5 Storingtechnieken voor grote elektriciteitsversterkers

Transformatordefecten diagnosemethoden

1. Verhoudingsmethode voor opgeloste gasanalyse

Voor de meeste oliegevulde stroomtransformators worden bepaalde brandbare gassen in de transformatorbak geproduceerd onder thermische en elektrische spanning. De in olie opgeloste brandbare gassen kunnen worden gebruikt om de thermische decompositie-eigenschappen van het transformatorolie-papier isolatiesysteem te bepalen op basis van hun specifieke gasinhoud en verhoudingen. Deze technologie werd voor het eerst gebruikt voor defectdiagnose in oliegevulde transformators. Later stelde Barraclough en anderen een defectdiagnosemethode voor met vier gasverhoudingen: CH4/H2, C2H6/CH4, C2H4/C2H6 en C2H2/C2H4. In latere IEC-normen werd de C2H6/CH4-verhouding verwijderd, en de gewijzigde drieverhoudingsmethode werd wijdverspreid toegepast. Rogers gaf vervolgens gedetailleerde analyse en uitleg van de codering en gebruiksmethoden van gascomponentverhoudingen in IEEE- en IEC-normen. Langdurige toepassing van IEC 599 heeft uitgewezen dat deze niet altijd overeenkomt met de werkelijke omstandigheden en bepaalde defectscenario's niet kan diagnosticeren. Daarom hebben zowel China als de Japan Electrical Association verbeteringen aangebracht aan de IEC-codering, terwijl andere methoden voor opgeloste gasanalyse ook wijdverspreid zijn toegepast.

2. Fuzzy logica diagnostische methode

De Amerikaanse controletheoreticus L.A. Zadeh stelde als eerste fuzzy diagnosemethoden voor, die sindsdien breder zijn toegepast. Fuzzy logica is voordelig voor het uitdrukken van kwalitatieve kennis en ervaring met onduidelijke grenzen. Met behulp van het concept van lidmaatschapsfuncties onderscheidt het fuzzy sets, verwerkt fuzzy relaties, simuleert regelgebaseerde menselijke redenering en lost diverse onzekerheidsproblemen in praktische toepassingen op. In de praktijk vertonen transformators vaak defecten met onduidelijke oorzaken en mechanismen die talrijke onzekere en fuzzy relaties bevatten, die traditionele methoden niet goed kunnen verklaren of beschrijven. Fuzzy logica methoden kunnen deze onzekere relaties in transformatordefecten effectief aanpakken en bieden een nieuwe benadering voor de defectdiagnose van stroomtransformators.

Om de beperking van het ontbreken van cruciale verhoudingscriteria in de veelgebruikte Rogers-verhoudingsmethode voor defectdiagnose van stroomtransformators te overwinnen, is een methode voorgesteld die gebruik maakt van fuzzy settheorie. Deze benadering introduceert fuzzy logicatechnologie in traditionele verhoudingsmethoden door de verhoudingsgrenzen te verfuzzify. Deze methode heeft goede toepassingseffecten getoond bij de diagnose van meerdere transformatordefecten en is uitgegroeid tot een reeks defectdiagnosemethoden, waaronder coderingscombinatiemethoden, fuzzy clusteringtechnieken, Petri-netwerken en grijsystemen. Deze modellen nemen de inherente fuzziness van gegevens volledig in acht, verbeteren de prestaties effectief met complexe datasets en verhogen de nauwkeurigheid van de defectdiagnose van transformators.

3. Expert systemen diagnostische methode

Expert systemen vormen een belangrijke tak van kunstmatige intelligentie. Het zijn computerprogrammasystemen die in zekere mate menselijke expertervaring en redeneerprocessen kunnen simuleren. Op basis van door gebruikers verstrekte gegevens passen ze opgeslagen expertkennis of -ervaring toe om conclusies te trekken en oordeel te vellen, en leveren uiteindelijk conclusies met betrouwbaarheidsniveaus om de besluitvorming van gebruikers te ondersteunen. Defectdiagnose van stroomtransformators is een uiterst complex probleem dat meerdere factoren omvat.

Het maken van accurate oordelen op basis van verschillende parameters vereist solide theoretische grondslagen en rijke operatie- en onderhoudservaring. Bovendien variëren capaciteit, spanningniveaus en bedrijfsomgevingen van transformators, waardoor dezelfde defecten zich anders kunnen manifesteren in verschillende transformators. Expert systemen bezitten sterke fouttolerantie en aanpassingsvermogen, waardoor ze hun kennisbasis kunnen wijzigen op basis van verkregen diagnosekennis om volledigheid te waarborgen. Daarom kunnen ze effectief verschillende soorten stroomtransformators diagnosticeren. Expert systemen voor defectdiagnose van stroomtransformators kunnen defectkenmerken bepalen door kennis van defectoorzaken en -types te combineren, inclusief kennis van defectdetectie zoals opgeloste gasanalyse in olie. Ze kunnen effectief vage problemen in defectdiagnose aanpakken met behulp van fuzzy logica, de knelpunt van moeilijk verkrijgbare complete kennis aansnijden met ruwe verzamelingenmethoden en structuren opzetten die geschikt zijn voor multi-expert collaboratieve diagnose met behulp van blackboard modelarchitectuur.

4. Künstliche neuronale Netzwerk-Diagnosemethode

Künstliche neuronale Netze mathematisch das Neuronenverhalten modellieren und stellen ein Informationsverarbeitungssystem dar, das auf der Nachahmung der Struktur und Funktion von Gehirnneuronennetzen basiert. KNNs besitzen Selbstorganisation, Anpassungsfähigkeit, Selbstlernfähigkeit, Fehlertoleranz und starke nichtlineare Approximationsfähigkeiten. Sie können Vorhersage, Simulation und Fuzzy-Kontrollfunktionen implementieren, was sie zu leistungsstarken Werkzeugen für die Verarbeitung nichtlinearer Systeme macht. Die Verwendung von KNNs zur Transformatorfehlerdiagnose auf Grundlage der Gasbestandteile und -konzentrationen in Öl war in den letzten Jahren ein Forschungsschwerpunkt. Dies hat zur Entwicklung verschiedener Fehlerdiagnosemethoden auf Basis von KNNs geführt, wie z.B. die Zwei-Schritt-KNN-Methode, Backpropagation-Künstliche Neuronale Netze, Entscheidungsbaum-Neuronale-Netz-Modelle, kombinierte neuronale Netz-Hierarchiemodelle und Radiale-Basis-Funktions-Neuronale-Netze. Diese Methoden verbessern ständig die Konvergenzgeschwindigkeit, die Klassifizierungsleistung und die Genauigkeit der neuronalen Netz-Algorithmen.

5. Andere Diagnosemethoden

Naast de bovenstaande vier methoden worden er ook andere benaderingen gebruikt voor defectdiagnose van transformators. Door neurale netwerken en evidentiële theorie organisch te combineren om hun complementaire voordelen te benutten, kan een geïntegreerde defectdiagnosemethode voor transformators worden ontwikkeld die gebruik maakt van meerdere neurale netwerken en evidentiële theorie. Geïnspireerd door de efficiënte herkennings- en geheugenmechanismen van antilichamen tegen antigenen in biologische immuunsystemen, kunnen zelforganiserende antilichaamnetwerken en antilichaamgeneratie-algoritmen worden toegepast om problemen van defectdiagnose van stroomtransformators op te lossen. Daarnaast omvatten andere defectdiagnosemethoden voor transformators ook benaderingen gebaseerd op informatie fusie, ruwe verzamelingentheorie, gecombineerde beslisbomen, Bayesiaanse netwerken, kunstmatige immuunsystemen, nieuwe radiale basisfunctienetwerken en support vector machines.