تصنيف أنواع ودرجات أخطاء لف المحولات باستخدام آلة المتجه الداعمة

اقرأ في هذا المقال


الهدف من تصنيف أنواع ودرجات أخطاء لف المحولات الكهربائية

تشكل محولات الطاقة الكبيرة مكونات باهظة الثمن وحيوية منقطعة النظير في أنظمة الطاقة الكهربائية، كذلك؛ فإن موثوقية محولات القدرة، والتي تعد من المعدات الأساسية الحاسمة في أنظمة نقل وتوزيع القدرة، تملي الأداء الآمن والموثوق “للنظام الكهربائي” بأكمله، والأهم من ذلك أن التشغيل المستقر والآمن لمحول الطاقة مهم للتشغيل العادي لنظام الطاقة.

كما سيكون لأعطال محولات القدرة تأثير خطير على سلامة نظام الشبكة الكهربائية، ومن الضروري الانتباه إلى الموثوقية العالية لمحولات القدرة الكهربائية، وذلك بسبب الأعطال المحتملة “للنظام الكهربائي” وبسبب تكلفتها العالية، ونظراً للأسباب المذكورة أعلاه؛ فقد جذبت مراقبة حالة تشغيل المحول المزيد والمزيد من الاهتمام في جميع أنحاء العالم.

كما تعد أخطاء التشوه الميكانيكي المتعرجة أحد أنواع الأعطال الشائعة للمحولات الكهربائية، وفي الوقت الحاضر؛ فإنه يتم اقتراح العديد من طرق تشخيص الأخطاء الميكانيكية المتعرجة نظرياً وعملياً، وعلى سبيل المثال، هناك طريقة مقاومة ماس كهربائي (SCI) على أساس مبدأ قياس مقاومة الوميض وطريقة دفع الجهد الكهربائي المنخفض (LVI) على أساس مبدأ تحليل الإشارة.

أيضاً؛ فإن هناك طريقة تحليل استجابة التردد (FRA)، وفي طريقة (SCI)، تتم مقارنة (SCI) المقاسة لملف الطور بالقيمة التي تظهر في لوحة الاسم أو نتائج اختبار المصنع، وفي (LVI) الذي اقترحه كل من العلماء (Lech، W. and Tyminski، L) في عام 1966م، حيث تمت مقارنة إشارات المجال الزمني للالتفاف قبل الخطأ وبعده وتحليلها لتقديم معلومات تشوه الملف.

الإعداد والنتيجة التجريبية الخاصة بأخطاء لف المحولات الكهربائية

مسألة الإعداد التجريبي

في هذه التجربة، تم اعتماد محول نموذجي مصنوع خصيصاً لإجراء جميع التجارب، كما يتم عرض المعطيات التفصيلية لمحول النموذج الخاص، بحيث يتم محاكاة ثلاثة أخطاء شائعة في المحولات عن طريق التجارب، وهي:

  • تغير مساحة القرص (DSV).
  • دائرة قصر بين الأقراص (SC).
  • التشوه الشعاعي (RD).

وقبل كل شيء، تم قبول طريقة (FRA) على نطاق واسع لأنها دقيقة وبسيطة وسريعة، حيث اعتمد (FRA)، والذي قدمه لأول مرة “ديك وإرفن”، “إشارة متعرجة” بتردد اكتساح لإثارة ملفات المحولات وقياس إشارة الاستجابة في مجال التردد لإنشاء توقيع استجابة تردد، حيث ثبت أن ملف المحول مكافئ لشبكة كهربائية تتكون من المقاومة والسعة والتحريض في نطاق التردد العالي.

كما ويمكن أن يمثل توقيع استجابة التردد حالة الملف، ويمكن اعتبار توقيع استجابة التردد للمحول بعد إنتاج المصنع بمثابة التوقيع الأصلي والقياسي والصحي للمحول، والذي يُطلق عليه غالباً بصمة الإصبع، وذلك بمقارنة منحنى استجابة التردد للمحول اللاحق في حالة العطل ببصمة إصبعه، كما يمكن تشخيص نوع الخطأ المحدد وشدة اللفات.

حيث تم الكشف عن خطأ (DSV)، حيث أن معطيات السعة تهيمن على التأثير ويمكن محاكاة هذا الخطأ عن طريق تغيير معامل السعة بين الأقراص، كما يتم محاكاة تأثير خطأ (DSV) على المحول عن طريق توصيل عدة أقراص بمكثفات متوازية.

أيضاً يشير حجم السعة إلى درجة الخطأ، بما في ذلك (50 pF)، (67 pF)، (100 pF)، (200 pF)، (400 pF) (600 pF)، (800 pF)، ويتم محاكاة تأثير خطأ (SC) على المحول عن طريق تقصير الموصلات بين الأقراص المجاورة، بحيث أنتجت الشركة المصنعة للمحول أيضاً بعض الملفات ذات التشوهات المتغيرة، والتي تُستخدم لاستبدال اللفات ذات العشرة أقراص الوسطى لمحاكاة أخطاء (RD).

لذلك تظهر صورة خطأ (RD) المتعرج في الشكل التالي (1) (A)، حيث تمثل (d) مقدار (RD)، وهو متغير، كما تمثل (θ) الزاوية المثبتة عند (45) درجة ونسبة (d) والملف تم تعيين نصف القطر (r) ليكون (3٪) و (5٪) و (7٪) و (10٪) لمحاكاة الدرجة المختلفة من (RDs) المنتجة في اتجاه واحد، وهناك أيضًا ملفات أخرى لخطأ (RD) يتم فيها تصنيع العيوب في اتجاهات مختلفة، ولكن نسبة (d) و (r) ثابتة عند (5٪)، كما هو موضح في الشكل (1) (B).

66.0090-300x103

يوضح الشكل التالي (2) (A) الرسم التخطيطي لتجربة المحولات، كما ويشير الشكل (2) (B) إلى صورة قياسات البحث.

7.07089-300x125

كذلك يتم إجراء جميع التجارب التي تمت مضاهاتها باستخدام اتصال دائرة مفتوحة من طرف إلى طرف (FRA)، بحيث يتم قياس مجموعتين من بيانات (FRA) تحت الحالة الصحية للمحول ويتم أخذها كتوقيعات (FRA) القياسية، والسبب في اختيار مجموعتين من بيانات (FRA) كبصمات الأصابع؛ هو أن أخطاء القياس قد تم أخذها في الاعتبار.

وفي عملية قياس (FRA)؛ فإن هناك عدد من العوامل التي لا يمكن تجنبها والتي يمكن أن تتداخل مع نتائج القياس بدرجات متفاوتة، حيث تم أخذ مجموعتين من بيانات (FRA) لأن بصمات الأصابع يمكن أن تضعف تأثير خطأ القياس على نتائج التشخيص إلى حد معين، كما تم تسمية مجموعتي البيانات عادية (1) وعادي (2).

نتيجة تجريبية للاختبار

في حالة خطأ (SC)؛ فإنه تم قياس (15) مجموعة من بيانات استجابة التردد المختلفة، وفي حالة خطأ (DSV)، كما تم الحصول على (21) مجموعة من بيانات (FRA) المختلفة، كذلك تم إجراء تجارب خطأ (RD) مع (18) حالة مختلفة، كما يوضح الشكل (3 ~ 5) المقارنة بين آثار (FRA) المقاسة الجديدة وبصمة المحول مع حالة خطأ مختلفة، بما في ذلك درجات الخطأ المتغيرة والمواقع على التوالي.

0.20-300x200

0.10-300x190

0.30-300x203

وفي ملخص هذا الطرح؛ فإنه تم تقييم طريقة الجمع بين (SVM) و (FRA) لتمييز أنواع الأعطال ودرجات أخطاء تشوه المحولات، كما تم إجراء سلسلة من التجارب على محول فعلي، بحيث يتم استخراج ثمانية ميزات من بيانات (FRA) الخام عن طريق الحساب الإحصائي الرياضي، كما يتم استخدام بيانات (FRA) لتدريب نموذج (SVM)، ثم يتم استخدام خوارزمية (PSO) لتحسين معطيات نموذج (SVM).

أيضاً تظهر نتيجة معالجة البيانات أن معدل الدقة الشامل للتشخيص يصل إلى (96.3٪) عند استخدام المصنف لتمييز أنواع أخطاء لف (DSV) و (SC) و (RD)، وعند استخدام المصنف المدرب لتصنيف درجة خطأ (DSV)؛ فإنه  معدل الدقة يصل إلى (95.24٪).

وبالإضافة إلى ذلك؛ فقد يبلغ معدل الدقة حوالي (70٪) عند تطبيق المصنف لتمييز درجة خطأ (RD)، تم بالفعل تم إثبات قابلية تطبيق وفعالية الطريقة، كما وتوضح نتيجة المقارنة للطريقة المقترحة مع طريقتين محسنتين معلمتين أخريين مزايا طريقة (PSO)، بشكل عام؛ فقد وصل الجمع بين (SVM) و (FRA) إلى إمكانات كبيرة لتشخيص خطأ تشوه لف المحولات.

وفي مزيد من البحث؛ فإنه سيتم تحليل موقع الخطأ، بحيث يمكن أيضاً مراعاة معلومات المرحلة الخاصة باستجابة التردد من أجل تشخيص الأخطاء، كذلك من العملي والمفيد أيضاً استخدام بيانات ضخمة من (FRA) لحل مشكلات تشخيص الأخطاء الفعلية عند تدريب نماذج (SVM) والحصول عليها أكثر موثوقية.

المصدر: C. Jettanasen and A. Ngaopitakkul, "A novel probabilistic neural network-based algorithm for classifying internal fault in transformer windings", Ieej Trans. Electr. Electron. Eng., vol. 8, pp. 123-131, Mar. 2013F. Yuan, J. Guo, Z. Xiao, B. Zeng, W. Zhu and S. Huang, "A transformer fault diagnosis model based on chemical reaction optimization and twin support vector machine", Energies, vol. 12, no. 5, pp. 960, Mar. 2019M. Gutten, D. Korenciak, M. Kucera, R. Janura, A. Glowacz and E. Kantoch, "Frequency and time fault diagnosis methods of power transformers", Meas. Sci. Rev., vol. 18, no. 4, pp. 162-167, Aug. 2018M. Bagheri, M. S. Naderi and T. Blackburn, "Advanced transformer winding deformation diagnosis: Moving from off-line to on-line", IEEE Trans. Dielectr. Electr. Insul., vol. 19, no. 6, pp. 1860-1870, Dec. 2012


شارك المقالة: