چکیده مقاله
ترانسفورماتورهای قدرت به عنوان یکی از حیاتی ترین و گران قیمت ترین دارایی ها در شبکه های انتقال و توزیع انرژی الکتریکی، نقشی بی بدیل ایفا می کنند بروز خطای پیش بینی نشده در این تجهیزات می تواند منجر به خاموشی های گسترده، خسارات اقتصادی هنگفت و مخاطرات ایمنی شود از این رو، نگهداری پیش بینانه Predictive Maintenance و تخمین دقیق عمر باقیمانده مفید Remaining Useful Life RUL برای مدیریت بهینه دارایی ها و افزایش قابلیت اطمینان شبکه ضروری است روش های سنتی پیش بینی RUL اغلب بر یک منبع داده واحد، مانند تحلیل گازهای محلول در روغن DGA ، تکیه دارند که قادر به شناسایی تمامی مدهای خطا، به ویژه عیوب مکانیکی، نیستند این مقاله یک چارچوب نوآورانه و جامع برای پیش بینی دقیق RUL ترانسفورماتورهای قدرت ارائه می دهد که بر ادغام هوشمند داده های شیمیایی DGA و مکانیکی آنالیز ارتعاشات استوار است در رویکرد پیشنهادی، برای اولین بار از تکنیک های بینایی کامپیوتر جهت استخراج ویژگی های غنی از سیگنال های ارتعاشی استفاده می شود؛ بدین صورت که سیگنال های ارتعاشی یک بعدی به نمایش های دوبعدی زمان فرکانس مانند اسپکتروگرام تبدیل شده و سپس یک شبکه عصبی کانولوشنی CNN برای استخراج ویژگی های پنهان از این تصاویر به کار گرفته می شود در گام بعد، یک مدل مبتنی بر شبکه عصبی گرافی GNN برای مدل سازی ساختار پیچیده و روابط متقابل بین اجزای مختلف ترانسفورماتور مانند سیم پیچ ها، هسته و سنسورها طراحی می شود این مدل گراف محور، ویژگی های استخراج شده از DGA و آنالیز ارتعاشات را به عنوان ویژگی های گره ها دریافت کرده و با انتشار اطلاعات در سراسر گراف، وابستگی های فضایی زمانی پیچیده را فرا می گیرد این رویکرد یکپارچه، با تلفیق اطلاعات مکمل از منابع داده ناهمگون و درک عمیق از فیزیک سیستم، قادر است پیش بینی بسیار دقیق تر و قابل اعتمادتری از RUL ارائه دهد انتظار می رود این متدولوژی جدید، پارادایم موجود در پایش وضعیت و مدیریت سلامت ترانسفورماتورهای قدرت را متحول سازد
کلیدواژهها
نویسندگان
سید داود کمالی نجات
فارغ التحصیل کارشناسی مهندسی تکنولوژی برق شبکه های انتقال و توزیع، دانشگاه تربیت شهید رجایی تهران ایران
شیوه ارجاع
کمالی نجات، سید داود،1404،پیش بینی دقیق عمر باقیمانده (RUL) ترانسفورماتورهای قدرت با ادغام داده های DGA و آنالیز ارتعاشات به کمک بینایی کامپیوتر و شبکه های عصبی گرافی (GNN)،بیست و هفتمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک،شیروان
ارائهشده در
مجموعه مقالات بیست و هفتمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک24 شهریور 1404 · شیروان