Transformaatoride voolude tuvastamismeetodid
1. Süsteemine meetod lahustatud gaasianalüüsi jaoks
Suurimad osa ölihüpoteesiga võimsustransformaatorites tekivad teatud süttimispäästikud transformaatori tankis soojuse ja elektrilise pingereaktioni tõttu. Ölis lahustunud süttimispäästikke saab kasutada transformaatori öli-paberisolatsioonisüsteemi soojuskahanevate omaduste määramiseks nende spetsiifiliste päästikute sisalduse ja suhte alusel. See tehnoloogia kasutati esmakordselt voolude tuvastamiseks ölihüpoteesiga transformaatorites. Hiljem esitas Barraclough ja teised voolude tuvastamise meetodi, mis kasutas nelja gaasisuhet: CH4/H2, C2H6/CH4, C2H4/C2H6 ja C2H2/C2H4. Järgnevatel IEC standarditel eemaldati C2H6/CH4 suhe ja muudetud kolmesuhe meetod sai laialdaselt levinud. Rogers andis täpse analüüsi ja selgituse gaasi komponentide suhtede kodeerimise ja kasutamise meetodite kohta IEEE ja IEC standardites. Pikaajaline IEC 599 rakendamine näitas, et see ei vasta mõnikord tegelikele tingimustele ja ei suuda mõnda voolu tuvastada. Seetõttu on Hiina ja Jaapani Elektriühing parandanud IEC kodeeringut, samas kui ka muud lahustatud gaasianalüüside meetodid on levinud laiale kasutamisele.
2. Hüvede loogika diagnostiline meetod
Ameerika kontrolliteoorik L.A. Zadeh esitas esmakordselt hüvede diagnostika meetodeid, mis on siit saanud laiemaks kasutusele. Hüve loogika on sobilik kvalitatiivse teadmise ja kogemuse väljendamiseks ebakindlate piiride korral. Hüvesuuruste konseptsiooniga eristatakse hüvede hulki, töödeldakse hüvede suhteid, imiteeritakse inimese reeglipõhist mõtlemist ja lahendatakse praktilistes rakendustes mitmeid ebakindluse probleeme. Praktikas ilmnevad transformaatorites tihti voolud, mille põhjused ja mehhanismid on ebakindlad, mis traditsioonilisi meetodeid ei saa hästi selgitada ega kirjeldada. Hüve loogika meetodid suudavad efektiivselt lahendada neid ebakindlusi transformaatorivooludes, pakkudes uut lähenemist võimsustransformaatorite voolude tuvastamiseks.
Kasutuses olevate Rogeri suhesuhete meetodite oluliste suhesuhete kriteeriumide puuduse ületamiseks on esitatud meetod, mis kasutab hüvede hulkade teooriat. See lähenemine toob hüve loogika tehnoloogia sisse traditsioonilistesse suhesuhete meetoditesse, muutes suhesuhete piirid hüvedeks. See meetod on näidanud head rakendust mitmete transformaatorivoolude tuvastamisel ja on arenenud mitme voolude tuvastamise meetodiks, sealhulgas kodeerimise kombinatsioonimeetodid, hüve klastreerimistechnoloogiad, Petri võrkud ja hallid süsteemid. Need mudelid arvestavad täielikult andmete endise hüvet, parandades efektiivselt komplekssete andmekogumite ja tõstes transformaatorivoolude tuvastamise täpsust.
3. Ekspertide süsteemide diagnostiline meetod
Ekspertide süsteemid on tehisintellekti oluline haru. Need on arvutiprogrammisüsteemid, mis suudavad mingil määral imiteerida inimeste eksperti kogemust ja mõtlemisprotsessi. Kasutaja poolt antud andmete põhjal rakendavad nad säilitatud eksperti teadmisi või kogemust, et teha järeldusi ja hinnanguid, lõpuks pakkudes kindlusega järeldusi, et aidata kasutaja otsustamisel. Võimsustransformaatorite voolude tuvastamine on väga keeruline probleem, mis hõlmab mitmeid tegureid.
Erinevate parameetrite põhjal täpsete järelduste tegemiseks on vaja solidaarset teoreetilist alust ja rikkalikku operatiivset hooldamiskogemust. Lisaks transformaatoride kapasiteedi, pingetaseme ja töötingimuste variatsioonide tõttu võib sama vool erinevalt ilmneda erinevatel transformaatoritel. Ekspertide süsteemidel on tugev vooltolerants ja kohanemisvõime, mis võimaldab neil oma teadmiste baasi muuta saadud diagnostiliste teadmiste põhjal, tagades täielikkuse. Seetõttu suudavad need efektiivselt diagnoosida erinevaid tüüpi võimsustransformaatoreid. Võimsustransformaatorite voolude tuvastamise ekspertide süsteemid saavad määrata voolukaraktereid, ühendades voolupõhjuste ja -tüüpide teadmisi, kaasates voolude tuvastamise teadmisi, sealhulgas öli lahustatud gaasianalüüsi. Nad suudavad efektiivselt lahendada voolude tuvastamises esinevaid hüvede probleeme hüve loogika abil, lahendada täieliku teadmiste saamise raske küsimuse ruhksete hulkade meetodite abil ja luua struktuuri mitme eksperti koostöödiagnostikale musta tahvelmodeli arhitektuuri abil.
4. Tehisne neuroni võrkude diagnostiline meetod
Tehisne neuroni võrkk matemaatiliselt modelleerib neuronite aktiivsust ja esindab teabe töötlemissüsteemi, mis imiteerib aju neuroni võrkude struktuuri ja funktsioone. Tehised neuroni võrgud (ANN) omavad iseseisvalt organiseeruvaid, kohanemisvõimelisi, iseõppimise, voolitolerantsi ja tugevat mittelineaarset lähendamisvõimet. Nad suudavad ellu viia prognoosimise, simulatsiooni ja hüvede juhtimise funktsioone, muutes need võimasid tööriistu mittelineaarsete süsteemide töötlemiseks. Tehiste neuroni võrkude kasutamine transformaatorivoolude tuvastamiseks öli lahustatud gaaside kompositsiooni ja kontsentratsiooni alusel on olnud viimastel aastatel uurimiste fookus. See on viinud mitme voolude tuvastamise meetodite arendamiseni, nagu kaheastmelise ANN meetod, taganemisega tehisne neuroni võrk, otsustuspuu neuroni võrkumodel, kombinatsioonilised neuroni võrkude hierarhilised struktuurimudelid ja raadiusaaste funktsiooniga neuroni võrkud. Need meetodid jätkuvalt parandavad neuraalvõrkude algoritmite koonduvust, klassifitseerimisperformance'i ja täpsust.
5. Muud diagnostilised meetodid
Ülalmainitud neli meetodit peale kasutatakse transformaatorivoolude tuvastamiseks mitmeid muud meetodeid. Neuronide võrkude ja tõendite teooria orgaanilise kombinatsiooni abil, kasutades nende komplementaarseid eeliseid, võib arendada mitmeid neuronide võrkude ja tõendite teooria integreeritud transformaatorivoolude tuvastamise meetodeid. Bioloogiliste immuunsüsteemide antibiootikatega antigenide vastu efektiivsete tunnistamise ja mälu mehhanismide inspiratsioonilt võidakse rakendada iseseisvalt organiseeruvaid antibiootikavõrkke ja antibiootikategeneratsioonialgoritme, et lahendada võimsustransformaatorite voolude tuvastamise probleeme. Lisaks on muud transformaatorivoolude tuvastamise meetodid, mis põhinevad teabe segamisel, ruhkestest hulkadest, kombinatsioonilistel otsustuspuudel, Bayesi võrkudel, tehislike immuunsüsteemidel, uusel raadiusaaste funktsiooniga võrkudel ja toetusega masinadel.