Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: gaz rozpuszczony w oleju

Sortuj według:

Ogranicz wyniki do:

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

Piotrowski T.

Zeszyty Naukowe. Rozprawy Naukowe / Politechnika Łódzka

2013

Z. 476

1--130

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.

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.