5 Teknik Diagnosis Kerosakan untuk Transformator Besar

Kaedah Diagnostik Kerosakan Transformator

1. Kaedah Nisbah untuk Analisis Gas Terlarut

Bagi kebanyakan transformator kuasa yang direndam dalam minyak, gas-gas mudah terbakar tertentu dihasilkan dalam tangki transformator di bawah tekanan haba dan elektrik. Gas-gas mudah terbakar yang terlarut dalam minyak boleh digunakan untuk menentukan ciri-ciri penguraian termal sistem pelindung minyak-kertas transformator berdasarkan kandungan gas spesifik dan nisbahnya. Teknologi ini pertama kali digunakan untuk diagnosis kerosakan pada transformator yang direndam dalam minyak. Kemudian, Barraclough dan orang lain mencadangkan kaedah diagnosis kerosakan menggunakan empat nisbah gas: CH4/H2, C2H6/CH4, C2H4/C2H6, dan C2H2/C2H4. Dalam piawaian IEC seterusnya, nisbah C2H6/CH4 telah dikeluarkan, dan kaedah tiga nisbah yang dimodifikasi menjadi luas digunakan. Rogers memberikan analisis dan penjelasan terperinci mengenai kod nisbah komponen gas dan kaedah penggunaannya dalam piawaian IEEE dan IEC. Penggunaan jangka panjang IEC 599 menunjukkan bahawa ia tidak selaras dengan keadaan sebenar dalam beberapa kes dan tidak dapat mendiagnosis beberapa skenario kerosakan. Oleh itu, China dan Persatuan Elektrik Jepun telah membuat perbaikan kepada kod IEC, manakala kaedah-kaedah analisis gas terlarut lain juga telah mendapat penggunaan meluas.

2. Kaedah Diagnostik Logik Kabur

Ahli teori kawalan Amerika, L.A. Zadeh, pertama kali mencadangkan kaedah diagnosis kabur, yang sejak itu mendapat penggunaan yang lebih luas. Logik kabur mempunyai kelebihan dalam menyatakan pengetahuan dan pengalaman kualitatif dengan sempadan yang tidak jelas. Menggunakan konsep fungsi keahlian, ia membezakan set-set kabur, memproses hubungan kabur, mensimulasikan penalaran berdasarkan peraturan manusia, dan menyelesaikan pelbagai masalah ketidakpastian dalam aplikasi praktikal. Dalam amalan, transformator sering menunjukkan kerosakan dengan penyebab dan mekanisme yang tidak jelas, yang melibatkan banyak hubungan ketidakpastian dan kabur yang tidak dapat dijelaskan atau dideskripsikan dengan baik oleh kaedah tradisional. Kaedah logik kabur dapat secara efektif menangani hubungan-hubungan ketidakpastian dalam kerosakan transformator, menyediakan pendekatan baru untuk diagnosis kerosakan transformator kuasa.

Untuk mengatasi kekurangan kriteria nisbah penting dalam kaedah nisbah Rogers yang biasa digunakan untuk diagnosis kerosakan transformator kuasa, suatu kaedah menggunakan teori set kabur telah dicadangkan. Pendekatan ini memperkenalkan teknologi logik kabur ke dalam kaedah nisbah tradisional dengan mengaburkan sempadan nisbah. Kaedah ini telah menunjukkan kesan penggunaan yang baik dalam mendiagnosis pelbagai kerosakan transformator dan telah berkembang menjadi siri kaedah diagnosis kerosakan, termasuk kaedah kombinasi kod, teknik klusteran kabur, rangkaian Petri, dan sistem kelabu. Model-model ini mempertimbangkan ketidakjelasan data secara penuh, meningkatkan prestasi dengan set data yang kompleks, dan meningkatkan kejituan diagnosis kerosakan transformator.

3. Kaedah Diagnostik Sistem Pakar

Sistem pakar mewakili cabang penting kecerdasan buatan. Mereka adalah sistem program komputer yang mampu mensimulasikan pengalaman dan proses penalaran pakar manusia hingga tahap tertentu. Berdasarkan data yang disediakan oleh pengguna, mereka menerapkan pengetahuan atau pengalaman pakar yang disimpan untuk membuat inferens dan penilaian, akhirnya memberikan kesimpulan dengan tahap keyakinan untuk membantu pengambilan keputusan pengguna. Diagnosis kerosakan transformator kuasa adalah masalah yang sangat kompleks yang melibatkan pelbagai faktor.

Membuat penilaian yang tepat berdasarkan pelbagai parameter memerlukan asas teori yang kukuh dan pengalaman pemeliharaan operasi yang kaya. Selain itu, kerana variasi kapasiti transformator, tahap voltan, dan persekitaran operasi, kerosakan yang sama mungkin ditunjukkan dengan cara yang berbeza di antara transformator-transformator yang berbeza. Sistem pakar mempunyai toleransi kerosakan dan adaptabilitas yang kuat, membolehkan mereka memodifikasi pangkalan pengetahuan mereka berdasarkan pengetahuan diagnosis yang diperoleh untuk memastikan kelengkapannya. Oleh itu, mereka dapat secara efektif mendiagnosis pelbagai jenis transformator kuasa. Sistem pakar diagnosis kerosakan transformator kuasa dapat menentukan ciri-ciri kerosakan dengan menggabungkan pengetahuan tentang penyebab dan jenis kerosakan, menggabungkan pengetahuan deteksi kerosakan termasuk analisis gas terlarut dalam minyak. Mereka dapat menangani masalah kabur dalam diagnosis kerosakan secara efektif menggunakan logik kabur, menangani botol leher kesukaran dalam mendapatkan pengetahuan yang lengkap melalui kaedah set kasar, dan menetapkan struktur yang sesuai untuk diagnosis kolaboratif multi-pakar menggunakan arsitektur model papan hitam.

4. Kaedah Diagnostik Rangkaian Neural Buatan

Rangkaian neural buatan (ANN) memodelkan aktivitas neuron secara matematik dan mewakili sistem pemrosesan maklumat berdasarkan meniru struktur dan fungsi rangkaian neural otak. ANN mempunyai kemampuan self-organizing, adaptif, self-learning, toleran terhadap kerosakan, dan keupayaan aproksimasi non-linear yang kuat. Mereka dapat melaksanakan fungsi prediksi, simulasi, dan kawalan kabur, menjadikannya alat yang kuat untuk pemprosesan sistem non-linear. Menggunakan ANN untuk diagnosis kerosakan transformator berdasarkan komponen dan kepekatan gas terlarut dalam minyak telah menjadi fokus penyelidikan dalam beberapa tahun terakhir. Ini telah menyebabkan perkembangan pelbagai kaedah diagnosis kerosakan berdasarkan ANN, seperti kaedah ANN dua langkah, rangkaian neural buatan backpropagation, model jaringan neural berdasarkan pokok keputusan, model struktur hierarki jaringan neural gabungan, dan jaringan neural fungsi basis radial. Kaedah-kaedah ini terus-menerus meningkatkan kelajuan penumpuan, prestasi pengelasan, dan kejituan algoritma jaringan neural.

5. Kaedah Diagnostik Lain

Selain empat kaedah yang disebutkan di atas, beberapa pendekatan lain juga digunakan untuk diagnosis kerosakan transformator. Dengan menggabungkan secara organik jaringan neural dan teori bukti untuk memanfaatkan kelebihan saling melengkapi mereka, kaedah diagnosis kerosakan transformator yang menyeluruh yang mengintegrasikan pelbagai jaringan neural dengan teori bukti dapat dikembangkan. Mendapatkan inspirasi dari mekanisme pengiktirafan dan ingatan yang efisien antibodi terhadap antigen dalam sistem imun biologis, jaringan antibodi self-organizing dan algoritma generasi antibodi dapat diterapkan untuk menyelesaikan masalah diagnosis kerosakan transformator kuasa. Selain itu, kaedah-kaedah diagnosis kerosakan transformator lain termasuk berdasarkan penggabungan maklumat, teori set kasar, pohon keputusan gabungan, jaringan Bayesian, sistem imun buatan, jaringan fungsi basis radial baru, dan mesin vektor sokongan.