Làm thế nào chúng ta có thể biết trạng thái giấy cách điện của máy biến áp?
Ngày nay, Nature đã xuất bản một bài báo: dự đoán trạng thái giấy cách điện của máy biến áp nguồn dựa trên các mô hình XGBOOST\/LIGHGBM.
Như tất cả chúng ta, đối với các tiện ích điện, việc duy trì hoạt động liên tục của máy biến áp là rất quan trọng vì bất kỳ sự cố biến áp nào cũng dẫn đến mất doanh thu. Phần lớn các lỗi biến áp bắt nguồn từ thiệt hại hoặc thất bại của hệ thống cách nhiệt, bao gồm giấy và dầu cách điện. Bài viết cách điện là một thành phần quan trọng của máy biến áp và tình trạng của nó đóng vai trò là chỉ số chính của sức khỏe tổng thể của máy biến áp. Mức độ trùng hợp (DP) đo lường trạng thái của giấy cách điện. Việc giảm DP biểu thị sự lão hóa giấy và cho thấy sự xuống cấp gia tăng, dẫn đến nguy cơ thất bại cao hơn. Khi giấy cách điện xấu đi, một số hóa chất như furfural (2- fal), carbon monoxide (CO) và carbon dioxide (CO2) hòa tan trong dầu cách điện; Phân tích các hợp chất này cung cấp cái nhìn sâu sắc về tình trạng của giấy cách điện. Các yếu tố khác, chẳng hạn như độ ẩm và căng thẳng giao thoa, cũng có thể góp phần vào sự xuống cấp của giấy cách điện.
Trong thực tế, Power Transformer đóng một vai trò quan trọng trong các mạng điện. Và trong hầu hết các tình huống, sự cố biến áp là do sự thất bại trong các hệ thống cách điện. Các tiện ích được tập trung vào hoạt động hiệu quả của mạng điện, nhấn mạnh việc phát hiện sớm các lỗi của máy biến áp để ngăn chặn sự cố mất điện không mong muốn. Tình trạng của giấy cách điện đóng vai trò là một chỉ số về sức khỏe của máy biến áp, và sự lão hóa của nó có thể dẫn đến những thất bại tiềm tàng. Do đó, các xét nghiệm định kỳ và thông thường trên dầu cách điện là rất cần thiết để đánh giá tình trạng của giấy cách điện.
Mức độ trùng hợp (DP) là một thước đo quan trọng của trạng thái giấy cách điện. Các xét nghiệm được đề xuất khác nhau, bao gồm phân tích khí hòa tan (DGA), điện áp phân hủy (BDV), căng thẳng dầu (IF), độ axit dầu (ACI), độ ẩm (MC), màu dầu (OC) Thiết lập mối tương quan giữa các tham số này và DP, và sau đó là trạng thái của dầu cách điện. Dữ liệu được thu thập từ các thử nghiệm này đã được sử dụng để đào tạo các mô hình XGBOOST\/LIGHTGBM, tạo ra một khung trí tuệ nhân tạo để dự đoán tình trạng của giấy cách điện. Kết quả đã chứng minh khả năng mạnh mẽ của mô hình để dự đoán chính xác trạng thái cách điện.
