5 feilmdiagnosemetoder for store strømtransformatorer

Transformerfeil-diagnosemetoder

1. Forholdsmetode for løst gassanalyse

For de fleste olje-dempede krafttransformatorer produseres visse brennbare gasser i transformatortanken under termisk og elektrisk stress. De brennbare gassene som er løst i olsen kan brukes til å bestemme de termiske nedbrytningsegenskapene til transformatorolje-papirisoleringssystemet basert på deres spesifikke gassinnhold og -forhold. Denne teknologien ble først brukt for feil-diagnose i olje-dempede transformatorer. Senere foreslo Barraclough og andre en feil-diagnosemetode ved hjelp av fire gassforhold: CH4/H2, C2H6/CH4, C2H4/C2H6 og C2H2/C2H4. I senere IEC-standarder ble forholdet C2H6/CH4 fjernet, og den modifiserte tre-forholdsmetoden ble vidt akseptert. Rogers ga videre detaljert analyse og forklaring av gasskomponentforholdskoding og bruksmetoder i IEEE- og IEC-standarder. Langsiktig bruk av IEC 599 har vist at den ikke samsvarer med faktiske forhold i noen tilfeller og kan ikke diagnostisere visse feilsituasjoner. Dermed har både Kina og Japan Electrical Association gjort forbedringer av IEC-koding, mens andre metoder for løst gassanalyse også har fått bred anvendelse.

2. Uskarpet logikk-diagnosemetode

Den amerikanske kontrollteoretikeren L.A. Zadeh foreslo først uskarpe diagnosemetoder, som siden har fått bredere anvendelse. Uskarp logikk er fordelaktig for å uttrykke kvalitativ kunnskap og erfaring med uklare grenser. Ved å bruke konseptet med medlemskapsfunksjoner, skiller den unntak fra uskarpe mengder, behandler uskarpe relasjoner, simulerer menneskelig regelbasert resonnement, og løser ulike usikkerhetsproblemer i praktiske applikasjoner. I praksis viser transformatorer ofte feil med uklare årsaker og mekanismer som involverer mange usikre og uskarpe relasjoner som tradisjonelle metoder ikke kan forklare eller beskrive godt. Metoder basert på uskarp logikk kan effektivt håndtere disse usikre relasjonene i transformatorfeil, noe som gir en ny tilnærming til feil-diagnose av krafttransformatorer.

For å løse begrensningen av mangel på kritiske forholdskriterier i den vanlig brukt Rogers forholdsmetode for feil-diagnose av krafttransformatorer, har det blitt foreslått en metode som bruker uskarpet mengdeteknikk. Denne tilnærmingen introduserer uskarp logikkteknologi i tradisjonelle forholdsmetoder ved å uskarpe forholdsgrenser. Denne metoden har vist gode anvendelseseffekter i diagnostisering av flere transformatorfeil og har utviklet seg til en rekke feil-diagnosemetoder, inkludert kodningskombinasjonsmetoder, uskarpe klusteringsteknikker, Petri-nettverk og grå systemer. Disse modellene tar full hensyn til den innebygde uskarpheten i data, forbedrer effektivt ytelsen med komplekse datasett og øker nøyaktigheten i transformatorfeil-diagnose.

3. Ekspertsystem-diagnosemetode

Ekspertsystemer representerer et viktig gren av kunstig intelligens. De er dataprogramsystemer som i en viss grad kan simulere menneskelige eksperters erfaring og resonnement. Basert på data som brukeren gir, bruker de lagret ekspertkunnskap eller erfaring til å trekke konklusjoner og gi dommer, og til slutt gi konklusjoner med tillitsnivåer for å støtte brukernes beslutninger. Feil-diagnose av krafttransformatorer er et svært komplekst problem som involverer flere faktorer.

Å gjøre nøyaktige vurderinger basert på ulike parametre krever solide teoretiske grunnlag og rik drifts- og vedlikeholdsopplevelse. I tillegg varierer transformatorkapasitet, spenningsnivåer og driftsmiljø, så samme feil kan manifesteres forskjellig i ulike transformatorer. Ekspertsystemer har sterke feiltoleranse- og tilpasningsmessige egenskaper, som lar dem endre sin kunnskapsbase basert på oppnådd diagnostikkunnskap for å sikre fullstendighet. Derfor kan de effektivt diagnoisere ulike typer krafttransformatorer. Ekspertsystemer for feil-diagnose av krafttransformatorer kan bestemme feilegenskaper ved å syntetisere kunnskap om feilårsaker og -typer, inkludert feildeteksjonskunnskap som løst gassanalyse i olsen. De kan effektivt håndtere uskarpe problemer i feil-diagnose ved hjelp av uskarp logikk, løse flaskehalsen av vanskelig tilgang til fullstendig kunnskap ved hjelp av rough set-metoder, og etablere strukturer som er egnet for fler-ekspert samarbeidsdiagnose ved hjelp av blackboard-modellarkitektur.

4. Kunstig nevralnett-diagnosemetode

Kunstige nevrale nettverk matematisk modellerer nevronaktivitet og representerer et informasjonsbehandlingsystem basert på etteraping av strukturen og funksjonen av hjerne-nevrale nettverk. ANN har selvorganiserende, tilpassende, selv-lærer, feiltolerante egenskaper og sterke evner for ikke-lineær tilnærming. De kan implementere prediksjon, simulering og uskarp kontrollfunksjoner, noe som gjør dem til kraftige verktøy for behandling av ikke-lineære systemer. Bruk av kunstige nevrale nettverk for feil-diagnose av transformatorer basert på komponenter og konsentrasjoner av løst gass i olsen har vært et fokusområde for forskning i de siste årene. Dette har ført til utviklingen av ulike feil-diagnosemetoder basert på ANN, som to-trinns ANN-metode, backpropagation kunstige nevrale nettverk, beslutningstre nevrale nettverksmodeller, kombinerte hierarkiske strukturmodeller for nevrale nettverk, og radielle basisfunksjonsnevrale nettverk. Disse metodene forbedrer stadig konvergenshastighet, klassifiseringsytelse og nøyaktighet i nevrale nettverkalgoritmer.

5. Andre diagnosemetoder

Utenfor de fire metodene nevnt over, brukes også flere andre tilnærminger til feil-diagnose av transformatorer. Ved å organisere nevrale nettverk og bevissteori organisk for å utnytte deres komplementære fordeler, kan en helhetlig feil-diagnosemetode for transformatorer utvikles, som integrerer flere nevrale nettverk med bevissteori. Inspirert av de effektive gjenkjennings- og minneverkemekanismene til antistoffer mot antigener i biologiske immunsystemer, kan selvhenterende antistoffnettverk og antistoffgenereringsalgoritmer brukes til å løse feil-diagnoseproblemer for krafttransformatorer. I tillegg omfatter andre metoder for feil-diagnose av transformatorer de som er basert på informasjonsfusjon, rough set-teori, kombinerte beslutningstre, bayesianske nettverk, kunstige immunsystemer, nye radielle basisfunksjonsnettverk og støttevektor maskiner.