مكان يابي تخليه جزيي با استفاده از مدل مشروح ترانسفورماتورها به كمك شبكه عصبي FAM و بيزين

Partial Discharge LocalizationusingNeural Networks and Transformer Detailed Model

تخليه جزيي مهم‌ترين عامل تخريب عايق در ترانسفورماتور قدرت كه يكي از مهم‌ترين اجزاي سيستم‌هاي قدرت مي‌باشد، شناخته مي‌شود. بنابراين روش‌هاي با سرعت و دقت بالا در مكان‌يابي منشا تخليه جزيي داراي اهميت خاصي براي نگهداري و تعمير ترانسفورماتورها مي‌باشد. در اين مقاله دو روش نوين مبتني بر شبكه‌هاي عصبي براي تشخيص مكان تخليه جزيي در سيم‌پيچ ترانسفورماتورها ارايه شده است. جهت شبيه‌سازي ترانسفوماتور از مدل مشروح و شبيه‌سازي پديده تخليه جزيي در عايق بين حلقه‌ها از مدل سه خازني بهره گرفته شده و اين پديده در مكان‌هاي مختلف سيم‌پيچ ترانسفورماتور به كمك نرم افزار EMPT شبيه‌سازي شده است. سپس آزمون ضربه به ترمينال ترانسفورماتور اعمال گرديده و سپس جريان ايجاد شده در نقطه نول اندازه‌گيري شده و جهت آموزش و آزمون شبكه‌هاي عصبي از آن‌ها استفاده شده است. جهت نزديك‌تر كردن شرايط شبيه‌سازي به شرايط واقعي به دليل وجود نويز در شرايط عملي، نويزهاي مختلفي بر روي شكل موج‌هاي شبيه‌سازي شده اضافه شده است. سپس عملكرد شبكه‌هاي عصبي مورد استفاده در اين مقاله شامل Fuzzy ATRmap و Bayesian جهت تشخيص صحيح مكان تخليه جزيي با وجود نويز با يكديگر مقايسه شده است.

Partial discharge is a main source of insulation degradation in power transformers. Therefore accurately locating of partial discharge sources in transformers as the main equipment in power system is needed. This paper proposed two novel methods based on artificial neural networks for partial discharge localization in the power transformers. For this purpose detailed model of transformer and three capacitor model of partial discharge is used. Then impulse test is applied to transformer terminals and current in neutral point is measured for training and test of artificial neural networks. As actual current signals include noise components, the noisy component is added to measured current signals and performance of proposed neural networks for partial discharge localization is shown and results are compared.