Đồ án nghiên cứu nhằm chẩn đoán lỗi của hệ thống là để phát hiện, cách ly nhận dạng các nguyên nhân gây nên sự vận hành bất thường của hệ thống đó mà đối tượng cụ thể ở đây là dựa theo kết quả phân tích khí hòa tan để chẩn đoán tình trạng của máy biến áp.
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI ĐỒ ÁN TỐT NGHIỆP Chẩn đốn lỗi thường gặp trong máy biến áp sử dụng kỹ thuật phân tích khí hịa tan NGUYỄN THẾ LINH Linh.nt152204@sis.hust.edu.vn Ngành Kỹ thuật điện Chun ngành Thiết Bị Điện Điện Tử Giảng viên hướng dẫn: TS. Nguyễn Bích Liên Bộ mơn: Thiết Bị Điện Điện Tử Viện: Điện HÀ NỘI, 1/2021 Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 Lời cảm ơn Năm năm học Bách Khoa không phải là khoảng thời gian dài nhưng cũng không quá ngắn, trải qua biết bao môn học, từ các môn học đại cương đến các môn học chuyên ngành, mỗi môn đều mang một ý nghĩa riêng và không hề dễ dàng để vượt qua. Nhưng đến giờ phút này, em cũng đã đến được mơn học cuối cùng, đó là Đồ án tốt nghiệp. Từ khi đặt chân vào trường Đại học Bách Khoa Hà Nội ln là một cảm giác bất ngờ vì rất nhiều các mơn đại cương khó như Tốn cao cấp, Vật lí đại cương Sang đến các năm tiếp theo, tưởng chừng mọi chuyện sẽ dễ dàng hơn, nhưng khơng, các mơn cơ sở ngành cũng là những khái niệm rất lạ lẫm. Có nhiều lúc em đã hoang mang và lo sợ, sợ rằng mình khơng thể tiếp tục theo đuổi được mơi trường học tập này. Nhưng bên cạnh những sự khó khăn đó là sự giảng dạy rất tận tình của các thầy cơ, của những bàn tay đã cả đời quen với bụi phấn. Cánh cửa thư viện ln rộng mở, chào đón sinh viên đến mượn những quyển sách cần thiết cho mơn học. Và cũng cảm ơn đến những người bạn chân thành, ln ln giúp đỡ mỗi khi mình gặp khó khăn, là những người anh em cùng chiến tuyến, cùng gồng gánh nhau vượt qua những năm tháng đại học. Tất cả đã cho em một sự động viên, nghị lực để có thể đi được đến ngày hơm nay. Sau những năm tháng gắn bó với trường Đại học Bách Khoa Hà Nội, em xin gửi lời cảm ơn chân thành nhất đến các thầy cơ Ban lãnh đạo nhà trường, các giảng viên hết lịng tận tụy vì sinh viên, đặc biệt là TS. Nguyễn Bích Liên, cơ đã tận tình chỉ bảo để em có thể hồn thành đồ án tốt nghiệp. Cảm ơn những người bạn thân thiết, những hành lang trường đầy nắng và gió, cảm ơn Đại học Bách Khoa Hà Nội đã tơ điểm thêm thanh xn và chặng đường học tập của em! Tóm tắt nội dung đồ án Nội dung đồ án trình bày về việc chẩn đốn lỗi cho máy biến áp sử dụng kỹ thuật phân tích khí hịa tan trong dầu máy biến áp bằng các phương pháp: khí chính; tỷ lệ; tam giác Duval; và quan trọng nhất là phương pháp sử dụng mạng neural network. Đồ án sẽ chỉ ra những ưu nhược điểm cũng như tính chính xác Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 của các phương pháp kể trên. Đồng thời, nắm được cách xây dựng một mạng neural network và kết quả đầu ra của mạng trong việc chẩn đoán lỗi máy biến áp điện lực Mục lục Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 DANH MỤC HÌNH VẼ Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 DANH MỤC BẢNG BIỂU Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 CHƯƠNG 1 TỔNG QUAN VỀ CHẨN ĐỐN LỖI CHO MÁY BIẾN ÁP ĐIỆN LỰC 1.1 Giới thiệu về máy biến áp điện lực Máy biến áp điện lực (MBA) là một thiết bị điện quan trọng trong các hệ thống truyền tải và phân phối điện. Sự hoạt động ổn định, an tồn và hiệu quả của thiết bị này ảnh hưởng trực tiếp đến sự ổn định của tồn bộ hệ thống. Vì vậy để cải thiện độ tin cậy của máy biến áp và giảm chi phí cho cơng tác bảo trì, các kỹ thuật chẩn đốn và theo dõi là rất cần thiết. Để chẩn đốn sự cố trong máy biến áp có nhiều phương pháp khác nhau khi máy biến áp trạng thái online hoặc offline. Khi máy biến áp đang trạng thái offline, các thử nghiệm có thể được thực hiện như: đo điện trở cách điện, đo hệ số tổn thất điện mơi, đo độ phân cực mặt phân cách, kiểm tra tỉ lệ số vịng dây, đo điện trở cách điện cuộn dây… Khi máy biến áp làm việc trạng thái online, các phương pháp có thể áp dụng như: phương pháp đáp ứng tần số, phân tích phổ âm thanh, phương pháp hồng ngoại, phương pháp phân tích khí hịa tan… Trong đối tượng nghiên cứu ở đây, ta sử dụng phương pháp phân tích khi hịa tan, là phương pháp đang dần trở nên phổ biến hiện nay bởi những ưu điểm: Thực hiện phân tích lấy mẫu mà khơng phải ngắt nguồn điện máy biến áp Việc lấy mẫu trở đơn giản cũng như chi phí tiết rẻ hơn nhờ sự phát triển của khoa họccơng nghệ Cảnh báo trước về sự xuất hiện các lỗi tiềm ẩn Dễ dàng lập kế hoạch cho các phương án ngăn ngừa lỗi 1.2 Tổng quan về chẩn đốn lỗi cho máy biến áp điện lực Mục đích chẩn đốn lỗi của hệ thống là để phát hiện, cách ly nhận dạng các ngun nhân gây nên sự vận hành bất thường của hệ thống đó mà đối tượng cụ thể ở đây là dựa theo kết quả phân tích khí hịa tan để chẩn đốn tình trạng của máy biến áp. Các lỗi tiềm ẩn của máy biến áp có thể phân thành các dạng chính sau: hồ quang điện, vầng quang điện, q nhiệt của giấy cách điện (cellulose), q nhiệt của dầu Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 Các loại sự cố máy biến áp: Hồ quang điện, vầng quang điện, quá nhiệt cách điện chất rắn, quá nhiệt cách điện lỏng Các nguyên nhân gây ra sự cố trong máy biến áp: Một loại hư hỏng xảy ra do nhiều nguyên nhân, cũng như việc các nguyên nhân có thể gây ra một vài lỗi. Bảng 1. Sự tương quan giữa các lỗi trong MBA và các nguyên nhân Hư hỏng Nguyên nhân Hồ Quang Vầng Quang Ngắn mạch vòng dây x Quá nhiệt giấy x Hở mạch cuộn dây x x Xê dịch hoặc biến dạng cuộn dây x x Xê dịch hoặc biến dạng các thanh dẫn x x x Lỏng đầu nối tại đầu sứ, dây dẫn, quấn dây x x Nước tự do hoặc độ ẩm quá mức trong dầu x x Các hạt kim loại x x Lỏng mối nối tấm chắn vầng quang x Lỏng vòng siết, dây nối đất x Sự cố đánh thủng x Quá tải x x Quá nhiệt dầu x Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 Hư hỏng bu lông cách điện x Rỉ sét hư hỏng khác trên lõi x Hư hỏng đai bó quanh vỏ máy x Bảng phân loại này chỉ mang tính tương đối mang tính tham khảo, dựa trên một số tiêu chuẩn cụ thể. Theo bảng thì một loại lỗi có thể do nhiều ngun nhân gây ra, điều này làm cho việc phân vùng lỗi trở nên khó khăn. Do đó, khi vận hành thực tế, việc chẩn đốn lỗi chỉ mang tính xác định lỗi tiềm ẩn ban đầu chứ chưa phải đưa ra kết luận cuối cùng. Các kiểm tra khác và thậm chí việc mở MBA có thể là cần thiết để khoanh vùng lỗi cùng như tìm ra ngun nhân chính xác hơn 1.3 Các phương pháp chẩn đốn lỗi tiềm ẩn cho máy biến áp 1.3.1 Kiểm tra cách điện Cách điện của các máy biến áp điện lực bao gồm cách điện rắn và dầu. Nước có thể gây hư hại hệ thống cách điện này. Nó làm giảm độ bền điện mơi, có thể đo được trong dầu cách điện. Hiệu ứng hình thành bọt khí cũng có thể xảy ra, làm tăng cường độ điện trường tại bề mặt của bọt hơi nước và có thể dẫn đến phóng điện cục bộ. Hơn nữa, nước gây ra sự thủy phân trong cách điện cellulose (thường là giấy, tấm bìa ép). Đây là một q trình hóa học làm hư hỏng cellulose. Cùng với khí oxy, nó có thể tạo thêm nước, gây ra hiệu ứng bóng tuyết và làm gia tăng q trình lão hóa của cách điện rắn. Trong phần lớn trường hợp, sự già cỗi và hàm lượng nước trong cách điện rắn có liên hệ với nhau, do đó hàm lượng nước có thể được sử dụng như một chỉ số cho sự lão hóa của cellulose Tuy nhiên, nếu sự suy giảm độ bền điện mơi giảm mạnh, dầu có thể được thay thế, đó là một nỗ lực để phục hồi cách điện rắn. Do đó, xác định hàm lượng nước là rất quan trọng để đánh giá tình trạng cách điện 1.3.2 Phóng điện cục bộ Phóng điện cục bộ (Partial Discharge – PD) là các phóng điện tập trung làm cầu nối từng phần trong cách điện cao áp. Đo PD là một cơng cụ được chấp Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 nhận trên thế giới để kiểm sốt chất lượng của hệ thống cách điện cao áp. Phóng điện cục thường xuất hiện trước phá hủy hoàn toàn trường khơng đồng nhất, do đó có thể phát hiện các lỗi liên quan đến các điểm yếu cục bộ trước khi sự cố xảy ra. Các nhà sản xuất được khuyến cáo nên thực hiện đo PD để đảm bảo chất lượng tn theo một số tiêu chuẩn như IEC 60076. Do đó, có thể khuyến cáo thực hiện thí nghiệm PD trong q trình thiết kế từng bộ phận riêng lẻ trên các bộ phận của máy biến áp khi sản xuất và sau đó trên tồn bộ máy biến áp Một phép đo PD có thể phát hiện các khiếm khuyết trong cách điện (ví dụ các vết nứt, các tạp chất) gây ra bởi q trình sản xuất khơng hồn thiện hoặc áp lực tăng cao trong cách điện do thiết kế kém. Loại phóng điện cục bộ cũng như vị trí của chúng có thể đưa lại thơng tin quan trọng về hư hỏng 1.3.3 Phân tích khí hịa tan (DGA) Các MBA cho phép truyền tải năng lượng điện hiệu quả ở điện áp cao và sử dụng điện ở mức điện áp thấp một cách thuận tiện. MBA được sử dụng kể từ những ngày đầu sản xuất và truyền tải điện năng và ngày nay đã trở nên phổ biến trên tồn thế giới ước tính có khoảng hơn 2,000,000 MBA lớn trên tồn giới (>100kVA). Mặc dù hàng nghìn MBA mới đang được sản xuất mỗi năm, phần lớn các MBA trên tồn cầu đã đi vào hoạt động và một tỷ lệ đáng kể trong đó đã và đang tiếp cận, thậm chí vượt xa so với tuổi thọ thiết kế của chúng. Hầu như tất cả các MBA lớn, dù cũ hay mới đều có lõi và các cuộn dây ngâm trong dầu cùng với các kết nối điện đầu vào và đầu ra. Các cuộn dây MBA sẽ được cách điện bởi nhiều lớp giấy dày bọc xung quanh từng phần của mỗi cuộn dây. Dầu hoạt động với vai trị tản nhiệt và cách điện trung bình Khi dầu hoặc giấy cách điện bị q tải, chẳng hạn như trong điều kiện nhiệt độ cao kết hợp với lượng tải lớn hoặc trong điều kiện lỗi hoặc thậm chí trong điều kiện hoạt động bình thường, nó sẽ bị phá vỡ và tạo ra một loạt các sản phẩm phụ và các khí đơn giản. Các khí này ngay lập tức hịa tan vào trong dầu và sẽ trong dầu mãi (nếu như khơng thể thốt ra khỏi thiết bị thơng qua breather của máy) Các khí có liên quan đến các lỗi cụ thể là khí H2, CO2, CO, C2H6, CH4, C2H4 và C2H2 Phân tích khí hịa tan (Dissolved Gas Analysis DGA) từ lâu đã được cơng nhận là kỹ thuật mạnh nhất trong việc phát hiện dự đốn lỗi MBA. Nó đã đi đầu trong các chiến lược tiến bộ cho các tiện ích giám sát trong vịng bốn thập Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 kỷ qua. Điều này đã được chứng minh qua rất nhiều ấn phẩm phát hành và rất nhiều tiêu chuẩn quốc gia cũng như quốc tế liên quan đến cách thức tiến hành DGA và cách thức mà các kết quả được phân tích. Đối mặt với các thế hệ MBA đã cũ cộng với áp lực giảm thiểu vốn và chi phí hoạt động, DGA đã trở nên càng quan trọng hơn cho các đơn vị quản lý và vận hành các trạm biến áp trên tồn quốc CHƯƠNG 2 CHẨN ĐỐN LỖI TRONG MÁY BIẾN ÁP ĐIỆN LỰC SỬ DỤNG PHƯƠNG PHÁP KHÍ HỊA TAN 2.1 Giới thiệu về khí hịa tan trong dầu máy biến áp Qua thực tiễn đã chứng minh, việc phân tích khí hịa tan trong dầu là phương pháp chẩn đốn phát hiện các hư hại ban đầu trong các thiết bị điện chính xác, hiệu quả và kinh tế nhất. Theo dõi thường xun để chẩn đốn kịp thời các hư hỏng tiềm ẩn trong q trình vận hành, sẽ giúp việc quản lí, vận hành lưới điện một cách hồn hảo. Dây quấn của máy biến áp bao gồm lớp cách điện bằng giấy được ngâm trong dầu cách điện, do đó cách điện giấy và dầu cách điện được xem như là đối tượng chính dùng cho việc phát hiện các sự cố tiến triển nhanh, các sự cố ban đầu và xu hướng cách điện ứng với điều kiện thể trạng của máy biến áp khi đang vận hành. Do các lỗi nhiệt và điện, sự phân ly của giấy và dầu dẫn tới 10 Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 Khởi tạo với giá trị nhỏ Giải wk+1 để tính E(wk+1) Nếu thì tăngtheo hệ số và quay lại bước 3 Nếu thì giảm theo hệ số và quay lại bước 3 3.4 Kỹ thuật xác nhận chéo để huấn luyện cho mạng neural network Tính tổng qt là một trong những yếu tố quan trọng nhất khi đánh giá hoạt động của mạng neural network. Xét về hiệu suất phân loại, tính tổng qt của mạng có nghĩa là sau được huấn luyện, mạng có thể phân loại dữ liệu từ một tập dữ liệu mà mạng chưa từng thấy trước đây. Lý tưởng nhất là mạng được huấn luyện cho đến khi đạt được mục tiêu mong muốn về hàm chi phí (cost function) đạt được. Tuy nhiên, q trình này có thể dẫn đến một sai sót nổi bật là việc huấn luyện mạng q mức (thời gian huấn luyện q dài, hàm chi phí huấn luyện buộc phải là giá trị rất nhỏ). Trong trường hợp này, hiệu suất của mạng neural network trên dữ liệu huấn luyện vẫn liên tục được cải thiện trong khi hiệu suất trên các tập dữ liệu khác trở nên kém hơn, dẫn đến việc tính tổng qt của mạng là kém (như trong Hình 3.5) Để hạn chế sự huấn luyện q mức của mạng và nâng cao tính tính tổng qt của mạng, trong đồ án này, kỹ thuật xác nhận chéo được áp dụng. Để làm điều này, dữ liệu có sẵn được chia thành ba tập con riêng biệt: tập huấn luyện, tập xác nhận và tập thử nghiệm. Tập huấn luyện được sử dụng để huấn luyện mạng bằng cách cập nhật dữ liệu của mạng và độ dốc thơng qua việc giảm thiểu hàm chi phí (hàm lỗi). Trong q trình huấn luyện, chức năng hàm lỗi trên tập xác nhận cũng được tính tốn song song cùng với tập huấn luyện. Lỗi trên tập xác thực bình thường giảm trong giai đoạn đầu của q trình huấn luyện, cũng như lỗi trên tập huấn luyện. Tuy nhiên, khi mạng bắt đầu trạng thái huấn luyện q mức, lỗi trên tập xác thực thường bắt đầu tăng trong khi lỗi huấn luyện vẫn giảm (Hình 3.5). Khi mà lỗi trên tập xác thực tăng lên đối với một số lần lặp lại cụ thể, q trình huấn luyện bị dừng, trọng số và độ lệch ở mức tối thiểu của lỗi xác thực được trả về là giá trị cuối cùng thơng số mạng. Tập hợp thử nghiệm được tách biệt với hai tập hợp con khác và chỉ được sử dụng để kiểm tra hiệu suất của mạng cuối cùng như một tập dữ liệu hồn tồn khơng bị ảnh hưởng của q trình huấn luyện 30 Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 CHƯƠNG 4 SỬ DỤNG MẠNG NEURAL NETWORK KẾT HỢP VỚI PHƯƠNG PHÁP PHÂN TÍCH KHÍ HỊA TAN ĐỂ CHẨN ĐỐN LỖI CHO MÁY BIẾN ÁP ĐIỆN LỰC 4.1 Xây dựng mơ hình thuật tốn 31 Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 Theo như lý thuyết đã được trình bày ở chương 3, nhằm mục đích phát hiện lỗi cho máy biến áp điện lực, mạng neural network sẽ bao gồm 3 lớp. Cấu trúc mạng sẽ được thiết kế như sau: Lớp đầu vào chứa 5 nút đầu vào tương ứng với 5 loại chất khí được xét (H2, CH4, C2H2, C2H4, C2H6) Lớp ẩn bao gồm N nút ẩn. Ứng với 5 nút đầu vào và 5 nút đầu ra thì thay đổi N từ 530. Trong q trình thay đổi thì N = 20 nút ẩn thì kết quả đạt hiệu suất cao nhất. Vậy nên ta sẽ chọn N = 20 để thiết lập thơng số cho mạng Lớp đầu ra bao gồm 5 nút. Cho biết trạng thái đầu ra mỗi nút tương ứng với một lỗi đầu ra của máy biến áp. Bao gồm: Nút 1: Phóng điện cục bộ (PD) Nút 2: Phóng điện năng lượng thấp (D1) Nút 3: Phóng điện năng lượng cao (D2) Nút 4: Lỗi nhiệt 700oC (T3)) 32 Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 4.2 Xây dựng mạng neural network Dựa trên những dữ liệu cơ bản trên, dưới đây là các bước để thiết lập cũng tạo một mạng neural network hồn chỉnh nhằm mục đích phát hiện lỗi cho MBA điện lực: Cấu hình của mạng: Đầu vào (input): Gồm 5 nút tương ứng với thơng số của 5 chất khí (H2, C2H4, CH4, C2H2, C2H6) Lớp ẩn (hidden): Mạng gồm 1 lớp ẩn, mỗi lớp bao gồm 20 nút Đầu ra (output): Bài tốn phân loại với 5 lỗi thường gặp nên sẽ tương ứng 5 nút đầu ra Lựa chọn hàm kích hoạt Tansig là hàm truyền sigmoid tiếp tuyến hypebol của lớp ẩn 33 Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 Thiết lập mạng neural network sử dụng toolbox matlab 34 Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 Lựa chọn tham số để huấn luyện Số lượng Epoch: 1000 Số lượng Batch: 100 35 Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 Mơ hình mạng neural network thu được: 36 Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 Kết quả huấn luyện thu được: 37 Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 38 Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 Hiệu suất phân loại Sau khi được huấn luyện bởi thuật tốn Levenberg – Marquardt và kỹ thuật xác thực chéo, cấu trúc và thơng số cuối cùng của mạng neural network phát triển được xác định. Hiệu suất phân loại của mạng sẽ được tính bằng cách đánh giá hai thơng số: Sensitivity và Specificity của mạng neural network trên mỗi tập dữ liệu. (41) (42) Trong đó: TP (True Positive): là số điểm dữ liệu có lỗi được phân loại chính xác là có lỗi 39 Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 TN (True Negative): là số điểm dữ liệu có trạng thái bình thường được phân loại chính xác là trạng thái bình thường FP (False Positive): là số điểm dữ liệu có lỗi được phân loại chính xác là khơng có lỗi FN (False Negative): là số điểm dữ liệu có trạng thái bình thường được phân loại chính xác là có lỗi 4.3 Kết quả thu được Để huấn luyện mạng neural network bằng cách sử dụng thuật tốn Levenberg – Marquardt, tập dữ liệu tổng thể được tách thành tập huấn luyện và tập thử nghiệm. Tập huấn luyện được sử dụng để phát triển các tham số của mạng, trong khi tập thử nghiệm được sử dụng để xác minh hiệu suất của mạng neural network đã được huấn luyện. Số điểm dữ liệu của mỗi tập được trình bày trong bảng 4.1 và bảng 4.2. Trong đó tập huấn luyện bao gồm 465 điểm dữ liệu và tập thử nghiệm có 135 điểm dữ liệu Sau khi huấn luyện mạng theo thuật tốn Lenvenberg – Marquardt thì thu được kết quả như sau: Hiệu suất phân loại của tập huấn luyện: Bảng 4. Kết quả phân loại của tập huấn luyện TP TN FP FN Tổng Sensitivity Specificity 67 364 24 10 465 0.870 Hiệu suất phân loại của tập thử nghiệm: 40 0.938 Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 Bảng 4. Kết quả phân loại của tập thử nghiệm TP TN FP FN Tổng Sensitivity Specificity 19 106 135 0.905 0.929 Với kết quả phân loại của tập thử nghiệm như trên, Sensitivity = 0.905 và Specificity = 0.929, ta thấy rằng kết quả của việc chấn đốn lỗi MBA sử dụng mạng neural đạt được độ chính xác cao, đủ khả năng phát hiện được lỗi tiềm ẩn cho MBA. 4.4 Kết luận chương Qua chương này ta có thể nắm được những vấn đề sau: Nắm bước để có thể xây dựng mạng neural network hồn chỉnh khi sử dụng toolbox Matlab Biết thêm về các thơng số cần hiệu chỉnh cho mạng Kết thu với tập huấn luyện Sensitivity = 0.870 và Specificity = 0.929 với tập thử nghiệm Sensitivity = 0.905 Specificity = 0.929 điều này cho thấy độ chính xác khi sử dụng mạng neural network là phù hợp cho việc chẩn đốn lỗi máy biến áp 41 Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 CHƯƠNG 5 KẾT LUẬN Qua q trình nghiên cứu, được sử hướng dẫn nhiệt tình của TS. Nguyễn Bích Liên, đồ án tốt nghiệp đã làm rõ được một số vấn đề sau: Tổng quan lỗi của MBA điện lực Một số phương pháp chẩn đốn lỗi cho MBA Giới thiệu về phương pháp phân tích khí hịa tan DGA Giới thiệu về mạng neural network nhân tạo Xây dựng một mạng neural network sử dụng toolbox Matlab để ứng dụng vào việc chẩn đốn lỗi cho máy biến áp 42 Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 Đồ án cũng đạt được kết quả rất tốt qua việc từ mạng đã xây dựng tính được hiệu suất phân loại với tập huấn luyện là Sensitivity = 0.870 và Specificity = 0.929 và với tập thử nghiệm là Sensitivity = 0.905 và Specificity = 0.929. Điều này cho thấy được tính chính xác của phương án này là rất cao và hồn tồn có thể áp dụng trong thực tế. Một trong những hạn chế của đồ án cũng như phương pháp này là sự thiếu hụt dữ liệu và còn phụ thuộc nhiều vào kinh nghiệm của người tiến hành kiểm tra lỗi Và với kết quả như trên thì các thuật tốn nâng cao hơn sẽ được nghiên cứu trong tương lai để cải thiện được hiệu suất tốt hơn nữa TÀI LIỆU THAM KHẢO [1] Trần Bách, Lưới điện và hệ thống điện, Nhà xuất bản Khoa học Kỹ thuật, 2004. [2] Microsoft, "Add citations in a Word document," 2017 [3] N A Bakar, "A Review of Dissolved Gas Analysis Measurement and Interpretation Techniques," Feature Article, 2014. 43 Nguyễn Thế Linh – 20152204 – Lớp Điện 1 K60 [4] V.H.Tiệp, Machine Learning cơ bản, 2016. 44 ... của em! Tóm tắt nội dung? ?đồ? ?án Nội dung? ?đồ ? ?án? ?trình bày về việc? ?chẩn? ?đốn? ?lỗi? ?cho? ?máy? ?biến? ?áp? ?sử ? ?dụng? ?kỹ? ? thuật? ?phân? ?tích? ?khí? ?hịa? ?tan? ?trong? ?dầu? ?máy? ?biến? ?áp? ?bằng các phương pháp:? ?khí? ? chính; tỷ lệ; tam giác Duval; và quan trọng nhất là phương pháp? ?sử? ?dụng? ?mạng ... CHƯƠNG 2 CHẨN ĐỐN LỖI? ?TRONG? ?MÁY BIẾN? ?ÁP? ?ĐIỆN LỰC SỬ DỤNG PHƯƠNG PHÁP KHÍ HỊA? ?TAN 2.1 Giới thiệu về? ?khí? ?hịa? ?tan? ?trong? ?dầu? ?máy? ?biến? ?áp Qua thực tiễn đã chứng minh, việc? ?phân? ?tích? ?khí? ?hịa? ?tan? ?trong? ?dầu là phương... cách điện cuộn dây… Khi? ?máy? ?biến? ?áp? ?làm việc trạng thái online, các phương pháp có thể? ?áp? ?dụng? ?như: phương pháp ? ?áp? ?ứng tần số,? ?phân? ?tích? ?phổ âm thanh, phương pháp hồng ngoại, phương pháp? ?phân? ?tích? ?khí? ?hịa? ?tan? ??