بخشی از مقاله
خلاصه
تجزیه وتحلیل گازهای محلول در روغن تپ چنجر با استفاده از گازکروماتوگرافی - - GC جهت تشخیص عیوب تپ چنجر متفاوت از روش تجزیه وتحلیل روغن ترانسفورماتورها جهت تشخیص عیوب ابتدایی ترانسفورماتورها می باشد. در این مقاله ضمن بررسی اجمالی برروی خطاهای تشکیل شده در تپ چنجروتجزیه وتحلیل گازهای محلول ، الگوریتم چندمرحله ای تشخیص وتفکیک خطاهای تپ جنجر با استفاده از سیستم استنتاج وفقی فازی-عصبی ANFIS ارائه شده است با توجه به محدودیت داده های عملیاتی وواقعی جهت آموزش شبکه، خصوصیات بارز این روش والگوریتم پیشنهادی، قدرت تعمیم دهی مناسب، سرعت همگرایی بالا ، دقت وقابلیت اطمینان بالای تشخیص وتفکیک عیوب تپ چنجر ترانسفورماتورهای قدرت می باشد.
-1مقدمه
روشهای تشخیص خطا در تپ چنجرهای Onload شامل مانیتورینگ درجه حرارت، عکسبرداری حرارتی مادون قرمز، اندازه گیری مقاومت کنتاکتها وتجزیه وتحلیل گازهای محلول در روغن می باشد در این راستا تشخیص عیب با استفاده از تحلیل گازهاروش متداول تری می باشد.گازهای محلول در روغن تپ چنجر مشابه گازهای محلول در روغن تانک اصلی ترانسفورماتور شامل گازهایی همچون هیدروژن - - H2 ، متان - - CH4 ،اتان - - C2H6 ،اتیلن - - C2H4 ،استیلن - - C2H2 ،مونوکسید کربن - - CO و دی اکسید کربن - - CO2 می باشد.[1] تجزیه وتحلیل گازهای محلول در روغن تپ چنجربا تجزیه وتحلیل گازهای محلول در تانک اصلی متفاوت می باشد. هدف اصلی از تجزیه وتحلیل گازها تشخیص شرایط نرمال و غیرنرمال وتفکیک عیوب موجود می باشد.
بااستفاده از گازهای حاصل وبه کمک تکنیک های صحیح میتوان عیوب تپ چنجر را تشخیص وباسرویس ونگهداری به موقع از بروز خطاهای شدید در آن جلوگیری نمود. لذا در این مقاله سعی شده است الگوریتم چند مرحله ای تشخیص وتفکیک خطاهای تپ چنجر با استفاده ازگازهای محلول و سیستم هوشمند استنتاج وفقی فازی- عصبی ANFIS ارائه شودخصوصیت بارز این روش با توجه به کمبود داده های واقعی، دقت وقابلیت اطمینان بالای تشخیص عیب در قیاس با روشهای دیگرهوشمندتشخیص عیب می باشد.
-2تجزیه وتحلیل عیوب تپ چنجر
ترانسفورماتورهای قدرت
عیوب تپ چنجر عمدتا بدلیل پوسیدگی وکهنگی بیش از اندازه کنتاکتها، افزایش مقاومت، افزایش درجه حرارت وکربونیزه شدن روغن می باشد.کربونهای ته نشین شده روی کنتاکتها خود باعث افزایش درجه حرارت آنها میشوداین مشکل تپ چنجر را اصطلاحا کک زدگی - Coking - می نامند. شایان ذکر است که عملکرد خیلی زیاد تپ چنجرباعث افزایش ذرات کربن درروغن ونهایتا ته نشین شدن ذرات برروی کنتاکتها میشودکه خود باعث افزایش حرارت ونتیجتا تشکیل نقطه گرم خواهد شد.اگرچه گازهای کلیدی در موقع تشکیل کک گازهایC2H6 و C2H4می باشد اما به اهمیت گاز C2H2 نیز بایستی توجه نمود.[ 5-7 ]
در بعضی مقالات راهکارهایی جهت تشخیص مشکل کک زدگی ارائه شده است.[5-7] کک زدگی نیز شامل سه مرحله کک زدگی ضعیف ،کک زدگی متوسط وکک زدگی شدید می باشد. در ترانسفورماتورهایی که روغن محفظه دایورترسوئیچ مجزا می باشد درصورت وجود آرک های شدید میزان گاز استیلن - C2H2 - به شدت بالا می رود و در صورتی که محفظه دایورترسوئیچ نشتی روغن به تانک اصلی داشته باشد درآزمایش گازکروماتوگرافی روغن تانک ممکن است اشتباها مشکل آرکینگ در ترانسفورماتورتشخیص داده شود.دراینصورت بایستی توجه نمود که درحالت عادی و یا وجود عیب درون ترانسفورماتور نسبت C2H2/H2 کمتر از یک می باشد اما در صورت نفوذ روغن محفظه دایورترسوئیچ به داخل تانک اصلی میزان این نسبت در حدود 2 تا 3 برابر خواهد بود. [2]
ساختار شبکه های فازی –عصبی ANFIS
در شبکه های تطبیقی عصبی-فازی از قانون اگر-آنگاه Takagia-Sugeno استفاده میشود. خروجی هر قانون فازی ترکیب خطی متغیرهای ورودی و مقادیر ثابت می باشد وخروجی نهایی میانگین وزنی هر یک از خروجی های قوانین میباشددر شکل 1ساختارکلی یک شبکه تطبیقی مشاهده میشود.
ساختارشبکه تطبیقی
اغلب سیستم های استنتاج فازی را می توان در سه دسته تقسیم بندی نمود .
نوع:1 خروجی کلی میانگین وزنی هر خروجی شامل قدرت آتش هر قانون و تابع عضویت خروجی می باشد تابع عضویت استفاده شده در این طرح یکنوا صعودی میباشد.
نوع2 :خروجی کلی فازی با کاربرد اپراتورmax برای خروجی فازی به دست می آید. طرح های مختلفی برای انتخاب خروجی دقیق نهایی پیشنهاد شده است که می توان به روشهای مرکز ناحیه - Center Of Area - ،نیمه ناحیه - - Bisector Of Area، میانگین حداکثری - Mean - Of Maximaومحکحداکثر - Maximum Criterion - اشاره کرد.
نوع:3دراین روش قوانین اگر-آنگاه فازی Takagia,Sugeno استفاده میشود .خروجی هر قانون ترکیب خطی متغیر های ورودی ومقادیر ثابت میباشد و خروجی نهایی میانگین وزنی هر یک از خروجی های قوانین میباشد.شکل - 2 الف - از الگوی نوع 3 برای دی فازی سازی بهره گرفته شده است و در ساختار شبکه فازی – عصبی نیز ازهمین الگو استفاده می شود .شکل
2 - ب - ساختار کلی شبکه فازی – عصبی و لایه های مختلف آن ترسیم شده است.بعلت مشکلات روش گرادیان یعنی کند بودن و افتادن درمینیمم های محلی روش آموزش ترکیبی - Hybrid - که میتواند سرعت فرآیند آموزشی را بسیار بالا ببرد، پیشنهاد شده است دوروش یادگیری گروهی - Batch - و روش یادگیری الگودریادگیری ترکیبی استفاده میشود. با استفاده از الگوریتم یادگیری ترکیبی در مسیر پیش رو ،سیگنال ها تا لایه چهارم به سمت جلو پیش می روند وپارامترهای نتیجه با تخمین حداقل مربعات شناسایی میشود در مسیر پس رو، نرخ خطا به سمت عقب منتشر می شود وپارامترهای پیش فرض با روش گرادیان نزولی بروزمیشوند. پارامترهای نتیجه شناسایی شده بهینه - درفضای پارامترهای نتیجه - تحت شرایطی که پارامترهای پیش فرض ثابت میشوند بهینه میباشند.
-4پارامترهای ارزیابی دقت آموزش وتست شبکه های طراحی شده
جهت ارزیابی دقت تست، همچنین بررسی وضعیت قدرت تعمیم دهی و درون یابی شبکه از معیارهای زیر استفاده شده است:
-1به دست آوردن متوسط مجموع مربعات خطا - - Mse -2 اندازه گیری خطا از روشRms خطای نسبی مطابق فرمول زیر:
-3 به دست آوردن متوسط درصد خطای مطلق طبق فرمول: که Yac مقدار واقعی و Ypr مقدار تخمینی و N تعداد کل داده ها است.
-4به دست آوردن متوسط دقت تست با استفاده از فرمول: N yAverage=1/N ∑ y - i - i=1 کهy - i - =1 می شود اگر دسته بندی خطا صحیح انجام شده باشد و y - i - =0 اگر دسته بندی خطا غلط انجام گیرد و N تعداد داده ها می باشد.
-5 آنالیز رگرسیون بین پاسخهای تخمین زده و خروجی واقعی که در واقع معیاری جهت نشان دادن میزان همبستگی آنها است. در این روش از سه پارامتر r,b,m استفاده می شود.که به ترتیب m شیب، b محل تلاقی و r میزان همبستگی رگرسیون است درصورتیکه ضرایبm و r به یک وضریب b به صفرنزدیک شود نشان دهنده همبستگی مناسب پاسخهای تخمینی با مقدار واقعی می باشد.
