ارائه یک مدل هوشمند ترکیبی جهت ارزیابی شاخص سلامت و تخمین عمر باقی مانده ترانسفورماتورهای قدرت در پست های فشار قوی

ترانسفورماتورهای قدرت به عنوان استراتژیک ترین تجهیزات در پست های فشار قوی، نقشی کلیدی در پایداری و قابلیت اطمینان شبکه انتقال انرژی الکتریکی ایفا می کنند. تسریع در روند پیری سیستم عایقی این تجهیزات تحت تاثیر استرس های دینامیکی حرارتی، الکتریکی و مکانیکی، ریسک وقوع خطاهای فاجعه بار و خاموشی های گسترده را افزایش می دهد. در این مقاله، یک رویکرد هوشمند کاربردی و مبتنی بر داده برای ارزیابی «شاخص سلامت (Health Index)« و تخمین «عمر باقی مانده مفید (RUL)« ترانسفورماتورهای قدرت ارائه شده است. در مدل پیشنهادی، ابتدا با تلفیق داده های آزمایش های گازهای محلول در روغن (DGA)، میزان فورفورال، فاکتور اتلاف دی الکتریک و سوابق بارگیری یک بانک اطلاعاتی شامل ۴۲ ترانسفورماتور در یک بازه زمانی مشخص، شاخص سلامت استخراج گردید. سپس از یک شبکه عصبی پرسپترون چندلایه (MLP) ترکیب شده با الگوریتم بهینه سازی ملخ (GOA) برای مدل سازی روند پیری عایق و پیش بینی عمر باقی مانده استفاده شد. نتایج شبیه سازی نشان می دهد که مدل هوشمند ترکیبی پیشنهادی با دست یابی به صحت ۹۶.۸% و میانگین خطای مطلق کمتر از ۴.۱%، عملکردی به مراتب دقیق تر از روش های کلاسیک دارد. این دستاورد گامی موثر در جهت بهینه سازی استراتژی نگهداری و تعمیرات وضعیت محور (CBM) در صنعت برق محسوب می شود.

کلیدواژه ها:

ترانسفورماتور قدرت ، شاخص سلامت ، تخمین عمر باقی مانده ، پایش وضعیت ، الگوریتم بهینه سازی ملخ