5 Büyük Güç Dönüştürücüleri için Arıza Tanılama Tekniği

Dönüşüm Cihazı Hata Tanılama Yöntemleri

1. Çözünmüş Gaz Analizi İçin Oran Yöntemi

Çoğu yağlı güç dönüştürücüsü için, termal ve elektriksel stres altında dönüşüm cihazı tankında belirli yanıcı gazlar üretilir. Yağda çözünmüş yanıcı gazlar, belirli gaz içeriği ve oranlarına dayanarak dönüştürücü yağı-kâğıt yalıtım sisteminin termal ayrışma özelliklerini belirlemek için kullanılabilir. Bu teknoloji, öncelikle yağlı dönüştürücülerde hata tanılaması için kullanıldı. Daha sonra, Barraclough ve diğerleri, dört gaz oranı olan CH4/H2, C2H6/CH4, C2H4/C2H6 ve C2H2/C2H4'yi kullanan bir hata tanılama yöntemi önerdi. Sonraki IEC standartlarında, C2H6/CH4 oranı kaldırıldı ve değiştirilmiş üç oran yöntemi yaygın olarak benimsendi. Rogers, IEEE ve IEC standartlarındaki gaz bileşen oranı kodlaması ve kullanım yöntemleri hakkında ayrıntılı analiz ve açıklama sağladı. IEC 599'nın uzun süreli uygulaması, bazı durumlarda gerçek koşullara uymadığını ve belirli hata senaryolarını tanıyamadığını ortaya koydu. Bu nedenle, hem Çin hem de Japon Elektrik Birliği, IEC kodlamasına iyileştirmeler getirdi ve diğer çözünmüş gaz analizi yöntemleri de yaygın olarak uygulanmaya başladı.

2. Bulanık Mantık Tanısal Yöntemi

Amerikan kontrol teorisyeni L.A. Zadeh, ilk olarak bulanık tanı yöntemlerini önerdi ve bu yöntemler daha geniş bir alanda uygulama buldu. Bulanık mantık, belirsiz sınırlarla nitel bilgi ve deneyimi ifade etmek için avantajlıdır. Üyelik fonksiyonları kavramını kullanarak, bulanık kümeleri ayırt eder, bulanık ilişkileri işler, insan kurallarına dayalı akıl yürütme simülasyonu yapar ve pratik uygulamalardaki çeşitli belirsizlik sorunlarını çözer. Pratikte, dönüştürücüler genellikle belirsiz nedenler ve mekanizmalarla belirlenen hatalar gösterir ve geleneksel yöntemler bunları iyi açıklayamaz veya tanımlayamaz. Bulanık mantık yöntemleri, dönüştürücü hatalarındaki belirsiz ilişkileri etkili bir şekilde ele alabilir ve güç dönüştürücü hata tanılaması için yeni bir yaklaşım sağlayabilir.

Güç dönüştürücü hata tanılaması için yaygın olarak kullanılan Rogers oran yöntemindeki kritik oran kriterlerinin eksikliği sorununu çözmek için, bulanık küme teorisini kullanan bir yöntem önerilmiştir. Bu yaklaşım, oran sınırlarını bulanıklaştırarak geleneksel oran yöntemlerine bulanık mantık teknolojisini dahil eder. Bu yöntem, birden fazla dönüştürücü hatasının tanısalmasında iyi uygulama sonuçları göstermiş ve kodlama kombinasyon yöntemleri, bulanık kümeleme teknikleri, Petri ağları ve gri sistemler dahil olmak üzere bir dizi hata tanısalma yöntemine evrilmiştir. Bu modeller, verilerin doğal bulanıklığını tam olarak göz önünde bulundurarak, karmaşık veri setleriyle performansını etkili bir şekilde geliştirir ve dönüştürücü hata tanılamasının doğruluğunu artırır.

3. Uzman Sistemi Tanısal Yöntemi

Uzman sistemleri, yapay zekanın önemli bir dalıdır. Kullanıcılar tarafından sağlanan verilere dayanarak, depolanan uzman bilgisi veya deneyimini kullanarak çıkarım ve yargılamalar yapabilen, güven düzeyi ile sonuçlar sunarak kullanıcı karar alma sürecini destekleyen bilgisayar program sistemleridir. Güç dönüştürücü hata tanılaması, çok sayıda faktörle ilgili oldukça karmaşık bir problemdir.

Çeşitli parametrelere dayanarak doğru değerlendirmeler yapabilmek için sağlam teorik temel ve zengin operasyonel bakım deneyimi gereklidir. Ayrıca, dönüştürücü kapasitesi, gerilim seviyesi ve çalışma ortamlarındaki farklılıklar nedeniyle, aynı hata farklı dönüştürücülerde farklı şekillerde ortaya çıkabilir. Uzman sistemleri, elde edilen tanısal bilgiye dayanarak bilgi tabanlarını güncelleyebilir ve bütünlüğünü sağlayabilir. Bu nedenle, farklı tür güç dönüştürücülerinde etkili hata tanılaması yapabilirler. Güç dönüştürücü hata tanısalma uzman sistemleri, hata nedenleri ve türleri hakkında bilgiyi sentezleyerek, yağdaki çözünmüş gaz analizi dahil olmak üzere hata tespiti bilgilerini kullanarak hata karakteristiklerini belirleyebilirler. Bulanık mantığı kullanarak hata tanısalmasındaki bulanık sorunları etkili bir şekilde ele alabilir, tam bilginin elde edilmesindeki engeli bulanık küme yöntemleriyle aşabilir ve siyah tahta model mimarisi kullanarak çok uzmanlı işbirliği tanısalması için uygun yapılar oluşturabilirler.

4. Yapay Sinir Ağları Tanısal Yöntemi

Yapay sinir ağları, nöron aktivitesini matematiksel olarak modelleyerek beyin nöral ağlarının yapısını ve işlevselliğini taklit eden bir bilgi işleme sistemini temsil eder. YSA'lar, kendiliğinden organizasyon, adaptif, kendi öğrenme, hata toleransı yetenekleri ve güçlü doğrusal olmayan yaklaştırma yeteneklerine sahiptir. Tahmin, simülasyon ve bulanık kontrol fonksiyonlarını gerçekleştirebilir, bu da onları doğrusal olmayan sistemlerin işlenmesi için güçlü araçlar haline getirir. Son yıllarda, yağdaki çözünmüş gaz bileşenleri ve konsantrasyonlarına dayalı dönüştürücü hata tanılaması için yapay sinir ağlarının kullanılması yoğun bir araştırma konusu olmuştur. Bu, iki adımlı YSA yöntemi, geri yayılım yapay sinir ağları, karar ağacı sinir ağları modelleri, kombineli sinir ağları hiyerarşik yapı modelleri ve radyal temel fonksiyonlu sinir ağları gibi çeşitli hata tanısalma yöntemlerinin geliştirilmesine yol açmıştır. Bu yöntemler, sinir ağları algoritmalarının yakınsama hızını, sınıflandırma performansını ve doğruluğunu sürekli olarak geliştirmektedir.

5. Diğer Tanısal Yöntemler

Yukarıda bahsedilen dört yöntem dışında, dönüştürücü hata tanılaması için birkaç başka yaklaşım da kullanılmaktadır. Nöral ağların ve kanıt teorisinin karşılıklı avantajlarından yararlanmak için, çoklu nöral ağlarla kanıt teorisini entegre eden kapsamlı bir dönüştürücü hata tanısalma yöntemi geliştirilebilir. Biyolojik bağışıklık sistemlerinde antijenlere karşı antikorların etkin tanıyıp hatırlama mekanizmalarından ilham alarak, kendi kendine organize antikor ağları ve antikor oluşturma algoritmaları, güç dönüştürücü hata tanısalma sorunlarını çözmek için kullanılabilir. Ayrıca, diğer dönüştürücü hata tanısalma yöntemleri arasında, bilgi füzyonu, bulanık küme teorisi, birleştirilmiş karar ağaçları, Bayes ağları, yapay bağışıklık sistemleri, yeni radyal temel fonksiyon ağları ve destek vektör makineleri temel alınan yöntemler bulunmaktadır.