大型電力変圧器のための5つの故障診断技術

変圧器の故障診断方法

1. 溶解ガス分析の比率法

多くの油浸型電力変圧器では、熱的および電気的なストレス下で変圧器タンク内で特定の可燃性ガスが生成されます。油中に溶解した可燃性ガスは、その特定のガス含量と比率に基づいて、変圧器の油紙絶縁システムの熱分解特性を決定するために使用することができます。この技術は最初に油浸型変圧器の故障診断に使用されました。その後、BarracloughらはCH4/H2、C2H6/CH4、C2H4/C2H6、C2H2/C2H4の四つのガス比率を使用する故障診断法を提案しました。その後のIEC標準では、C2H6/CH4の比率が削除され、改良された三比率法が広く採用されるようになりました。Rogersはさらに、IEEEおよびIEC標準におけるガス成分比率の符号化と使用方法について詳細な解析と説明を行いました。IEC 599の長期的な適用により、実際の状況と一致しない場合があり、特定の故障シナリオを診断できないことが明らかになりました。そのため、中国と日本電気協会はIEC符号化を改善し、他の溶解ガス分析法も広く応用されています。

2. ファジィ論理診断法

アメリカの制御理論家L.A. Zadehが初めて提案したファジィ診断法は、それ以来より広範囲にわたって応用されてきました。ファジィ論理は、境界が不明確な定性的な知識や経験を表現する上で優れています。メンバーシップ関数の概念を使用して、ファジィ集合を区別し、ファジィ関係を処理し、人間のルールベースの推論を模倣し、実際の応用における様々な不確定性問題を解決します。実際には、変圧器はしばしば原因やメカニズムが不明確な故障を示し、従来の方法では説明または記述しきれない多くの不確定かつファジィな関係が含まれています。ファジィ論理法は、これらの不確定な関係を効果的に扱い、電力変圧器の故障診断に新しいアプローチを提供します。

一般的に使用されるRogers比率法での重要な比率基準の不足という制限に対処するために、ファジィ集合論を使用する方法が提案されました。このアプローチは、比率の境界をファジィ化することによって、伝統的な比率法にファジィ論理技術を導入します。この方法は複数の変圧器故障の診断において良好な応用効果を示しており、コーディング組み合わせ法、ファジィクラスタリング技術、ペトリネットワーク、グレー系など、一連の故障診断法へと発展しています。これらのモデルはデータの固有のファジィ性を十分に考慮し、複雑なデータセットに対するパフォーマンスを効果的に向上させ、変圧器故障診断の精度を高めます。

3. エキスパートシステム診断法

エキスパートシステムは人工知能の重要な分野を代表しています。これらは、ある程度まで人間の専門家の経験と推論プロセスをシミュレートできるコンピュータプログラムシステムです。ユーザーが提供するデータに基づいて、保存された専門知識または経験を適用し、推論と判断を行い、最終的には信頼度付きの結論を提供してユーザーの意思決定を支援します。電力変圧器の故障診断は、多くの要因を含む非常に複雑な問題です。

さまざまなパラメータに基づいて正確な判断を行うには、堅牢な理論的基礎と豊富な運用保守経験が必要です。また、変圧器の容量、電圧レベル、運転環境の違いにより、同じ故障であっても異なる変圧器で異なる形態を示すことがあります。エキスパートシステムは強力な故障耐性と適応性を持ち、獲得した診断知識に基づいて知識ベースを修正することで完全性を確保することができます。したがって、異なるタイプの電力変圧器を効果的に診断することができます。電力変圧器の故障診断エキスパートシステムは、故障原因と種類に関する知識を総合し、油中の溶解ガス分析を含む故障検出知識を取り入れることで、故障特性を決定することができます。ファジィ論理を使用して故障診断の曖昧な問題を効果的に処理し、粗集合法を通じて完全な知識を得ることが困難なボトルネックに対処し、ブラックボードモデルアーキテクチャを使用して多専門家協同診断に適した構造を確立することができます。

4. 人工ニューラルネットワーク診断法

人工ニューラルネットワークは、神経細胞の活動を数学的にモデル化し、脳の神経ネットワークの構造と機能を模倣した情報処理システムを表します。ANNは自己組織化、適応性、自己学習能力、故障耐性、強力な非線形近似能力を持っています。予測、シミュレーション、ファジィ制御機能を実現でき、非線形システムの処理に強力なツールです。近年、油中の溶解ガス成分と濃度に基づく変圧器の故障診断に人工ニューラルネットワークを使用することは研究の焦点となっています。これにより、二段階ANN法、逆伝播人工ニューラルネットワーク、決定木ニューラルネットワークモデル、結合ニューラルネットワーク階層構造モデル、放射基底関数ニューラルネットワークなどの各種故障診断法が開発されています。これらの方法は、ニューラルネットワークアルゴリズムの収束速度、分類性能、精度を継続的に改善しています。

5. その他の診断法

上記の四つの方法以外にも、いくつかの他のアプローチが変圧器の故障診断に使用されています。ニューラルネットワークと証拠理論を有機的に組み合わせることで、それらの補完的な利点を活用し、複数のニューラルネットワークと証拠理論を統合した包括的な変圧器故障診断法を開発することができます。生物学的免疫システムにおける抗体が抗原に対して効率的に認識と記憶を行うメカニズムから着想を得て、自己組織化抗体ネットワークと抗体生成アルゴリズムを電力変圧器の故障診断問題に適用することができます。さらに、情報融合、粗集合理論、結合決定木、ベイジアンネットワーク、人工免疫システム、新しい放射基底関数ネットワーク、サポートベクターマシンに基づく他の変圧器故障診断法もあります。