Bulanık Sinirsel ve Yerel İstatistiklere Dayalı Trafo Arızaları Üzerine Araştırma
Xu Aidong1, Huang Wenqi1, Chen Huajun1, Li Peng1, Long Qinglin2
(1. China Southern Power Grid Research Institute Co., Ltd., Guangzhou 510620, Guangdong; 2. Guangzhou Kraton Information Technology Co., Ltd., Guangzhou 510656, Guangdong)
Elektrik şebekesi işletim durumunun çevrimiçi izlenmesi ve arıza teşhis izolasyonunu gerçekleştirmek için, bulanık sinir modeline ve yerel istatistiksel yönteme dayalı bir arıza teşhis izolasyon mekanizması önerilmiştir. İlk olarak, güç trafosu arızasının analizine dayanarak, bulanık sinir ağı, güç trafosunun arızasız bir durumda sıcaklık modelini oluşturmak için kullanılır ve bulanık sinir modeli ile gerçek güç trafosu çıkışı arasındaki sıcaklık sapması elde edilir ve ardından optimize edilmiş genel inceleme ile yerel minimum ve maksimum inceleme birleştirilir. İstatistiksel yöntemler, ilgili arıza teşhisi ve izolasyon göstergelerini hesaplar. Ayarlanan hata eşiğini aştığında, değerlendirme sistemi hataları bulabilir ve alarmları erken başlatabilir ve belirli parametre değişikliklerine göre transformatörün belirli bileşenlerindeki hataları bulabilir. Simülasyon testi, önerilen arıza teşhis ve izolasyon yönteminin mevcut sistemde üstün performans gösterdiğini, arızanın nedenini önceden keşfedebileceğini ve önemli teorik önemi ve uygulama değeri olan elektrik şebekesinin verimli çalışmasını sürdürebileceğini göstermektedir.
Güç trafosu; bulanık; sinir ağı; yerel istatistikler; arıza teşhisi ve izolasyonu
TM41
Belge tanımlama kodu: Bir
10.16157 / j.issn.0258-7998.2016.11.021
Çince alıntı biçimi: Xu Aidong, Huang Wenqi, Chen Huajun ve diğerleri Bulanık sinirsel ve yerel istatistiklere dayalı trafo arızası üzerine araştırma.Elektronik Teknoloji Uygulaması, 2016, 42 (11): 80-83, 87.
İngilizce alıntı biçimi: Xu Aidong, Huang Wenqi, Chen Huajun, ve diğerleri Bulanık sinirsel ve yerel istatistiksel yönteme dayanan güç transformatörlerinin FDI araştırması.Elektronik Tekniğin Uygulanması, 2016, 42 (11): 80-83, 87.
0 Önsöz
Güç sistemi otomasyonunun hızlı gelişimi ve UHV ızgaralarının büyük ölçekli yapısı ile, özellikle şebeke durumu izleme ve arıza teşhis izolasyonunun (Arıza Tespiti ve İzolasyonu, FDI) akıllı seviyesini iyileştirmek için mevcut sevk işletim modunu dönüştürmek gerekir. Bu nedenle, elektrik şebekesi operasyonunun kademeli gelişimini otomasyona, merkezileştirmeye ve istihbarata doğru teşvik etmek kaçınılmaz bir eğilim haline geldi. Güç trafosu, elektrik şebekesi iletim, dağıtım ve dağıtım sistemindeki en pahalı ve önemli ekipmanlardan biridir ve durumunun izlenmesi, şebeke operasyonunun sürekliliği ve güvenilirliği için büyük önem taşımaktadır. Transformatörün bir FDI sistemine sahip olmadığı düşünüldüğünde, yük sınırına yakın çalışırken büyük güvenlik ve çevre riskleri olacaktır. Durumunun ve eskime performansının net bir gerçek zamanlı değerlendirmesini sağlamak, geri dönüşü olmayan arızaları önleyebilir ve önleyici bakım sağlayabilir. Şu anda, birçok bilim insanı güç transformatörlerinin yüksek hassasiyetli sıcaklık modellerini oluşturmuştur.Yük akımı dağılımı, en yüksek yağ sıcaklığı ve hava koşulları (ortam sıcaklığı, güneş ısısı, rüzgar hızı, yağış koşulları, vb.) Güç transformatörlerinin sıcaklık performansını etkileyen faktörlerin tümü olduğundan, karmaşık belirsizlikler vardır. Doğru bir model oluşturmak zordur. Yukarıda belirtilen belgeleri birleştirerek, güç trafolarının durumu ve ilgili arıza riskleri, izlenen sıcak nokta sıcaklığı (HST) aracılığıyla değerlendirilebilir.HST'nin beklenen sıcaklık dağılımındaki sapması, güç trafosu yaşlanması veya diğer olası arızalar için bir değerlendirme indeksi olarak kullanılabilir. HST'yi ilgili girdiler vb. İle ilişkilendirin ve sinir ağı tabanlı bir HST sayısal analiz modeli oluşturun. Ek olarak, hatasız durumdaki güç transformatörünün sıcaklık modeli, güç transformatörünün hata tespiti ve izolasyonunu gerçekleştirmek için gerçek transformatörün çevrimiçi ölçüm çıkışı ile karşılaştırılabilir ve analiz edilebilir. Yerel istatistiksel yöntem, istatistiksel trafo arıza tespiti ve izolasyonu için yaygın bir yöntemdir.İkisi arasındaki ilişki, tasarım değerlendirme göstergeleri için birleştirilebilir. Bu yöntemle, güç trafosu FDI'nin karmaşık algılama sorunu, Gauss ortalama değer izleme sorununa dönüştürülebilir.
1 Güç trafosu izleme ve arıza analizi
1.1 Transformatör termal modeli
Güç trafosunun çalışma durumunu daha iyi analiz etmek için dinamik bir sıcaklık modeli oluşturulmuştur.Adımlar aşağıdaki gibidir:
(1) Her andaki yük akımını tespit ederek ilgili üst yağ sıcaklığı değişimini hesaplayın:
(2) Her örnekleme periyodunun son üst yağ sıcaklığı değişim değeri ile ortam sıcaklığını birleştirerek, üst yağ sıcaklığındaki artışı aşağıdaki şekilde hesaplayın:
(1) - (5) denklemleri, sıcaklık modelinin mekanizmasını analiz etmek için basitleştirilmiş bir üst yağ sıcaklığı değişikliği modeli ortaya koysa da, doğruluğu modelin parametrelerinden büyük ölçüde etkilenir ve parametreler belirsizdir. Bu nedenle, transformatörün daha uygun bir sıcak nokta sıcaklığını seçmesini sağlamak için daha doğru bir uyarlanabilir model oluşturmak gerekir.
1.2 Transformatör yaşlanması
Transformatör yaşlanması genellikle iki türe ayrılır; biri, esas olarak yalıtım malzemesinin kendisinden kaynaklanan önlenemez yaşlanma; diğeri ise, esas olarak anormal işlemden kaynaklanan önlenebilir yaşlanmadır. İkincisi, transformatörün çalışma modunu zaman içinde değiştirmek için genellikle izlenebilir ve alarma geçirilebilir Transformatörün çalışma ömrü ile iletim verimliliği arasında makul bir denge kurmak gerekir. Genel olarak, trafo yaşlanmasını ve arıza indeksini değerlendirmek için güvenlik etki faktörleri sunulur, ancak doğru ifadeler oluşturmak zordur, bu nedenle uyarlanabilir algoritmalar bu tür sorunları çözmek için sıcak bir nokta haline gelmiştir.
1.3 Bulanık sinir modeli
Geleneksel matematiksel modellemenin, transformatör modelinin doğruluğunu garanti etmesi zordur Bulanık sinirler, karmaşık doğrusal olmayan sistemlerde ortak bir tanımlama ve hata teşhisi uyarlamalı yöntem olarak yaygın olarak kullanılmaktadır. Bu makale, aşağıdaki Takagi-Sugeno-Kang (TSK) bulanık kuralları ile birlikte, transformatörün sıcak nokta sıcaklığını izlemek için bir bulanık sinir tabanlı sıcak nokta sıcaklık modeli önermektedir:
2 Hata teşhisi ve izolasyon yöntemi
2.1 Global 2 test yöntemi
Güç transformatörü normal şekilde çalışırken, gerçek giriş ve çıkış verileri çıkarılır ve hatasız durumdaki transformatörün bulanık sinir modeli eğitilir. Transformatör bulanık sinir modelinin ve arıza çıkarma modelinin aynı sayıda parametreye sahip olmasını sağlamak için, arıza çıkarma modeli ayrıca güç transformatörünün giriş ve çıkış verileri aracılığıyla ilgili doğru modeli elde eder. Bulanık nöral model, güç transformatörünü bozulmamış bir durumda simüle eder ve arıza teşhis modeli, güç transformatörünün gerçek çalışma durumunu simüle eder ve artık ei, ikisi arasında görünmek zorundadır. Yani, arıza teşhis modelinin çıktısı, bulanık sinir modelinin çıktısıdır ve artığın karesinin kısmi türevi şu şekilde elde edilir:
Formülde şu anda hatalı sistemin Gauss dağıtım merkezi değeri (X) = M'dır. olasılık oranını en aza indirerek, genelleştirilmiş olasılık oranı elde edilebilir, bu da en olası parametre değişikliklerinin dikkate alındığı ve aşağıdaki genel 2 testinin verilebileceği anlamına gelir:
2.2 Minimum ve Maksimum Muayene Yöntemi
3 Simülasyon deneyi
İlk olarak, güç transformatörü normal çalıştığında, bulanık sinir modelinin artık dizisi ve transformatörün gerçek çıkışı, transformatörün gerçek çıkışı ile bulanık sinir modelinin çıkışı arasında hatasız bir referans modeli olarak elde edilir. Daha sonra, sistemdeki bazı parametrelerin değiştiği varsayılarak, artık dizinin olasılık oranı hesaplanarak transformatör arıza durumu değerlendirilebilir. Transformatörün ana parametreleri Tablo 1'de gösterilmektedir.
Bulanık sinir ağı, transformatörü matematiksel olarak modellemek için kullanılır.Model girişi, üst yağ sıcaklığının önceki değerini ve yük akımı değerini içerir.Örneğin, model çıktısı, hata izolasyon modelinin giriş ve çıkışına karşılık gelen tahmini sıcak nokta sıcaklığıdır ve bulanık sinir modeli tutarlıdır. İlk durumda, Hermite polinom temel fonksiyonu çoklu frekans özelliklerine sahip olduğu için, inşa edilen model, sıcak nokta dağılımının doğruluğunu ve ani değişimini yakalama avantajlarına sahiptir ve güç transformatörünün sıcak nokta sıcaklık değişimini simüle etmek için kullanılır. İkinci durumda, TSK bulanık sinir modelini Şekil 1'de gösterildiği gibi tasarlayın. Girdi alanı, modelin hesaplama verimliliğini ve tanıma doğruluğunu iyileştirmek için girdi boyutu bölme yöntemine bölünür. Hermite polinomları, fonksiyonel sinir ağlarına ve TSK bulanık sinir modeli eğitimine dayanmaktadır.Minimum ortalama kare hata 4 × 10-3, karşılık gelen eğitim seti veri hacmi 300 ve minimum ortalama kare hata algoritması doğrusal modelin ağırlığını ayarlamak için kullanılır. Bulanık sinir modeli 64 bulanık kural içerir (3 giriş değişkeni 4 bulanık alt gruba bölünmüştür). TSK bulanık modeline dayanan 64 alt küme verisi, gerçek güç trafosunun sıcak nokta sıcaklığı, üst sıcaklığı ve yük akımı verilerinden gelir. Model, 64 doğrusal parametre (ağırlık wi) ve 12 doğrusal olmayan parametre (bulanık kümenin merkezi değeri ci) içerir. Modelin bulanık kuralları 27'ye indirilebilir, bu da modelin hesaplama karmaşıklığını azaltır. İndirgeme sonrası yeni bir TSK bulanık modeli oluşturan 39 parametre vardır (27 doğrusal parametre çıktı katmanının ağırlığı ve 12 doğrusal olmayan parametre bulanık kümenin merkezi değeridir). Yerel istatistiksel yöntem DYY'ye uygulanırsa ve 2 değişiklik tespit testi trafo modeline uygulanırsa, ilgili arıza teşhis eşiği 39 olarak ayarlanmalıdır. Şekil 2 ve Şekil 3'te gösterildiği gibi, bulanık modelin doğruluğu Hermite nöral modelin doğruluğundan iki kat daha yüksektir ve transformatör sıcak nokta sıcaklığının değişim modeline tamamen uygulanabilir.
Güç trafosunda bir arıza olmadığını varsayarsak, bir dizi test verisine dayanarak, of2'nin ortalama değeri 38.713 olarak elde edilebilir, bu da teorik olarak beklenen 2 tespit değerine yaklaşık olarak eşittir. Güç trafosunun arızasız parametreleri tahmin edilen değerden biraz saparsa, 2 algılama ilgili arızaya bir alarm verebilir. Parametrenin değişim değeri% 0.01 ile% 1 arasında olsa bile, word 2'nin test sonucu, hata eşiğinden önemli ölçüde sapacaktır. Şekil 4 ve Şekil 5'te gösterildiği gibi, kelime 2 çıktısının neden olduğu küçük bir parametre değişikliği (küçük hata), hata eşiğini birçok kez aşar.
Son olarak güç trafosu modelinde doğrusal ve doğrusal olmayan parametrelerin değişimlerini izlemek için min-max yöntemine dayalı arıza izolasyon tespiti de uygulanmaktadır Test sonuçları, min-max yönteminin güç trafosu sıcaklık modelinin arıza parametrelerini de daha yüksek bir başarı oranıyla tespit ettiğini göstermektedir.
4. Sonuç
Bu yazıda, güç transformatörlerinin arıza özelliklerini birleştiren, bulanık sinirsel ve yerel istatistiklere dayalı bir FDI yöntemi önerilmiştir. İlk olarak, güç transformatörünün sıcaklık modelini oluşturmak için bulanık sinir algoritması kullanılır ve daha sonra optimize edilmiş global 2 testi ve minimum ve maksimum yerel istatistiksel yöntemlerle birleştirilerek, ilgili arıza teşhis ve izolasyon göstergeleri hesaplanır ve ilgili FDI değerlendirme mekanizması oluşturulur. Simülasyon sonuçları, güç transformatörlerinin erken FDI'sında, önerilen yöntemin sadece güç transformatörü arızalarını tespit etmek, teşhis etmek, izole etmek ve tahmin etmekle kalmayıp, aynı zamanda transformatör gürültüsünün sistem performansı üzerindeki etkisini etkili bir şekilde önleyebileceğini ve transformatörün anahtarını gerçekleştirebileceğini göstermektedir. Pahalı bileşenlerin önleyici onarımı ve bakımı.
Referanslar
Bian Li, Bian Chenyuan Güç şebekesi arıza teşhisi için akıllı yöntemlerin özeti Güç sistemi koruması ve kontrolü, 2014 (3): 146-153.
METWALLY I A. Arıza izleme ve güç transformatörlerinin yeni eğilimleri IEEE Potentials, 2011, 30 (3): 36-43.
Zeng Linjun, Lin Xiangning, Huang Jingguang ve diğerleri.UHV ototransformatörlerinin modellenmesi ve elektromanyetik geçici simülasyonu.Çin Elektrik Mühendisliği Bildirileri, 2010, 30 (1): 91-97.
Chen Weigen, Xi Hongjuan, Su Xiaoping, vb. Transformatör Sargısının Sıcak Nokta Sıcaklığının Öngörülmesinde Genelleştirilmiş Regresyon Sinir Ağı Uygulaması Yüksek Gerilim Teknolojisi, 2012, 38 (1): 16-21.
ZHANG Q, BASSEVILLE M, BENVENISTE A. Doğrusal olmayan dinamik sistemlerde hata tespiti ve izolasyonu: birleşik giriş-çıkış ve yerel yaklaşım Automatica, 1998, 34 (11): 1359-1373.
IPPOLITO L, SINO P. Güç transformatörleri tahmini aşırı yük sistemi için Tagaki-Sugeno-Kang bulanık modelinin tanımlanması IEEE Proc.Gener.Transm.Distribution, 2004, 151 (5): 582-589.
NAMBURU S M, AZAM M S, LUO J H, vd. HVAC soğutucular için veriye dayalı modelleme, hata teşhisi ve optimum sensör seçimi. IEEE Trans Automation Science Engineering, 2007, 4 (3): 469-473.
ZHANG Q, BASSEVILLE M, BENVENISTE A. Sistemlerdeki küçük değişikliklerin erken uyarısı Automatica, 1994, 30 (1): 95-113.
AET üyeleri için yıl sonu avantajları!
