Professional Documents
Culture Documents
HÀ NỘI, 02/2022
MỤC LỤC
CHƯƠNG 1. TỔNG QUAN VỀ PHÂN TÍCH KHÍ HÒA TAN TRONG DẦU
MBA ĐIỆN LỰC .................................................................................................. 1
1.1 Các lỗi tiềm ẩn trong máy biến áp ............................................................. 1
Phóng điện cục bộ (PD – Partial Discharge) .............................. 1
Phóng điện năng lượng thấp (phát ra tia lửa) .............................. 1
Phóng điện năng lượng cao (hồ quang) ...................................... 2
Quá nhiệt (Thermal Fault)........................................................... 2
1.2 Một số phương pháp sử dụng trong chẩn đoán lỗi MBA .......................... 2
Phương pháp tam giác Duval ...................................................... 2
Phương pháp tỉ số Doernenburg ................................................. 3
Phương pháp tỉ số Roger ............................................................. 4
CHƯƠNG 2. PHƯƠNG PHÁP TAM GIÁC DUVAL CHẨN ĐOÁN LỖI
TRÊN MATLAB .................................................................................................. 5
2.1 Mô tả .......................................................................................................... 5
2.2 Code Matlab ............................................................................................... 5
2.3 Kết quả chạy với bộ dữ liệu dga_data_240.txt .......................................... 8
CHƯƠNG 3. PHƯƠNG PHÁP MẠNG NEURAL NETWORK CHẨN ĐOÁN
LỖI TRÊN MATLAB .......................................................................................... 9
3.1 Giới thiệu chung về mạng noron nhân tạo (ANN)..................................... 9
3.2 Mô tả .......................................................................................................... 9
3.3 Xây dựng mạng Neural Network ............................................................... 9
3.4 Code Matlab ............................................................................................. 10
3.5 Kết quả chạy với bộ dữ liệu dga_data_240.txt ........................................ 11
DANH MỤC HÌNH VẼ
Hình 1.1: Tam giác Duval ...................................................................................... 3
Phương pháp DGA nhằm mục đích sớm phát hiện ra sự quá nhiệt cục bộ, sự
phóng điện… Từ kết quả phân tích lượng khí hòa tan có dầu máy biến áp, ta có thể
chẩn đoán được các dạng hư hỏng của máy biến áp. DGA có thể phát hiện lỗi mà
không cần phải ngắt nguồn điện MBA, được gọi là phương pháp “online” hay trực
tuyến. DGA này bao gồm các phương pháp khí chính, tổng khí cháy hòa tan, tỉ số
Dornemburg, tỉ số Rogers, tam giác Duval, tỉ lệ IEC - 599. Chúng được sử dụng
để phân tích sự nhiễm bẩn khí trong dầu cách điện MBA. Ngoài ra, chúng còn xác
định được các loại lỗi quá nhiệt cục bộ, phóng điện hồ quang, phóng điện cục bộ
cũng như các nguyên nhân gây ra lỗi như ứng suất nhiệt, điện, quá tải, xuống cấp
của vật liệu cách điện và dầu trong MBA.
Dưới tác dụng của điện và nhiệt, phần tử hydro – carbon (H – C) của khoáng
dầu bị phân hủy thành dạng hydrogen và các liên kết H – C, Các liên kết này kết
hợp với nhau tạo ra các khí như hydrogen (H2), methane (CH4), ethane (C2H6),
ethylene (C2H4), acetylene (C2H2), CO và CO2. Lượng khí của mỗi chất khí riêng
biệt phụ thuộc vào nhiệt độ ở lân cận các điểm chịu tác dụng.
1.1 Các lỗi tiềm ẩn trong máy biến áp
Các lỗi tiềm ẩn của MBA có thể được phân loại thành các dạng chính sau: hồ
quang điện, vầng quang điện, phóng điện cục bộ, quá nhiệt xenlulo, quá nhiệt của
dầu. Mức năng lượng do các sự cố này gây ra xếp theo thứ tự từ cao đến thấp như
sau: Hồ quang → Quá nhiệt → Vầng quang.
Phóng điện cục bộ (PD – Partial Discharge)
Hiện tượng PD - Phóng điện cục bộ (Partial Discharge) là hiện tượng phóng
điện một phần nhỏ trong vật liệu cách điện của các thiết bị trung và cao thế. PD là
kết quả của sự phá huỷ về điện được hình thành do có các khe hở không khí bên
trong lớp cách điện. Theo hiệp hội phòng chống cháy nổ (NFFA 70B), nguyên
nhân cơ bản của những sự cố về điện ở thiết bị điện trung và cao thế là do hư hỏng
về lớp cách điện. Trong các thiết bị trung và cao thế, PD là tín hiệu nhận biết của
hư hỏng lớp cách điện. Không như hiện tượng phóng điện vầng quang (Corona
Discharge) có thể nhận biết được ở bên ngoài vật liệu cách điện, thì phóng điện
cục bộ xảy ra bên trong và không thể nhận ra được.
Phóng điện cục bộ có thể xảy ra trong cách điện chất khí, lỏng hoặc rắn. Nó
thường xảy ra bên trong các bóng khí, khoảng hở cách điện trong cách điện epoxy
hay bong bóng khí trong dầu máy biến áp. Phóng điện cục bộ trong thời gian dài
có thể dẫn đến hao mòn cách điện và cuối cùng gây ra hiện tượng chạm chập bên
trong cách điện.
Phóng điện năng lượng thấp (phát ra tia lửa)
Phóng điện năng lượng thấp xảy ra trong dầu hoặc giấy cách điện, biểu hiện
chính là các lỗ thủng carbon hóa lớn (lỗ kim), do sự carbon hóa (cháy thành than)
trên bề mặt giấy cách điện hay sự xuất hiện các hạt carbon trong dầu máy biến áp.
1
Phóng điện năng lượng cao (hồ quang)
Phóng điện năng lượng cao cũng xảy ra trong dầu hoặc giấy cách điện, biểu
hiện chính là bị phá hủy, carbon hóa của giấy cách điện, hay sự nóng chảy kim loại
ở các cực phóng điện và xuất hiện lượng lớn carbon trong dầu. Trong một số trường
hợp, thiết sẽ ngừng hoạt động khi có dòng điện lớn chạy qua.
Quá nhiệt (Thermal Fault)
• Quá nhiệt loại 1 (T1)
Xảy ra ở nhiệt độ dưới 300°C, làm cho giấy cách điện chuyển sang màu
nâu.
• Quá nhiệt loại 2 (T2)
Xảy ra ở nhiệt độ trên 300°C và dưới 700°C, làm carbon hóa giấy cách điện
và hình thành các hạt carbon trong dầu.
• Quá nhiệt loại 3 (T3)
Xả ra ở nhiệt độ trên 700°C, hình thành lượng lớn carbon trong dầu, chuyển
sang màu kim loại (ở 800°C) và làm nóng chảy kim loại (ở 1000°C).
1.2 Một số phương pháp sử dụng trong chẩn đoán lỗi MBA
Khi thực hiện phân tích, người ta sẽ thực hiện đo đạc và đánh giá các số liệu
về nồng độ của các khí H2, CH4, C2H2, C2H4, C2H6, CO, CO2 dưới đơn vị là ppm
(parts per milion)
Phương pháp tam giác Duval
Phương pháp này sử dụng thông số của ba khí là CH4, C2H2, C2H4, thực hiện
các tính toán tỉ số phần trăm của mỗi khí trong tổng ba khí như sau:
CH 4
%CH 4 =
CH 4 + C2 H 4 + C2 H 2
C2 H 4
%C2 H 4 =
CH 4 + C2 H 4 + C2 H 2
C2 H 2
%C2 H 2 =
CH 4 + C2 H 4 + C2 H 2
Đối chiếu với tam giác Duval ta thu được lỗi trong máy biến áp như sau:
2
Hình 1.1: Tam giác Duval
Trong tam giác Duval có 7 miền tương ứng với 7 loại lỗi như sau:
Ký hiệu Loại lỗi Code
3
y1 − min ( y1 ) y2 − min ( y2 ) y3 − min ( y3 )
z1 = ; z2 = ; z3 = ;
max ( y1 ) − min ( y1 ) max ( y2 ) − min ( y2 ) max ( y3 ) − min ( y3 )
y4 − min ( y4 )
z4 =
max ( y4 ) − min ( y4 )
Bước 4: đối chiếu với bảng phân loại mã lỗi (bao gồm 3 lỗi: nhiệt, phóng điện cục
bộ PD và hồ quang)
Z1 Z2 Z3 Z4 Diagnosis
>1 <0.75 <0.3 >0.4 Thermal
<0.1 N/A <0.3 >0.4 PD
0.1-1 >0.75 >0.3 <0.4 Arcing
Bảng 1.2: Phân loại lỗi theo tỉ số Doernenburg
4
CHƯƠNG 2. PHƯƠNG PHÁP TAM GIÁC DUVAL CHẨN ĐOÁN LỖI
TRÊN MATLAB
2.1 Mô tả
Ta sử dụng bộ dữ liệu bao gồm 240 dữ liệu để áp dụng phương pháp tam giác
Duval. Trong đó sẽ có 5 loại lỗi như bao gồm:
• Phóng điện cục bộ (PD): mã Code 1
• Phóng điện năng lượng thấp (D1): mã Code 2
• Phóng điện năng lượng cao (D2): mã Code 3
• Lỗi nhiệt độ dưới 300oC: mã Code 4
• Lỗi nhiệt độ từ 300oC – 700oC: mã Code 5
• Lỗi nhiệt độ trên 700oC: mã Code 6
2.2 Code Matlab
clc;
clear;
load dga_data_240.txt;
x1 = dga_data_240(:,1);
x2 = dga_data_240(:,2);
x3 = dga_data_240(:,3);
t = dga_data_240(:,4);
True_Predicted = 0;
for i = 1:size(x1,1);
y(i) = Duval_DGA(x1(i),x2(i),x3(i));
if y(i) == t(i)
True_Predicted = True_Predicted + 1;
end
end
Accuracy = True_Predicted/size(x1,1)*100;
True_Predicted_PD = 0;
M = 1;
N = 27;
for i = M:N;
y(i) = Duval_DGA(x1(i),x2(i),x3(i));
if y(i) == t(i)
True_Predicted_PD = True_Predicted_PD + 1;
end
5
end
Accuracy_PD = True_Predicted_PD/(N-M+1)*100;
True_Predicted_D1 = 0;
M = 28;
N = 69;
for i = M:N;
y(i) = Duval_DGA(x1(i),x2(i),x3(i));
if y(i) == t(i)
True_Predicted_D1 = True_Predicted_D1 + 1;
end
end
Accuracy_D1 = True_Predicted_D1/(N-M+1)*100;
True_Predicted_D2 = 0;
M = 70;
N = 124;
for i = M:N;
y(i) = Duval_DGA(x1(i),x2(i),x3(i));
if y(i) == t(i)
True_Predicted_D2 = True_Predicted_D2 + 1;
end
end
Accuracy_D2 = True_Predicted_D2/(N-M+1)*100;
True_Predicted_T1 = 0;
M = 125;
N = 194;
for i = M:N;
y(i) = Duval_DGA(x1(i),x2(i),x3(i));
if y(i) == t(i)
True_Predicted_T1 = True_Predicted_T1 + 1;
end
end
Accuracy_T1 = True_Predicted_T1/(N-M+1)*100;
6
True_Predicted_T2 = 0;
M = 195;
N = 212;
for i = M:N;
y(i) = Duval_DGA(x1(i),x2(i),x3(i));
if y(i) == t(i)
True_Predicted_T2 = True_Predicted_T2 + 1;
end
end
Accuracy_T2 = True_Predicted_T2/(N-M+1)*100;
True_Predicted_T3 = 0;
M = 213;
N = 240;
for i = M:N;
y(i) = Duval_DGA(x1(i),x2(i),x3(i));
if y(i) == t(i)
True_Predicted_T3 = True_Predicted_T3 + 1;
end
end
Accuracy_T3 = True_Predicted_T3/(N-M+1)*100;
plot(Accuracy_PD);
y_Duval = y';
t_True = t;
yt = [y_Duval t_True];
7
2.3 Kết quả chạy với bộ dữ liệu dga_data_240.txt
Ký hiệu Loại lỗi Code Số lượng Độ chính xác
mẫu (%)
PD Phóng điện cục bộ 1 27 0
D1 Phóng điện năng lượng thấp 2 42 64.29
D2 Phóng điện năng lượng cao 3 55 18.18
T1 Lỗi nhiệt dưới 300oC 4 70 78.57
T2 Lỗi nhiệt từ 300oC – 700oC 5 18 66.67
T3 Lỗi nhiệt trên 700oC 6 28 0
Tổng dữ liệu 240 43.33
Bảng 2.1 : Kết quả của tam giác Duval
Nhận xét: Ta thấy kết quả bộ dữ liệu khi sử dụng tam giác Duval là không hiệu
quả, độ chính xác đạt được tương đối thấp
• Đối với lỗi phóng điện cục bộ PD và lỗi nhiệt trên 700oC thì không có bất
cứ mẫu nào được dự đoán chính xác.
• Trong số 240 mẫu đưa vào thì chỉ dự đoán chính xác được khoảng 43.33%,
độ chính xác đưới 50%.
8
CHƯƠNG 3. PHƯƠNG PHÁP MẠNG NEURAL NETWORK CHẨN
ĐOÁN LỖI TRÊN MATLAB
9
• Tạo và khởi tạo vector trọng lượng mạng: Sử dụng 2 hàm con của tool
netlab là: mlpprior () và mlp ()
• Thiết lập vector của các tùy chọn cho trình tối ưu hóa:
− options = foptions : Vector tùy chọn mặc định.
− options(1) = 0; : Hiển thị giá trị lỗi
− options(2) = 1.0e-5 : Độ chính xác tuyệt đối cho các tham chiếu.
− options(3) = 1.0e-5 : Độ chính xác cho chức năng mục tiêu.
− options(14) = 3000 : Số chu kỳ đào tạo trong vòng lặp bên trong.
Sử dụng các trọng số sau khi training để dùng với bộ dữ liệu 240 mẫu: Sử
dụng các hàm con để chạy trên dữ liệu 240 mẫu: netopt (), mlpfwd ().
3.4 Code Matlab
clc;
clear;
load Doernenburg_training_data.txt;
load Doernenburg_testing_data.txt;
X1 = Doernenburg_training_data(:,1:4);
T1 = Doernenburg_training_data(:,5:9);
X2 = Doernenburg_testing_data(:,1:4);
T2 = Doernenburg_testing_data(:,5:9);
% Set up network parameters.
nin = 4; % Number of inputs.
nhidden = 5; % Number of hidden units.
nout = 5; % Number of outputs.
alpha = 0.01; % Initial prior hyperparameter.
aw1 = 0.01;
ab1 = 0.01;
aw2 = 0.01;
ab2 = 0.01;
10
options(3) = 1.0e-5; % Precision for objective function.
options(14) = 3000; % Number of training cycles in inner loop.
Nhận xét: Ta thấy kết quả bộ dữ liệu sau khi test qua mạng Neural Network có độ
chính xác không cao.
11