KẾT HỢP HỆ CHUYÊN GIA VÀ NƠRON NHÂN TẠO CHẨN ĐOÁN SỰ CỐ TIỀM ẨN TRONG MÁY BIẾN ÁP LỰC

TÓM TẮT Những sự cố tiềm ẩn trong máy biến áp lực (MBA) được dự báo bằng nhiều phương pháp khác nhau, khi máy đang mang điện (on line) hay cắt điện (off line). Phương pháp phân tích khí hoà tan (DGA) là một trong số các phương pháp dự báo phổ biến. Dựa vào cơ sở của phương pháp DGA, việc xây dựng và kết hợp được hệ chuyên gia với mạng nơron nhân tạo sẽ góp phần nâng cao khả năng dự báo các sự cố tiềm ẩn trong MBA. ABSTRACT Power transformer incipient faults are diagnosed by...
Nội dung trích xuất từ tài liệu:
KẾT HỢP HỆ CHUYÊN GIA VÀ NƠRON NHÂN TẠO CHẨN ĐOÁN SỰ CỐ TIỀM ẨN TRONG MÁY BIẾN ÁP LỰC KẾT HỢP HỆ CHUYÊN GIA VÀ NƠRON NHÂN TẠO CHẨN ĐOÁN SỰ CỐ TIỀM ẨN TRONG MÁY BIẾN ÁP LỰC COMBINATION OF EXPERT SYSTEM AND ARTIFICIAL NEURAL NETWORK TO DIAGNOSE POWER TRANSFORMER INCIPIENT FAULTS ĐINH THÀNH VIỆT – TRẦN HOÀNG KHỨ Trường Đại học Bách Khoa, Đại học Đà Nẵng TÓM TẮT Những sự cố tiềm ẩn trong máy biến áp lực (MBA) được dự báo bằng nhiều phương pháp khác nhau, khi máy đang mang điện (on line) hay cắt điện (off line). Phương pháp phân tích khí hoà tan (DGA) là một trong số các phương pháp dự báo phổ biến. Dựa vào cơ sở của phương pháp DGA, việc xây dựng và kết hợp được hệ chuyên gia với mạng nơron nhân tạo sẽ góp phần nâng cao khả năng dự báo các sự cố tiềm ẩn trong MBA. ABSTRACT Power transformer incipient faults are diagnosed by different methods (on line or off line). Dissolved gas analysis (DGA) is one of widely used methods. Combination of expert systems and artificial neural networks based on DGA might improve possibility of diagnosis power transformer incipient faults. 1. Đặt vấn đề Máy biến áp lực (MBA) là một trong những phần tử quan trọng trong hệ thống điện,độ tin cậy cung cấp điện của nó liên quan trực tiếp đến độ tin cậy của cả hệ thống điện. Đểnâng cao tuổi thọ MBA và tăng độ tin cậy cung cấp điện, MBA thường xuyên được giám sátbằng nhiều phương pháp, một trong số đó là phương pháp DGA. Các phương pháp DGA truyền thống chẩn đoán sự cố tiềm ẩn trong MBA phải cầnđến kinh nghiệm của các chuyên gia và tiêu tốn thời gian. Trong khi đó, sự kết hợp giữa haiphương pháp là hệ chuyên gia và mạng nơron nhân tạo vào việc chẩn đoán sẽ mang lại hiệuquả với khả năng chẩn đoán nhanh và chính xác. 2. Hệ chuyên gia dự báo MBA dựa vào phương pháp phân tích khí hoà tan(DGA) – xây dựng dữ liệu nhân tạo cho quá trình luyện mạng nơron dựa trên cơ sở hệchuyên gia (HCG) Dầu MBA được làm từ những hợp chất hữu cơ, dưới tác dụng vật lý của nhiệt, điện sẽsinh ra các khí hoà tan như là H2, CH4, C2H6, C2H4, C2H2, CO, CO2 [15] theo những quy luậtnhất định. Vì vậy, đã có nhiều chuyên gia đưa ra các phương pháp khác nhau để dự đoán sựcố xảy ra trong MBA như: phương pháp Dornenburg (Dor.), phương pháp Rogers (Rog.), tiêuchuẩn IEC 599 (IEC.), phương pháp khí chính (K.gas) [1, 2]. Dựa vào tri thức của các chuyên gia theo các tiêu chuẩn đã nêu, có thể xây dựng mộthệ chuyên gia để dự báo các sự cố tiềm ẩn trong MBA. Giao diện của chương trình được trìnhbày ở hình 1. Quá trình học của mạng nơron cần một lượng lớn dữ liệu, đầu vào là các số liệu thựctế. Tuy nhiên, trong thực trạng hệ thống điện Việt Nam hiện nay, rất khó để tập hợp lượng dữliệu đủ lớn cho quá trình luyện do phương pháp DGA mới được sử dụng trong thời gian gầnđây. Hơn nữa, việc thuthập dữ liệu DGA từ cáchệ thống điện nước ngoàisẽ tiêu tốn thời gian và chiphí cao. Sử dụng kết quảcủa hệ chuyên gia, có thểxây dựng một tập hợp cácmẫu dữ liệu nhân tạo choquá trình luyện theonguyên tắc kết quả dự báomà hệ chuyên gia đề xuấtsẽ được lưu vào tập mẫudữ liệu nhân tạo dùng cho Hình 1: Hệ chuyên gia chẩn đoán MBAquá trình luyện. Chươngtrình tạo dữ liệu nhân tạo sử dụng kết quả của hệ chuyên gia, giao diện của chương trình nhưở hình 2. Việc xây dựng bộ dữ liệu nhân tạo được có thể lưuthực hiện như sau: 1. Nhấn vào nút lệnh “Tạo dữ liệu”:chương trình sẽ tạo ra một mẫu dữ liệu ngẫunhiên. 2. Nhấn nút lệnh “Dự báo”: chươngtrình sẽ thực hiện dự báo với mẫu dữ liệungẫu nhiên đã tạo. 3. Lưu dữ liệu nếu chương trình đề xuấtđược kết quả (xem hình 2). Dữ liệu sẽ khôngthể lưu nếu chương trình không đề xuấtđược kết quả. Hình 2: Tạo dữ liệu nhân tạo Với sự tổng hợp tri thức của nhiềuchuyên gia theo nhiều phương pháp, tập dữliệu này cho phép đạt được độ chính xác cao cho quá trình luyện mạng. 3. Ứng dụng mạng MLP chẩn đoán sự cố tiềm ẩn trong MBA Mạng nơron nhiều lớp (the multilayer perceptron – MLP) là một giải pháp tốt để chẩnđoán sự cố tiềm ẩn trong MBA. Trong đó các mạng MLP 6x21x5 và các mạng 5 đầu vào, 3đầu ra sẽ cho kết quả dự báo tốt [1]. Các tác giả bài báo đã xây dựng mạng MLP phục vụ vhoviệc chẩn đoán sự cố tiềm ẩn trong MBA. Lớp đầu vào gồm có các nút tương ứng với nồng độcủa các khí: H2, CH4, C2H6, C2H4, C2H2, CO (6 đầu vào). Lớp đầu ra gồm 5 nút được mã hoáứng với 5 trường hợp: bình thường, sự cố vầng quang điện, sự cố hồ quang điện, sự cố quánhiệt dầu, sự cố quá nhiệt cellulose. Lớp đầu ra 3 nút ra ứng với các trường hợp: bình thường,sự cố phóng điện, sự cố quá nhiệt. 4. Xây dựng hệ chuyên gia dựa t ...