چه روش‌های تحلیلی را می‌توان برای داده‌های حاصل از مانیتور جریان اتصال زمین هسته ترانسفورماتور استفاده کرد؟

من به عنوان تامین کننده مانیتورهای جریان زمینی هسته ترانسفورماتور، مدتی است که عمیقاً در زمینه مانیتورینگ ترانسفورماتور درگیر بوده ام. داده های جمع آوری شده از این مانیتورها معدن طلایی از اطلاعات در مورد سلامت و عملکرد ترانسفورماتورها است. در این وبلاگ، من به روش های تجزیه و تحلیل مختلفی که می توان برای این داده ها استفاده کرد، می پردازم.

زمان - تجزیه و تحلیل سری

یکی از اساسی‌ترین و در عین حال قدرتمندترین روش‌های تجزیه و تحلیل داده‌های یک مانیتور جریان زمینی هسته ترانسفورماتور، تحلیل سری زمانی است. این روش شامل بررسی چگونگی تغییر جریان زمین در طول زمان است. با ترسیم مقادیر فعلی در برابر زمان، می‌توانیم روندها، الگوها و ناهنجاری‌ها را شناسایی کنیم.

به عنوان مثال، افزایش پیوسته جریان زمین در یک دوره زمانی می تواند نشان دهنده یک مشکل در حال توسعه در هسته ترانسفورماتور باشد. شاید یک خرابی تدریجی عایق یا نقص در سیستم زمین وجود داشته باشد. از سوی دیگر، افزایش ناگهانی جریان می تواند نشانه ای از یک رویداد کوتاه مدت باشد، مانند یک اضافه ولتاژ گذرا یا یک خطای داخلی جزئی.

تجزیه و تحلیل سری زمانی نیز می تواند به ما در پیش بینی مقادیر فعلی آینده کمک کند. با استفاده از مدل‌های آماری مانند ARIMA (Autoregressive Integrated Moving Average)، می‌توانیم پیش‌بینی کنیم که جریان زمین در آینده نزدیک چقدر خواهد بود. این می تواند برای برنامه ریزی تعمیر و نگهداری بسیار مفید باشد. اگر بتوانیم پیش‌بینی کنیم که جریان زمین در عرض چند هفته از حد مطمئن فراتر می‌رود، می‌توانیم تعمیر و نگهداری را قبل از وقوع یک خرابی بزرگ برنامه‌ریزی کنیم.

آستانه - تجزیه و تحلیل مبتنی بر

تحلیل مبتنی بر آستانه یکی دیگر از روش های ساده اما موثر است. در این روش، حد بالا و پایین را برای جریان زمین تعیین می کنیم. این حدود بر اساس مشخصات ترانسفورماتور و استانداردهای صنعت تعیین می شود.

هنگامی که جریان نظارت شده از آستانه بالایی فراتر رود، این نشانه واضحی است که چیزی اشتباه است. این می تواند به دلایل مختلفی مانند اتصال کوتاه هسته، جریان های سرگردان بیش از حد، یا مشکلات اتصال به زمین باشد. به طور مشابه، اگر جریان به زیر آستانه پایین بیاید، ممکن است مدار باز را در مسیر زمین نشان دهد.

پیاده سازی این روش آسان است و می تواند در صورت بروز مشکل احتمالی، یک هشدار سریع ارائه دهد. با این حال، محدودیت های خود را دارد. آستانه ها ثابت هستند و ممکن است همه شرایط عملیاتی ممکن را در نظر نگیرند. به عنوان مثال، در طول یک تغییر ناگهانی در بار روی ترانسفورماتور، جریان زمین ممکن است به طور موقت از آستانه تجاوز کند بدون اینکه مشکل واقعی را نشان دهد.

تجزیه و تحلیل فرکانس

تجزیه و تحلیل فرکانس شامل بررسی اجزای فرکانس جریان زمین است. سیگنال فعلی را می توان با استفاده از تکنیک هایی مانند تبدیل فوریه سریع (FFT) به اجزای فرکانس مختلف تجزیه کرد.

انواع مختلف خطاها در هسته ترانسفورماتور می توانند علائم فرکانس مشخصی را ایجاد کنند. به عنوان مثال، یک اتصال کوتاه هسته ممکن است فرکانس های هارمونیک ایجاد کند که در شرایط عملیاتی عادی وجود ندارند. با تجزیه و تحلیل طیف فرکانس جریان زمین، می توانیم وجود این خطاها را در مراحل اولیه تشخیص دهیم.

تجزیه و تحلیل فرکانس همچنین می تواند به تمایز بین انواع مختلف اختلالات کمک کند. به عنوان مثال، یک اضافه ولتاژ گذرا ممکن است باعث ایجاد جهش های فرکانس بالا در جریان شود، در حالی که یک مشکل عایق طولانی مدت ممکن است منجر به تغییر در اجزای فرکانس پایین شود.

تحلیل همبستگی

تجزیه و تحلیل همبستگی در مورد یافتن روابط بین جریان زمین و سایر پارامترهای مربوط به ترانسفورماتور است. این پارامترها می تواند شامل جریان بار، دما و ولتاژ باشد.

به عنوان مثال، اگر متوجه یک همبستگی مثبت قوی بین جریان زمین و جریان بار شویم، ممکن است نشان دهنده این باشد که جریان زمین تحت تأثیر بار قرار گرفته است. این می تواند رفتار عادی باشد، اما همچنین می تواند نشان دهد که در مدار مغناطیسی ترانسفورماتور مشکلی وجود دارد.

از سوی دیگر، اگر بین جریان زمین و دما همبستگی وجود داشته باشد، می تواند به این معنی باشد که با افزایش دما، عایق در حال تخریب است. با درک این همبستگی ها، می توانیم درک جامع تری از وضعیت ترانسفورماتور به دست آوریم.

یادگیری ماشینی - تجزیه و تحلیل مبتنی بر

در سال‌های اخیر، یادگیری ماشین به ابزاری محبوب برای تجزیه و تحلیل داده‌های مانیتورهای جریان زمینی ترانسفورماتور تبدیل شده است. الگوریتم‌های یادگیری ماشینی می‌توانند از داده‌های تاریخی یاد بگیرند و الگوهای پیچیده‌ای را شناسایی کنند که تشخیص آن‌ها برای انسان دشوار است.

به عنوان مثال، می توانیم از یک شبکه عصبی برای طبقه بندی وضعیت ترانسفورماتور بر اساس داده های جریان زمین استفاده کنیم. شبکه عصبی را می توان بر روی مجموعه داده بزرگی از شرایط عادی و معیوب آموزش داد. پس از آموزش، می‌تواند پیش‌بینی کند که آیا ترانسفورماتور به طور عادی کار می‌کند یا یک خطای احتمالی وجود دارد.

روش دیگر استفاده از الگوریتم های خوشه بندی است. این الگوریتم ها می توانند داده ها را بر اساس ویژگی های مشابه در خوشه های مختلف گروه بندی کنند. به عنوان مثال، ممکن است یک خوشه برای شرایط عملیاتی عادی و دیگری برای انواع مختلف خطاها داشته باشیم. با شناسایی اینکه داده های جاری متعلق به کدام خوشه است، می توانیم به سرعت وضعیت ترانسفورماتور را ارزیابی کنیم.

ادغام با سایر سیستم های مانیتورینگ

داده‌های یک مانیتور جریان زمینی ترانسفورماتور هسته‌ای می‌تواند در صورت ادغام با سایر سیستم‌های نظارتی ارزشمندتر باشد. برای مثال، می‌توانیم آن را با داده‌های an ترکیب کنیمسیستم مانیتورینگ تخلیه جزئی آنلاین برای ترانسفورماتور. تخلیه جزئی نشانه تخریب عایق است و با مقایسه داده های جریان زمین با داده های تخلیه جزئی می توان تصویر کامل تری از سلامت عایق ترانسفورماتور بدست آورد.

ما همچنین می توانیم داده های جریان زمین را با داده های a یکپارچه کنیمآنالایزر گاز محلول ترانسفورماتور. گازهای حل شده در روغن ترانسفورماتور می توانند اطلاعاتی در مورد عیوب داخلی ارائه دهند و ترکیب این داده ها با داده های جریان زمین می تواند به تشخیص دقیق عیب کمک کند.

به طور مشابه، ادغام با aمانیتورینگ نقطه داغ سیم پیچ ترانسفورماتوراین سیستم می تواند بینشی در مورد چگونگی ارتباط جریان زمین با دمای سیم پیچ ها به ما بدهد.

نتیجه گیری

در نتیجه، چندین روش تجزیه و تحلیل وجود دارد که می توان برای داده های a استفاده کردمانیتور جریان زمینی هسته ترانسفورماتور. هر روشی نقاط قوت و محدودیت های خاص خود را دارد و اغلب، ترکیبی از این روش ها می تواند دقیق ترین ارزیابی را از وضعیت ترانسفورماتور ارائه دهد.

اگر به دنبال یک مانیتور جریان زمینی هسته ترانسفورماتور قابل اعتماد هستید یا می خواهید در مورد نحوه اعمال این روش های تجزیه و تحلیل در ترانسفورماتورهای خود اطلاعات بیشتری کسب کنید، با خیال راحت تماس بگیرید. ما اینجا هستیم تا به شما کمک کنیم از نظارت ترانسفورماتور خود حداکثر استفاده را ببرید و از سلامت و عملکرد طولانی مدت ترانسفورماتور خود اطمینان حاصل کنید.

مراجع

• IEEE Std C57.104 - 2019، راهنمای IEEE برای تفسیر گازهای تولید شده در روغن - ترانسفورماتورهای غوطه ور
• Brown, HK, & Stone, GC (2000). عایق الکتریکی برای ماشین های دوار: طراحی، ارزیابی، پیری، آزمایش و تعمیر. مطبوعات IEEE.
• ال - هاواری، من (2008). سیستم های قدرت الکتریکی: طراحی و تجزیه و تحلیل. مطبوعات CRC.