Reproducing of the humidity curve of power transformers oil using adaptive neuro-fuzzy systems

Автор(и)

DOI:

https://doi.org/10.20998/2074-272X.2021.1.02

Ключові слова:

силовий трансформатор, трансформаторне масло, целюлозна ізоляція, ANFIS, моделювання

Анотація

Вступ. Одним з параметрів, що визначають стан ізоляції силових трансформаторів, є ступінь вологості целюлозної ізоляції та трансформаторного масла. Сучасні системи неперервного контролю трансформаторного обладнання мають можливість накопичувати дані, які можуть бути використані для відтворювання динаміки вологості ізоляції при зміненні теплового режиму трансформатора. Метою роботи є відтворення кривої вологості трансформаторного масла за результатами вимірювання температури верхніх і нижніх шарів масла без необхідності прямого вимірювання вологовмісту спеціальними пристроями. Методологія. Побудова нечіткої нейронної мережі здійснюється із використанням адаптивних нейро-нечітких систем виводу ANFIS. Генерування моделі виконано за методами Grid Partition та Subtractive Clustering. Результати. Наведено порівняльний аналіз моделей ANFIS різної архітектури з точки зору підвищення точності відтворення кривої вологовмісту трансформаторного масла за результатами контролю температури його верхніх та нижніх шарів. При навчанні та тестуванні моделей ANFIS використовувались результати неперервного контролю трансформаторного масла протягом двох місяців експлуатації. Розглянуто двадцять чотири варіанти архітектури моделей ANFIS, які відрізняються функціями приналежності, кількістю термів кожної вхідної величини та кількістю циклів навчання. Представлені результати використання побудованих моделей ANFIS для відтворення кривої динаміки вологості масла протягом місяця експлуатації трансформатора. Точність відтворення кривої вологості масла оцінювалась шляхом розрахунку кореневої середньоквадратичної помилки та коефіцієнта детермінації. Результати тестувань свідчать про достатню адекватність запропонованих моделей. Значення кореневої середньоквадратичної помилки для моделі, побудованої із використанням методу Grid Partition, становило 0,49, а для моделі, побудованої з використанням методу Subtractive Clustering – 0,40509.

Біографії авторів

V.V. Vasilevskij, Національний університет «Запорізька політехніка», Україна

Ph.D., Senior Lecturer

M.O. Poliakov, Національний університет «Запорізька політехніка», Україна

Ph.D., Professor

Посилання

Saha T.K., Purkait P. Transformer Ageing: Monitoring and Estimation Techniques. John Wiley & Sons Singapore Pte. Ltd., 2017. doi: https://doi.org/10.1002/9781119239970.

Martin D., Saha T. A review of the techniques used by utilities to measure the water content of transformer insulation paper. IEEE Electrical Insulation Magazine, 2017, vol. 33, no. 3, pp. 8-16. doi: https://doi.org/10.1109/MEI.2017.7906158.

Liu J., Fan X., Zhang Y., Zheng H., Zhu M. Quantitative evaluation for moisture content of cellulose insulation material in paper/oil system based on frequency dielectric modulus technique. Cellulose, 2020, vol. 27. doi: https://doi.org/10.1007/s10570-019-02820-3.

Cheng J., Robalino D.M., Werelius P., Ohlen M. Advanced Technique for Moisture Condition Assessment in Power Transformers. Journal of International Council on Electrical Engineering, 2014, vol. 4. pp. 185-191. doi: https://doi.org/10.5370/JICEE.2014.4.3.185.

Sikorski W., Walczak K., Przybylek P. Moisture Migration in an Oil-Paper Insulation System in Relation to Online Partial Discharge Monitoring of Power Transformers. Energies, 2016, vol. 9, no. 12, p. 1082. doi: https://doi.org/10.3390/en9121082.

Andrienko P.D., Sakhno A.A., Konogray S.P., Skrupskaya L.S. Online Monitoring of the Insulation Water Content Characteristics of the Oilfilled Electrical Equipment. Electrical Engineering and Power Engineering, 2014, vol. 2, pp. 32-40. doi: https://doi.org/10.15588/1607-6761-2014-2-5.

Przybylek P. The influence of temperature and aging of cellulose on water distribution in oil-paper insulation. IEEE Transactions on Dielectrics and Electrical Insulation, 2013, vol. 20, no. 2, pp. 552-556. doi: https://doi.org/10.1109/TDEI.2013.6508758.

Jang J.-S.R. ANFIS: Adaptive-network-based fuzzy inference system. IEEE Transaction on Systems, Man, and Cybernetics, 1993, vol. 23, no. 3, pp. 665-685. doi: https://doi.org/10.1109/21.256541.

Prasojo R.A., Diwyacitta K., Suwarno, Gumilang H. Transformer paper expected life estimation using ANFIS based on oil characteristics and dissolved gases (Case study: Indonesian transformers). Energies, 2017, vol. 10, no. 8, p. 1135. doi: https://doi.org/10.3390/en10081135.

Aghaei J., Gholami A., Shayanfar H.A., Dezhamkhooy A. Dissolved gas analysis of transformers using fuzzy logic approach. European Transactions on Electrical Power, 2009, vol. 20, pp. 630-638. doi: https://doi.org/10.1002/etep.343.

Khan S.A., Equbal M.D., Islam T. ANFIS based identification and location of paper insulation faults of an oil immersed transformer. 2014 6th IEEE Power India International Conference (PIICON), Delhi, 2014, pp. 1-6. doi: https://doi.org/10.1109/poweri.2014.7117715.

Bin Yaacob M.M., Hussein A.R., Bin Othman M.F. DGA Method-Based ANFIS Expert System for Diagnosing Faults and Assessing Quality of Power Transformer Insulation Oil. Modern Applied Science, 2016, vol. 10, no. 1, pp. 13-22. doi: https://doi.org/10.5539/mas.v10n1p13.

Jahangir H., Hajipour E., Vakilian M., Akbari A., Blackburn T., Phung B.T. A method to capture and de-noise partial discharge pulses using discrete wavelet transform and ANFIS. International Transactions on Electrical Energy Systems, 2014, vol. 25, no. 11, pp. 2696-2717. doi: https://doi.org/10.1002/etep.1986.

Chiu S.L. Fuzzy model identification based on cluster estimation. Journal of Intelligent and Fuzzy Systems, 1994, vol. 2, no. 3, pp. 267-278. doi: https://doi.org/10.3233/ifs-1994-2306.

##submission.downloads##

Опубліковано

2021-02-23

Як цитувати

Vasilevskij, V. ., & Poliakov, M. . (2021). Reproducing of the humidity curve of power transformers oil using adaptive neuro-fuzzy systems. Електротехніка і Електромеханіка, (1), 10–14. https://doi.org/10.20998/2074-272X.2021.1.02

Номер

Розділ

Електричні машини та апарати