Metody wykrywania i rozpoznawania defektów w transformatorze na podstawie wyników analizy chromatograficznej gazów rozpuszczonych w oleju

• Autorzy: Piotrowski T.
• Języki publikacji: PL

Abstrakty

PL

Monografia poświęcona jest problematyce diagnozowania transformatorów na podstawie analizy gazów rozpuszczonych w oleju (DGA – Dissolved Gas Analysis). Określenie rodzaju i ilości rozpuszczonych gazów odbywa się podczas badania, pobranej z transformatora, próbki oleju za pomocą chromatografu gazowego. Pomierzone gazy są produktami rozkładu izolacji papierowo-olejowej spowodowanego naturalnymi procesami starzeniowymi oraz defektami. W rozdziale drugim przedstawiono zjawiska fizyczne i chemiczne wpływające na formowanie się gazów oraz ich rozpuszczalność w oleju. W przypadku wystąpienia defektu skład oraz ilość rozpuszczonych gazów pozwalają na określenie jego charakteru. Prawidłowy algorytm diagnostyczny pozwalający zrealizować ten cel został przedstawiony w rozdziale trzecim. Poprawna procedura diagnostyczna wymaga najpierw porównania pomierzonych stężeń gazów lub ich przyrostów z wartościami kryterialnymi, co pozwala na stwierdzenie występowania defektu i określenie jego za-awansowania. Rzetelne wyznaczenie wartości kryterialnych jest niezwykle istotne, gdyż ma bezpośredni wpływ na podejmowane decyzje dotyczące dalszej eksploatacji transformatora. W czwartym rozdziale pracy przedstawiono metodykę wyznaczania wartości kryterialnych. Ponieważ wartości te zależą od wielu czynników, w tym cech konstrukcyjnych, wieku i warunków eksploatacji, powinny więc być wyznaczane dla spójnych populacji transformatorów. Wartości te także zostały przedstawione w tym rozdziale. W celu określenia charakteru defektu opracowanych zostało szereg metod – większość z nich przedstawiono w rozdziale 5. Mnogość metod w sposób naturalny prowokuje pytanie o ich skuteczność. Zagadnieniu temu poświecony jest rozdział 6 monografii. Przedstawiono w nim, wyznaczone przez autora, wartości wskaźników skuteczności rozpoznawania defektów dla wybranych metod diagnostycznych, i porównano z wartościami dostępnymi w literaturze. Metody DGA nie w każdym przypadku są w stanie określić charakter defektu prawidłowo. Jednym ze sposobów poprawy skuteczności rozpoznawania defektu jest jednocześnie wykorzystanie kilku z takich metod. Innym może być wykorzystanie elementów sztucznej inteligencji lub statystyki matematycznej w procesie diagnostycznym. Rozdział siódmy poświecony jest prezentacji metod z tej drugiej grupy. Autor brał czynny udział w ich opracowaniu. Zaproponowane metody mogą być stosowane jako narzędzie pomocnicze w diagnozowaniu transformatorów na podstawie analizy gazów rozpuszczony w oleju. Wymóg posiadania zawansowanej wiedzy z dziedziny statystyki i dysponowania specjalizowanymi programami komputerowymi może ograniczać jednak ich praktyczne wykorzystanie. Istnieje szereg metod sztucznej inteligencji, które mogą być wykorzystane w diagnozowaniu transformatora na podstawie analizy gazów rozpuszczonych w oleju. Autor zajmował się tylko wnioskowaniem rozmytym i sztucznymi sieciami neuronowymi. Ich implementacja i ocena skuteczności przedstawiona jest w rozdziale 8. Wyniki przeprowadzonych prac oraz doniesienia literaturowe pozwalają stwierdzić, że metody te z powodzeniem mogą uzupełniać a nawet zastępować tradycyjnie stosowane metody. Zwiększenie skuteczności wykrywania i rozpoznawania defektów angażujące jednocześnie kilka metod, czy też wykorzystujące elementy sztucznej inteligencji wymagają obliczeń wykonywanych w programie numerycznym. W rozdziale 9 pracy przedstawiono własny taki program o nazwie DINO. Jest to aplikacja komercyjna, wdrożona w przemyśle. Wszystkie metody, które zostały zaprezentowane w pracy, zostały zweryfikowane obliczeniami. przeprowadzonymi z wykorzystaniem obszernego zbioru danych pomiarowych zgromadzonych przez autora. Niektóre z tych obliczeń zostały również zamieszczone, wzbogacając część praktyczną monografii.

EN

The monograph is intended to the problem of diagnosing transformers based on the dissolved gas analysis (DGA). Determination of the type and the amount of dissolved gases is carried out during transformer oil sample testing by gas chromatograph. Determined gases are the products of paper and oil degradation due to natural aging and internal failures. The physical and chemical processes responsible for the formation of gases and their solubility in oil are described in the second chapter. In case of a failure, the composition and quantity of dissolved gases are used to determine its nature. A proper diagnostic algorithm allowing to achieve this goal is presented in the third chapter. A correct diagnostic procedure requires first of all to compare the measured gas concentrations or their increments with criteria values. A reliable determination of these values is extremely important as it directly affects the decisions regarding the subsequent operation of the transformer. The fourth chapter presents the methodology of calculation of these criterion. Since these values depend on many factors, including the design features, the age and operating conditions, they should therefore be determined for the coherent population of transformers. These values also are shown in this section. In order to determine the nature of the defect a number of methods were developed most of them are presented in Chapter 5. A multitude of methods naturally raises the question of their effectiveness. This issue is devoted Chapter 6 of the monograph. It presents performance indicators calculated by the author for selected diagnostic methods and their comparison with the values available in the literature. The DGA methods are not able to determine correctly the nature of the defect in each case. One way to improve the effectiveness of the fault detection is to apply at the same time several of these methods. The others might be making use of elements of artificial intelligence and mathematical statistics in the diagnostic process. The seventh chapter is intended to the presentation of the methods of the second group. Author took an active part in their development. The proposed method can be used as an auxiliary tool in the diagnosis of the transformers on the basis of the analysis of gases dissolved in oil. There are, however, some limitations on their practical use ensuing from the necessity of specialised computer programs in disposition and a deeper understanding of statistics There are a number of artificial intelligence methods and tools that may be used in the diagnosing of a transformer based on the analysis of gases dissolved in oil. Author made use of fuzzy inference and artificial neural networks only. Their implementation and evaluation of their effectiveness is presented in Chapter 8. The results obtained in this work and the literature data allow to conclude that these methods can successfully complement or even replace traditional DGA methods. Increasing the efficiency of detection and identification of defects involving several methods, or using elements of artificial intelligence requires calculations in the computer program. Chapter 9 presents a program developed by the author called DINO. This is a commercial application, implemented in industry. All of the methods presented in the monograph, have been verified by calculations performed using a comprehensive set of measurement data gathered by the author. Some of these calculations are also included.

Słowa kluczowe

PL

transformator; olej transformatorowy; gaz rozpuszczony w oleju; DGA; diagnostyka transformatorów; DINO

EN

transformer; transformer oil; dissolved gas analysis; DGA; transformer diagnostics; DINO

• Wydawca: Wydawnictwo Politechniki Łódzkiej
• Czasopismo: Zeszyty Naukowe. Rozprawy Naukowe / Politechnika Łódzka
• Rocznik: 2013
• Tom: Z. 476
• Strony: 1--130
• Opis fizyczny: Bibliogr. 157 poz., wykr. (w tym kolor.)

Twórcy

autor

Piotrowski T.

• Zakład Wysokich Napięć, Instytut Elektroenergetyki, Politechnika Łódzka

Bibliografia

• [1] Afiqah R.N., Musirin I., Johari D., Othman M.M., Rahman T.K.A., Othman Z., Fuzzy Logic Application in DGA Methods to Classify Fault Type in Power Transformer. Selected Topics in Power Systems and Remote Sensing, WSEAS Press 2010, s. 83-88.
• [2] Aghaei J., Gholami A., Shayanfar H.A., Dezhamkhooy A., Dissolved gas analysis of transformers using fuzzy logic approach. European Transactions on Electric Power, Vol. 20, No. 5, 2010, s. 630-638.
• [3] Алексеев В.A., Контроль состояния (диагностика) крупных силовых трансформаторов. НЦ ЭНАС, Москва 2002.
• [4] Алексеев В.Г., Несвижский Е.И.: Выбор оптимальных значений критерев при диагностике состояния силовых трансформаторов по результатам анализа раствренных в масле газов. Электрические Станции но. 1, 1991.
• [5] Аракелян В.Г., Сенкевич Е.Д.: Ранняя диагностика маслонаполненного высоковольтного оборудования. Электрические Станции но. 6, 1985, s. 50-54.
• [6] Arakelian V.G., Effective Diagnostics for oil-filled equipment. IEEE Electrical Insulation Magazine, Vol. 18, No. 6, November/December 2002, s. 26-38.
• [7] Atanasova-Höhlein I., DGA - method in the past and for the future. Diagnostic Conference, Siofok, Hungary, 14 – 16 October 2009. /www.insulationdiagnostics.com/userfiles/conf09_ivanka_dgapast_future.pdf stan z dnia 2012.12.16/.
• [8] Basheer I., Hajmeer M., Artificial neural networks: fundamentals, computing, design and application. Journal of Microbiological Methods 43/2000, s. 3-31.
• [9] Bednarek M., Praktyka diagnostyki transformatorów mocy – korelacja wyników pomiarów i inspekcji wewnętrznej. Konferencja Naukowo-Techniczna „Transformatory energetyczne i specjalne”, Kazimierz Dolny, 11-13 października, 2000, s. 211-217.
• [10] Besner S., Jalbert J., Noirhomme B., Unusual ethylene production of in-service transformer oil at low temperature. IEEE Transactions on Dielectric and Electrical Insulation, Vol. 19, No. 6, December 2012, s. 1901-1907.
• [11] Borecki H., Badania DGA – Prawda o transformatorze w świetle Ramowej Instrukcji Eksploatacji Transformatorów (wydanie Energopomiar-Elektryka 2001). Materiały Konferencji „Zarządzanie eksploatacją transformatorów”, Wisła-Jawornik, 31 marca - 2 kwietnia 2004, s. 245-259.
• [12] Borsi H., Methods for the sensitive judgement of the insulation of the fluid insulated transformers during operation. 9th Int. Symposium on High Voltage Engineering, Gratz, Austria, 28 August-1 September 1995, s. 1-4.
• [13] Buchacz T., Olech W., Olejniczak H., Ocena lokalnych przegrzewów transformatorów dużej mocy metodą chromatografii gazowej. Międzynarodowa Konferencja Transformatorowa „Transformator’93”, Kołobrzeg, 20-21 maja 1993, s. 117-133.
• [14] Buchacz T., Olech W., Olejniczak H., Zastosowanie i rozwój techniki chromatograficznej w badaniach krajowych transformatorów. Międzynarodowa Konferencja Transformatorowa „Transformator’97”, Kołobrzeg, 8-10 maja 1997, s. 76-85.
• [15] Buchacz T., Olech W., Olejniczak H., Rozwój techniki chromatografii gazowej jako metody badań diagnostycznych transformatorów w ciągu 30 lat jej stosowania w energetyce krajowej. Energetyka, 3/1999.
• [16] Buchacz T., Olech W., Olejniczak H., Nowe metody badań olejów izolacyjnych w diagnostyce technicznej transformatorów. Międzynarodowa Konferencja Transformatorowa „Transformator’07”, Toruń, 30 maja-1 czerwca 2007, s. 71-80.
• [17] Castro A.R.G., Miranda V., Knowledge Discovery in Neural Networks With Application to Transformer Failure Diagnosis. IEEE Transactions On Power Systems, Vol. 20, No. 2, May 2005, s. 717-723.
• [18] Сенкевич Е.Д., Сергеев М.В., Кузнецов Е.В., Александрова Н.А., Автоматизированная информационная система базой данных для диагностики состояния изоляции трансформаторного оборудования находящегося в эксплуатации. Электрические Станции но. 6, 1989, s. 66-71.
• [19] Chao L., Hong Q., Yang X.-H., Ye J.-H., The fault diagnosis of power transformer using clustering and radial basis function neural network. 9th Int. Conf. on Machine Learning and Cybernetics, Baoding, China, 12-15 July 2009, s. 1257-1260.
• [20] Chen A.-P., Lin C.-C., Fuzzy approaches for fault diagnosis of transformers. Fuzzy Sets and Systems, No. 118, 2001, s. 139-151.
• [21] CIGRE Technical Brochure No. 296, Recent developments in DGA interpretation. June 2006.
• [22] Dai J., Khan I., Wang Z.D., Cotton I., Comparison of HYDRAN and laboratory DGA results for electric faults in ester transformer fluids. Conference on Electrical Insulation and Dielectric Phenomena, Vancouver, Canada, 14-17 October 2007, s. 731-734.
• [23] Dhote N.K., Helonde J.B., Diagnosis of Power Transformer Faults based on Five Fuzzy Ratio Method. WSEAS Transactions on Power Systems, Issue 3, Vol. 7, July 2012, s. 114-125.
• [24] DiGiorgi J.B., Dissolved gas analysis of mineral oil insulating fluids. /www.nttworldwide.com/docs/dga2102.pdf, stan z dnia 2012.12.16/
• [25] Domżalski T., Olech W., Ocena skuteczności badań diagnostycznych transformatorów. Międzynarodowa Konferencja Transformatorowa „Transformator’03”, Pieczyska, 18-21 maja 2003, s. 28-44.
• [26] Dukarm J.J., Transformer oil diagnosis using fuzzy logic and neural networks. Canadian Conf. on Electrical and Computer Engineering, Canada, 1993, s. 329-332.
• [27] Dukarm J.J., Dissolved-gas analysis using fuzzy logic. Delta-X Research, October 1998, s. 1-6.
• [28] Duraisamy V., Devarajan N., Somasundareswari D., Vasanth A.A.M., Sivanandam S.N., Neuro fuzzy schemes for fault detection in power transformer. Applied Soft Computing, 7/2007, s. 534-539.
• [29] Duval M., Dissolved gas analysis: it can save your transformer. IEEE Electrical Insulation Magazine, Vol. 5, No. 6, November/December 1989, s. 22-27.
• [30] Duval M., Langdeau F., Gervais P., Belanger G., Acceptable gas-in-oil levels in generation and transmission power transformers. Conference on Electrical Insulation and Dielectric Phenomena, Pocono Manor, USA, 28-31 October 1990, s. 325-330.
• [31] Duval M., dePablo A., Interpretation of gas-in-oil analysis using new IEC publication 60599 and IEC TC 10 databases. IEEE Electrical Insulation Magazine, Vol. 17, No. 2, March/April 2001, s. 31-41.
• [32] Duval M., A Review of faults detectable by gas-in-oil analysis in transformers. IEEE Electrical Insulation Magazine, Vol. 18, No. 3, May/June 2002, s. 8-17
• [33] Duval M., Durkham J., Improving the Reliability of Transformer Gas-in-Oil Diagnosis. IEEE Electrical Insulation Magazine, Vol. 21, No. 4, July/August 2005, s. 21-27.
• [34] Duval M., Dissolved gas analysis and the Duval triangle. /www.lordconsulting.com/images/stories/TechnicalPapers/2006-Conference_Duval.pdf, stan z dnia 2012.12.29/
• [35] Duval M., The Duval triangle for load tap changers, non-mineral oils and low temperature faults in transformers. IEEE Electrical Insulation Magazine, Vol. 24, No. 6, November/December 2008, s. 22-29.
• [36] Duval M., Calculation of DGA limit values and sampling intervals in transformers in service. IEEE Electrical Insulation Magazine, Vol. 24, No. 5, September/October 2008, s. 7-13.
• [37] Eberhardt R., Wieser B., Lick W., Muhr H.M., Pukel G., Schwarz R., Baumann F., Dissolved gas analysis investigations on ester liquids after breakdown. IEEE International Conference on Dielectric Liquids, Trondheim, Norway, 26-30 June 2011.
• [38] Feilhauer W., Handschin E., Interpretation of dissolved gas analysis using Dempster-Shafer 's theory of evidence. 9th Int. Conf. on Probabilistic Methods Applied to Power System, Stockholm, Sweden, 11-15 June, 2006, s. 1-6.
• [39] FIST Vol. 30-3, Transformer maintenance. US Department of the Interior Bureau of Reclamation, 2000.
• [40] Flasiński M., Wstęp do sztucznej inteligencji. Wydawnictwo Naukowe PWN, Warszawa 2011.
• [41] Flores W., Mombello E., Jardini J.A., Ratta G., A novel algorithm for the diagnostics of power transformers using type-2 fuzzy logic systems. Transmission and Distribution Conference and Exposition, Chicago, USA, 21-24 April, 2008.
• [42] Florkowska B. (praca zbiorowa pod red.), Diagnostyka wysokonapięciowych układów izolacyjnych urządzeń elektroenergetycznych. Wyd. AGH, Kraków, 2009.
• [43] Galoch J., Mosiński F., Al.-Mualla K.Y., Rozkład prawdopodobieństwa zawartości gazów rozpuszczonych w oleju transformatorowym. IX Konferencja Remontowa Energetyki, Szczyrk, wrzesień 1995, s. 98-108.
• [44] Guo Y.-J., Sun L.-H., Liang Y.-C., Ran H.-C., Sun H.-Q., The fault diagnosis of power transformer based on improved RBF neural network. Procs. of 6th Int. Conf. On Machine Learning and Cybernetics, Hohg Kong, 19-22 August 2007, s. 1111-1114.
• [45] Hall A.C., Niezawodność transformatorów. Praktyki przyjęte przez National Grid Company PLC. Międzynarodowa Konferencja Transformatorowa „Transformator’93”, Kołobrzeg, 20-21 maja 1993, s. 201-214.
• [46] Hohlein I., Unusual Cases of Gassing in Transformers in Service. IEEE Electrical Insulation Magazine, Vol. 22, No. 1, January/February 2006, s. 24-27.
• [47] Hooshmand R., Banejad M., Application of fuzzy logic in fault diagnosis in transformers using dissolved gas based on different standards. Transaction on Engineering, Computing and Technology, Vol. 17, December 2006, s. 157-161.
• [48] Huang Y.-C., Yang H.-T., Huang C.-L., Developing a new transformer fault diagnosis system through evolutionary fuzzy logic. IEEE Transactions on Power Delivery, Vol. 12, No. 2, Aproll 1997, s. 761-767.
• [49] IEC 567 Guide for the sampling of gases and of oil from oil-filled electrical equipment and for the analysis of free and dissolved gases. 1992.
• [50] IEC 60599 Edition 2.1 Mineral oil-impregnated electrical equipment in service – Guide to the interpretation of dissolved and free gases analysis. 2007.
• [51] IEEE Std C57.10-2008 IEEE Guide for the interpretation of gases generated in oil-immersed transformers.
• [52] IEEE Std C57.139-2010 IEEE Guide for dissolved gas analysis in transformer load tap changers.
• [53] IEEE Std C57.147-2008 IEEE Guide for acceptance and maintenance of natural ester fluids in transformers.
• [54] Islam S.M., Wu T., Ledwich G., A novel fuzzy logic approach to transformer fault diagnosis. IEEE Transactions on Dielectrics and Electrical Insulation, Vol. 7, No. 2, April 2000, s. 177-186.
• [55] Jakob F., Noble P., Dukarm J.J., A thermodynamic approach to evaluation of the severity of transformer faults. IEEE Transactions on Power Delivery, Vol. 27, No. 2, April 2012, s. 554-559.
• [56] Jovalekic M., Vukovic D., Tenbohlen S., Gassing behavior of various alternative insulating liquids under thermal and electrical stress. IEEE Int. Symposium on Electrical Insulation, San Juan, Puerto Rico, 10-13 June 2012, s. 490-493.
• [57] Karpiński J., Metody analizy (DGA) gazów rozpuszczonych w oleju izolacyjnym. Przegląd Elektrotechniczny Konferencje 1/2004, s. 100-102.
• [58] Karpiński J., Metoda sztucznych sieci neuronowych w analizach DGA. Materiały 6 Konferencji Naukowo-Technicznej „Transformatory energetyczne i specjalne”, Kazimierz Dolny, 11-13 października 2006, s. 137-145.
• [59] Kawamura T., Yamaoka M., Kawada H., Ando K., Maeda T., Takatsu T.: Analyzing gases dissolved in oil and its application to maintenance of transformers. CIGRE, paper 12-05, Sess. 27 August - 4 September 1989.
• [60] Kawamura T., Fushimi Y., Shimato T., Amano N., Ebisawa Y., Hosokawa N.: Improvement in maintenance and inspection and pursuit of economical effectiveness of transformers in Japan. CIGRE, paper 12-107, Sess. 25-30 August 2002.
• [61] Khalaf Y.S. Al.-Mualla, The analysis of diagnosis methods of power transformer insulation on the basis of chromatographic measurements. Rozprawa doktorska, Łódź 1996.
• [62] Khan I., Wang Z., Dai J., Cotton I., Northcote S., Fault gas generation in ester based transformer fluids and dissolved gas analysis (DGA). Int. Conf. on Condition Monitoring and Diagnosis, Beijing, China, April 21-24 2008.
• [63] Kim Y.M., Lee S.J., Seo H.D., Jung J.R., Yang H.J., Development of Dissolved gas analysis (DGA) expert system using new diagnostic algorithm for oil-immersed transformers. IEEE Int. Conf. on Condition Monitoring and Diagnosis, Bali, Indonesia, 23-27 September 2012, s. 365-368.
• [64] Kim S.W., Kim S.J., Seo H.J., Jung J.R., Yang H.J., Duval M., New method of DGA diagnosis using IEC TC 10 and related database part 1: application of gas-ratio combinations. IEEE Transaction on Dielectrics and Electrical Insulation, Vol. 20, No. 2, April 2013, s. 685-690.
• [65] Kweon D., Koo K., The criteria of dissolved gas analysis in natural Ester fluid. Int. Conf. on Condition Monitoring and Diagnosis, Bali, Indonesia, 23-27 September 2012, s. 901-904.
• [66] Lee J.P., Lee D.J., Ji P.S., Lim J.Y., Kim S.S., Diagnosis of power transformer using fuzzy clustering and radial basis function neural network. Int. Joint Conf. on Neural Networks, Vancouver, Canada, 16-21 July, 2006, s. 1398-1404.
• [67] Lee S.J., Kim Y.M., Seo H.D., Jung J.R., Yang H.J., Duval M., New method of DGA diagnosis using IEC TC 10 and related database part 2: application of relative content of fault gases. IEEE Transaction on Dielectrics and Electrical Insulation, Vol. 20, No. 2, April 2013, s. 691-696.
• [68] Lewand L.R., Natural ester dielectric fluids. NETA World, The Official Publication of the Int. Electrical Testing Association, Fall 2004, s. 1-4. (www.netaworld.org/netaworld-journal/archived-articles/449, stan z dnia 2012.12.29)
• [69] Lewand L.R., Griffin P., Gassing characteristics of transformer oil under thermal stress. NETA World, The Official Publication of the Int. Electrical Testing Association, Fall 2005, s. 1-4. (www.netaworld.org/netaworld-journal/archived-articles/377, stan z dnia 2012.12.29)
• [70] Li W., Wu H., Wu D., DGA interpretation scheme derived from case study. IEEE Trans. On Power Delivery, Vol. 26, No. 2, April 2011, s. 1292-1293.
• [71] Lin C.E., Ling J.M., Huang C.L., An expert system for transformer fault diagnosis using dissolved gas analysis. IEEE transactions on Power Delivery, Vol. 8, No. 1, January 1993, s. 231-238.
• [72] Lin W.-M., Lin C.-H., Tasy M.-X., Transformer-fault diagnosis by integrating field data and standard codes with training enhancible adaptive probabilistic network. IEE Proc. Gener. Transm. Distrib., Vol. 152, No. 3, May 2005, s. 335-341.
• [73] Liu Y., Li J., Zhang Z., Gases dissolved in natural ester fluids under thermal faults in transformers. IEEE Int. Symposium on Electrical Insulation, San Juan, Puerto Rico, 10-13 June 2012, s. 223-226.
• [74] Malewski R., Urządzenia do monitorowania gazów rozpuszczonych w oleju transformatorowym, Pomiary, Automatyka Kontrola, 2/2013, s. 93-96.
• [75] Martin D., Lelekakis N., Wenyu Guo, Odarenko Y., Further studies of a vegetable-oil-filled power transformer. IEEE Electrical Insulation Magazine, Vol. 27, No. 5, September/October 2011, s. 6-13.
• [76] Medasani S., Kim J., Krishnapuram R., An overview of membership function generation techniques for pattern recognition. Int. Journal of Approximate Reasoning 19/1998, s. 391-417.
• [77] Mirowski P., LeCun Y., Statistical machine learning and dissolved gas analysis: a review. IEEE Transactions on Power Delivery, Vol. 27, No. 4, October 2012, s. 1791-1799.
• [78] Mori E., Tsukioka H., Takamoto K., Miyamoto N., Kobayashi T, Kobayashi S., Okubo H., Latest diagnostic methods of gas-in-oil analysis for oil-filled transformers in Japan. Proceedings of 13th Int. Conf. on Dielectric Liquids, Nara, Japan, 20-25 Julay, 1999, s. 503-508.
• [79] Möllmann A., Analiza gazu zawartego w oleju w eksploatacji transformatorów. Międzynarodowa Konferencja Transformatorowa „Transformator’95”, Kołobrzeg, 29 maja-1 czerwca 1995.
• [80] Möllmann A., Pahlavanpour B., New guidelines for interpretation of dissolved gas analysis in oil – filled transformers. Electra No. 186, 1999, s. 31-51.
• [81] Morais D.R., Rolim J.G., A hybrid tool for detection of incipient faults in transformers based on dissolved gas analysis of insulating oil. IEEE Transactions on Power Delivery, Vol. 21, No. 2, April 2006, s. 673-680.
• [82] Morgan J.E., A guide to the interpretation of transformer fault gas data. Bulletin MS-25, Morgan & Schaffer Co.
• [83] Mosiński F., Program numeryczny do statystycznego opracowania wyników badań wysokonapięciowych. Przegląd Elektrotechniczny 4/1992, s. 83-85.
• [84] Mosiński F., Stankowski K., Program numeryczny do analizy wyników badań chromatograficznych zawartości gazów rozpuszczonych w oleju transformatora energetycznego. Energetyka 7/1992, s. 249-252.
• [85] Mosiński F., Galoch J., Zefirek. Opis programu. Łódź 1999.
• [86] Mosiński F., Piotrowski T., New statistical method for elaboration of DGA data. IEEE Trans. on Dielectrics and Electrical Insulation, Vol. 10, No. 2, April 2003, s. 260-265.
• [87] Mosiński F., Piotrowski T., Bednarek M., Karpiński J., Mończyk M., Analiza statystyczna wyników DGA dla przekładników olejowych. Materiały Konferencji Naukowo-Technicznej „Transformatory w eksploatacji”, Sieniawa, 23-25 kwietnia 2003, s. 95-102.
• [88] Mosiński F., Piotrowski T., Metody statystyki matematycznej w analizie DGA. Materiały V Międzynarodowego Seminarium Polsko-Ukraińskiego „Problemy elektroenergetyki”, Łódź, 11-12 czerwca 2007, s. 185-195.
• [89] Mosiński F., Piotrowski T., Statystyka DGA. Materiały VIII Konferencji Naukowo-Technicznej „Transformatory Energetyczne i Specjalne”, Kazimierz Dolny, 13-15 października 2010, s. 103-114.
• [90] Mościcka-Grzesiak H. (praca zbiorowa pod red.), Inżynieria wysokich napięć w elektroenergetyce tom I. Wyd. Politechniki Poznańskiej, Poznań 1996.
• [91] Muhamad N.A., Phung B.T., Blackburn T.R., Lai K.X., Comparative study and analysis of DGA methods for transformer mineral oil. Proceeding of IEEE PowerTech 2007, Lausanne, Switzerland, 1-5 July 2007, s. 45-50.
• [92] Muhamad N.A., Phung B.T., Blackburn T.R., Comparative study and analysis of DGA methods for mineral oil using fuzzy logic. Procs. of 8th Int. Power Engineering Conference, IPEC 2007, Singapore, 3-6 December 2007, s. 1301-1306.
• [93] Nemeth B., Laboncz S., Kiss I., Condition monitoring of power transformers using DGA and fuzzy logic. IEEE Electrical Insulation Conference, Montreal, Canada, 31 May-3 June 2009, s. 373-376.
• [94] Nemeth B., Laboncz S., Kiss I., Csepes G., Transformer condition analyzing expert system using fuzzy neural system. IEEE Int. Symposium on Electrical Insulation, San Diego, USA, 6-9 June 2010, ref. nr P-14.
• [95] Ning Q., Quan Y., Wang D., Chen J., Gao W., The application of fuzzy mathematics to transformer diagnosis expert system. 9th Int. Conf. on Properties and Applications of Dielectric Materials, Harbin, China, 19-23 July, 2009, s. 161-164.
• [96] Okubo H., Kobayashi S., Aoshima Y. Takagi H., Mori E., Ikeda M., Kisbi A., Electrical insulation diagnostic method and maintenance criteria for oil-immersed power transformers. Proceedings of 13th International Conference on Dielectric Liquids, Nara, Japan, 20-25 July, 1999, s. 372-377.
• [97] Olech W., Buchacz T., Olejniczak T., Wykorzystanie badań oleju w diagnostyce technicznej transformatorów. Materiały 3 Konferencji Naukowo-Technicznej „Transformatory energetyczne i specjalne”, Kazimierz Dolny, 11-13 października 2000, s. 201-209.
• [98] Olech W., Pawłowski D., Diagnostyka techniczna w zarządzaniu eksploatacją transformatorów wskazujących na usterki i uszkodzenia. Materiały 14 Konferencji Energetyki „Modernizacja – Rozwój – Wyzwania”, Zamek Książ, 7-9 września 2005, s. 201-216.
• [99] Olech W., Olejniczak H., Pawłowski D., Wykorzystanie wyników badań diagnostycznych w zarządzaniu eksploatacją transformatorów. Materiał Konferencji „Zarządzanie eksploatacją transformatorów” Wisła-Jawornik, 26-28 kwietnia 2006, s. 101-110.
• [100] Olech W., Olejniczak H., Buchacz T., Aktualne problemy dotyczące zagrożenia izolacji olejowo-papierowej transformatorów. Międzynarodowa Konferencja Transformatorowa „Transformator’09”, Toruń, 2-4 czerwca 2009.
• [101] Olejniczak H., Buchacz T., Bednarska B., Powstawanie gazów w transformatorach napełnionych olejem mineralnym niezwiązane z występowaniem uszkodzeń wewnętrznych. Energetyka 8-9/2008, s. 614-618.
• [102] Perrier C., Marugan M., Saravolac M., Beroual A., DGA comparison between ester and mineral oils. IEEE International Conference on Dielectric Liquids, Trondheim, Norway, 26-30 June 2011.
• [103] Piegat A., Modelowanie i sterowanie rozmyte. Akademicka Oficyna Wydawnicza EXIT, Warszawa 1999.
• [104] Piotrowski T., Statystyczna analiza zawartości gazów rozpuszczonych w oleju dla potrzeb diagnostyki transformatorów energetycznych. Rozprawa doktorska, Łódź 2001.
• [105] Piotrowski T., Wykorzystanie logiki rozmytej w diagnostyce transformatorów metodami DGA na przykładzie normy IEC-60599. Materiały Międzynarodowej Konferencji Transformatorowej „Transformator’05”, Pieczyska 17-19 maja 2005, s. 39-45.
• [106] Piotrowski T., Zastosowanie cieczy elektroizolacyjnych z wykorzystaniem olejów roślinnych w transformatorach energetycznych. Energetyka, z. tematyczny nr XI, 2007, s. 23-27.
• [107] Piotrowski T., Diagnozowanie uszkodzeń transformatora energetycznego na podstawie analizy DGA przeprowadzonej metodami ilorazowymi. Materiały V Międzynarodowego Seminarium Polsko-Ukraińskiego „Problemy Elektroenergetyki”, Łódź, 11-12 czerwca 2007, s. 193-198.
• [108] Piotrowski T., Diagnozowanie metodami DGA transformatorów energetycznych napełnionych olejami roślinnymi. Materiały V Lubuskiej Konferencji Naukowo-Technicznej „Innowacyjne Materiały i Technologie w Elektrotechnice”, Zdroisko k. Gorzowa Wlkp., 9-11 kwietnia 2008, s. 196-199.
• [109] Piotrowski T., Porównanie skuteczności rozpoznawania defektów transformatorów energetycznych przez różne metody DGA. Materiały 7 Konferencji Naukowo-Technicznej „Transformatory energetyczne i specjalne”, Kazimierz Dolny, 1-3 października, 2008, s. 237-247.
• [110] Piotrowski T., Bocheński B., Wartości typowe stężeń gazów rozpuszczonych w oleju dla różnych grup transformatorów eksploatowanych w Polsce. Materiały XVI Konferencji Energetyki „Energetyka: Innowacje – Rozwój – Perspektywy”, Wojanów k. Jeleniej Góry, 9-11 września 2009, s. 124-130.
• [111] Piotrowski T., Mosiński F., Bocheński B., Wykorzystanie statystyki matematycznej i elementów sztucznej inteligencji w diagnozowaniu transformatorów na podstawie pomiarów gazów rozpuszczonych w oleju. Raport z projektu badawczego KBN nr N N511 375535 realizowanego w latach 2008-2010, Łódź 2010.
• [112] Piotrowski T., Wykorzystanie sztucznych sieci neuronowych w celu poprawy skuteczności rozpoznawania defektów przez metody DGA. Materiały VIII Konferencji Naukowo-Technicznej „Transformatory Energetyczne i Specjalne”, Kazimierz Dolny, 13-15 października 2010, s. 243-250.
• [113] Piotrowski T., Zastosowanie SSN w diagnozowaniu transformatorów na podstawie analizy gazów rozpuszczonych w oleju. Przegląd Elektrotechniczny 11b/2010, s. 158-161.
• [114] Piotrowski T., Porównanie skuteczności rozpoznawania defektów transformato-rów na podstawie stężeń gazów rozpuszczonych w oleju przez SSN trenowaną z nadzorem i bez nadzoru. Materiały VII Lubuskiej Konferencji Naukowo- Technicznej „Innowacyjne Materiały i Technologie w Elektrotechnice”, Przyłęsko k. Gorzowa Wlkp. 18-20 kwietnia 2012, s. 115-116.
• [115] Piotrowski T., Weryfikacja skuteczności rozpoznawania defektów transformatorów olejowych przez wybrane metody DGA. Pomiary, Automatyka, Kontrola 2/2013, s. 129-132.
• [116] Piotrowski T., Zastosowanie samoorganizującej się sieci neuronowej do interpretacji pomierzonych stężeń gazów rozpuszczonych w oleju transformato-rowym. Przegląd Elektrotechniczny, 5/2013, s. 260-262.
• [117] PN-EN 60599:2010 Urządzenia elektryczne impregnowane olejem mineralnym w eksploatacji – Wytyczne interpretacji analizy gazów rozpuszczonych i wolnych.
• [118] Przybyłek P., Walczak K., Pruchnicki M., Interpretacja wyników analizy gazów rozpuszczonych w oleju z użyciem sztucznej sieci neuronowej w aspekcie oceny stanu transformatora energetycznego. Przegląd Elektrotechniczny 11b/2010, s. 275-278.
• [119] Ramowa Instrukcja Eksploatacji Transformatorów. Energopomiar – Elektryka, Gliwice 2012.
• [120] Rogers R.R., IEEE and IEC codes to interpret incipient faults in transformers, using gas in oil analysis. IEEE Trans. Electr. Insul. Vol. EI-13 No. 5, October 1978, s. 349-354.
• [121] Rutkowski L., Metody i techniki sztucznej inteligencji. Wydawnictwo Naukowe PWN, Warszawa 2005.
• [122] Saha T.K., Review of modern diagnostic techniques for assessing insulation condition in aged transformers. EEE Transactions on Dielectrics and Electrical Insulation, Vol. 10, No. 5, October 2003, s. 903-917.
• [123] Salami A., Pahlevani P., Neural Network Approach for Fault Diagnosis of Transformers. Int. Conference on Condition Monitoring and Diagnosis, Beijing, China, 21-24 April, 2008.
• [124] Singh J.D., Sood Y.R., Verma P., Review of various dissolved gas analysis (DGA) techniques for power transformer. The Icfai University Journal of Electrical and Electronic Engineering, Vol. 1, No. 4, 2008, s. 60-69.
• [125] Skowron A., Kozak R., Badanie olejów elektroizolacyjnych a stan techniczny transformatorów. Materiały 8 Konferencji Naukowo-Technicznej „Transformatory energetyczne i specjalne”, Kazimierz Dolny, 13-15 października 2010, s. 115-124.
• [126] Szczepaniak P.S., Advances in DGA-based diagnosis of power transformers – selected techniques. Problemy Eksploatacji, 2/2011, s. 189-199.
• [127] Szczepaniak P.S., Kłosiński M., Maximal margin classifiers applied to DGA-based diagnosis of power transformers. Przegląd Elektrotechniczny 2/2012, s. 100-104.
• [128] Schliesing H., Uberwachung von Transformatoren durch Untersuchung der im Oil gelosten Gase. Elektrizitatswirtschaft, No. 8, 1984.
• [129] Skubis J., Charakterystyka metody chromatografii gazowej stosowanej do badania transformatorów. Zeszyty Naukowe Wyższej Szkoły Inżynierskiej w Opolu, Elektryka z. 25, Opole 1986.
• [130] Skubis J., Wybrane zagadnienia z techniki i diagnostyki wysokonapięciowej. Oficyna Wydawnicza Politechniki Opolskiej, Opole 1998.
• [131] Su H. S., Li Q. Z., Transformer insulation fault diagnosis method based on fuzzy expert systems. 8th Int. Conf. on Properties and applications of Dielectric Materials, Bali, Indonesia, 26-30 June 2006, s. 343-346.
• [132] Su Q., A fuzzy logic tool for transformer fault diagnosis. Int. Conf. on Power System Technology, Perth, Australia, 4-7 December 2000, 265-268.
• [133] Su Q., Mi C., Lai L.L., Austin P., A fuzzy dissolved gas analysis metod for the diagnosis of multiple incipient faults in a transformer. IEEE Transaction on Power Systems, Vol. 15, No. 2, May 2000, s. 593-598.
• [134] Subocz J. (praca zbiorowa pod red.) Transformatory w eksploatacji. Wydawnictwo Energo-Complex, 2007.
• [135] Susaki Y., Nakamura O., Kawachi F., Yamoka M., Nishimura T., Kuriyama T., Medium-size distribution transformer diagnostics. Electrical Engineering in Japan, Vol. 117, No. 1, 1996, s. 85-95.
• [136] Szuta J., Analiza rozpuszczonych gazów w oleju jako metoda badania wolnorozwijających się defektów w transformatorach olejowych. Energopomiar-Elektryka, Gliwice 1972.
• [137] Szymańska M., Skowron A., Kozak R., Diagnostyka transformatorów mocy – weryfikacja analizy DGA z przeprowadzoną rewizją wewnętrzną. Materiały 7 Konferencji Naukowo-Technicznej „Transformatory energetyczne i specjalne”, Kazimierz Dolny, 1-3 października 2008, s. 89-102.
• [138] Tang W.H., Goulermas J.Y., Wu Q.H., Richardson Z.J., Fitch J., A Probabilistic classifier for transformer dissolved gas analysis with a particle swarm optimizer. IEEE Transactions On Power Delivery, Vol. 23, No. 2, April 2008, s. 751-759.
• [139] Tang W.H., Lu Z., Wu Q.H., A Bayesian network approach to power system asset management for transformer dissolved gas analysis. 3rd Int. Conf. on Electric Utility Deregulation and Restructuring and Power Technologies, Nanjing, China, 6-9 April 2008, s. 1460-1466.
• [140] Tang W.H., Wu Q.H., Condition monitoring and assessment of power transformers using computational intelligence. Springer, London 2011.
• [141] Technical report, Transformers: basics, maintenance, and diagnostics. US Department of the Interior Bureau of Reclamation, 2005.
• [142] Thang K.F., Aggarwal R.K., McGrail A.J., Esp D.G., Analysis of power transformer dissolved gas data using the self-organizing map. IEEE Transactions on Power delivery, Vol. 18, No. 4, October 2003, s. 1241-1248.
• [143] Tu Y., Qian Z., DGA based insulation diagnosis of power transformer via ANN. Procs. of 6th Int. Conf. on Properties and Applications of Dielectric Materials, Xi’an, China, 21-26 June 2000, s. 133-136.
• [144] Vanegas O., Mizuno Y., Naito K., Diagnosis of oil-insulated power apparatus by using neural network simulation. IEEE Transactions on Dielectrics and Electrical Insulation, Vol. 4, No. 3, June 1997, s. 290-299.
• [145] Wang M., Vandermaar A.J., Srivastava K.D., Review of condition assessment of power transformers in service. IEEE Electrical Insulation Magazine, Vol. 18, No. 6, Novenber/December 2002, s. 12-25.
• [146] Wang M.-H., Extension neural network for power transformer incipient fault diagnosis. IEE Proc. - Gener. Transm. Distrib., Vol. 150, No. 6, November 2003, s. 679-685.
• [147] Wang Y., Lu F., Li H., Fault diagnosis method for power transformer based on Bayesian network and dissolved gas analysis. Procs. of 14th Int. Symposium on high Voltage Enegineering, Beijing, China, 25-29 August 1995, ref. nr F-34.
• [148] Wang Y., Lu F., Li H., The fault diagnosis method for electrical equipment using Bayesian network. 1st Int. Workshop on Education Technology and Computer Science, Wuhan, China, 7-8 March 2009, s. 563-565
• [149] Wilputte R., Randoux M., Lessons drawn from the routine testing of insulating oils used in power transformers on the Belgian networks. CIGRE, paper 12-07, Sess. 27th August - 4th September 1986.
• [150] Wodziński J., Wysokonapięciowa technika prób i pomiarów. Wydawnictwo PWN, Warszawa 1997.
• [151] Yang F., Xi J., Zhida L., A neural network approach to power transformer fault diagnosis. Int. Conf. on Electrical Machines and Systems, Beijing, China, 9-11 November 2003, s. 351-354.
• [152] Yu J., Zhou H., Fault diagnosis model of transformer based on immune algorithm. IEEE/PES Transmission and Distribution Conference & Exhibition: Asia and Pacific, Dalian, China, 15-17 August 2005, s. 1-4.
• [153] Zhang Y., Ding X., Liu Y., Griffin P.J., An artificial neural network approach to transformer fault diagnosis. IEEE Transactions on Power Delivery, Vol. 11, No. 4, October 1996, s. 1836-1841.
• [154] Zhang W., Li Y., Wu X., Wang Z., Bo H., Shi K., The application of rough set theory in condition assessment on power transformer. Procs. of 14th Int. Symposium on High Voltage Engineering, Beijin, China, 25-29 August 2005, ref. nr F-33.
• [155] Zhao W., Zhu Y., Rough Set Theory for Data Mining for Fault Diagnosis on Power Transformer. IEEE Region 10 Conference TENCON 2006, Hong Kong, 14-17 November 2006, s. 1-4.
• [156] Zhu Y.-L., Wang F., Geng L.-Q., Transformer fault diagnosis based on naive Bayesian classifier and SVR. IEEE Region 10 Conference TENCON 2006, Hong Kong, China, 14-17 November 2006, s. 1-4.
• [157] Zieliński J.S., Zastosowanie narzędzi sztucznej inteligencji w eksploatacji transformatorów. Konferencja Naukowo-Techniczna „Transformatory energetyczne i specjalne”, Kazimierz Dolny, 11-13 października, 2000, s. 129-135.