تعداد نشریات | 43 |
تعداد شمارهها | 1,676 |
تعداد مقالات | 13,678 |
تعداد مشاهده مقاله | 31,703,917 |
تعداد دریافت فایل اصل مقاله | 12,526,362 |
تشخیص نوع و محل خطای ترانسفورماتور توسط تجزیه و تحلیل گاز محلول با استفاده از منطق فازی | ||
هوش محاسباتی در مهندسی برق | ||
دوره 15، شماره 3، مهر 1403، صفحه 53-78 اصل مقاله (3.41 M) | ||
نوع مقاله: مقاله پژوهشی فارسی | ||
شناسه دیجیتال (DOI): 10.22108/isee.2024.140046.1670 | ||
نویسندگان | ||
محمد بیرانوند1؛ اصغر اکبری فرود* 2 | ||
1دانش آموختۀ مقطع کارشناسی ارشد، دانشکدۀ مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران | ||
2استاد، دانشکدۀ مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران | ||
چکیده | ||
روشهایی متعدد برای تشخیص خطای ترانسفورماتورها وجود دارند، از جمله تجزیه و تحلیل گازهای محلول (Dissolved Gas Analysis-DGA) که به دو روش مرسوم و هوشمند انجام میشود. در این مقاله، روشی جدید مبتنی بر منطق فازی و با استفاده از 5 روش DGA (روش گاز کلیدی، روش نسبت دورنبرگ، روش نسبت راجرز، روش IEC و روش مثلث دووال) برای ارزیابی وضعیت ترانسفورماتورهای قدرت ارائه شده است. در ابتدا، سالم یا معیوب بودن ترانسفورماتور تشخیص داده میشود. این مرحله بر اساس روشهای گاز کلیدی و روش نسبت دورنبرگ با رویکرد منطق فازی انجام میشود. سپس، در صورت تشخیص معیوب بودن ترانسفورماتور، با استفاده از روشهای راجرز و IEC، نوع خطا تشخیص داده میشود و اگر تشخیص خطا توسط این دو روش به نتیجهای یکسان رسید، تشخیص نوع خطا خاتمه مییابد و اگر نتیجه یکسان نبود، برای تشخیص نوع خطا از روش مثلث دووال با رویکرد منطق فازی استفاده میشود. الگوریتم ارائهشده بر روی 30 دستگاه ترانسفورماتور آزمون شده است و نتایج مؤید دقت زیاد آن (7/96 درصد) در تشخیص خطا است. در این مقاله، علاوه بر تشخیص نوع خطا، به محل خطا با استفاده از نسبت CO/CO2 و روش گاز کلیدی با رویکرد منطق فازی بررسی و تشخیص داده شده است. | ||
کلیدواژهها | ||
ترانسفورماتورهای قدرت؛ تشخیص خطا در ترانسفورماتور؛ روش تجزیه و تحلیل گازهای محلول؛ منطق فازی | ||
اصل مقاله | ||
مقدمه 2ـ تجزیه و تحلیل گازهای درون روغن (DGA) 1-2- روش گاز کلیدی 2-2- روش نسبت دورنبرگ 3-2- روش نسبت راجرز 4-2- روش نسبت IEC 5-2- روش مثلث دووال در این روش، تشخیص نوع خطا بر اساس جدول (9) انجام میشود که برگرفته از شکل (1) است. جدول (1): حدود گازهای کلیدی و شدت خطای متناظر با آنها برحسب ذره در میلیون (ppm) ]18[ جدول (2): نسبت گازها و نمادهای تعریفشده برای آنها ]13[ جدول (3): حدL1 در روش دورنبرگ ]13[ جدول (4): تشخیص خطا در روش دورنبرگ ]13[ جدول (5): کدها و حدود نسبت گاز در روش راجرز ]20[
(Low) 0 (Low) 0 جدول (6): تشخیص خطا در روش راجرز ]20 ،21[
جدول (8): تشخیص خطا در روش ] IEC20، 22[ شکل (2): توابع عضویت روش گازهای کلیدی. توابع عضویت ورودی: الف) تابع عضویت گاز H2، ب) تابع عضویت گاز CH4،
شکل (7): نمودار روش پیشنهادی با رویکرد منطق فازی برای تشخیص نوع خطا جدول (11): دادههای30 ترانسفورماتور تحت بررسی برای تشخیص خطا جدول (12): نتایج بررسی ترانسفورماتورها بر اساس منطق فازی در روش نسبت راجرز جدول (13): نتایج بررسی ترانسفورماتورها بر اساس منطق فازی در روش گاز کلیدی جدول (14): نتایج بررسی ترانسفورماتورها بر اساس منطق منطق فازی در روش نسبت دورنبرگ جدول (15): نتایج بررسی ترانسفورماتورها بر اساس منطق فازی در روش نسبت IEC جدول (16): نتایج بررسی ترانسفورماتورها بر اساس منطق فازی در روش مثلث دووال جدول (17): مقایسهای بین میزان دقت تشخیص نوع خطا در روش پیشنهادی و سایر روشها جدول (18): کد و دستهبندی قواعد فازی برای تشخیص محل خطا 8-4- توابع عضویت تشخیص محل خطا شکل (9): قواعد فازی روش پیشنهادی تشخیص محل خطا | ||
مراجع | ||
[1] A. Abu-Saida, S. Islam, "A new apporoach to identify power transformer criticality and asset management decision based on dissolved gas-in-oil analysis", IEEE Trans. Dielectr. Electr. Insul, Vol. 19, No. 3, pp. 1007-1012, 2012. [2] Y. C. Huang, H. C. Sun, "Dissolved gas analysis of mineral oil for power transformer fault diagnosis using fuzzy logic", IEEE Trans. Dielectr. Electr. Insul,Vol. 20, No. 3, pp. 974-981, 2013. [3] M. Yang, L. Hu, "Intelligent fault types diagnostic system for dissolved gas analysis of oil-immersed power transformer", IEEE Trans. Dielectr. Electr. Insul, Vol. 20, No. 6, pp. 2317-2324, 2013. [4] T. K. Saha, "Review of Modern Diagnostic Techniques for Assessing Insulation Condition in Aged Transformers", IEEE Trans. Dielectr. Electr. Insul, Vol. 10, No. 5, pp. 903-917, 2003. [5] H. de Faria, J. G. S.Costa, J. L. M. Olivas, "A review of monitoring methods for predictive maintenance of electric power transformers based on dissolved gas analysis", Renew. Sustain. Energy. Rev, Vol. 46, pp. 201-209, 2015. [6] H. M. Wilhelm, C. C. Santos, G. B. Stocco, "Dissolved gas analysis(DGA) of natural ester insulating fluids with defferent chemical compositions", IEEE Trans. Dielectr. Electr. Insul, Vol. 21, No. 3, pp. 1071-1078, 2014. [7] N. A. Bakar, A. Abu-Saida, S. Islam, "A review of dissolved gas analysis measurment and interpretation techniques", IEEE Electr. Insul.Mag, Vol. 30, No. 3, pp. 39-49, 2014. [8] E. Dornenburg, W. Strittma, "Monitoring Oil-Cooled Transformers by Gas-Analysis", Brown Boveri Rev, Vol. 61, pp. 238-247, 1974. [9] R. Rogers, "IEEE and IEC codes to interpret incipient fault in transformers using gas in oil analysis", IEEE Trans. Electr. Insul, Vol. 75, No. 5, pp. 49-354, 1978. [10] IEC Standards 60599, "Mineral oil-impregnated electrical equipment in Service-Guide to the interpretation of dissolved and free gases analysis", 1999. [11] IEEE Std C57.104, "IEEE guide for the interpretation of gases generated in oil- immersed transformers, 2019-06-13", IEEE, Vol. 2019. pp. 0-97. [12] M. Duval, "A review of faults detectable by gas-in-oil analysis in transformers", IEEE Electr. Insul. Mag, Vol. 18, No. 3, pp. 8-17, 2012. [13] Sh. A. Khan, Md. D. Equbal, T. Islam, "A comprehensive comparative study of DGA based transformer fault diagnosis using fuzzy logic and ANFIS models", IEEE Trans. Dielectr. Electr. Insul, Vol. 22, No. 1, pp. 590-596, 2015. [14] Z. Wang, Y. Liu, P. J. Griffin, "Neural net and expert system diagnose transformer faults", IEEE Comput. Appl. Power, Vol. 13, No. 1, pp. 50-55, 2000. [15] J. Faiz, M. Soleimani, "Dissolved gas analysis evaluation in electric power transformers using conventional methods a review", IEEE Trans. Dielect. Electr. Insul, Vol. 24, No. 2, pp.1239-1248, 2017. [16] M. Grisaru, "Basic principles of DGA-PartII learning, using and creating view on DGA", Transformer Magazine, Jun 2021 . [17] A. P. Khlebtsov, A. N. Shilin, A. V. Rybakov, A. Y. Klyucharev, "Development of a fuzzy expert system for power transformer diagnostics", J. Phys: Conf. ser 2091012064, 2021. [18] N. Poonnoy, C. Suwanasri, Th. Suwanasri, "Fuzzy logic approach to dissoled gas analysis for transformer failure index and fault indentification", Energies, Vo1. 1, No. 36, 2021. [19] W. Warid, "Detection of incipient faults in oil-immersed power transformers based on dissolved gas analysis: Case studies", IOP Conf. series: Material Science and Engineering, 1122, 2021. [20] F. Mohamad, Kh. Hosny, T. Barakat, "Incipient fault detection of electric power transformers using fuzzy logic based on Rogers and IEC method", in Proceedings- ICCES2019, pp. 303-309. [21] S. Apte, R. Somalwar, A. Wajirabadkar, "Incipient fault diagnosis of transformer by DGA using fuzzy logic", IEEE International Conference on Power Electronics, Drives and Energy Systems (PEDES), 2018. [22] O. M. Elmabrouk, F. A. Masoud, N. S. Abdelwanis, "Diagnosis of power transformer faults using fuzzy logic techniques based on IEC method", ICEMIS, Aug 2020. [23] A. Abu-Siada, S. Hmood, S. Islam, "A New Fuzzy Logic Approach for Consistent Interpretation of Dissolved Gas in- oil Analysis", IEEE Trans. Dielectr. Electr. Isule, Vol. 20, No. 6, 2013. [24] S. Genc, S. Karagol, "Fuzzu logic application in DGA methods to classify fault type in power transformer", 2020 International Congress on Human-Computer Interaction, Optimization and Robotic Applications (HORA) ,49412.(2020).9152896 [25] Th. U. Mawelela, A. F. Nnachi, A. O. Akumu, B. T. Abe, "Fault diagnosis of power transformers using Duval triangle", IEEE PES/IAS Power Africa, 2020. [26] R. L. Z. Pacori, J. H. A. Alcantara, "Identification of Internal failure in power transformers using fuzzy logic through the dissolved gas analysis in mineral insulating oil", IEEE Trans. Dielectr. Insul. 2020. [27] R. Dhadekar, S. Tarare, A. Meshram, Sh. Golhar, Y. Raut, "Condition Monitoring of Power Transformer using Fuzzy Logic in Matlab Software", IJRASET, Vol. 10, No. 5, May 2022. [28] V. M. Levin, A. A. Yahya, D. A. Boyarova "Predicting the technical condition of the power transformer fuzzy logic and dissolved gas analysis method", IJECE, Vol. 12, No. 2, pp. 1139-1146, April 2022. [29] C. I. Nicola, M. C. Nitu, A. M. Aciu, "Fuzzy logic system based on dissolved gas analysis, Furan analysis for power transformer fault diagnosis, UPB Scientific Bulletin, Series: Electrical Engineering, Vol. 81, pp. 183-196. 2019. [30] E. Aburaghiega, M. E. Farrag, D. Hepburn, A. Haggag, "Enhancement of power transformer state of health diagnostics based on fuzzy logic system of DGA", IEEE, pp. 400-405, 2019. [31] R. A. Hooshmand, M. Parastegari, Z. Forghani, "Adaptive Neuro-Fuzzy Inference System Approach for Simultaneous Diagnosis of the Type and Location of Faults in Power Transformers", IEEE Electr. Insul, Vol. 28, No. 5, pp. 32-42, 2012. [32] D. Bhalla, R. K. Bansal, H. O. Gupta, "Transformer Incipient Fault Diagnosis Based on DGA using Fuzzy Logic", India International Conference on Power Electronics 2010 (IICPE2010), 2011. [33] Sh. A. Wani, A. S. Rana, Sh. Sohail, O. Rahman, Sh. Parveen, Sh. A. Khan, "Advances in DGA based condition monitoring of transformers: A review", Renewable and Sustainable Energy Reviews, Volume 149, October 2021, 111347.
| ||
آمار تعداد مشاهده مقاله: 84 تعداد دریافت فایل اصل مقاله: 62 |