5 felplaceringstekniker för stora krafttransformatorer

Transformerfel diagnosmetoder

1. Förhållande metod för löst gasanalys

För de flesta oljebärgade strömförstärkare produceras vissa brännbara gaser i förstärkarkärnan under termisk och elektrisk spänning. De brännbara gaserna som är upplösta i oljan kan användas för att bestämma den termiska nedbrytningskaraktären av transformerolje-papperisoleringssystemet baserat på deras specifika gasinnehåll och förhållanden. Denna teknik användes först för fel-diagnos i oljebärgade transformer. Senare föreslog Barraclough och andra en feldiagnosmetod med fyra gasförhållanden: CH4/H2, C2H6/CH4, C2H4/C2H6, och C2H2/C2H4. I efterföljande IEC-standarder togs C2H6/CH4-förhållandet bort, och den modifierade treförhållandemetoden blev allmänt accepterad. Rogers gav senare en detaljerad analys och förklaring av gaskompositsfördelningen och användningsmetoder i IEEE- och IEC-standarder. Långsiktig tillämpning av IEC 599 visade att det inte stämmer överens med verkliga förhållanden i vissa fall och kan inte diagnostisera vissa felscenarier. Därför har både Kina och Japan Electrical Association gjort förbättringar av IEC-kodningen, samtidigt som andra löst gasanalysmetoder också har fått bred användning.

2. Oskarp logikdiagnosmetod

Den amerikanske kontrollteoretikern L.A. Zadeh föreslog först oskarpa diagnosmetoder, vilka sedan har fått bredare användning. Oskarp logik är fördelaktig för att uttrycka kvalitativ kunskap och erfarenhet med otydliga gränser. Genom användning av medlemsfunktionskonceptet skiljer den mellan oskarpa mängder, bearbetar oskarpa relationer, simulerar människors regelbaserade resonemang och löser olika osäkerhetsproblem i praktiska tillämpningar. I praktiken uppvisar transformer ofta fel med oklara orsaker och mekanismer som involverar många osäkra och oskarpa relationer som traditionella metoder inte kan förklara eller beskriva väl. Oskarpa logikmetoder kan effektivt hantera dessa osäkra relationer i transformerfel, vilket ger en ny metod för strömförstärkarens feldiagnos.

För att bemöta begränsningen av brist på kritiska förhållandekriterier i den vanligt använta Rogers förhållandemetoden för strömförstärkarens feldiagnos har en metod med oskarpa mängdteori föreslagits. Denna metod introducerar oskarp logikteknologi i traditionella förhållandemetoder genom att förskarpa förhållandegränser. Denna metod har visat goda tillämpningsresultat vid diagnos av flera transformerfel och har utvecklats till en serie feldiagnosmetoder, inklusive kodningskombinationsmetoder, oskarpa klustermetoder, Petri-nätverk och gråsystem. Dessa modeller beaktar fullt ut datainnehållets inbyggda oskarphet, förbättrar effektivt prestandan med komplexa datamängder och ökar noggrannheten i transformerfel-diagnos.

3. Expertsystemdiagnosmetod

Expertsystem representerar en viktig gren av artificiell intelligens. De är datorprogramsystem som i viss utsträckning kan simulera människors expertkunskaper och resonemangsprocesser. Baserat på data som användarna tillhandahåller använder de lagrad expertkunskap eller erfarenhet för att göra slutsatser och bedömningar, och ger slutligen slutsatser med konfidensnivåer för att stödja användarnas beslut. Strömförstärkarens feldiagnos är ett extremt komplext problem som involverar flera faktorer.

Att göra korrekta bedömningar baserat på olika parametrar kräver solid teoretisk grund och rik driftsunderhållserfarenhet. Dessutom, på grund av variationer i transformerkapacitet, spänningsnivåer och driftsmiljöer, kan samma fel visa sig olika på olika transformer. Expertsystem har stark feletolerans och anpassbarhet, vilket gör att de kan ändra sin kunskapsbas baserat på erhållen diagnostisk kunskap för att säkerställa fullständighet. Därför kan de effektivt diagnostisera olika typer av strömförstärkare. Strömförstärkarens feldiagnosexpertsystem kan fastställa felkarakteristika genom att sammansätta kunskap om felorsaker och -typer, inklusive felupptäcktskunskap som löst gasanalys i olja. De kan effektivt hantera oskarpa problem i feldiagnos genom oskarp logik, hantera flaskhalsen av svårigheten att erhålla fullständig kunskap genom rough set-metoder, och etablera strukturer lämpliga för multi-expert samarbetsdiagnos genom blackboard-modellarkitektur.

4. Artificiellt neuronnätverksdiagnosmetod

Artificiella neuronnätverk matematiskt modellerar neuronaktivitet och representerar ett informationsbehandlingsystem baserat på efterliknande av hjärnans neuronnätverksstruktur och funktion. ANN har självanordnings-, adaptiv-, självstudie-, feletoleransförmåga och stark icke-linjär approximationsförmåga. De kan implementera prediktion, simulering och oskarp kontrollfunktion, vilket gör dem till kraftfulla verktyg för behandling av icke-linjära system. Att använda artificiella neuronnätverk för transformerfel-diagnos baserat på lösta gaskomponenter och koncentrationer i olja har varit en forskningsfokus i de senaste åren. Detta har lett till utvecklingen av olika feldiagnosmetoder baserade på ANN, såsom tvåstegs-ANN-metoden, backpropagation-artificiella neuronnätverk, beslutsträd-neuronnätverksmodeller, kombinerade neuronnätverkshierarkiska strukturmodeller och radiella basfunktion-neuronnätverk. Dessa metoder förbättrar ständigt konvergenshastigheten, klassificeringsprestandan och noggrannheten i neuronnätverksalgoritmer.

5. Andra diagnosmetoder

Utöver de fyra ovan nämnda metoderna används också flera andra metoder för transformerfel-diagnos. Genom att organiskt kombinera neuronnätverk och bevissteori för att dra nytta av deras kompletterande fördelar kan en omfattande transformerfel-diagnosmetod integrerad med flera neuronnätverk och bevissteori utvecklas. Inspirerad av biologiska immunsystemets effektiva igenkännings- och minnesmekanismer mot antiger kan självorganiserande antikroppsnätverk och antikroppsgenereringsalgoritmer användas för att lösa problem med strömförstärkarens feldiagnos. Dessutom inkluderar andra transformerfel-diagnosmetoder metoder baserade på informationsfusion, rough set-teori, kombinerade beslutsträd, bayesianska nätverk, artificiella immunsystem, nya radiella basfunktionsnätverk och stödnätverk.