كشف الانعكاس لدرجة حرارة البقع الساخنة العابرة للمحول

ضرورة كشف الانعكاسات لدرجة حرارة البقع الساخنة العابرة للمحول الكهربائي

تعتبر درجة حرارة النقطة الساخنة (HST) في ملف المحولات ذات تأثير مهم على عمر تشغيل المحول وسعة التحميل، بحيث يمكن أن تؤدي المراقبة المستمرة للمحول (HST) إلى تحكم أكثر دقة في الحمل وتحقيق زيادة السعة الديناميكية للمحول وتجنب فشل المحول بسبب ارتفاع درجة الحرارة، وإلى جانب ذلك؛ فإنه من المفيد تقييم عمر العزل المتبقي لورق زيت المحولات ويوفر مرجعاً لإدارة دورة الحياة الكاملة للمحول الكهربائي.

لذلك يمكن اكتشاف المحول (HST) عن طريق إدخال مستشعرات درجة حرارة الألياف الضوئية في المواضع التي من المفترض أن تكون النقطة الساخنة للملف، ولكن من الصعب تطبيق مستشعرات الألياف الضوئية على المحول أثناء التشغيل، ونظراً لأن الهيكل وعملية تبديد الحرارة للمحول معقدان للغاية؛ فإنه يصعب الحصول على المعطيات الرئيسية مثل السعات الحرارية والمقاومة الحرارية في الدائرة الحرارية بدقة.

وبالتالي فإن طرق الحساب غير المباشرة مثل الصيغة التجريبية والنموذج الحراري يصعب وصف الخصائص الحرارية للمحول بدقة من خلالها، مما يجعل من الصعب الحصول على (HST) لفائف المحولات بدقة، لذلك؛ فإن كيفية الحصول على (HST) بدقة وسرعة لها أهمية كبيرة لضمان التشغيل الآمن والمستقر للمحول الكهربائي.

طريقة الانعكاس لدرجة حرارة البقع الساخنة العابرة للمحول الكهربائي

في حالة معرفة حمل المحول وظروف تبديد الحرارة الخارجية؛ فإنه يمكن حساب مجال درجة حرارة المحول بناءً على الحساب العددي لمجال السائل الحراري للمحول، والذي يمكن أن يعكس بشكل مباشر المحول (HST) وتوزيع درجة حرارة غلاف الحديد المحول.

وعلى عكس النموذج الأمامي، أي “الحساب المباشر”؛ فإن النموذج العكسي هو عملية استنتاج السبب من النتيجة، والتي يتم تعريفها على أنها تقدير المعطيات داخل النموذج المادي باستخدام البيانات المقاسة.

وبناءً على فكرة اكتشاف الانعكاس؛ فإنه يتم اقتراح مجموعة من نقاط درجة حرارة الميزة على غلاف الحديد المحول بالإضافة إلى الكميات العابرة المهمة الأخرى للمحول والتي يمكن أن تعكس تغيير حمل المحول ككميات الميزة، كما يتم استخدام طريقة (SVR) لوصف متعدد المعقد، وهناك علاقة غير خطية الأبعاد بين المحولات (HST) والكميات المميزة، حيث يظهر مخطط التدفق المحدد لانعكاس (HST) العابر للمحول في الشكل التالي (1).

مقدمة موجزة عن (SVR)

من أجل تقدير 10 كيلو فولت محول مغمور بالزيت (HST) عابر؛ فإنه تم اقتراح مجموعة من كميات الميزات العابرة التي يمكن أن تعكس تغيير الحمل، وهذه الكميات بالإضافة إلى معدل تحميل الوقت الحقيقي للمحول ونقاط درجة الحرارة المميزة على غلاف الحديد للمحول يتم أخذها كمعلمات إدخال (x) لنموذج التعلم الآلي الذي أنشأته (SVR)، وبالتالي لوصف علاقاتهم مع المحولات (HST).

كما أن (SVR) هي عبارة عن “خوارزمية تعلم آلي” مستخدمة على نطاق واسع، بحيث تعتمد على مبدأ تقليل المخاطر الهيكلية ولديها قدرة قوية في التعامل مع المشكلات غير الخطية متعددة الأبعاد مع عدد قليل نسبياً من العينات، لذلك؛ فإن عملية إنشاء نموذج (SVR) يمكن التعبير عنها ببساطة على النحو التالي:

حيث:

(ε): هي معامل الخسارة غير الحساس.

(xi): هي معطيات الإدخال.

(yi): هي معطى الإخراج، أي المحول (HST) نفسه.

طريقة تحسين المعطيات

من خلال تحليل نموذج (SVR)، وباستخدام نواة (RBF)؛ فإنه من الممكن رؤية معامل الجزاء (C) ومعامل دالة (kernel)، اللذان يحددان قدرة تعميم النموذج، تم استخدام طريقة التدريب عبر التحقق من صحة (K -fold) وطريقة تحسين معطيات البحث الشبكي (GS) للعثور على المعلمات المثلى لنموذج (SVR).

وبالنسبة لطريقة التدريب عبر التحقق من صحة (K -fold)؛ فإنه يتم تقسيم بيانات التدريب الأصلية إلى مجموعات (K)، ومن بينها يتم استخدام مجموعات (K-1)، وذلك كعينات تدريب ويتم استخدام المجموعة الوحيدة المتبقية كعينة اختبار لكل تدريب، حيث تتكرر عملية التدريب (K) في كل مرة، لذلك تم أخذ متوسط ​​قيمة الخطأ التربيعي المتوسط ​​(MSE) للتجارب (K)، وذلك كمؤشر أداء لنموذج (SVR).

وفي كل جلسة تدريبية؛ فإنه يتم استخدام طريقة البحث الشبكي (GS) للعثور على المعلمات المثلى لـ (C)، بحيث يتمثل المبدأ الأساسي لطريقة بحث الشبكة في تقسيم نطاقات البحث لـ (C) و (y) إلى شبكات متساوية البعد بحجم خطوة معين واجتياز جميع نقاط البيانات في الشبكات للحصول على القيم المثلى لـ (C) و (y) على وجه التحديد.

كما يتم تشكيل شبكة ذات بعدين على النحو التالي، ([C1 ، C2 … Cn]، [γ1 ، γ2 … m])، ومن بينهاn) ، m) هو رقم معامل الجزاء (C) ومعطى دالة (kernel γ)، كما سيشكل مجموعة بيانات تتكون من بيانات (n×m )، كما يتم تدريب كل مجموعة (C،y) في مجموعة البيانات، وستكون الدمج بأعلى دقة هي المعلمة المثلى لنموذج الانعكاس.

اختيار كمية وميزة الانعكاس

عندما يبدأ حمل المحول في الزيادة تدريجياً من عدم التحميل، وذلك بسبب وجود السعة الحرارية لزيت المحولات؛ فإنه يستغرق وقتاً معيناً لانتقال الحرارة الناتجة عن لف المحول إلى الغلاف الحديدي، أي درجة الحرارة تعكس نقطة قياس درجة حرارة غلاف المحولات الحديدية دائماً درجة حرارة اللف في اللحظة السابقة.

وعندما يميل ارتفاع درجة حرارة المحول إلى أن يكون مستقراً؛ فلن تعمل السعة الحرارية بعد الآن ولن تتغير درجة حرارة نقطة قياس غلاف الحديد والملف، لذلك؛ فإن كيفية طرح كمية الميزة التي يمكن أن تعكس علاقة الفارق الزمني بين نقطة قياس درجة حرارة الغلاف الحديدي والملف هو المفتاح لانعكاس (HST) العابر للمحول، ولهذا السبب، وبالإضافة إلى معدل التحميل في الوقت الفعلي؛ فإنه يتم اقتراح كميات الميزات الثلاث التالية التي يمكن أن تعكس تغيير الحمل.

عامل تحول الحمل: تُستخدم وظيفة الخطوة لتمثيل اتجاه تغيير الحمل، وكما هو مبين في الشكل التالي، وعندما يزيد معدل الحمل؛ فإنه يتم ضبط إشارة الدخل على “1” وإذا بقي الحمل كما هو؛ فإن الإشارة “1” تبقى، وعندما يتم تقليل معدل التحميل؛ فإنه يتم ضبط إشارة الإدخال على “-1” وإذا بقي الحمل كما هو، تبقى الإشارة “-1”.

مدة التحميل: من أجل عكس مدة الحمل عند قيمة معينة؛ فقد تم انشاء الوظيفة المميزة لـ “مدة التحميل”، والتي تظهر في الشكل التالي بالتفصيل، ومن الوقت الأولي عندما يكون الحمل ثابتاً، حيث أن التوقيت ستستمر مدة التحميل، وعندما يتغير معدل تحميل المحول؛ فإنه سيتم إعادة تشغيل التوقيت من لحظة تغيير معدل التحميل.

معدل التحميل في وقت الاستحواذ السابق: حيث يستغرق انتقال الحرارة من ملف المحول إلى الغلاف الحديدي وقتاً معيناً، مما يجعل درجة حرارة الغلاف في هذا الوقت تعكس دائماً (HST) في اللحظة السابقة، لذلك؛ فإنه من أجل بناء نموذج التعيين بشكل أفضل بين (HST) ودرجة حرارة غلاف حديد المحولات، تتم إضافة معدل التحميل لوقت الاستحواذ السابق إلى الانعكاس العابر باعتباره كمية الميزة، كما ويكون الفاصل الزمني لأخذ العينات في الانعكاس (15) دقيقة.