Ocena wpływu doboru częstotliwości widmowej gęstości mocy sygnału akustycznego na efektywność klasyfikacji podstawowych form wyładowań niezupełnych z użyciem metody klasteryzacji

• Autorzy: Borucki S. , Łuczak J.

Warianty tytułu

EN

Assessment of the impact of an acoustic signal power spectral density frequency selection on partial discharges basic forms classification efficiency with the use of data clustering method

• Języki publikacji: PL

Abstrakty

PL

Zaprezentowano wyniki analizy oceny wpływu doboru częstotliwości widmowej gęstości mocy sygnału emisji akustycznej, generowanej przez wyładowania niezupełne w izolacji papierowo-olejowej, na skuteczność zastosowania metody klasteryzacji do rozpoznawania tych wyładowań. W ramach przeprowadzonych badań analizie jakościowej poddano częstotliwości z eksperymentalnie dobranego zakresu od 10 kHz do 990 kHz oraz ustaloną w wyniku wcześniejszych badań metodę klasteryzacji Warda i funkcję podobieństwa (metrykę) w postaci odległości Mahalanobisa. Celem przeprowadzonej analizy było wyszukanie pary częstotliwości, dla której osiągnięty zostanie najwyższy stopień odtworzenia oryginalnego rozkładu danych pomiarowych w drodze klasteryzacji. Stosowne analizy i symulacje przeprowadzono przy użyciu środowiska obliczeniowego Matlab i dostępnych w nim procedur. W ramach przeprowadzonych badań analizowano wyniki serii pomiarów EA generowanych przez wybrane trzy podstawowe formy WNZ, które uzyskano w warunkach laboratoryjnych przy użyciu układów iskierników modelujących defekty izolacji papierowo-olejowej transformatorów energetycznych.

EN

Presented are assessment analysis results of the impact that spectral density frequency selection of the generated by partial discharges in an oil-paper insulation acoustic emission signal power has on application efficiency of the data clustering method for identification of these discharges. Within the framework of the conducted research a quality analysis was carried out of frequencies from an experimentally selected range of 10 kHz to 990 kHz, then of the established as a result of previous studies Ward data clustering method and also of a similarity function (metrics) in the form of Mahalanobis distance. The aim of the conducted analysis was to find a pair of frequencies for which the highest reconstruction degree of original measurement data distribution could be reached in the way of data clustering. Appropriate analyses and simulations were conducted with the use of Matlab computing environment and procedures that are accessible there. Analysed were also results of measurement series of acoustic emissions (EA) generated by three basic forms of partial discharges (WNZ) which were obtained in laboratory conditions by using spark gap systems modelling oil-paper insulation faults in power transformers.

Słowa kluczowe

PL

olejowe transformatory energetyczne; badania metodą klasteryzacji; identyfikacja sygnałów emisji akustycznej

EN

oil-immersed power transformers; data clustering research method; acoustic emission signal identification

• Wydawca: Oficyna Wydawnicza Energia [Stowarzyszenie Elektryków Polskich - COSiW]
• Czasopismo: Energetyka
• Rocznik: 2017
• Tom: nr 7
• Strony: 448--452
• Opis fizyczny: Bibliogr. 8 poz., rys., tab.

Twórcy

autor

Borucki S.

• Politechnika Opolska, Instytut Elektroenergetyki i Energii Odnawialnej

autor

Łuczak J.

• Politechnika Opolska, Instytut Elektroenergetyki i Energii Odnawialnej

Bibliografia

• [1] Boczar Т., Możliwość zastosowania do opisów sygnałów emisji akustycznej od wyładowań niezupełnych analizy statystycznej i cyfrowych metod przetwarzania sygnałów, Oficyna Wydawnicza Politechniki Opolskiej, Opole 2003.
• [2] Borucki S., Boczar T, Cichoń A., Lorenc M., The evaluation of neural networks application for recognizing single-source PD forms generated in paper-oil insulation systems based on the AE signal analysis, European Physical Journal ST, 2007, vol. 154, pp. 23-29.
• [3] Skubis J., EA w badaniach izolacji urządzeń elektroenergetycznych, IPPT-PAN, Studia i Monografie nr 99, Opole 1998.
• [4] Boczar Т., Identification of a specific type of PD form AE frequency spectra, IEEE Transaction on Dielectric Electrical Insulation, 2001, vol. 8. pp. 598-606.
• [5] Fuhr J., Procedure for identification and localization of dangerous partial discharges sources in power transformers", IEEE Transaction on Dielectric Electrical Insulation, 2005, vol. 12, pp. 1005-1014.
• [6] Lalitha E. M., Satish L., Wavelet analysis for classification of multi-source partial discharge patterns, Transaction on Dielectric Electrical Insulation, 2002, vol. 7, pp. 40-47.
• [7] Krzyśko M., Wołyński W., Górecki Т., Skorzybut M., Systemy uczące się. Rozpoznawanie wzorców, analiza skupień i redukcja wymiarowości, WNT, Warszawa 2008.
• [8] Borucki S., Łuczak J., Zmarzły D., Using clustering methods for the identification of acoustic emission signals generated by the selected form of partial discharge in oil-paper insulation, Materiały konferencji 46th Winter School on Wave and Quantum Acoustics - 13th Winter Workshop on Acoustoelectronics, Szczyrk, 27th February - 2nd March 2017.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).