Dissolved gas analysis based fuzzy logic feamework for power transformer asset management

• Autorzy: Aliyev Tural , Ibrahimov Jalal , Qracova Shahlal , Isgandarova Zarifa

Identyfikatory

DOI

10.15199/48.2024.08.38

Warianty tytułu

PL

Rozmyta logika oparta na analizie gazu rozpuszczonego do zarządzania aktywami transformatorów mocy

• Języki publikacji: EN

Abstrakty

EN

Dissolved Gas Analysis (DGA) is a vital tool for monitoring power transformer conditions. Despite its effectiveness, current interpretation techniques lack consistency and often rely on personnel experience, leading to varied conclusions for the same oil sample. This paper proposes a fuzzy logic approach to standardize DGA interpretation, aiming to establish a uniform method for critical transformer ranking and informed asset management decisions. The approach integrates existing DGA interpretation techniques into an expert model, enhancing reliability. The model, developed from 338 oil samples, offers a consistent and accurate basis for transformer condition assessment and asset management.

PL

Analiza rozpuszczonego gazu (DGA) jest niezbędnym narzędziem do monitorowania stanu transformatorów mocy. Pomimo swojej skuteczności, obecne techniki interpretacji nie są spójne i często opierają się na doświadczeniu personelu, co prowadzi do różnych wniosków dla tej samej próbki oleju. W niniejszym artykule zaproponowano podejście oparte na logice rozmytej w celu standaryzacji interpretacji DGA, mające na celu ustanowienie jednolitej metody klasyfikacji krytycznych transformatorów i świadomych decyzji dotyczących zarządzania aktywami. Podejście to integruje istniejące techniki interpretacji DGA w eksperckim modelu, zwiększając niezawodność. Model opracowany na podstawie 338 próbek oleju oferuje spójną i dokładną podstawę do oceny stanu transformatorów i zarządzania aktywami.

Słowa kluczowe

EN

dissolved gas analysis; transformer oil; fuzzy logic approach; asset management decision

PL

analiza gazów rozpuszczonych; olej transformatorowy; podejście logiki rozmytej

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2024
• Tom: R. 100, nr 8
• Strony: 185--188
• Opis fizyczny: Bibligr. 18 poz.,rys., tab.

Twórcy

autor

Aliyev Tural

• Azerbaijan State Oil and İndustry University, Baku, Azerbaijan

• https://orcid.org/0000-0003-0751-3952

autor

Ibrahimov Jalal

• Azerbaijan State Oil and İndustry University, Baku, Azerbaijan

• https://orcid.org/0000-0001-6435-3321

autor

Qracova Shahlal

• Azerbaijan State Oil and İndustry University, Baku, Azerbaijan

• https://orcid.org/0009-0004-3878-7328

autor

Isgandarova Zarifa

• Azerbaijan State Oil and İndustry University, Baku, Azerbaijan

Bibliografia

• 1. Deng, C., Zhang, Y., Wang, Y., & Li, J. (2020). A Comprehensive Review of Dissolved Gas Analysis Methods for Power Transformers: Challenges and Opportunities. Energies, 13*(19), 5043. [DOI: 10.3390/en13195043]
• 2. Li, J., Sun, C., Wei, Y., & Liu, G. (2021). A Novel Transformer Fault Diagnosis Model Based on Dissolved Gas Analysis and Deep Learning. Energies, 14*(6), 1501. [DOI: 10.3390/en14061501]
• 3. Morais, A. M., Faria, J. A., Morais, T., & Martins, P. (2021). Artificial Intelligence-Based Techniques for Fault Diagnosis in Power Transformers: A Review. Energies, 14*(12), 3670. [DOI: 10.3390/en14123670]
• 4. Gao, J., Li, J., Zhao, Y., & Lin, C. (2020). A Novel Fault Diagnosis Method for Power Transformer Based on an Improved Wasserstein Generative Adversarial Network. Energies, 13*(8), 1857. [DOI: 10.3390/en13081857]
• 5. Zhou, B., Liu, Y., Zhang, Y., & Li, Y. (2021). Power Transformer Fault Diagnosis Based on Dissolved Gas Analysis and Grey Relational Analysis. Energies, 14*(5), 1341. [DOI: 10.3390/en14051341]
• 6. Rios, M. A., Sandoval, J. C., & Valencia, J. F. (2021). Fault Diagnosis in Power Transformers Using Dissolved Gas Analysis and Machine Learning: A Review. Energies, 14*(5), 1222. [DOI: 10.3390/en14051222]
• 7. Cai, Y., Gu, C., Yang, F., & Zhang, J. (2020). Power Transformer Fault Diagnosis Based on Weighted k-Nearest Neighbor Algorithm Using Dissolved Gas Analysis. Energies, 13*(18), 4822. [DOI: 10.3390/en13184822]
• 8. Zhang, Y., & Tan, J. (2019). Power Transformer Fault Diagnosis Based on Dissolved Gas Analysis Using a Feature Fusion Network. Energies, 12*(23), 4492. [DOI: 10.3390/en12234492]
• 9. Zhang, J., & Han, X. (2018). Dissolved Gas Analysis of Transformer Oil by Gas Chromatography-Mass Spectrometry: A Critical Review. Energies, 11*(9), 2341. [DOI: 10.3390/en11092341]
• 10. Wang, Y., Wang, W., Li, C., & Han, J. (2018). Dissolved Gas Analysis of Transformer Oil Based on DGA-MF-ANN Integrated Technique. Energies, 11*(5), 1120. [DOI: 10.3390/en11051120]
• 11. Li, J., Ma, Y., Li, Y., & Li, H. (2018). A Novel Fault Diagnosis Method for Power Transformers Based on a Deep Convolutional Neural Network. Energies, 11*(11), 3030. [DOI: 10.3390/en11113030]
• 12. Liu, H., & Yu, D. (2017). A Novel Fault Diagnosis Model for Power Transformers Based on Dissolved Gas Analysis and Particle Swarm Optimization Algorithm. Energies, 10*(12), 1985. [DOI: 10.3390/en10121985]
• 13. Li, W., Guo, M., Yuan, Y., & Wang, J. (2017). Dissolved Gas Analysis in Transformer Oil Using Multiscale Weighted Permutation Entropy and Support Vector Machine. Energies, 10*(9), 1298. [DOI: 10.3390/en10091298]
• 14. Zhang, C., & Song, Y. (2016). A Novel Method for Fault Diagnosis of Power Transformers Based on Dissolved Gas Analysis and Ensemble Learning Algorithms. Energies, 9*(8), 623. [DOI: 10.3390/en9080623]
• 15. Wang, Y., & Wang, W. (2015). A Novel Fault Diagnosis Model for Power Transformers Based on Dissolved Gas Analysis and Decision Tree. Energies, 8*(10), 11712.
• 13. Электрооборудование и электроустановки. Методы измерения характеристик частичных разрядов. - ГОСТ20074-83.
• 14. Аксенов, Ю.П. Использование усовершенствованных методов электромагнитной локации разрядных явлений для определения объема ремонта трансформаторов / Ю.П. Аксенов, В.И. Завидей, И.В. Ярошенко // Электро. - 2004. - №5. - С. 19-24.
• 15. Forsthoffer, M. Forsthoffer’s Component Condition Monitoring. 1st ed. Oxford, Butterworth-Heinemann, 2018, 204 p. ISBN

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).