Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Przegląd Elektrotechniczny

2 2022

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Partial discharge detection in transformer winding using FRA analysis

Aissaoui Nassima, Houassine Hamza, Kabache Nadir

Przegląd Elektrotechniczny

2022

R. 98, nr 8

52--56

In power transformer, Partial Discharge is a cause of insulation failure, and thus, procedures for the area of PD sources are required. In this paper, an endeavor has been made to present frequency response analysis (FRA) for the discovery of PD by identifying the parameters of the winding by the particule swarm optimization (PSO), and giving its impedance according to the frequency. Comparison between the frequency responses of healthy winding and the affected one the is made to detect the failure associate to the partial discharge.

W transformatorach energetycznych wyładowania niezupełne są przyczyną uszkodzeń izolacji, dlatego konieczne jest opracowanie procedur wykrywania źródeł wyładowań niezupełnych. W niniejszym artykule podjęto próbę przedstawienia analizy odpowiedzi częstotliwościowej (FRA) w celu wykrycia PD poprzez identyfikację parametrów uzwojenia za pomocą optymalizacji rojem cząstek (PSO) i określenie jego impedancji w zależności od częstotliwości. Porównanie odpowiedzi częstotliwościowych uzwojenia zdrowego i uszkodzonego pozwala na wykrycie uszkodzenia związanego z wyładowaniem częściowym.

Classifying transformer winding fault type, location and extent using FRA based on support vector machine

Ezziane Hassane, Houassine Hamza, Moulahoum Samir, Chaouche Moustafa Sahnoune

Przegląd Elektrotechniczny

2022

R. 98, nr 1

23--33

In this paper, four common winding faults in power transformers (axial displacement (AD), serial capacitance variation (VSC), ground capacitance variation (VGC), open circuit (OC)) are simulated on a transformer winding model to classify the fault type, location and extent, by applying an intelligent methodology for diagnosing transformer faults, depends on building a comprehensive database by collecting Frequency Responses Analysis (FRA) related to health and faulty conditions and analyzing them using statistical and mathematical indicators, this base that can inventory all possible faults in terms of location and extent, which is used to train a support vector machine (SVM) classifier on the faults included in it, which is then able to classify any new data . The results of the tests showed that the proposed method is characterized by high accuracy in detecting the type of defect, determining its location and the extent of its occurrence, It also contributes to the development of the application of machine learning on transformers.

W tym artykule symulowane są cztery typowe uszkodzenia uzwojeń w transformatorach mocy (przemieszczenie osiowe (AD), szeregowa zmiana pojemności (VSC), zmiana pojemności uziemienia (VGC), obwód otwarty (OC)) na modelu uzwojenia transformatora w celu sklasyfikowania typu zwarcia , lokalizacji i zasięgu, poprzez zastosowanie inteligentnej metodologii diagnozowania uszkodzeń transformatorów, polega na zbudowaniu kompleksowej bazy danych poprzez zbieranie Analizy Odpowiedzi Częstotliwości (FRA) związanej ze stanami zdrowia i wadliwymi oraz analizowanie ich za pomocą wskaźników statystycznych i matematycznych, tej bazy, która może inwentaryzować wszystkie możliwych błędów pod względem lokalizacji i zasięgu, który jest używany do trenowania klasyfikatora maszyny wektora nośnego (SVM) na zawartych w nim błędach, który jest następnie w stanie sklasyfikować dowolne nowe dane. Wyniki badań wykazały, że proponowana metoda charakteryzuje się dużą dokładnością w wykrywaniu rodzaju defektu, określaniu jego lokalizacji oraz zasięgu jej występowania, przyczynia się również do rozwoju zastosowania uczenia maszynowego na transformatorach.