پایش وضعیت : تشخیص خطاهای داخلی ترانسفور ماتور قدرت

آنچه پیش رو دارید، بخش دوم از مقاله ای است که در دومین كنفرانس تخصصی پایش وضعیت و عیب یابی ماشین آلات در دانشگاه صنعتی شریف ارایه شده است. بخش نخست این مقاله-که ماه قبل از نظرتان گذشت-با مقدمه ای در خصوص لطمات اقتصادی و اجتماعی توقف فرایندهای صنعتی در مجموعه های استراتژیک مثل نیروگاهها و پالایشگاهها، به خطاهای داخلی ترانسفورماتورهای قدرت اشاره داشت و در مبحث روش های مختلف آنالیز گازهای محلول در روغن ترانسفورماتور، 3 روش"نسبت دورننبرگ"، "نسبت راجرز" و "روش استاندارد" را مورد بررسی قرار داد. در این شماره، 4 روش باقیمانده بررسی خواهد شد
    - روش گازهای کلیدی (Key Gas Method)

    مطالعه برروی روش گازهای کلیدی در آزمایشگاه های Doble آغاز و نخستین بار این روش، در سال1974 پیشنهاد شد. در این روش، گاز کلیدی برای هر نوع خطایی شناسایی شده و با توجه به درصد گاز، از آن برای تشخیص خطا استفاده می شود. این روش، نتایج حاصل از DGA را بر پایه مجموعه ای از حقایق تفسیر می کند. برابر مثال، در تخلیه جزیی با انرژی کم یا کرونا، اصولاً H2 به همراه نسبت ناچیزی از گازهای هیدروکربنی تولید
    می شود. بنابراین گاز کلیدی برای تخلیه جزیی یا کرونا، H2 است که اگر درصد آن در یک نمونه روغن، بزرگ باشد آن خطا، تخلیه جزیی یا کرونا است. جدول(9) معیارهای تشخیص به روش گازهای کلیدی را نشان می دهد.
    
    - اضافه حرارت روغن:
     در صورتی که فرآورده های حاصل از تجزیه روغن شامل اتیلن و اتان و درصد ناچیزی هیدروژن و متان باشد، خطای اتفاق افتاده اضافه حرارت روغن است. در این حالت گاز کلیدی اتیلن است.
    
    - اضافه حرارت سلولز:
    وجود مقادیر زیادی دی اکسید کربن و منواکسیدکربن نشان دهنده اضافه حرارت سلولز است. در این حالت گاز کلیدی مورد نظر منواکسیدکربن (CO) است.
    
    - کرونا (تخلیه الکتریکی با انرژی کم):
     تخلیه الکتریکی با انرژی کم یا کرونا در روغن تولید هیدروژن و متان و درصد ناچیزی اتان و اتلین می کند. مقادیر قابل مقایسه ای از منواکسیدکربن و دی اکسیدکربن نشان دهنده تخلیه الکتریکی در سلولز است. در این حالت گاز کلیدی هیدروژن است.
    
    - قوس (تخلیه الکتریکی با انرژی زیاد) :
    وجود مقادیر زیادی هیدروژن و استیلن به همراه مقادیر کمی از متان و اتلین نشان دهنده آرک است. در صورت وجود این خطا در سلولز منواکسید کربن نیز تشکیل می شود. گاز کلیدی در این حالت استیلن است.
    
    5- روش گازهای محلول قابل اشتعال (DCG)
    یکی دیگر از روش هایی که از داده های DGA و گاز کروماتوگرافی استفاده می کند روش آنالیز DGA است. در این روش با تست مقدار گازهای حل شده در روغن و مقایسه آن با مقادیر از قبل تعیین شده، می توان وقوع یک خطا را در صورت غیر نرمال بودن سطوح گازها در روغن ترانسفورماتور حدس زد. در صورتی که داده ها وقوع یک خطا را نشان دهند، کارشناس نگهداری می بایست برای اطلاع از آنچه در ترانسفورماتور اتفاق افتاده به جداول چاپ شده توسط مؤسسه IEEE مراجعه کند.
    برای استفاده از این روش ترانسفورماتورها می توانند دارای سابقه نمونه گیری باشند و یا نباشند. در صورتی که هیچ سابقه نمونه گیری موجود نباشد، استاندارد IEEE جدولی را تهیه کرده است که در آن مقدار قابل پذیرش برای هرگاز به طور جداگانه و همچنین مجموع مقادیر گازهای محلول قابل اشتعال (TDCG) در شرایط مختلف مشخص شده است. در صورتی که میزان گازها غیرنرمال تشخیص داده شود، کارشناس مربوطه با طبقه بندی گازها در شرایط تعیین شده محتمل ترین حدس را در مورد خطای اتفاق افتاده مطرح می کند. جدول(10) چهار وضعیت تعیین شده برای مقادیر گازها و همچنین مجموع گازهای محلول را براساس استاندارد [IEEE C57-104] نشان
    می دهد. چهار وضعیت تعیین شده به صورت زیر تعریف می شود.
    

محدودیت های گازهای محلول(ppm)

عملیات متناظر باوضعیت نامناسب تشخیص داده شده در ترانسفورماتور

     سطح1: در صورتی که مجموع گازهای محلول قابل اشتعال (TDCG) کمتر از مقدار مشخص شده در جدول(3-10) باشد، عملکرد ترانسفورماتور رضایت بخش است. مقادیر تعیین شده برای هر گاز در جدول(3-10) برای بررسی های بیشتر و دقیق تر مورد استفاده قرار می گیرد.
    سطح2: در صورتی که مقدار TDCG در این رنج قرار بگیرد نشان دهنده بالا بودن مقدار گاز از سطح نرمال و در نتیجه وجود یک خطا است. برای بررسی دقیق تر، سطح هر گاز به طور جداگانه نیز مورد توجه قرار می گیرد. در چنین شرایطی می بایست نمونه گیری های کافی برای محاسبه میزان تولید گاز در روز وجود داشته باشد.
    سطح3: در صورتی که مقدار TDCG در این رنج قرار بگیرد مشخص می کند سطح تجزیه بالایی در روغن و یا عایق سلولزی اتفاق افتاده و یک یا چندین خطا رخ داده است. در این شرایط نیز می بایست نمونه گیری های متعدد و کافی برای محاسبه میزان تولید گاز در روز انجام پذیرد.
    سطح4: در صورتی که مقدار TDCG در این رنج قرار بگیرد نشان دهنده تجزیه بیش از حد روغن و یا عایق سلولزی است و در صورتی که ترانسفورماتور در این شرایط به کار خود ادامه دهد آسیب خواهد دید.
    شرایط تعیین شده در جدول(10) توسط مؤسسه IEEE بسیار محافظه کارانه است. ممکن است ترانسفورماتورهای بسیاری در این شرایط به طور معمول کار کنند و این در صورتی خواهد بود که مقادیر گازها در آنها ثابت بماند و یا با نرخ پایینی افزایش یابد ولی در صورتی که نرخ تولید گاز بالا باشد (بیش از 30 ppm/day) نشان دهنده وجود خطا بوده و ترانسفورماتور بایستی از مدار خارج شود. در جدول(11) عملیات متناظر با وضعیت نامناسب تشخیص داده شده در ترانسفورماتور براساس استاندارد IEEE نشان داده شده است.
    در صورتی که بیش از یک نمونه از مقادیر گازها موجود باشد می توان نرخ تولید گاز را به صورت pm/day محاسبه کرد که این نسبت یک پارامتر بحرانی برای تشخیص خطا در ترانسفورماتور قدرت به حساب می آید.
    بایستی توجه داشت که این روش به صورت عمومی مورد پذیرش قرار نگرفته و تنها به عنوان ابزاری برای ارزیابی وضعیت ترانسفورماتورها مورد استفاده قرار می گیرد.

    6- عیب یابی با استفاده از روش مثلث دوال (Duval Triangle)
    روش تشخیص مثلث دوال با تحقیقات و آزمایشات مایکل دوال (Michael Duval) در شرکت کانادایی Hydroquebec بیان شده است. در این روش درصد هر یک از گازهای متان (%CH4) ، اتیلن (%C2H2) ، محاسبه
    می شود. سپس این درصدها به صورت نقطه ای روی محورهای نمودار مثلثی مشخص می شود. مطابق شکل زیر این مثلث توسط خطاها به نواحی مختلف تقسیم شده است. محل قرارگیری نقطه مذکور می تواند نوع عیب را براساس جدول(12) مشخص کند. بایستی توجه داشت مقادیر گازها برحسب ppm است.
    

خطآى تعین شده در روش مثلث دوال

    
    7- روش های هوش مصنوعی
    از سال1990 تحقیقات ارزشمندی در خصوص استفاده از تکنیک های هوش مصنوعی (A1) برای تحلیل نتایج حاصل از DGA صورت گرفته است. روش های هوش مصنوعی شامل سیستم های خبره (EPS) ، منطق فازی، الگوریتم های تکاملی و شبکه عصبی مصنوعی است.
    سیستم خبره، یک سیستم پشتیبانی تصمیم گیرنده شامل تشخیص خطا و توصیه های بهره برداری است. روش های مختلف DGA به عنوان قسمت اعظم این سیستم مورد استفاده قرار گرفته و دیگر تجربیات صنعتی نیز به عنوان قواعد تشخیص خاص به کار گرفته می شوند. در این سیستم اطلاعاتی مانند نوع ترانسفورماتور، سطح ولتاژ، تاریخچه بهره برداری و سایر اطلاعات ترکیب می شوند. تعداد محدودی سیستم خبره جهت استفاده در تشخیص خطای داخلی ترانسفورماتور گسترش یافته است. براساس مقالات ارایه شده در این زمینه به طور خلاصه می توان گفت حداقل سه فاکتور برای تشخیص خطای ترانسفورماتور قدرت در سیستم خبره بایستی موجود باشد.
    1- »موتور تشخیص مرکزی« جهت ترکیب روش های مختلفDGA
    2- »فرد خبره« جهت رسیدگی به قواعد خاص.
    3- »کارشناس نگهداری« که تاریخ بعدی آنالیز و عملیات نگهداری مورد نیاز را پیشنهاد می کند.
    مؤثر بودن یک سیستم خبره به دقت و کامل بودن پایگاه دانش که معمولاً پیچیده بوده و به صورت دستی تهیه می شود ، بستگی دارد. بزرگترین مشکل سیستم خبره این است که قابلیت تطبیق خودکار قواعد تشخیص را نداشته و قادر نیست در یک پروسه خود آموزشی از داده های نمونه گیری جدید برای بدست آوردن دانسته های تازه بهره گیرد. هنگامی که یک سیستم خبره ساخته شد بروز در آوردن و توسعه آن بسیار مشکل است.
    برای استفاده از نظریه اطلاعات فازی، بایستی یک مجموعه فازی براساس سیستم تشخیص خطا ساخته شود. نکته بسیار مهم تنظیم کردن توابع عضویت فازی براساس روش های DGA موجود و تجربیات است. این مهم قبلاً به صورت دستی صورت می گرفت. بعدها از روش های پیچیده ریاضی مانند محاسبات تکاملی، الگوریتم ژنتیک و کاهش تطبیقی استفاده شد. یک مزیت استفاده از سیستم تشخیص فازی حساس نبودن به خطاها در نمونه های روغن در ذخیره سازی و فرآیند تست است و یک اشکال آن وابستگی و محدود بودن به روش های DGA قرار دادی و عدم یادگیری از نمونه داده ها بصورت مستقیم است.
    همزمان(از سال1990 به بعد) استفاده از روش شبکه عصبی مصنوعی جهت تشخیص خطاهای داخلی ترانسفورماتور قدرت براساس آنالیز گازهای محلول در روغن ترانسفورماتور آغاز شد. یک شبکه عصبی مصنوعی قادر به برون یابی و یا درون یابی از تجربه های بدست آمده در مرحله آموزش برای بهترین حدس در مورد خطای اتفاق افتاده و یا احتمال خطای در حال وقوع تحت شرایط حاکم بر ترانسفورماتور است. این امر باعث اجتناب از حالت عدم تصمیم گیری می شود که در روش های نسبی عموماً اتفاق می افتد. البته نکته مهم در استفاده از شبکه های عصبی مصنوعی این است که مجموعه داده های آموزش بایستی مناسب بوده و برای آموزش کافی باشند که خود عمل ساده ای نبوده و دارای پیچیدگی های خاص است.
    
    این مقاله در دومین کنفرانس تخصصی پایش وضعیت و عیب یابی ماشین آلات، دانشگاه صنعتی شریف ارایه شده است.