۵ تکنیک تشخیص خطا برای ترانسفورماتورهای برق با قدرت بالا

روش‌های تشخیص خطا در ترانسفورماتور

۱. روش نسبت برای تجزیه و تحلیل گازهای حل شده

برای بیشتر ترانسفورماتورهای قدرت غوطه‌ور در روغن، گازهای قابل اشتعالی در ظرف ترانسفورماتور تحت تنش حرارتی و الکتریکی تولید می‌شوند. گازهای قابل اشتعال حل شده در روغن می‌توانند برای تعیین مشخصات تجزیه حرارتی سیستم عایق روغن-کاغذ ترانسفورماتور بر اساس محتوای گاز خاص و نسبت‌های آنها استفاده شوند. این فناوری ابتدا برای تشخیص خطا در ترانسفورماتورهای غوطه‌ور در روغن استفاده شد. بعداً، باراکلاو و دیگران روش تشخیص خطا با استفاده از چهار نسبت گازی: CH4/H2، C2H6/CH4، C2H4/C2H6 و C2H2/C2H4 پیشنهاد کردند. در استانداردهای IEC بعدی، نسبت C2H6/CH4 حذف شد و روش سه نسبت اصلاح شده به طور گسترده مورد استفاده قرار گرفت. راجرز تجزیه و تحلیل دقیق و توضیح روش‌های کدگذاری و استفاده از نسبت‌های مولکولی در استانداردهای IEEE و IEC را ارائه داد. استفاده طولانی‌مدت از IEC 599 نشان داد که در برخی موارد با شرایط واقعی همخوانی ندارد و نمی‌تواند برخی سناریوهای خرابی را تشخیص دهد. بنابراین، هم چین و هم انجمن برق ژاپن بهبودهایی در کدگذاری IEC ایجاد کرده‌اند و روش‌های تجزیه و تحلیل گازهای حل شده دیگری نیز به طور گسترده مورد استفاده قرار گرفته‌اند.

۲. روش تشخیصی منطق فازی

نظریه‌پرداز کنترل آمریکایی L.A. Zadeh ابتدا روش‌های تشخیصی فازی را پیشنهاد کرد که از آن زمان به بعد کاربرد گسترده‌تری یافته‌اند. منطق فازی برای بیان دانش و تجربه کیفی با مرزهای نامشخص مزیت دارد. با استفاده از مفهوم توابع عضویت، مجموعه‌های فازی را متمایز می‌کند، روابط فازی را پردازش می‌کند، استدلال قاعده‌ای انسانی را شبیه‌سازی می‌کند و مشکلات مختلف عدم قطعیت در کاربردهای عملی را حل می‌کند. در عمل، ترانسفورماتورها اغلب خرابی‌هایی با علل و مکانیزم‌های نامشخص را نشان می‌دهند که شامل روابط بسیار نامطمئن و فازی هستند که روش‌های سنتی نمی‌توانند آنها را به خوبی توصیف یا توضیح دهند. روش‌های منطق فازی می‌توانند این روابط نامطمئن در خرابی‌های ترانسفورماتور را مؤثر بکار بگیرند و روش جدیدی برای تشخیص خطا در ترانسفورماتورهای قدرت ارائه دهند.

برای رفع محدودیت فقدان معیارهای نسبت بحرانی در روش نسبت راجرز معمولی برای تشخیص خطا در ترانسفورماتورهای قدرت، یک روش با استفاده از نظریه مجموعه‌های فازی پیشنهاد شده است. این روش با فازی کردن مرزهای نسبت، تکنولوژی منطق فازی را به روش‌های نسبت سنتی معرفی می‌کند. این روش اثرات کاربرد خوبی در تشخیص خرابی‌های چندگانه ترانسفورماتور نشان داده و به مجموعه‌ای از روش‌های تشخیصی شامل روش‌های ترکیبی کدگذاری، تکنیک‌های خوشه‌بندی فازی، شبکه‌های پتری و سیستم‌های خاکستری تبدیل شده است. این مدل‌ها به طور کامل نامشخص بودن ذاتی داده‌ها را در نظر می‌گیرند و عملکرد را با مجموعه داده‌های پیچیده بهبود می‌بخشند و دقت تشخیص خطا در ترانسفورماتور را افزایش می‌دهند.

۳. روش تشخیصی سیستم خبره

سیستم‌های خبره نماینده شاخه مهمی از هوش مصنوعی هستند. این سیستم‌ها برنامه‌های کامپیوتری هستند که تا حدودی تجربه و فرآیندهای استدلال انسانی را شبیه‌سازی می‌کنند. بر اساس داده‌های ارائه شده توسط کاربران، از دانش یا تجربه ذخیره شده استفاده می‌کنند تا استنتاج و قضاوت کنند و در نهایت نتایج با سطوح اطمینانی را ارائه دهند تا در تصمیم‌گیری کاربران کمک کنند. تشخیص خطا در ترانسفورماتورهای قدرت یک مشکل بسیار پیچیده است که شامل عوامل متعددی است.

تصمیم‌گیری دقیق بر اساس پارامترهای مختلف نیاز به پایه‌های نظری محکم و تجربه عملیاتی و نگهداری غنی دارد. علاوه بر این، به دلیل تغییرات در ظرفیت ترانسفورماتور، سطح ولتاژ و محیط عملیاتی، خرابی یکسان ممکن است در ترانسفورماتورهای مختلف به صورت متفاوت ظاهر شود. سیستم‌های خبره دارای تحمل خطا و انطباق قوی هستند که اجازه می‌دهند دانش‌پایه خود را بر اساس دانش تشخیصی کسب شده تغییر دهند تا کامل باقی بمانند. بنابراین، آنها می‌توانند به طور موثر خرابی‌های مختلف ترانسفورماتورهای قدرت را تشخیص دهند. سیستم‌های خبره تشخیص خطا در ترانسفورماتورهای قدرت می‌توانند مشخصات خرابی را با ترکیب دانش علل و نوع خرابی، از جمله دانش تشخیصی شامل تجزیه و تحلیل گازهای حل شده در روغن تعیین کنند. آنها می‌توانند به طور مؤثر مشکلات فازی در تشخیص خطا را با استفاده از منطق فازی، مشکل کسب دانش کامل را با استفاده از روش‌های مجموعه‌های خشن و ساختارهای مناسب برای تشخیص همکاری چند خبره با استفاده از مدل سیاه‌بُرد حل کنند.

۴. روش تشخیصی شبکه عصبی مصنوعی

شبکه‌های عصبی مصنوعی فعالیت نورون‌ها را ریاضی مدل‌سازی می‌کنند و سیستم پردازش اطلاعاتی بر اساس شبیه‌سازی ساختار و عملکرد شبکه‌های عصبی مغزی هستند. شبکه‌های عصبی مصنوعی دارای توانایی‌های خودسازماندهی، انطباق، یادگیری خودکار، تحمل خطا و تقریب غیرخطی قوی هستند. آنها می‌توانند توابع پیش‌بینی، شبیه‌سازی و کنترل فازی را اجرا کنند و ابزارهای قدرتمندی برای پردازش سیستم‌های غیرخطی هستند. استفاده از شبکه‌های عصبی مصنوعی برای تشخیص خطا در ترانسفورماتور بر اساس مولکول‌های گاز و غلظت آنها در روغن در سال‌های اخیر مورد توجه بوده است. این منجر به توسعه روش‌های تشخیص خطا مختلف بر اساس شبکه‌های عصبی مصنوعی شده است، مانند روش دو مرحله‌ای شبکه عصبی، شبکه‌های عصبی پس‌انتشار، مدل‌های درخت تصمیم شبکه عصبی، مدل‌های ساختار سلسله‌مراتبی ترکیبی شبکه عصبی و شبکه‌های عصبی تابع پایه شعاعی. این روش‌ها به طور مداوم سرعت همگرایی، عملکرد طبقه‌بندی و دقت الگوریتم‌های شبکه عصبی را بهبود می‌بخشند.

۵. روش‌های تشخیصی دیگر

به غیر از چهار روش ذکر شده، روش‌های دیگری نیز برای تشخیص خطا در ترانسفورماتور استفاده می‌شوند. با ترکیب آلی شبکه‌های عصبی و نظریه شواهد برای بهره‌گیری از مزایای مکمل آنها، می‌توان روش تشخیص خطا در ترانسفورماتور جامعی را با ترکیب چند شبکه عصبی و نظریه شواهد توسعه داد. با الهام گرفتن از مکانیسم‌های تشخیص و حافظه مؤثر آنتی‌بادی‌ها در برابر آنتی‌ژن‌ها در سیستم‌های ایمنی زیستی، شبکه‌های خودسازمانده آنتی‌بادی و الگوریتم‌های تولید آنتی‌بادی می‌توانند برای حل مشکلات تشخیص خطا در ترانسفورماتورهای قدرت استفاده شوند. علاوه بر این، روش‌های تشخیص خطا در ترانسفورماتور دیگری نیز شامل روش‌های مبتنی بر ترکیب اطلاعات، نظریه مجموعه‌های خشن، درخت‌های تصمیم ترکیبی، شبکه‌های بیزی، سیستم‌های ایمنی مصنوعی، شبکه‌های تابع پایه شعاعی نوین و ماشین‌های بردار پشتیبان هستند.