Разработка нечеткой нейронной сети для интерпретации результатов анализа растворенных в масле газов

Abstract

Разработана и обучена нечеткая нейронная сеть для интерпретации результатов хроматографического анализа растворенных в масле газов. Предложено определять функции принадлежности лингвистических термов с учетом функций плотностей распределения концентраций газов для трансформаторов с различным состоянием. Выполнено тестирование обученной сети на независимой выборке. Проанализированы возможности нейронных сетей распознавать развивающиеся дефекты на ранней стадии их развития, или рост концентраций газов в исправных трансформаторах, после аварийных воздействий со стороны электрических сетей.

Розроблена і навчена нечітка нейронна мережа для інтерпретації результатів хроматографічного аналізу розчинених у маслі газів. Запропоновано визначати функції принадлежності лінгвістичних термів з урахуванням функцій щільності розподілу концентрацій газів для трансформаторів з різним станом. Виконано тестування навченої мережі на незалежній вибірці. Проаналізовано можливості нейронних мереж розпізнавати дефекти на ранній стадії їх розвитку, або зростання концентрацій газів в справних трансформаторах, після аварійних впливів з боку електричних мереж.

Purpose. The purpose of this paper is a diagnosis of power transformers on the basis of the results of the analysis of gases dissolved in oil. Methodology. To solve this problem a fuzzy neural network has been developed, tested and trained. Results. The analysis of neural network to recognize the possibility of developing defects at an early stage of their development, or growth of gas concentrations in the healthy transformers, made after the emergency actions on the part of electric networks is made. It has been established greatest difficulty in making a diagnosis on the criterion of the boundary gas concentrations, are the results of DGA obtained for the healthy transformers in which the concentration of gases dissolved in oil exceed their limit values, as well as defective transformers at an early stage development defects. The analysis showed that the accuracy of recognition of fuzzy neural networks has its limitations, which are determined by the peculiarities of the DGA method, used diagnostic features and the selected decision rule. Originality. Unlike similar studies in the training of the neural network, the membership functions of linguistic terms were chosen taking into account the functions gas concentrations density distribution transformers with various diagnoses, allowing to consider a particular gas content of oils that are typical of a leaky transformer, and the operating conditions of the equipment. Practical value. Developed fuzzy neural network allows to perform diagnostics of power transformers on the basis of the result of the analysis of gases dissolved in oil, with a high level of reliability.