ارايه يك سيستم تركيبي جديد در تشخيص نوع خطا در ترانسفورماتورهاي قدرت براساس مقادير گازهاي حل شده در روغن

ارايه يك سيستم تركيبي جديد در تشخيص نوع خطا در ترانسفورماتورهاي قدرت براساس مقادير گازهاي حل شده در روغن

ترانسفورماتورهاي قدرت يكي از تجهيزات مهم و پرهزينه در سيستم‌هاي قدرت هستند. تشخيص به‌موقع خطا در اين تجهيزات يكي از زمينه‌هاي مهم و قابل بحث در علم مهندسي برق است. آناليز گازهاي حل شده در روغن يكي از تكنيك‌هاي مدرن در زمينه تشخيص خطا در اين ترانسفورماتورها است. در همين رابطه، مهمترين روش‌هاي استفاده شده بر اساس آناليز گازهاي حل شده، شامل IEC، راجر (Roger)، Dornenburg و گازهاي كليدي است. در هر يك از اين روش‌ها، نوع عيب موجود در ترانسفورماتور بر اساس نسبت گازها و يا مقادير آن‌ها تشخيص داده مي‌شود. محدود بودن رنج تشخيص و عدم تشخيص صحيح عيب موقع عبور از مقادير آستانه در نسبت‌هاي تعريف شده، مهمترين عيب اين روش‌ها به شمار مي‌روند. با اعمال تكنيك‌هاي هوشمند، از جمله منطق فازي و شبكه‌هاي عصبي، مي‌توان كارايي هر يك از روش‌هاي گفته شده را بهبود بخشيد. در اين مقاله يك سيستم تركيبي براي تشخيص عيب در ترانسفورماتورهاي قدرت معرفي شده است. در اين سيستم از تركيب روش‌هاي راجر فازي، IEC فازي، و مقاديرآستانه گازها(فازي شده) در تشخيص نوع خطا استفاده مي‌شود. همچنين، از الگوريتم سنجش فازي براي تركيب نتايج حاصل شده از هر يك از روش‌هاي فوق استفاده مي‌شود. در اعمال 100 نمونه از مقادير گازهاي مربوط به ترانسفورماتورهاي مختلف به سيستم مورد نظر، دقت اين سيستم بالاي 98 درصد است و مي‌تواند به‌عنوان روشي موثر در زمينه خطايابي مورد استفاده قرار گيرد.

Transformers are one of the important and at the same time expensive components of power systems. On timely diagnosis of fault in such systems is still among the researchers interest. Fault diagnosis of transformers based on the dissolved gas analysis is a new technique in the field of fault diagnosis of power transformers. IEC, Roger’s and Dornenburg techniques are the mostly used techniques. However, each have a limited range for diagnosis and may fail a correct diagnosis when the amount of dissolve gases are close to the predefined margins. This problem can be solved by using intelligent techniques such as Fuzzy logics or neural networks. In this paper, a combined technique is proposed for the fault diagnosis of power transformers. It employs a combination of fuzzy Roger’s, fuzzy IEC, and fuzzified dissolved gas thresholds for the fault diagnosis. The proposed technique is applied on some transformers with a sum of over 100 available data on their conditions and showed an accuracy of over 98%.