ОЦІНКА ЕФЕКТИВНОСТІ ПРОЦЕДУР СТАТИСТИЧНОЇ ОБРОБКИ ДЛЯ ПІДВИЩЕННЯ ДОСТОВІРНОСТІ РЕЗУЛЬТАТІВ ЕКСПЛУАТАЦІЙНОГО КОНТРОЛЮ СТАНУ ТРАНСФОРМАТОРНИХ МАСЕЛ

Автор(и)

  • Олег Шутенко Національний технічний університет «Харківський політехнічний інститут», Ukraine
  • Сергій Пономаренко Національний технічний університет «Харківський політехнічний інститут», Ukraine

DOI:

https://doi.org/10.20998/2218-1849.2021.11.05

Ключові слова:

трансформаторне масло, експлуатаційні випробування, показники масла, статистичний аналіз, перевірка статистичних гіпотез, кореляція, інформативність показників, множинна регресія, адекватність моделі, локальний максимум міри згоди

Анотація

Використовуючи результати періодичних випробувань стану трансформаторних масел по 91 трансформатору  напругою 110 кВ з чотирьох областей України був виконаний аналіз ефективності процедур статистичної обробки з метою зниження неоднорідності даних і виділення грубих промахів з результатів експлуатаційного контролю стану трансформаторних масел. В процесі досліджень аналізувалися ефективність непараметричного двовибіркового критерію Вілкоксона на рівність середніх значень, параметричного критерію Фішера-Снедекора на рівність дисперсій і параметричного критерію на значимість парної лінійної кореляції показників і тривалості експлуатації, а також їх комбінації. Дані критерії використовувалися для тестування результатів фізико-хімічного аналізу стану трансформаторних масел за 11 показниками і для результатів аналізу розчинених в маслі газів. В результаті послідовного тестування сформовано вісім масивів даних по кожному показнику, які були використані для оцінки ефективності аналізованих статистичних критеріїв та їх комбінацій. Оцінка ефективності аналізованих статистичних критеріїв та їх комбінацій проводилася на основі аналізу тісноти кореляційного зв’язку між показниками з подальшою оцінкою інформаційної значущості по кожному з показників. В результаті досліджень запропоновано метод виділення оптимального числа найбільш інформативних показників якості на базі статистичного аналізу результатів періодичних випробувань трансформаторного масла. Як приклад, практичного використання запропонованого методу розроблена регресійна модель для оцінки ступеня старіння масла і доведена її адекватність.

Посилання

Mineral insulating oils in electrical equipment - Supervision and maintenance guidance: IEC 60422:2013. Geneva, Switzerland. International Electrotechnical Commission, 2013. 93 p.

IEEE Guide for Acceptance and Maintenance of Insulating Mineral Oil in Electrical Equipment: IEEE Std C57.106-2015. Piscataway, NJ, USA. Institute of Electrical and Electronics Engineers, 2016. 38 p. doi: 10.1109/IEEESTD.2016.7442048

SOU-N EE 43-101:2009. Pryymannya, zastosuvannya ta ekspluatatsiya transformatornykh masel. Normy otsinyuvannya yakosti. Kyiv, Ukrainian Scientific and Technical Electric Power Association «Aselenergo», 2018.

SТО 34.01-23.1-001-2017. Ob’em i normy ispytaniy elektrooborudovaniya. PJSC "Rosseti", 2017. 262p.

Mineral insulating oils in electrical equipment-supervision and maintainance guidance. BS EN 60422:2013. British Standard Institute (BSI), 2013. 50 p.

Rao U. M. et al. Condition monitoring of in-service oil-filled transformers: Case studies and experience. IEEE Electrical Insulation Magazine, 2019, Vol. 35, 6, P. 33-42. doi: 10.1109/mei.2019.8878258.

Alekseev B. A. Kontrol' sostoyaniya (diagnostika) krupnykh silovykh transformatorov. Moskva. NTs ENAS, 2002. 216 s.

Shutenko O., Ponomarenko S. Correction of the Maximum Permissible Values of the Oil Acidity by the Minimum Risk Method. 2021 IEEE 3rd Ukraine Conference on Electrical and Computer Engineering (UKRCON), 2021, P. 310-315. doi: 10.1109/ukrcon53503.2021.9575854.

Shutenko O., Ponomarenko S. Using Statistical Decision Methods to Correct the Maximum Permissible Values of Transformer Oils Indicators. 2021 IEEE 2nd KhPI Week on Advanced Technology (KhPIWeek), 2021, P. 471-476. doi: 10.1109/khpiweek53812.2021.9570041.

Srividhya V., Babu J. S. et al. Determination of Breakdown Voltage for Transformer Oil Testing Using ANN. Advances in Intelligent Systems and Computing, 2021, P. 443-452. doi: 10.1007/978-981-33-6981-8_35.

Singh H. D., Singh J. Enhanced optimal trained hybrid classifiers for aging assessment of power transformer insulation oil. World Journal of Engineering, 2020, Vol. 17, 3, P. 407-426. doi: 10.1108/wje-11-2019-0339.

Nurcahyanto H., Nainggolan J., Ardita I., Hudaya C. Analysis of Power Transformer's Lifetime Using Health Index Transformer Method Based on Artificial Neural Network Modeling. 2019 International Conference on Electrical Engineering and Informatics (ICEEI), 2019, P. 574-579. doi: 10.1109/iceei47359.2019.8988870.

Forouhari S., Abu-Siada A. Application of adaptive neuro fuzzy inference system to support power transformer life estimation and asset management decision. IEEE Transactions on Dielectrics and Electrical Insulation, 2018, Vol. 25, 3, P. 845-852. doi: 10.1109/tdei.2018.006392.

Gautam L., Kumar Y., Sood Y. R. Identifying Transformer Oil Criticality Using Fuzzy Logic Approach. 2020 IEEE Students Conference on Engineering & Systems (SCES), 2020, P. 1-6. doi: 10.1109/sces50439.2020.9236724.

Abdi S. et al. The Correlation of Transformer Oil Electrical Properties with Water Content Using a Regression Approach. Energies, 2021. Vol. 14, 8, P. 2089. doi: 10.3390/en14082089.

Wahab M. A. A. et al. A new non-linear model for transformer oil residual operating time. 2008 12th International Middle-East Power System Conference, 2008, P. 66-70. doi: 10.1109/mepcon.2008.4562315.

Gouda O. E., El Dein A. Z. Prediction of Aged Transformer Oil and Paper Insulation. Electric Power Components and Systems, 2019. Vol. 47, 4-5, P. 406-419. doi: 10.1080/15325008.2019.1604848.

Shutenko O., Ponomarenko S. Diagnostics of Transformer Oils Using the Multiple Linear Regression Model. 2020 IEEE Problems of Automated Electrodrive. Theory and Practice (PAEP), 2020, P. 1-6. doi: 10.1109/paep49887.2020.9240875.

Senoussaoui M. E. A., Brahami M., Fofana I. Transformer Oil Quality Assessment Using Random Forest with Feature Engineering. Energies, 2021. Vol. 14, 7, P. 1809. doi: 10.3390/en14071809.

Bhatia N. K., El-Hag A. H., Shaban K. B. Machine Learning-based Regression and Classification Models for Oil Assessment of Power Transformers. 2020 IEEE International Conference on Informatics, IoT, and Enabling Technologies (ICIoT), 2020, P. 400-403. doi: 10.1109/iciot48696.2020.9089647.

Shutenko O., Ponomarenko S. Diagnosing the Condition of Transformer Oils Using the Trajectory Method. 2021 IEEE International Conference on Modern Electrical and Energy Systems (MEES), 2021, P. 1-6. doi: 10.1109/mees52427.2021.9598490.

Dessouky S. S. et al. Further Contribution For Evaluating The Aging of Transformer Oil of Power Transformer. JES. Journal of Engineering Sciences, 2015. Vol. 43, 2, P. 211-226. doi: 10.21608/jesaun.2015.115168.

Karthik M., Sharma S., Visalakshi M. Characteristics of Dielectric Fluids in Power Transformer Applications A Review. International Journal of Recent Trends in Engineering and Research, 2017. Vol. 3, 2, P. 239-245. doi: 10.23883/ijrter.2017.3032.ihoat.

Kassi K. S., Fofana I., Volat C., Farinas M. I. Impact of oils degradation on the cooling capacity of power Transformers. The 19th International Symposium on High Voltage Engineering. Pilsen, Czech Republic. 2015.

Meshkatodd M. R. Aging Study and Lifetime Estimation of Transformer Mineral Oil. American Journal of Engineering and Applied Sciences, 2008. Vol. 1, 4, P. 384-388. doi: 10.3844/ajeassp.2008.384.388.

Abdi S. et al. Influence of Artificial Thermal Aging on Transformer Oil Properties. Electric Power Components and Systems, 2011. Vol. 39, 15, P. 1701-1711. doi: 10.1080/15325008.2011.608772.

Ouyang X. D. et al. Research on Aging Characteristics and Chemical Composition of Hydrogenated Transformer Oil. Advanced Materials Research, 2012. Vol. 614-615, P. 1131-1137. doi: 10.4028/www.scientific.net/amr.614-615.1131.

Belmecheri H. et al. Insulating and Thermal Aging Dielectric Properties Dependency of Transformer Oil Using Spectroscopy Techniques. Instrumentation Mesure Métrologie, 2019. Vol. 18, 4, P. 337-342. doi: 10.18280/i2m.180402.

Shutenko O., Ponomarenko S. Reliability Assessment of the Results of Periodic Monitoring of the Transformer Oils Condition. 2020 IEEE 4th International Conference on Intelligent Energy and Power Systems (IEPS), 2020, P. 77-82. doi: 10.1109/ieps51250.2020.9263141.

Gmurman V. E. Teoriya veroyatnostey i matematicheskaya statistika. Ucheb. posobie dlya vuzov. Moskva. Vyssh. shk., 1977. 479 s.

Shutenko O., Ponomarenko S. Analysis of distribution laws of transformer oil indicators in 110-330 kV transformers. Electrical Engineering & Electromechanics, 2021. 5, P. 46-56. doi: 10.20998/2074-272x.2021.5.07.

Shutenko O. V. Osobennosti dreyfa pokazateley kachestva transformatornogo masla v techenii dlitel'noy ekspluatatsii. Integrated technologies and energy saving, 2007, no. 4, P. 26–30.

Shutenko O. V. Formirovanie odnorodnykh massivov pokazateley kachestva transformatornogo masla v usloviyakh apriornoy neopredelennosti rezul'tatov ispytaniy. Integrated technologies and energy saving. 2006, no. 4, P. 42–50.

Pollard J. H. A handbook of numerical and statistical techniques. Cambridge University Press, 1976. 344 p.

Johnson N. L. Statistics and experimental design in engineering and the physical sciences. New York. Wiley, 1977.

Shutenko O., Ponomarenko S. Analysis of the Impact of Power Transformer Loading on the Transformer Oil Aging Intensity. 2020 IEEE KhPI Week on Advanced Technology (KhPIWeek). 2020, P. 76-81. doi: 10.1109/khpiweek51551.2020.9250159.

Birger I. A. Tekhnicheskaya diagnostika. Moskva. Mashinostroenie, 1978. 240 s.

Verzakov G. F., Kinsht N. V. i dr. Vvedenie v tekhnicheskuyu diagnostiku. Moskva. Energiya, 1968. 224 s.

##submission.downloads##

Опубліковано

2022-05-13

Номер

Розділ

Енергетика, електроніка та електромеханіка