5 Técnicas de Diagnóstico de Fallos para Grandes Transformadores Eléctricos

Métodos de diagnóstico de fallos en transformadores

1. Método de razón para o análise de gases disueltos

Para a maioría dos transformadores de potencia de aceite, ba tensión térmica e eléctrica, prodúcese unha cantidade determinada de gases combustibles no tanque do transformador. Os gases combustibles disueltos no aceite poden utilizarse para determinar as características de descomposición térmica do sistema de aislamento de aceite e papel do transformador, baseándose na súa composición específica e nas súas razóns. Esta tecnoloxía usouse inicialmente para o diagnóstico de fallos en transformadores de aceite. Posteriormente, Barraclough e outros propuxeron un método de diagnóstico de fallos que usa catro razóns de gases: CH4/H2, C2H6/CH4, C2H4/C2H6 e C2H2/C2H4. Nas normas IEC posteriores, eliminouse a razón C2H6/CH4, e o método modificado de tres razóns foi ampliamente adoptado. Rogers proporcionou unha análise e explicación detalladas do código de razóns de componentes de gas e os métodos de uso nas normas IEEE e IEC. A aplicación a longo prazo da IEC 599 revelou que non coincide con as condicións reais en algúns casos e non pode diagnosticar certos escenarios de fallo. En consecuencia, tanto China como a Asociación Eléctrica de Xapón fizeron melloras no código IEC, mentres que outros métodos de análise de gases disueltos tamén foron ampliamente aplicados.

2. Método de diagnóstico lóxico difuso

O teórico de control americano L.A. Zadeh propuxo inicialmente os métodos de diagnóstico difuso, que desde entón tiveron unha aplicación máis ampla. A lóxica difusa é vantaxosa para expresar coñecementos e experiencia cualitativos con límites pouco claros. Usando o concepto de funcións de pertinencia, distingue conxuntos difusos, procesa relacións difusas, simula o razonamento baseado en regras humanas e resolve varios problemas de incertidume en aplicacións prácticas. Na práctica, os transformadores adoitan presentar fallos con causas e mecanismos poco claros que involucran moitas relacións incertas e difusas que os métodos tradicionais non poden explicar ou describir ben. Os métodos de lóxica difusa poden tratar eficazmente estas relacións incertas en fallos de transformadores, proporcionando un novo enfoque para o diagnóstico de fallos en transformadores de potencia.

Para abordar a limitación da falta de criterios de razón crítica no método de razón Rogers comúnmente usado para o diagnóstico de fallos en transformadores de potencia, propuxose un método que usa a teoría de conxuntos difusos. Este enfoque introduce a tecnoloxía de lóxica difusa nos métodos de razón tradicionais mediante a difuminación dos límites de razón. Este método mostrou bons resultados de aplicación no diagnóstico de múltiples fallos de transformadores e evolucionou nunha serie de métodos de diagnóstico de fallos, incluíndo métodos de combinación de códigos, técnicas de agrupación difusa, redes de Petri e sistemas grises. Estes modelos consideran plenamente a natureza difusa dos datos, melloran significativamente o rendemento con conxuntos de datos complexos e aumentan a precisión do diagnóstico de fallos en transformadores.

3. Método de diagnóstico de sistemas expertos

Os sistemas expertos representan unha rama importante da intelixencia artificial. Son sistemas de programas informáticos capaces de simular a experiencia e os procesos de razonamento de expertos humanos até certo punto. Basándose nos datos proporcionados polo usuario, aplican o coñecemento ou a experiencia de expertos almacenados para facer inferencias e xuízos, proporcionando finalmente conclusións con niveis de confianza para axudar na toma de decisións do usuario. O diagnóstico de fallos en transformadores de potencia é un problema extremadamente complexo que implica múltiples factores.

Facer xuízos precisos baseados en diversos parámetros require sólidos fundamentos teóricos e rica experiencia en operación e manutención. Ademais, debido ás variacións na capacidade, niveis de voltaxe e entornos de funcionamento dos transformadores, o mesmo fallo pode manifestarse de xeito diferente en diversos transformadores. Os sistemas expertos posúen forte tolerancia a fallos e adaptabilidade, permitíndolles modificar a súa base de coñecemento en función do coñecemento diagnóstico adquirido para asegurar a completude. Polo tanto, poden diagnosticar eficazmente diferentes tipos de transformadores de potencia. Os sistemas expertos de diagnóstico de fallos en transformadores de potencia poden determinar as características de fallos integrando o coñecemento das causas e tipos de fallos, incorporando o coñecemento de detección de fallos, incluíndo a análise de gases disueltos no aceite. Poden tratar eficazmente problemas difusos no diagnóstico de fallos usando lóxica difusa, abordar o cuello de botella da dificultade de obter coñecemento completo mediante métodos de conxuntos aproximados e establecer estruturas adecuadas para a colaboración diagnóstica de múltiples expertos usando unha arquitectura de modelo de pizarra.

4. Método de diagnóstico de redes neuronais artificiais

As redes neuronais artificiais modelan matematicamente a actividade neuronal e representan un sistema de procesamento de información baseado na imitación da estrutura e función das redes neuronais cerebrais. As ANN posúen capacidades de autoorganización, adaptación, autoaprendizaxe, tolerancia a fallos e fortes habilidades de aproximación non lineal. Poden implementar funcións de predición, simulación e control difuso, sendo ferramentas poderosas para o procesamento de sistemas non lineales. O uso de redes neuronais artificiais para o diagnóstico de fallos en transformadores baseado nos componentes e concentracións de gases disueltos no aceite foi un foco de investigación nos últimos anos. Isto levou ao desenvolvemento de varios métodos de diagnóstico de fallos baseados en ANN, como o método de ANN de dúas etapas, redes neuronais artificiais de retropropagación, modelos de redes neuronais de árbores de decisión, modelos de estrutura jerárquica de redes neuronais combinadas e redes neuronais de función de base radial. Estes métodos melloran continuamente a velocidade de converxencia, o rendemento de clasificación e a precisión dos algoritmos de redes neuronais.

5. Outros métodos de diagnóstico

Más alá dos catro métodos mencionados, tamén se usan varias outras abordaxes para o diagnóstico de fallos en transformadores. Combinando organicamente as redes neuronais e a teoría da evidencia para aproveitar as súas vantaxes complementarias, pode desenvolverse un método de diagnóstico de fallos en transformadores integral que integre múltiples redes neuronais coa teoría da evidencia. Inspirándose nos mecanismos eficientes de recoñecemento e memoria de anticorpos contra antíxenos nos sistemas inmunitarios biolóxicos, as redes autoorganizadas de anticorpos e os algoritmos de xeración de anticorpos poden aplicarse para resolver problemas de diagnóstico de fallos en transformadores de potencia. Ademais, outros métodos de diagnóstico de fallos en transformadores inclúen aqueles baseados en fusión de información, teoría de conxuntos aproximados, árbores de decisión combinadas, redes bayesianas, sistemas inmunitarios artificiais, novas redes de función de base radial e máquinas de vectores de soporte.