Chẩn đoán lỗi máy biến áp sử dụng GeNIe Modeler

Bài viết trình bày việc sử dụng mạng Bayes trong môi trường GeNIe Modeler và kỹ thuật phân tích khí hòa tan để phát triển các mô hình chẩn đoán lỗi của máy biến áp dầu.

Tạp chí Khoa học Cơng nghệ 145 (2020) 007-013 Chẩn đoán lỗi máy biến áp sử dụng GeNIe Modeler Fault Diagnosis of Power Transformers Using GeNIe Modeler Nguyễn Thanh Sơn Trường Đại học Bách khoa Hà Nội – Số 1, Đại Cồ Việt, Hai Bà Trưng, Hà Nội, Việt Nam Đến Tịa soạn: 05-09-2019; chấp nhận đăng: 25-09-2020 Tóm tắt Chẩn đoán lỗi khâu quan trọng kỹ thuật viên kỹ sư việc phát hiện, cách ly nhận dạng cố hệ thống Trước kia, chẩn đoán dự báo lỗi chủ yếu dựa mơ hình giải tích kinh nghiệm chuyên gia Tuy nhiên, thực tế, việc xây dựng mơ hình giải tích cho q trình chẩn đốn lỗi khó khăn hay khơng thể thực Hơn thể nữa, hệ thống có mức độ khơng chắn, cần thiết phải có cơng cụ tốn học để kiểm soát vấn đề Các mạng Bayes mơ hình đồ họa xác suất đối phó hiệu với không chắn sử dụng rộng rãi chẩn đốn lỗi Gần đây, có số cơng cụ miễn phí thương mại phát triển cho việc mơ hình hóa suy luận lỗi hệ thống dựa mạng Bayes Bài báo trình bày việc sử dụng mạng Bayes mơi trường GeNIe Modeler kỹ thuật phân tích khí hịa tan để phát triển mơ hình chẩn đốn lỗi máy biến áp dầu Từ khóa: Chẩn đốn lỗi, mạng Bayes, GeNIe Modeler, máy biến áp, phân tích khí hịa tan Abstract Fault diagnosis is an important task for technicians and engineers in detecting, isolating and identifying faults in systems Previously, fault diagnosis and forecasting are mainly performed based on analytical models and expert’s experience However, in practice, the derivation of an analytical model for a fault diagnosis process is difficult or impossible In addition, as a given system has some degrees of uncertainty, there is a need of using a mathematical tool for handling this issue Bayesian networks (BNs) are probabilistic graphical models that effectively deal with uncertainty and are widely used in fault diagnosis Recently, there have been free and commercial tools for Bayesian network-based modeling and inference of system faults Dissolved gas analysis (DGA) is a technique widely used in fault diagnosis of oil-immersed power transformers This paper presents the use of Bayesian networks in GeNIe Modeler environment with DGA technique for conveniently deploying fault diagnosis models of oil-immersed power transformers Keywords: Fault diagnosis, Bayesian network, GeNIe Modeler, power transformer, DGA Giới thiệu* số cho phép phát cách ly cố ảnh hưởng đến trình Tuy nhiên, thực tế hệ thống thường phức tạp nên khó xây dựng mơ hình giải tích cho hệ thống Nhóm thứ hai phương pháp chẩn đốn khơng dùng mơ hình giải tích xây dựng từ kỹ thuật trí tuệ nhân tạo (bao gồm phương pháp sử dụng mạng nơ ron, hệ chuyên gia,…) [2, 3] Tuy nhiên, phương pháp địi hỏi phải có sở liệu phong phú (dữ liệu kinh nghiệm hay liệu thực nghiệm) để đảm bảo thực tốt trình học Hơn nữa, thực tế kiến thức hệ thống khơng đầy đủ khơng chắn Do đó, việc sử dụng cơng cụ tốn học với khái niệm xác suất mạng Bayes để kiểm sốt khơng chắn và/hoặc không đầy đủ hệ thống giải pháp tối ưu phát triển hệ thống chẩn đốn lỗi [4, 5] Mục đích chẩn đoán lỗi hệ thống để phát hiện, cách ly nhận dạng nguyên nhân gây nên vận hành bất thường hệ thống Tình bất thường diễn đạt tập tượng không rõ ràng hành vi quan sát hành vi bình thường trình Các phương pháp chẩn đốn lỗi phân chia thành hai nhóm chính: (1) nhóm phương pháp sử dụng mơ hình giải tích (2) nhóm phương pháp khơng sử dụng mơ hình giải tích Nhóm thứ (bao gồm phương pháp dựa ước lượng thông số, xây dựng giám sát trạng thái,…) [1] sử dụng trường hợp chẩn đoán lỗi hiểu biết đầy đủ mơ hình xây dựng để phản ánh trung thực hành vi động Mơ hình thu sau sử dụng để tạo số lỗi Việc đánh giá phân tích trực tuyến GeNIe Modeler cơng cụ hữu ích sử dụng để xây dựng mơ hình suy luận dựa mạng Bayes [6] Nội dung báo * Địa liên hệ: Tel.: (+84) 85.705.0325 Email: son.nguyenthanh@hust.edu.vn Tạp chí Khoa học Cơng nghệ 145 (2020) 007-013 giới thiệu đến kỹ sư kỹ thuật viên công cụ GeNIe Modeler để xây dựng mạng Bayes cho chẩn đốn lỗi hệ thống nói chung lỗi máy biến áp điện lực nói riêng Cấu trúc báo sau Phần trình bày khái niệm mạng Bayes cho chẩn đoán lỗi kèm theo ví dụ đơn giản minh họa Trong phần 3, báo trình bày cơng cụ GeNIe Modeler sử dụng để chẩn đoán lỗi cho hệ thống sử dụng mạng Bayes Phần trình bày quy trình phát triển mạng Bayes với GeNIe Modeler cho chẩn đốn lỗi máy biến áp dầu sử dụng cơng nghệ phân tích khí hịa tan Cuối cùng, phần kết luận hướng phát triển nghiên cứu thực nào, xem xét ví dụ đơn giản: chẩn đốn lỗi không khởi động laptop Sau ấn nút nguồn, người sử dụng để ý thấy laptop khơng khởi động Do đó, hai ngun nhân làm cho máy không khởi động xuất ý nghĩa người sử dụng: vấn đề không khởi động xuất phát từ pin hết điện từ bo mạch mẹ bị lỗi Để đơn giản cho mơ hình phân tích, giả thiết nguồn cung cấp xoay chiều không xét đến ví dụ Bước (định tính) việc xây dựng mạng Bayes tình bất thường mô tả bao gồm đại diện đồ họa quan hệ nhân ba biến (hay ba nút) kết hợp với kiện phần tử sau: Mạng Bayes 2.1 Định nghĩa Mạng Bayes đề xuất Judea Pearl (1988) mơ hình đồ họa xác suất kiểu mơ hình thống kê Mạng Bayes phương pháp biểu diễn đồ thị phụ thuộc có điều kiện Phân bố xác suất kết hợp biến xác định cấu trúc đồ thị mạng Một mạng Bayes đồ thị có hướng phi chu trình mà đó:  Biến khơng khởi động ký hiệu S (không khởi động (does not start): True (đúng), False (sai))  Biến pin ký hiệu B (Battery: loaded (được nạp), not loaded (không nạp))  Biến bo mạch mẹ ký hiệu M (Mother board: ok (bình thường), degraded (xuống cấp))  Các nút đại diện cho biến  Các cạnh đại diện cho quan hệ phụ thuộc thống kê biến Đồ thị hay cấu trúc mạng Bayes tương ứng với phân tích trực quan người sử dụng có dạng Hình.1 Nếu có cạnh từ nút A đến nút B có nghĩa biến B phụ thuộc trực tiếp vào biến A nút A gọi cha mẹ nút B Nếu với biến X i , i  1, , N  tập biến cha mẹ chúng ký hiệu C  X i  phân bố xác suất kêt hợp biến P V1 ,V2 , ,Vn  tích phân bố xác suất địa phương P Vi | C Vi   Do ta có: Hình Mạng Bayes dùng để suy luận lỗi không khởi động laptop n P  X , X , , X n    P  X i | C  X i   (1) Trong mạng Bayes, thơng tin chắn (hay cịn gọi chứng hay quan sát) thực tế laptop không khởi động lan truyền mạng Bayes cách điều chỉnh (hay cập nhật) độ tin tưởng trước i 1 Các mạng Bayes lý tưởng xem xét đến kiện xảy dự đốn khả số nguyên nhân biết trước liên quan đến kiện Mơ hình hóa sử dụng mạng Bayes bao gồm hai bước: bước định tính (xây dựng cấu trúc mạng) bước định lượng (tính tốn bảng phân bố xác suất) Bước định lượng: Bước xác định bảng xác suất cho nút (định nghĩa tất xác suất biến nút) Để giải thích khái niệm định lượng mạng Bayes, ta sử dụng ví dụ vấn đề khởi động laptop bao gồm: nguyên nhân bắt nguồn từ lỗi bo mạch mẹ ( M ) lỗi pin ( B ) Chúng ta giả thiết xác suất cận biên trước M P  M  B P  B  xác 2.2 Mơ hình hóa Bước định tính: Bước cho phép xây dựng cấu trúc đồ thị mạng Bayes đại diện cho quan hệ nhân biến khác trình xem xét Cấu trúc mạng xác định hai cách khác nhau: khám phá kiến thức chuyên gia trình sở liệu ghi lại đầy đủ Để minh họa bước định từ kinh nghiệm hệ thống (thực tế xác suất xác định chuyên gia lĩnh vực mơ hình hóa học từ sở liệu phong phú) Ví dụ, biết tỷ lệ bo mạch Tạp chí Khoa học Công nghệ 145 (2020) 007-013 mẹ bị hỏng chiếm 5% tất trường hợp xác suất bo mạch mẹ bị xuống cấp 0,05 Thêm vào đó, biết người sử dụng qn khơng nạp pin cho laptop trước lượng pin hoàn toàn cạn kiệt chiếm 10% trường hợp, xác suất pin cạn lượng 0,1 P  B  loaded | S  True    Đối với xác suất có điều kiện trước P  S | B, M  , quan tâm đến giá trị cho   P  S  True  M  ok ,deg raded  M  ok ,deg raded  P  S  True,M ,B  loaded   S  true, fault  P  S  True,M ,B  (5) Tử số phân số (5) tổng hai xác suất kết hợp sau: bảng sau: Bảng Bảng xác suất có điều kiện trước P  S | B, M  degraded M  loaded not loaded loaded not loaded P  S  True | M , B 0,9 0,05 P  S  False | M , B 0,1 0,95 Trong đó: P  S  True,M  ok ,B  loaded    P  S  True | M  ok ,B  loaded  P  M  ok | B  loaded  P  B  loaded   0,05  ,95  0,9  0, 0428 P  S  True,M  deg raded ,B  loaded  Bây giờ, cần xác định nguyên nhân hai nguyên nhân có điều kiện (bo mạch mẹ bị xuống cấp hay pin cạn lượng) gây nên tượng không khởi động laptop Câu hỏi trả lới cách tính xác suất phương trình tốn học sau  P  S  True | M  deg raded ,B  loaded  P  M  deg raded | B  loaded  P  B  loaded   0,9  0,05  0,9  ,0405 Tính tốn xác suất: Giả thiết ta cần tính xác suất có điều kiện P  B  loaded | S  True  Mẫu số phân số (5) tổng bốn xác suất kết hợp sau: P  M  deg raded | S  True  Quan hệ xác  suất có điều kiện xác suất liên kết xác định theo phương trình sau: P  b | a P  a  P  b P  b | c  S  true , fault  P  S  True,M ,B   P  S  True,M  deg raded ,B  loaded  (2)  P  S  True,M  ok ,B  not _ loaded   P  S  True,M  deg raded ,B  not _ loaded  Trong đó: (3) P  S  True,M  ok ,B  loaded   0, 0428 Phương trình (2) biểu diễn dạng tổng quát sau: P  b | a, c  P  a | c  M  ok ,deg raded   P  S  True,M  ok ,B  loaded  Phương trình (2) dẫn đến công thức Bayes tiếng sau: P  a | b  P  S  True,M ,B  loaded    P  S  True,M  deg raded ,B  loaded  Theo Bảng 1, ví dụ trường hợp bo mạch mẹ bị hỏng hay xuống cấp (M=degraded) pin nạp (B=loaded), xác suất laptop không khởi động 0,9 P  a, b  P  a | b P  b  P  b | a  P  a  M  ok ,deg raded   P  S  True,M  ok ,B  loaded   ok B P  a | b, c  P  B  loaded,S  True P  S  True,M  deg raded ,B  loaded   0, 0405 P  S  True,M  ok ,B  not _ loaded  (4)  P  S  True | M  ok ,B  not _ loaded  P  M  ok | B  not _ loaded  Theo phương trình (1) ta có: P  B  not _ loaded   1 0,95  0,1  ,095 Tạp chí Khoa học Công nghệ 145 (2020) 007-013 P  S  True,M  deg raded ,B  not _ loaded   Hồn thành tích hợp với MS Excel, cắt dán liệu vào chế độ xem bảng tính nội GeNIe  P  S  True | M  deg raded ,B  not _ loaded   Mở nhiều mạng cắt dán phần mơ hình chúng P  M  deg raded | B  not _ loaded  P  B  not _ loaded   Xử lý liệu linh hoạt, bao gồm nhập từ sở liệu bên  1 0, 05  ,1  0,005 Cuối ta có:  Bao gồm thuật toán học cấu trúc tham số P  B  loaded | S  True   Hỗ trợ nút phương trình phân phối xác suất liên tục mơ hình liên tục lai 0,0428  ,0405  ,0428  0, 0405  0, 095  ,005  0, 4543  Hỗ trợ quản lý trường hợp (lưu truy xuất nhiều chứng)  Tương thích chéo với phần mềm khác Hỗ trợ tất loại tệp mạng Bayes (ví dụ: Hugin, Netica, Ergo) P  B  not _ loaded | S  True    , 4543  0,5457 Tương tự, ta tính xác suất điều kiện sau: Hình mạng Bayes GeNIe cho tốn khơng khởi động laptop Sau quan sát tượng laptop không khởi động ( S  True ), GeNIe Modeler cho phép tính xác suất có điều kiện Hình.2: P  M  ok | S  True   0,7517 P  M  deg raded | S  True   , 2483 Từ xác suất tính tốn trên, ta có nhận xét sau: Khi quan sát thấy chứng laptop không khởi động ( S  True ), xác suất pin nạp 0,4543 xác suất pin khơng nạp 0,5457 Do đó, ngun nhân làm cho laptop khơng khởi động pin không nạp (do xác suất pin không nạp cao xác suất pin nạp) Tương tự, quan sát thấy chứng laptop không khởi động ( S  True ), xác suất bo mạch mẹ bình thường 0,7517 xác suất bo mạch mẹ xuống cấp 0,2483 Do đó, nhiều khả bo mạch mẹ bình thường (do xác suất bo mạch mẹ bình thường cao xác suất bo mạch mẹ bị xuống cấp) P  M  ok | S  True   75% P  M  deg raded | S  True   25% P  B  loaded | S  True   45% P  B  not _ loaded | S  True   55% GeNIe Modeler Hình Mạng Bayes GeNIe Modeler GeNIe Modeler phần mềm phát triển cơng ty BayesFusion, LLC (Hoa Kỳ) Phần mềm tải miễn phí từ địa sau: Ứng dụng GeNIe Modeler chẩn đoán lỗi máy biến áp dầu Máy biến áp thiết bị điện quan trọng hệ thống truyền tải phân phối điện Để cải thiện độ tin cậy máy biến áp giảm chi phí cho cơng tác bảo trì, kỹ thuật chẩn đốn theo dõi cần thiết Dây quấn máy biến áp bao gồm cách điện giấy ngâm dầu cách điện, cách điện giấy dầu cách điện xem đối tượng dùng cho việc phát cố https://www.bayesfusion.com/downloads/ Với giao diện đồ họa, người sử dụng phát triển ứng dụng phức tạp mạng Bayes GeNIe Modeler với bước suy luận đề cập phần mà không nhiều thời gian phải làm quen với cơng cụ GiNIe Modeler xem công cụ lý tưởng để triển khai mơ hình chẩn đốn lỗi hệ thống sử dụng mạng Bayes bao gồm chẩn đoán lỗi thiết bị điện máy biến áp dầu đề cập chi tiết phần sau Tính GeNIe Modeler bao gồm: Phân tích khí hịa tan dầu cách điện máy biến áp xem kỹ thuật hiển thị tốt điều kiện tổng thể máy biến áp sử dụng rộng rãi chẩn đoán lỗi  Trình soạn thảo đồ họa để tạo / tìm hiểu / tinh chỉnh mơ hình mạng 10 Tạp chí Khoa học Cơng nghệ 145 (2020) 007-013 máy biến áp Do ứng xuất nhiệt điện, phân ly giấy dầu dẫn tới lỗi nghiêm trọng Một số khí q trình phân ly làm giảm cường độ cách điện khả giảm nhiệt dầu máy biến áp Ethane (C2H6), methane (CH4), hydrogen (H2), acetylene (C2H2) ethylene (C2H4) khí tạo phân ly dầu Carbon dioxide (CO2) carbon monoxide (CO) tạo phân ly giấy Phương pháp tam giác Duval sử dụng giá trị ba khí: CH4, C2H2 C2H4 vị trí chúng tam giác Hình.3 Bên tam giác có bảy vùng lỗi bao gồm lỗi phóng điện cục bộ, lỗi nhiệt với dải nhiệt độ khác hồ quang điện Các kiểu lỗi mã kết hợp trình bày Bảng Các cơng thức sau xác định ba tọa độ tam giác Duval dựa kết phân tích khí: a C2 H %   100  (6) abc b C2 H %   100  (7) abc c CH %   100  (8) abc Các lỗi bên máy biến áp chia thành hai nhóm: (1) nhóm lỗi nhiệt (2) nhóm lỗi điện  Nhóm lỗi nhiệt: Lỗi dầu (C2H4, C2H6), giấy (CO, CO2)  Nhóm lỗi điện: Phóng điện cục (H2, CH4), hồ quang (C2H2) Trong đó: Ngoại trừ khí CO CO2, khí cịn lại sinh phân ly dầu Tỷ lệ CO/CO2 sử dụng để đánh giá xuống cấp cách điện giấy a  C2 H  ppm  , b  C2 H  ppm  , c  CH  ppm  Bảng giới hạn vùng tam giác Duval Để tìm lỗi dùng tam giác Duval, trước tiên tính phần trăm khí theo (6), (7) (8) Tiếp đó, vẽ đường thẳng đại lượng %CH Phương pháp tam giác Duval cơng cụ phân tích khí hịa tan xây dựng kinh nghiệm từ đầu năm 1970 sử dụng IEC Phương pháp chứng tỏ hiệu sử dụng rộng rãi song song với cạnh C2 H , vẽ đường thẳng đại lượng %C2 H song song với cạnh CH vẽ đường Bảng Các kiểu lỗi mã kết hợp Phóng điện cục PD thẳng %C2 H song song với cạnh C2 H Giao ba đường xác định lỗi cho kết phân tích khí hịa tan máy biến áp Phóng điện lượng thấp D1 Bảng Giới hạn vùng lỗi tam giác Duval Phóng điện lượng cao D2 Các lỗi nhiệt T