Интерпретация результатов анализа частотной характеристики трансформатора с использованием новой методологии, основанной на перекрестной энтропии.

Научные отчеты, том 13, Номер статьи: 6604 (2023) Цитировать эту статью

374 доступа

1 Альтметрика

Подробности о метриках

Дефекты трансформатора можно выявить с помощью FRA (анализа частотной характеристики), который является перспективным методом диагностики. Несмотря на стандартизацию методики измерения FRA, интерпретация ее результатов все еще остается областью исследований. Поскольку разные типы неисправностей могут быть идентифицированы в различных частотных границах сигнатур FRA, в этом вкладе необходимо определить возможные взаимосвязи между конкретными отказами и частотными диапазонами. С этой целью реальный трансформатор используется для проведения основных испытаний, которые включают как исправные, так и неисправные условия (осевое смещение (AD), радиальную деформацию (RD) и короткое замыкание (SC)). Чтобы определить эффективные характеристики по полученным трассировкам частотной характеристики и повысить точность интерпретации таких трасс, демонстрируется новая мера гиперболической нечеткой перекрестной энтропии (FCE), которая затем используется с целью распознавания и классификации дефектов обмотки трансформатора в заранее определенных диапазонах частот. . После нормализации результатов FRA трансформатора при исправных и различных неисправных состояниях нижние границы таких реакций были извлечены и затем использованы для построения желаемой формы нечетких наборов исправных и неисправных состояний. Затем предлагается новая гиперболическая методология распознавания и классификации неисправностей обмоток, основанная на измерениях FCE, на основе самых высоких и самых низких значений измерений FCE. Наивысшее значение измерения FCE между нечеткими наборами состояний исправности и неисправности, таких как AD, RD и SC, предназначено для подтверждения возникновения неисправностей обмотки в подходящем диапазоне частот. Предлагаемая методология обеспечивает разумную интерпретацию сигнатуры FRA и точную классификацию неисправностей обмоток, поскольку она может эффективно различать как исправные, так и неисправные состояния в желаемых диапазонах частот. Эффективность предложенных подходов проверяется и сравнивается путем применения экспериментальных данных после выделения признаков.

Трансформаторы электросетей являются необходимым, но дорогостоящим оборудованием. В течение срока службы трансформаторы подвержены механическим или электрическим изменениям, таким как деформация обмотки, ее перемещение или переворот1. Чтобы предотвратить катастрофические отказы трансформатора, дефекты обмоток необходимо выявлять как можно раньше2. По причинам, изложенным выше, мониторинг рабочего состояния трансформатора стал популярен во всем мире3. В настоящее время предлагается множество теоретических и практических методов диагностики электрических и механических неисправностей обмоток. В последние годы для проверки состояния трансформаторов использовался метод FRA. Для выявления любых расхождений между подписью отпечатка пальца и подписью FRA4 можно использовать сравнительные методы, такие как метод передаточной функции (TF). Неисправности обмотки, такие как осевое смещение (AD), короткое замыкание (SC) и радиальная деформация (RD), слишком распространены5. Сравнение сигнатур FRA может указать место, серьезность и тип неисправности трансформатора, если возникает какая-либо из вышеупомянутых проблем. В результате это сравнение в значительной степени опирается на индивидуальный опыт, а не на устоявшиеся и широко принятые кодексы. На данный момент интерпретация результатов измерений ОЛР не стандартизирована, несмотря на то, что разработаны действительные критерии6. Таким образом, в этой исследовательской работе был разработан, протестирован и оценен новый метод, основанный на нечеткой мере перекрестной энтропии для разумной интерпретации спектра FRA.

Возможности FRA по обнаружению неисправностей в трансформаторах постоянно расширяются в результате растущего использования этой технологии. FRA теперь может обнаружить большее количество проблем с трансформаторами, чем когда-либо прежде. Интерпретация сигнатур FRA широко изучалась7,8,9, но достоверный анализ следов FRA остается сложной исследовательской задачей. Концепции анализа контролепригодности и параметрических неисправностей имеют большое значение в области диагностики неисправностей аналоговых схем на основе FRA. Общее количество параметров тестируемой системы называется степенью тестируемости. Неисправности можно разделить на параметрические и катастрофические. В данном исследовании рассматриваются параметрические неисправности, особенно отклонение значений параметров от определенного диапазона допуска. Для этого типа неисправностей используются методы диагностики, называемые симуляцией после испытания. В этих методах значения элементов идентифицируются с использованием взаимосвязей ввода-вывода и сравнения откликов схемы. В результате этого сравнения получается набор уравнений. Эти уравнения составляют уравнения обнаружения неисправностей, которые считают действительные значения параметров неизвестными. В проверяемой схеме проверяемость обеспечивается степенью разрешимости этих уравнений. Поэтому необходимы усилия по локализации необнаружимых неисправностей, чтобы избежать напрасной траты ресурсов и времени. Было обнаружено, что описанные подходы затрудняют достижение желаемых целей для повышения точности интерпретации полученных кривых частотной характеристики и определения эффективных характеристик таких трасс. На данный момент существует множество подходов к интерпретации FRA, в том числе с использованием моделирования электрических моделей, искусственного интеллекта и математики. Первый способ использует несколько частей схемы для представления каждой секции обмотки10. Во-первых, изменения в конструкции трансформатора преобразуются в соответствующие модификации компонентов схемы. В результате различные части затем включаются в модель схемы для анализа11. У этого метода есть несколько недостатков12. Фундаментальной проблемой модели схемы является сложность учета механических неисправностей. Чтобы объяснить кривые FRA, обычно используется анализ методом конечных элементов (FEA), который обычно используется для создания аналогичной электрической модели обмотки трансформатора13. Кривую FRA за пределами 1 МГц можно изучить с помощью гибридной модели Чжана и FEA14. С другой стороны, поиск точной модели обмотки по частотной характеристике остается сложной задачей.

|x_{i} \in U} \right)\) where \(\mu_{{P^{a} }} \left( {x_{i} } \right):U \in \left[ {0,1} \right]\) refers to as membership function and satisfies \(0 \le \mu_{{P^{a} }} (x_{i} ) \le 1\). Also, the complement \(C\left( {P_{FS}^{a} } \right)\) of the fuzzy set \(P_{FS}^{a} \in U\) is an object represented by \(C\left( {P_{FS}^{a} } \right) = \left( {x_{i} ,1 - \mu_{{P^{a} }} (x_{i} ) > |x_{i} \in U} \right)\)./p> |x_{i} \in U} \right)\) and \(Q_{FS}^{a} = \left( { < x_{i} ,\mu_{{Q^{a} }} \left( {x_{i} } \right) > |x_{i} \in U} \right)\) are any two fuzzy sets in \(U = \left( {x_{1} ,x_{2} ,...,x_{n} } \right)\) which are quantified by membership functions \(\mu_{{P^{a} }} \left( {x_{i} } \right),\mu_{{Q^{a} }} \left( {x_{i} } \right):U \to \left[ {0,1} \right]\) with the condition \(0 \le \mu_{{P^{a} }} \left( {x_{i} } \right),\mu_{{Q^{a} }} \left( {x_{i} } \right) \le 1.\) Then, a function \(H_{CE} :F\left( U \right) \times F\left( U \right) \to Rz^{ + }\) is called as symmetric fuzzy cross entropy29,30 based on two fuzzy sets \(P_{FS}^{a}\) and \(Q_{FS}^{a}\) if/p> |x_{i} \in U} \right)\) and \(Q_{FS}^{a} = \left( { < x_{i} ,\mu_{{Q^{a} }} \left( {x_{i} } \right) > |x_{i} \in U} \right)\) are two fuzzy sets in \(U = \left( {x_{1} ,x_{2} ,...,x_{n} } \right).\) Set \(T_{0} = \mu_{{P^{a} }} \left( {x_{i} } \right) + \mu_{{Q^{a} }} \left( {x_{i} } \right),T_{1} = \mu_{{p^{a} }}^{2} \left( {x_{i} } \right) + \mu_{{Q^{a} }}^{2} \left( {x_{i} } \right),T_{2} = \sqrt {\mu_{{P^{a} }} \left( {x_{i} } \right)} + \sqrt {\mu_{{Q^{a} }} \left( {x_{i} } \right)} ,T_{3} = \left( {1 - \mu_{{P^{a} }} \left( {x_{i} } \right)} \right)^{2} + \left( {1 - \mu_{{Q^{a} }} \left( {x_{i} } \right)} \right)^{2} ; T_{4} = \sqrt {1 - \mu_{{P^{a} }} \left( {x_{i} } \right)} + \sqrt {1 - \mu_{{Q^{a} }} \left( {x_{i} } \right)} ,T_{5} = \sqrt {\mu_{{P^{a} }} \left( {x_{i} } \right)\mu_{{Q^{a} }} \left( {x_{i} } \right)} .\)/p>

600, 100–600, and < 100 kHz, respectively./p> 600, 100–600, and < 100 kHz, respectively. In this research, 30 levels of fault are simulated that the first, second, and third ten fault levels present the SC, AD, and RD faults, respectively, which these faults can be represented by the set \(A_{1} = \left( {F_{1} ,F_{2} ,...,F_{10} } \right).\), \(\,A_{2} = \left( {F_{11} ,F_{12} ,...,F_{20} } \right)\), \(A_{3} = \left( {F_{21} ,F_{22} ,...,F_{30} } \right).\) We have extracted the truth membership degrees from the normalized frequency responses of short circuit, AD and RD faults types in the low, medium and high frequency ranges. The results are displayed in Table 5./p>

AD ≈ RD". Furthermore, in Table 6, a comparative analysis of the results presented reveals that existing Bhandari and Pal measures23, and Shiang and Jiang measures23 also return the same fault identified classification order as returned by our proposed FCE measure. This comparison can be seen in Fig. 6b. This justifies the compatibility and reliability of the proposed FCE measure./p> SC ≈ RD". Furthermore, in Table 6, a comparative analysis of the results presented reveals that existing Bhandari and Pal23, and Shiang and Jiang23measures also return the same fault identified classification order as returned by our proposed FCE measure. Figure 7-b shows this comparison between the proposed and mentioned methods in the middle frequency. This justifies the compatibility and reliability of the proposed FCE measure./p> AD ≈ SC". This comparison in the high frequency is illustrated in Fig. 8b. This justifies the compatibility and reliability of the proposed FCE measure./p> 600, 100–600 and < 100 kHz to better interpret. Then, a new FCE-based approach is offered on the basis of highest and lowest cross entropy measure values. The highest FCE measure values between the fuzzy sets of healthy and faulted circumstances is designated to the detection of occurrence and type of fault. Further examination of the suggested methods results reveals that: (a) In fault occurrence diagnosis, the suggested approach can detect correctly whether the transformer is healthy or faulty, (b) In diagnosing the type of fault, all conditions of the fault are identified correctly, (c) Various fault types of the winding place in various cluster, and there are clear boundaries between them that shows the separability of three types of the winding deformation fault, and (d) The suggested methodology is more accurate and sensitive to mentioned defects than FRA./p> AD ≈ RD". This indicates that transformer winding faults in the low frequency band occur due to the defects in short circuits. Furthermore, in low frequency band, there is low possibility of AD and RD winding faults in the transformer. The results obtained through the suggested hyperbolic fuzzy cross entropy-based method have been compared those obtained from the existing fuzzy cross entropy measures. It is revealed that the our proclaimed FCE measure-based distinction and taxonomy of transformer winding faults methodology is compatible and reliable. The proposed approaches' performance is tested and compared by applying the experimental data after feature extraction. The efficiency of the suggested hyperbolic symmetric fuzzy cross entropy is justified by categorizing the transformer faults with the help of existing Bhandari and Pal and Shiang and Jiang asymmetric fuzzy cross entropy measures. A powerful predictive tool can be found in the strategy described here./p>

Блог

Интерпретация результатов анализа частотной характеристики трансформатора с использованием новой методологии, основанной на перекрестной энтропии.