορών στην ικανότητα, το επίπεδο τάσης και το περιβάλλον λειτουργίας των μετατροπέων, το ίδιο σφάλμα μπορεί να εμφανιστεί διαφορετικά σε διάφορους μετατροπείς. Τα συστήματα εμπειρογνωμόνων διαθέτουν ισχυρή ανεπιτυχία και προσαρμοστικότητα, επιτρέποντας την τροποποίηση της βάσης γνώσης τους με βάση την αποκτηθείσα γνώση διάγνωσης, για να εξασφαλίσουν την ολοκληρωμένη γνώση. Συνεπώς, μπορούν να διαγνώσουν αποτελεσματικά διάφορους τύπους μετατροπέων. Τα συστήματα διάγνωσης σφαλμάτων των μετατροπέων μπορούν να καθορίσουν τα χαρακτηριστικά σφαλμάτων, συνθέτοντας τη γνώση των αιτιών και των τύπων σφαλμάτων, ενσωματώνοντας τη γνώση ανίχνευσης σφαλμάτων, συμπεριλαμβανομένης της ανάλυσης χειροκροτήματος στο λάδι. Μπορούν να αντιμετωπίσουν αποτελεσματικά τα αόριστα προβλήματα στη διάγνωση σφαλμάτων με την αόριτη λογική, να αντιμετωπίσουν το πρόβλημα της δυσκολίας στην απόκτηση ολοκληρωμένης γνώσης με τις μεθόδους αόριστων συνόλων, και να εγκαθιδρύσουν δομές κατάλληλες για συνεργατική διάγνωση πολλών εμπειρογνωμόνων με την αρχιτεκτονική του πίνακα.

4. Διαγνωστική Μέθοδος Τεχνητών Νευρωνικών Δικτύων

Τα τεχνητά νευρωνικά δίκτυα μαθηματικά μοντελοποιούν την δραστηριότητα των νευρώνων και αντιπροσωπεύουν ένα σύστημα επεξεργασίας πληροφοριών με βάση τη μίμηση της δομής και της λειτουργίας των εγκεφαλικών νευρωνικών δικτύων. Τα ANN (Artificial Neural Networks) διαθέτουν ικανότητες αυτοοργάνωσης, προσαρμοστικότητα, αυτόματη μάθηση, αντοχή σε σφάλματα, και ισχυρή μη γραμμική προσέγγιση. Μπορούν να εφαρμόσουν πρόβλεψη, προσομοίωση και αόριτη έλεγχο, καθιστώντας τα ισχυρά εργαλεία για την επεξεργασία μη γραμμικών συστημάτων. Η χρήση των τεχνητών νευρωνικών δικτύων για τη διάγνωση σφαλμάτων των μετατροπέων με βάση τα συστατικά και τις συγκεντρώσεις των αερίων στο λάδι έχει γίνει ένας κύριος άξονας έρευνας τα τελευταία χρόνια. Αυτό έχει οδηγήσει στην ανάπτυξη διάφορων μεθόδων διάγνωσης σφαλμάτων με βάση τα ANN, όπως η διαδικασία δύο βημάτων ANN, τα backpropagation artificial neural networks, τα μοντέλα απόφασης δέντρου, τα συνδυασμένα επίπεδα νευρωνικών δικτύων, και τα radial basis function neural networks. Αυτές οι μεθόδοι συνεχίζουν να βελτιώνουν την ταχύτητα σύγκλισης, την απόδοση ταξινόμησης και την ακρίβεια των αλγορίθμων νευρωνικών δικτύων.

5. Άλλες Διαγνωστικές Μεθόδοι

Πέρα από τις τέσσερις μεθόδους που αναφέρθηκαν παραπάνω, χρησιμοποιούνται επίσης άλλες προσεγγίσεις για τη διάγνωση σφαλμάτων των μετατροπέων. Με την οργανική συνδυασμό των νευρωνικών δικτύων και της θεωρίας των στοιχείων, εκμεταλλευόμενα τα συμπληρωματικά πλεονεκτήματα, μπορεί να αναπτυχθεί μια ολοκληρωμένη μέθοδος διάγνωσης σφαλμάτων μετατροπέων που ενσωματώνει πολλά νευρωνικά δίκτυα με τη θεωρία των στοιχείων. Παίρνοντας μαθήματα από τα αποτελεσματικά μηχανισμούς αναγνώρισης και μνήμης των αντισώματων εναντίον των αντιγόνων στα βιολογικά ανοσοποιητικά συστήματα, μπορούν να εφαρμοστούν αυτοοργανωμένα δίκτυα αντισωμάτων και αλγόριθμοι γεννήσεως αντισωμάτων για την επίλυση προβλημάτων διάγνωσης σφαλμάτων μετατροπέων. Επιπλέον, άλλες μεθόδους διάγνωσης σφαλμάτων μετατροπέων περιλαμβάνουν τις μεθόδους βασισμένες στην ενσωμάτωση πληροφοριών, τη θεωρία των αόριστων συνόλων, τα συνδυασμένα δέντρα απόφασης, τα Bayesian networks, τα τεχνητά ανοσοποιητικά συστήματα, τα νέα radial basis function networks, και τα support vector machines.