بررسی اثرات آب و هوای شدید بر عملکرد ترانسفورماتورها و کابل های توزیع، همراه با مدل های پیش بینی

تغییرات اقلیمی و افزایش دمای محیط تهدیدی جدی برای تاب آوری و قابلیت اطمینان شبکه های قدرت محسوب می شود. این پژوهش یک چارچوب جامع برای مدل سازی حرارتی و ارزیابی عمر تجهیزات قدرت تحت تاثیر شرایط اقلیمی متغیر ارائه می دهد. رویکرد پیشنهادی بر اساس ادغام مدل های فیزیک محور با الگوریتم های یادگیری ماشین است که قادر به پیش بینی دقیق دمای نقطه داغ ترانسفورماتورها و دمای هادی کابل ها در شرایط عملیاتی متنوع می باشد. مدل ترکیبی پیشنهادی شامل شبکه عصبی LSTM، جنگل تصادفی و مدل های حرارتی دینامیک است که با استفاده از داده های واقعی بهره برداری، پارامترهای محیطی و پروفایل های بارگذاری آموزش داده شده است. نتایج نشان می دهد که مدل ترکیبی با RMSE معادل ۱.۴ درجه سلسیوس و ضریب تعیین .۹۸۹ عملکردی برتر نسبت به مدل های استاندارد IEEE/IEC و رویکردهای صرفا داده محور دارد. تحلیل سناریوهای اقلیمی نشان داد که افزایش دو، چهار و شش درجه ای دمای محیط به ترتیب موجب کاهش ۱۸، ۳۴ و ۵۲ درصدی عمر عایق ترانسفورماتورها می شود و نیازمند کاهش ۷، ۱۵ و ۲۴ درصدی ظرفیت بارگذاری برای حفظ عمر طراحی است. همچنین تحلیل رفتار حرارتی کابل های قدرت نشان داد که افزایش دمای خاک از ۲۵ به ۴۵ درجه سلسیوس ظرفیت انتقال جریان را تا ۲۱ درصد کاهش می دهد. تحلیل حساسیت پارامترها مشخص کرد که جریان بار و دمای محیط مهم ترین عوامل تاثیرگذار بر رفتار حرارتی تجهیزات هستند. یافته های این تحقیق چارچوبی علمی برای توسعه سیستم های رتبه بندی، دینامیک استراتژی های بهره برداری تطبیقی و برنامه ریزی بلندمدت شبکه های قدرت در شرایط تغییرات اقلیمی فراهم می کند و می تواند مبنایی برای بازنگری استانداردهای بهره برداری و سیاست گذاری های تاب آوری در صنعت برق باشد.

کلیدواژه ها:

مدل سازی حرارتی ، ترانسفورماتور ، یادگیری ماشین ، تغییرات اقلیمی ، پیرسازی ، عایق ، رتبه بندی دینامیک