ارزيابي و تخمين فاكتور سلامت، ريسك و عمر مفيد باقيمانده در ترانسفورماتورهاي قدرت

Evaluation and estimation of health factor, risk and remaining lifetime in power transformers

در اين مقاله، روشي جديد براي برآورد نظامند شاخص سلامت، احتمال خرابي و عمر باقيمانده ترانسفورماتورهاي قدرت، ارائه مي شود. اين روش، سه مدل پايه را با هم تركيب مي كند: يك مدل تنزل سيم پيچي فيزيكي، يك مدل شاخص سلامت براساس داده هاي نظارت بر شرايط، تركيب شده با نظر كارشناس، و يك مدل انتهاي عمر مبتني بر آمار. مدل مبتني بر آمار، از داده هاي پايگاه داده ترانسفورماتورهاي اسقاط شده تحت توسعه در نروژ، استفاده مي كند. با تركيب دو مدل اول با مدل آماري، يك احتمال خرابي منفرد و وابسته به شرايط بدست مي آيد. با استفاده از آن، عمر مفيد باقيمانده مورد انتظار، محاسبه مي شود. در نهايت، احتمالاتي بودن اين روش براي بهينه سازي تعمير و نگهداري و تعويض مورد استفاده قرار مي گيرد. بنابراين، اين روش، پشتيباني تصميم كليدي براي مديران ترانسفورماتور فراهم مي كند و آنها را قادر به شناسايي ترانسفورماتورهاي داراي شرايط ضعيف و پيگيري و اولويت بندي ترانسفورماتورها براي تعمير و نگهداري و تعويض مي نمايد. روش پيشنهادي در يك ابزار مديريت دارايي ترانسفورماتور براي شركت هاي برق نروژي، پياده سازي شده است. سودمندي اين روش با بكارگيري آن براي ترانسفورماتورهاي منتخب از يكي از اين شركت هاي برق، نشان داده شده است. در نهايت، محدوديت هاي مهم، عدم قطعيت ها و بهبودهاي بيشتر به بحث گذاشته شده اند.

A new method for systematically estimating health index, probability of breakdown and remaining life for power transformers is presented. The method combines three basic models; a physical winding degradation model, a health index model based on condition monitoring data combined with expert judgement, and a statistics-based end-of-life model. The statistics- based model uses data from a database of scrapped transformers under development in Norway. Combining the first two models with the statistics-based model, an individual and condition- dependent probability of breakdown is obtained. From this, the expected remaining life is calculated. Finally, the stochasticity of the method is utilized for optimization of maintenance and replacement. The method hence provides key decision support for transformer managers, enabling them to identify transformers in poor condition, and to follow-up and prioritize transformers for maintenance and replacement. The proposed method has been implemented in a transformer asset management tool for Norwegian utilities. The usefulness of the method is illustrated by applying it to selected transformers from one of these utilities. Finally, important limitations, uncertainties and further improvements are discussed.