تشخيص أعطال محولات القدرة من خلال درجة العضوية

الهدف من تشخيص أعطال محولات القدرة من خلال درجة العضوية

يعمل نظام “عزل الورق الزيتي” في محولات القدرة تحت تأثير درجات الحرارة العالية والبيئة الكهرومغناطيسية القوية، كما ويمكن لوسط العزل أن يتحلل ببطء إلى عدد من الجزيئات الصغيرة، كما أن “غازات التحلل المذابة” في الزيت هي (H2 ،CH4 ،C2H6 ،C2H4 ،C2H2 ،CO2 ،CO ،N2)، ومع ذلك عند حدوث عطل؛ فإن العزل ينهار بسرعة أكبر وستكون نواتج التحلل مختلفة وفقاً لنوع وشدة العطل.

كما يستخدم تحليل الغازات المذابة (DGA) على نطاق واسع لاكتشاف الأعطال الأولية في المحولات الكهربائية الزيتية، بحيث تتضمن هذه التقنية عدة خطوات، مثل أخذ عينات زيت من محول وإزالة الغازات المذابة من الزيت وتحديد محتوى مكونات الغاز وتحديد أنواع الأعطال، كما يعد تحديد الخطأ خطوة حاسمة في تحديد حالة الخطأ الداخلي للمحول في تحليل (DGA).

كذلك تم وضع طرق حسابية ورسوم بيانية مختلفة تستخدم نسب الغازات المذابة في زيت المحولات، وذلك بواسطة “كروماتوغرافيا” الغاز للتعرف على الأنماط المميزة للغازات المذابة المرتبطة بالأنواع الرئيسية للأعطال، بحيث تتضمن هذه الطرق المتاحة لتفسير بيانات (DGA).

كما أن هناك طريقة الغاز الرئيسية وطريقة نسبة (Doernenburg) وطريقة نسبة (Rogers) وطريقة نسبة (IEC) وطريقة (Duval Triangle Method)، وقد تم تطويرها والتحقق من صحتها باستخدام مجموعات كبيرة من البيانات للمعدات الكهربائية قيد الخدمة.

وفي هذه الطرق؛ فإنه يتم عادةً تعيين العتبات الرقمية المتعددة وحدود الغاز لتصنيف ميزات بيانات الغاز المذاب، ومع ذلك؛ فإن هذه العتبات والحدود غير موجودة مادياً وبيانات الغاز بالقرب من حدود النسبة عرضة للتفسير الخاطئ.

وعلاوة على ذلك، غالباً ما تكون هذه الطرق غير قادرة على تشخيص الأعطال المعقدة عند حدوث كل من الأعطال الحرارية وأعطال التفريغ في وقت واحد، وفي هذه الحالة، وخاصةً إذا كان خطأ ارتفاع درجة الحرارة أكثر خطورة؛ فمن السهل تشخيص خطأ ارتفاع درجة الحرارة والعكس صحيح، لذلك؛ فإن معدل دقة تشخيص الأخطاء لهذه الطرق منخفض نسبياً.

كما تتوفر أيضاً بعض الأساليب الذكية لتشخيص أخطاء محولات القدرة الكبيرة المغمورة بالزيت، مثل المنطق الضبابي وآلة ناقلات الدعم والشبكة العصبية الاصطناعية والبرمجة الجينية ونظرية المجموعة التقريبية وشبكة المعتقدات العميقة وما إلى ذلك، وقد تم المطالبة بنتائج جيدة لهذه الأساليب.

ومع ذلك، عادة ما تكون هذه الأساليب معقدة، كما وتعتمد نتائجها على بيانات التدريب، لذلك يصبح من الصعب إعادة إنتاج العمل البحثي الموثق في هذه المنشورات بسبب نقص بيانات (DGA) المتاحة للجمهور، لذلك؛ فإنه لا يتم تطبيق الأساليب الذكية عملياً على نطاق واسع مثل الأساليب التقليدية، كما لا يزال استكشاف طرق تفسير بيانات (DGA) الجديدة ذو أهمية عملية.

كما تعد تقنيات التجميع الضبابي مكونات متكاملة “للذكاء الاصطناعي”، حيث إنها خوارزميات تصنيف غير خاضعة للإشراف مع مجموعة واسعة من التطبيقات في مجالات مثل التنقيب عن البيانات والتعرف على الأنماط، وذلك استناداً إلى تقنيات التجميع، بحيث يقترح هذا الطرح طريقة جديدة لتفسير بيانات (DGA).

الحصول على مجموعة الأخطاء المرجعية لمحولات القدرة

تعتبر مجموعة (FCM) بمثابة خوارزمية مشهورة وشائعة “للتعلم الآلي” من التصنيف غير المتميز، كما أن المبدأ البدائي لخوارزميات التجميع هو أن “البيانات المتشابهة تلتزم ببعضها” وتصنف البيانات وفقاً لتطابقها، وذلك استناداً إلى نظرية المجموعة الضبابية، بحيث يحول (FCM) مشكلة التصنيف إلى مشكلة تحسين رياضي مع قيود.

كذلك ينجز التقسيم الغامض وتصنيف مجموعة البيانات من خلال البحث عن الحد الأدنى لقيمة الوظيفة الهدف، ومع ذلك؛ فإنه يتم قياس أوجه التشابه بين العينات من خلال مقلوب معيار المتجه التربيعي في خوارزمية (FCM) التقليدية، وتوجد العديد من الحدود الدنيا المحلية في وظيفة العضوية، مما يؤدي إلى تعقيد البنية المكانية العنقودية.

لذلك؛ فإن الحل التكراري لمشكلة التحسين هو في الأساس طريقة للبحث المحلي، وفي هذا النهج؛ فإنه من السهل الوقوع في النقاط المتطرفة المحلية بسبب حساسية القيمة الأولية، بحيث سيتم الحصول على نتائج تجميع مختلفة لنقاط بداية تكرار مختلفة لمجموعة البيانات نفسها، مما يؤثر بشكل خطير على دقة التجميع.

كذلك من الصعب الحصول على تصنيف للبيانات يتوافق مع الممارسة الهندسية مع (FCM) التقليدية، وفي الأعمال السابقة تم فحص تأثير رتابة وظيفة العضوية على تحليل المجموعات، ووفقً لذلك؛ فإنه يتم إنشاء وظيفة عضوية محسّنة لـ (FCM).

كما ان وظيفة العضوية الجديدة هذه لها تنسيق أسي، كما وتقضي على التطرف المحلي ولها رتابة ممتازة، مما يحسن البنية المكانية العنقودية، وبالتالي؛ فإنه يتم تخفيف حساسية (FCM) التقليدية للقيمة الأولية، وهي عوامل أساسية لتطبيقها العملي.