5 Manieroj por Diagnostiko de Faŭtoj ĉe Grandaj Elektromagnetaj Transformiloj
Metodoj por Diagnozo de Defektoj en Transformiloj
1. Rilatummetodo por Analizo de Disolitaj Gasoj
Por la plimulto da oleo-immersitaj fortstrumtransformiloj, certaj flamigeblaj gasoj estas produktitaj en la transformiltankon sub termika kaj elektra streĉo. La flamigeblaj gasoj disolitaj en oleo povas esti uzitaj por determini la termikajn malkomponaĵokarakteristikojn de la transformila oleo-papera izolada sistemo bazitaj sur ilia specifa gasenhavo kaj rilatumoj. Ĉi tiu teknologio unue estis uzita por defektodiagnozo en oleo-immersitaj transformiloj. Poste, Barraclough kaj aliaj proponis defektodiagnosan metodon uzantan kvar gasrilatumojn: CH4/H2, C2H6/CH4, C2H4/C2H6, kaj C2H2/C2H4. En sekva IEC-standardo, la C2H6/CH4-rilatumo estis forigita, kaj la modifita tri-rilatummetodo iĝis vaste akceptita. Rogers plu provizis detalan analizon kaj klarigon de la kodado kaj uzmanieroj de gaskomponentrilatumoj en IEEE kaj IEC-standardoj. Longa apliko de IEC 599 montris, ke ĝi ne konformas al reela kondiĉo en iuj kazoj kaj ne povas diagnozi certajn defektoscenarojn. Konsekvence, ĉina kaj Japana Elektra Asocio faris plibonigojn al IEC-kodado, dum aliaj metodoj de analizo de disolitaj gasoj ankaŭ gajnis vastan aplikon.
2. Diafana Logika Diagnostika Metodo
La amerika teoriisto pri regado L.A. Zadeh unue proponis diafanajn diagnosometodojn, kiuj poste gajnis pli larĝan aplikon. Diafana logiko estas avantaga por esprimi kvalitatkon kaj sperton kun nedefinitaj limoj. Uzante la koncepton de membreca funkcio, ĝi distingas diafanajn arojn, pritraktas diafanajn rilatojn, simulas homan regan dedukton kaj solvas diversajn nedeterminajn problemojn en praktika apliko. En praktiko, transformiloj ofte montras defektojn kun nedefinitaj kaŭzoj kaj mekanismoj, kiuj implicas multajn nedeterminajn kaj diafanajn rilatojn, kiujn tradiciaj metodoj ne povas bone klarigi aŭ priskribi. Diafana logika metodo povas efike trakti ĉi tiujn nedeterminajn rilatojn en transformildefektoj, donante novan aliron al defektodiagnozo de fortstrumtransformiloj.
Por trakti la limigon de manko de kritikaj rilatumkriterioj en komune uzata Rogers-rilatummetodo por defektodiagnozo de fortstrumtransformiloj, proponiĝis metodo uzanta teorion de diafanaj aroj. Ĉi tiu aliro enkondukas teknologion de diafana logiko en tradiciajn rilatummetodojn per diafanigo de rilatumlimoj. Ĉi tiu metodo montris bonan aplikan efekton en diagnozo de multoblaj transformildefektoj kaj evoluis al serio de defektodiagnosmetodoj, inkluzive de kodadokombinaj metodoj, diafana klustrado, Petri-retoj, kaj graj sistemoj. Ĉi tiuj modeloj plene konsideras la intrinsekan diafanecon de datumoj, efike plibonigante la performadon kun kompleksaj datumaroj kaj plibonigante la precizecon de defektodiagnozo de transformiloj.
3. Diagnostika Metodo de Eksperta Sistemo
Ekspertaj sistemoj prezentas gravan branĉon de artificala inteligento. Ili estas komputilprogramaj sistemoj kapablaj simuli homan ekspertan sperton kaj deduktprocesojn ĝis certa grado. Bazitaj sur datumoj provizitaj de uzantoj, ili aplikas konservitan ekspertan konon aŭ sperton por faradi induktojn kaj juĝojn, finfine provizante konkludojn kun fidindece-niveloj por helpi decidan procezon de uzanto. Defektodiagnozo de fortstrumtransformiloj estas tre kompleksa problemo, kiun implikas pluraj faktoroj.
Fari akuratan juĝon bazitan sur diversaj parametroj postulas solidan teorian fundamenton kaj riĉan sperton pri operacio kaj manteno. Aldone, pro varioj en transformilkapacito, voltajniveloj, kaj funkciigaj medioj, la sama defekto povas manifesti sin malsame en diversaj transformiloj. Ekspertaj sistemoj posedas fortan toleron al defektoj kaj adaptablon, permesante al ili modifi sian konbazon bazitan sur akiritaj diagnostikaj konoj por assekuri kompletecon. Tial, ili povas efike diagnozi malsamajn tipojn de fortstrumtransformiloj. Ekspertaj sistemoj por defektodiagnozo de fortstrumtransformiloj povas determini defektokarakteristikojn per sintezado de konoj pri defektokauzoj kaj tipoj, inkluzive de konoj pri analizo de disolitaj gasoj en oleo. Ili povas efike trakti diafanajn problemojn en defektodiagnozo per diafana logiko, trakti la engluto de malfacileco en akirado de kompleta kono per metodoj de ruĝa aro, kaj starigi strukturojn taŭgajn por kunlabora diagnozo de multaj ekspertoj per modelo de nigra tabulo.
4. Diagnostika Metodo de Artificala Neuronreto
Artificalaj neuronretos matematike modelas neuronaktivon kaj reprezentas informpritraktan sistemon bazitan sur mimado de la strukturo kaj funkcio de cerbaj neuronretos. ANNs posesas kapablojn de self-organizado, adapto, self-lernado, tolero al defektoj, kaj forta nenelineara aproksimado. Ili povas realigi predikcion, simulacion, kaj diafancontrolon, farante ilin potencaj iloj por pritrakto de nenelinearaj sistemoj. Uzado de artificalaj neuronretos por defektodiagnozo de transformiloj bazitaj sur komponentoj kaj koncentroj de disolitaj gasoj en oleo estas fokuspunkto de esploro en lastaj jaroj. Ĉi tio gvidis al evoluo de diversaj defektodiagnosmetodoj bazitaj sur ANNs, kiel du-pasa ANN-metodo, retropropaganta artificala neuronreto, decidarbora neuronreto, kombinita hierarkia struktura modelo de neuronreto, kaj radiala bazfunkcia neuronreto. Ĉi tiuj metodoj kontinue plibonigas la konverĝrapidecon, klasifikoperformadon, kaj precizecon de algoritmoj de neuronretos.
5. Aliaj Diagnostikaj Metodoj
Krom la kvar menciitaj metodoj, kelkaj aliaj aliroj estas ankaŭ uzitaj por defektodiagnozo de transformiloj. Organike kombinante neuronretos kaj teorion de evidenco por profiti el iliaj komplementaj avantaĝoj, oni povas evoluigi kompletan defektodiagnosmetodon de transformiloj integrita kun multoblaj neuronretos kaj teorio de evidenco. Inspiriĝante de la efikaj rekono kaj memorado mekanismoj de antikorpoj kontraŭ antienoj en biologiaj imunaj sistemoj, oni povas aplikar self-organizantajn antikorpajn retos kaj algoritmon de generado de antikorpoj por solvi problemon de defektodiagnozo de fortstrumtransformiloj. Aldone, aliaj defektodiagnosmetodoj de transformiloj inkluzivas tiujn bazitajn sur informfuzio, teorio de ruĝa aro, kombinitaj decidarboj, bayesaj retoj, artificalaj imunsistemoj, nova radiala bazfunkcia reto, kaj subtenvektora maŝinoj.
