Đồ án Chẩn đoán lỗi thường gặp trong máy biến áp sử dụng kỹ thuật phân tích khí hòa tan

Mục lục CHƯƠNG TỔNG QUAN VÀ CHẨN ĐOÁN LỖI CHO MÁY BIẾN ÁP ĐIỆN LỰC 1.1 Giới thiệu máy biến áp điện lực 1.2 Tổng quan chẩn đoán lỗi cho máy biến áp điện lực 1.3 Các phương pháp chẩn đoán lỗi tiềm ẩn cho máy biến áp .3 1.3.1 Kiểm tra cách điện 1.3.2 Phóng điện cục 1.3.3 Phân tích khí hịa tan (DGA) CHƯƠNG CHẨN ĐOÁN LỖI TRONG MÁY BIẾN ÁP ĐIỆN LỰC SỬ DỤNG PHƯƠNG PHÁP KHÍ HỊA TAN .5 2.1 Giới thiệu khí hịa tan dầu máy biến áp .5 2.2 Các phương pháp phân tích khí hịa tan để chẩn đốn lỗi tiềm ẩn máy biến áp 2.2.1 Phương pháp khí (KGM) 2.2.2 Phương pháp tỷ lệ .7 2.2.3 Phương pháp Tam giác Duval (DTM) 2.2.4 So sánh phương pháp .11 CHƯƠNG TỔNG QUAN VỀ MẠNG NEURAL NETWORK 17 3.1 Giới thiệu mạng Neural Network 17 3.2 Cấu trúc mạng neural network .17 3.2.1 Lớp 17 3.2.2 Nút 17 3.2.3 Trọng số hệ số điều chỉnh 18 3.2.4 Hàm kích hoạt 18 3.3 Thuật toán Levenberg – Marquardt .20 3.4 Kỹ thuật xác nhận chéo để huấn luyện cho mạng neural network 23 CHƯƠNG SỬ DỤNG MẠNG NEURAL NETWORK KẾT HỢP VỚI PHƯƠNG PHÁP PHÂN TÍCH KHÍ HỊA TAN ĐỂ CHẨN ĐOÁN LỖI CHO MÁY BIẾN ÁP ĐIỆN LỰC 25 4.1 Xây dựng mơ hình thuật tốn 25 4.2 Xây dựng mạng neural network 26 4.3 Kết thu 32 4.4 Kết luận chương 33 CHƯƠNG KẾT LUẬN .35 TÀI LIỆU THAM KHẢO 36 DANH MỤC HÌNH VẼ Hình 2.1 Biểu đồ phương pháp khí Hình 2.2 Tam giác phân Duval 10 Hình 2.3 Xác định điểm lỗi tam giác Duval .11 Hình 2.4 Xác định điểm lỗi tam giác Duval .16 Hình 3.1 Cấu trúc mạng Neural Network 17 Hình 3.2 Cấu trúc mạng Neural Network 18 Hình 3.3 Ví dụ đồ thị hàm (a) sigmoid hàm (b)tanh 19 Hình 3.4 Hàm ReLU tốc độ hội tụ so sánh với hàm .20 Hình 3.5 Mạng neural network đào tạo 24 Hình 4.1 Mơ hình mạng Neural Network 25 Hình 4.2 Thơng số đầu vào mạng Neural Network .27 Hình 4.3 Tham số mạng Neural Network 28 Hình 4.4 Mạng neural network thu 29 Hình 4.5 Kết sau đào tạo 30 Hình 4.6 Đồ thị đầu sau huấn luyện 31 DANH MỤC BẢNG BIỂU Bảng 1.1 Sự tương quan lỗi MBA nguyên nhân .2 Bảng 2.1 Các tiêu chuẩn chẩn đoán phương pháp khí Bảng 2.2 Định nghĩa tỷ lệ phương pháp tỷ lệ Bảng 2.3 Phương pháp hệ số tỷ lệ Doernenburg Bảng 2.4 Nồng độ khí hịa tan cho phương pháp tỷ lệ Doernenburg Bảng 2.5 Phương pháp tỷ lệ Rougers Bảng 2.6 Phương pháp tỷ lệ IEC Bảng 2.7 Thơng số khí 11 Bảng 2.8 Bảng so sánh phương pháp phân tích DGA 12 Bảng 2.9 Bảng thơng số khí MBA mắc lỗi phóng điện cục (Mẫu số 1) 13 Bảng 2.10 Bảng thơng số khí MBA máy có tượng tia lửa điện (Mẫu số 2) 13 Bảng 2.11 Bảng phần trăm khí 13 Bảng 2.12 Tỷ lệ khí .14 Bảng 2.13 Bảng phần trăm ba khí .15 Bảng 4.1 Kết phân loại tập huấn luyện 33 Bảng 4.2 Kết phân loại tập thử nghiệm 33 CHƯƠNG TỔNG QUAN VỀ CHẨN ĐOÁN LỖI CHO MÁY BIẾN ÁP ĐIỆN LỰC 1.1 Giới thiệu máy biến áp điện lực Máy biến áp điện lực (MBA) thiết bị điện quan trọng hệ thống truyền tải phân phối điện Sự hoạt động ổn định, an toàn hiệu thiết bị ảnh hưởng trực tiếp đến ổn định tồn hệ thống Vì để cải thiện độ tin cậy máy biến áp giảm chi phí cho cơng tác bảo trì, kỹ thuật chẩn đoán theo dõi cần thiết Để chẩn đốn cố máy biến áp có nhiều phương pháp khác máy biến áp trạng thái online offline Khi máy biến áp trạng thái offline, thử nghiệm thực như: đo điện trở cách điện, đo hệ số tổn thất điện môi, đo độ phân cực mặt phân cách, kiểm tra tỉ lệ số vòng dây, đo điện trở cách điện cuộn dây… Khi máy biến áp làm việc trạng thái online, phương pháp 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 đây, ta sử dụng phương pháp phân tích hòa tan, phương pháp dần trở nên phổ biến ưu điểm:  Thực phân tích lấy mẫu mà khơng phải ngắt nguồn điện máy biến áp  Việc lấy mẫu trở đơn giản chi phí tiết rẻ nhờ phát triển khoa học-công nghệ  Cảnh báo trước xuất lỗi tiềm ẩn  Dễ dàng lập kế hoạch cho phương án ngăn ngừa lỗi 1.2 Tổng quan chẩn đoán lỗi cho máy biến áp điện lực Mục đích chẩn đốn lỗi hệ thống để phát hiện, cách ly nhận dạng nguyên nhân gây nên vận hành bất thường hệ thống mà đối tượng cụ thể dựa theo kết phân tích khí hịa tan để chẩn đốn tình trạng máy biến áp Các lỗi tiềm ẩn máy biến áp phân thành dạng sau: hồ quang điện, vầng quang điện, nhiệt giấy cách điện (cellulose), nhiệt dầu  Các loại cố máy biến áp: Hồ quang điện, vầng quang điện, nhiệt cách điện chất rắn, nhiệt cách điện lỏng  Các nguyên nhân gây cố máy biến áp: Một loại hư hỏng xảy nhiều nguyên nhân, việc nguyên nhân gây vài lỗi Bảng 1.1 Sự tương quan lỗi MBA nguyên nhân Nguyên nhân Hư hỏng Hồ Quang Vầng Quang Quá nhiệt giấy Ngắn mạch vòng dây x x Hở mạch cuộn dây x x Xê dịch biến dạng cuộn dây x x Xê dịch biến dạng dẫn x x x Lỏng đầu nối đầu sứ, dây dẫn, quấn dây x x Nước tự độ ẩm mức dầu x x Các hạt kim loại x x Lỏng mối nối chắn vầng quang x Lỏng vòng siết, dây nối đất x Sự cố đánh thủng x Quá tải Quá nhiệt dầu x x x Hư hỏng bu lông cách điện x Rỉ sét hư hỏng khác lõi x Hư hỏng đai bó quanh vỏ máy x Bảng phân loại mang tính tương đối mang tính tham khảo, dựa số tiêu chuẩn cụ thể Theo bảng loại lỗi nhiều ngun nhân gây ra, điều làm cho việc phân vùng lỗi trở nên khó khăn Do đó, vận hành thực tế, việc chẩn đốn lỗi mang tính xác định lỗi tiềm ẩn ban đầu chưa phải đưa kết luận cuối Các kiểm tra khác chí việc mở MBA cần thiết để khoanh vùng lỗi tìm ngun nhân xác 1.3 Các phương pháp chẩn đoán lỗi tiềm ẩn cho máy biến áp 1.3.1 Kiểm tra cách điện Cách điện máy biến áp điện lực bao gồm cách điện rắn dầu Nước gây hư hại hệ thống cách điện Nó làm giảm độ bền điện mơi, đo dầu cách điện Hiệu ứng hình thành bọt khí xảy ra, làm tăng cường độ điện trường bề mặt bọt nước dẫn đến phóng điện cục Hơn nữa, nước gây thủy phân cách điện cellulose (thường giấy, bìa ép) Đây q trình hóa học làm hư hỏng cellulose Cùng với khí oxy, tạo thêm nước, gây hiệu ứng bóng tuyết làm gia tăng q trình lão hóa cách điện rắn Trong phần lớn trường hợp, già cỗi hàm lượng nước cách điện rắn có liên hệ với nhau, hàm lượng nước sử dụng số cho lão hóa cellulose Tuy nhiên, suy giảm độ bền điện mơi giảm mạnh, dầu thay thế, nỗ lực để phục hồi cách điện rắn Do đó, xác định hàm lượng nước quan trọng để đánh giá tình trạng cách điện 1.3.2 Phóng điện cục Phóng điện cục (Partial Discharge – PD) phóng điện tập trung làm cầu nối phần cách điện cao áp Đo PD công cụ chấp nhận giới để kiểm soát chất lượng hệ thống cách điện cao áp Phóng điện cục thường xuất trước phá hủy hồn tồn trường khơng đồng nhất, phát lỗi liên quan đến điểm yếu cục trước cố xảy Các nhà sản xuất khuyến cáo nên thực đo PD để đảm bảo chất lượng tuân theo số tiêu chuẩn IEC 60076 Do đó, khuyến cáo thực thí nghiệm PD trình thiết kế phận riêng lẻ phận máy biến áp sản xuất sau tồn máy biến áp Một phép đo PD phát khiếm khuyết cách điện (ví dụ vết nứt, tạp chất) gây q trình sản xuất khơng hoàn thiện áp lực tăng cao cách điện thiết kế Loại phóng điện cục vị trí chúng đưa lại thơng tin quan trọng hư hỏng 1.3.3 Phân tích khí hịa tan (DGA) Các MBA cho phép truyền tải lượng điện hiệu điện áp cao sử dụng điện mức điện áp thấp cách thuận tiện MBA sử dụng kể từ ngày đầu sản xuất truyền tải điện ngày trở nên phổ biến toàn giới- ước tính có khoảng 2,000,000 MBA lớn tồn giới (>100kVA) Mặc dù hàng nghìn MBA sản xuất năm, phần lớn MBA toàn cầu vào hoạt động tỷ lệ đáng kể tiếp cận, chí vượt xa so với tuổi thọ thiết kế chúng Hầu tất MBA lớn, dù cũ hay có lõi cuộn dây ngâm dầu với kết nối điện đầu vào đầu Các cuộn dây MBA cách điện nhiều lớp giấy dày bọc xung quanh phần cuộn dây Dầu hoạt động với vai trị tản nhiệt cách điện trung bình Khi dầu giấy cách điện bị tải, chẳng hạn điều kiện nhiệt độ cao kết hợp với lượng tải lớn điều kiện lỗi chí điều kiện hoạt động bình thường, bị phá vỡ tạo loạt sản phẩm phụ khí đơn giản Các khí hòa tan vào dầu dầu (nếu khơng thể khỏi thiết bị thơng qua breather máy) Các khí có liên quan đến lỗi cụ thể khí H2, CO2, CO, C2H6, CH4, C2H4 C2H2 Phân tích khí hịa tan (Dissolved Gas Analysis - DGA) từ lâu công nhận kỹ thuật mạnh việc phát dự đốn lỗi MBA Nó đầu chiến lược tiến cho tiện ích giám sát vòng bốn thập kỷ qua Điều chứng minh qua nhiều ấn phẩm phát hành nhiều tiêu chuẩn quốc gia quốc tế liên quan đến cách thức tiến hành DGA cách thức mà kết phân tích Đối mặt với hệ MBA cũ cộng với áp lực giảm thiểu vốn chi phí hoạt động, DGA trở nên quan trọng cho đơn vị quản lý vận hành trạm biến áp toàn quốc CHƯƠNG CHẨN ĐOÁN LỖI TRONG MÁY BIẾN ÁP ĐIỆN LỰC SỬ DỤNG PHƯƠNG PHÁP KHÍ HỊA TAN 2.1 Giới thiệu khí hòa tan dầu máy biến áp Qua thực tiễn chứng minh, việc phân tích khí hịa tan dầu phương pháp chẩn đoán phát hư hại ban đầu thiết bị điện xác, hiệu kinh tế Theo dõi thường xuyên để chẩn đoán kịp thời hư hỏng tiềm ẩn q trình vận hành, giúp việc quản lí, vận hành lưới điện cách hoàn hảo Dây quấn máy biến áp bao gồm lớp cách điện giấy ngâm dầu cách điện, cách điện giấy dầu cách điện xem đối tượng dùng cho việc phát cố tiến triển nhanh, cố ban đầu xu hướng cách điện ứng với điều kiện thể trạng máy biến áp vận hành Do lỗi 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 Các lỗi Máy Biến Áp chia thành nhóm: - Nhóm lỗi nhiệt: Lỗi dầu (C2H4, C2H6), Lỗi giấy (CO, CO2) - Nhóm lỗi điện: Phóng điện cục (H2, CH4), Hồ quang (C2H2) Ngoại trừ khí CO CO2 chất khí cịn lại sinh phân ly dầu Tỷ lệ CO/CO2 sử dụng để đánh giá xuống cấp giấy cách điện (theo IEC 599) 2.2 Các phương pháp phân tích khí hịa tan để chẩn đoán lỗi tiềm ẩn máy biến áp Ta trình bày số phương pháp sử dụng khí hịa tan sở chẩn đốn lỗi tiềm ẩn máy biến áp bao gồm phương pháp khí chính, phương pháp tỷ lệ phương pháp tam giác Duval 2.2.1 Phương pháp khí (KGM) Đây phương pháp sử dụng nồng độ riêng biệt chất khí bao gồm CO, H2, CH4, C2H2, C2H4 C2H6 Phương pháp đánh giá lỗi bản: Quá nhiệt dầu (Overheated oil), Quá nhiệt giấy (Overheated cellulose), Phóng điện cục dầu (Partial discharge in oil), Hồ quang dầu (Arcing in oil) Tỷ lệ phần trăm xác định dựa kinh nghiệm thực tế Bảng 2.2 Các tiêu chuẩn chẩn đoán phương pháp khí Lỗi Khí Nội dung Tỷ lệ phần trăm khí Hồ quang Acetylen (C2H2) Bao gồm lượng lớn H2 C2H2, ngồi bao gồm lượng nhỏ CH4 C2H4 H2: 60% Hydrogen (H2) Bao gồm lượng lớn H2, lượng CH4, lượng nhỏ C2H4 C2H6 Ethylene (C2H4) Bao gồm lượng lớn C2H4, lượng C2H6, có H2 CH4 C2H4: 63% Carbon Monixide (CO) Bao gồm lượng lớn khí CO CO2 CO: 92% Phóng điện cục Quá nhiệt dầu Quá nhiệt giấy C2H2: 30% H2: 85% CH4: 13% C2H6: 20% Thành phần phần trăm chi tiết chất khí khác mơ tả trực quan qua biểu đồ hình 2.1 (3-9) Ở dạng ma trận: (3- 10) Trong Giả sử lỗi tập huấn luyện độc lập phân phối giống xung quanh giá trị trung bình 0, đó, thành phần S(w) bỏ qua ma trận Hessian biểu diễn là: (3-11) Thay phương trình 3-11 phương trình 3-10 vào phương trình 3-5 ta được: (3- 12) Phương pháp cập nhật gọi Gauss – Newton Lợi so với phương pháp tiêu chuẩn khơng u cầu tính tốn đạo hàm bậc Tuy nhiên, ma trận Hessian A= JTJ khơng đảo ngược Để khắc phục điều này, ma trận gần Hessian gần tính bằng: (3- 13) Trong I ma trận đơn vị hệ số tỷ lệ cập nhật trình đạo tạo Bằng cách tăng giá trị đủ lớn, ma trận G chắn khả nghịch điều dẫn đến thuật toán Levenberg – Marquardt: (3- 14) Hoặc (3- 15) Tóm lại, với mục đích huấn luyện mạng neural network, thuật toán Levenberg – Marquardt nhằm mục địch giảm thiểu hàm E(w) trình bày sau : Tính toán E(w) Khởi tạo với giá trị nhỏ Giải wk+1 để tính E(wk+1) 22 Nếu tăngtheo hệ số quay lại bước Nếu giảm theo hệ số quay lại bước 3.4 Kỹ thuật xác nhận chéo để huấn luyện cho mạng neural network Tính tổng quát yếu tố quan trọng đánh giá hoạt động mạng neural network Xét hiệu suất phân loại, tính tổng quát mạng có nghĩa sau huấn luyện, mạng phân loại liệu từ tập liệu mà mạng chưa thấy trước Lý tưởng mạng huấn luyện đạt mục tiêu mong muốn hàm chi phí (cost function) đạt Tuy nhiên, q trình dẫn đến sai sót bật việc huấn luyện mạng mức (thời gian huấn luyện dài, hàm chi phí huấn luyện buộc phải giá trị nhỏ) Trong trường hợp này, hiệu suất mạng neural network liệu huấn luyện liên tục cải thiện hiệu suất tập liệu khác trở nên hơn, dẫn đến việc tính tổng quát mạng (như Hình 3.5) Để hạn chế huấn luyện mức mạng nâng cao tính tính tổng quát mạng, đồ án này, kỹ thuật xác nhận chéo áp dụng Để làm điều này, liệu có sẵn chia thành ba tập riêng biệt: tập huấn luyện, tập xác nhận tập thử nghiệm Tập huấn luyện sử dụng để huấn luyện mạng cách cập nhật liệu mạng độ dốc thơng qua việc giảm thiểu hàm chi phí (hàm lỗi) Trong trình huấn luyện, chức hàm lỗi tập xác nhận tính tốn song song với tập huấn luyện Lỗi tập xác thực bình thường giảm giai đoạn đầu trình huấn luyện, lỗi tập huấn luyện Tuy nhiên, mạng bắt đầu trạng thái huấn luyện mức, lỗi tập xác thực thường bắt đầu tăng lỗi huấn luyện giảm (Hình 3.5) Khi mà lỗi tập xác thực tăng lên số lần lặp lại cụ thể, trình huấn luyện bị dừng, trọng số độ lệch mức tối thiểu lỗi xác thực trả giá trị cuối thông số mạng Tập hợp thử nghiệm tách biệt với hai tập hợp khác sử dụng để kiểm tra hiệu suất mạng cuối tập liệu hoàn tồn khơng bị ảnh hưởng q trình huấn luyện 23 Hình 3.9 Mạng neural network đào tạo CHƯƠNG 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 mô hình thuật tốn 24 Hình 4.10 Mơ hình mạng Neural Network Theo lý thuyết trình bày chương 3, nhằm mục đích phát lỗi cho máy biến áp điện lực, mạng neural network bao gồm lớp Cấu trúc mạng thiết kế sau:  Lớp đầu vào chứa nút đầu vào tương ứng với loại chất khí xét (H2, CH4, C2H2, C2H4, C2H6)  Lớp ẩn bao gồm N nút ẩn Ứng với nút đầu vào nút đầu thay đổi N từ 5-30 Trong trình thay đổi N = 20 nút ẩn kết đạt hiệu suất cao Vậy nên ta chọn N = 20 để thiết lập thông số cho mạng  Lớp đầu bao gồm nút Cho biết trạng thái đầu nút tương ứng với lỗi đầu máy biến áp Bao gồm:  Nút 1: Phóng điện cục (PD)  Nút 2: Phóng điện lượng thấp (D1)  Nút 3: Phóng điện lượng cao (D2)  Nút 4: Lỗi nhiệt 700oC (T3)) 4.2 Xây dựng mạng neural network Dựa liệu trên, bước để thiết lập tạo mạng neural network hồn chỉnh nhằm mục đích phát lỗi cho MBA điện lực: Cấu hình mạng:  Đầu vào (input): Gồm nút tương ứng với thông số chất khí (H2, C2H4, CH4, C2H2, C2H6) 25  Lớp ẩn (hidden): Mạng gồm lớp ẩn, lớp bao gồm 20 nút  Đầu (output): Bài toán phân loại với lỗi thường gặp nên tương ứng nút đầu Lựa chọn hàm kích hoạt Tansig hàm truyền sigmoid tiếp tuyến hypebol lớp ẩn Thiết lập mạng neural network sử dụng toolbox matlab 26 Hình 4.11 Thơng số đầu vào mạng Neural Network Lựa chọn tham số để huấn luyện  Số lượng Epoch: 1000  Số lượng Batch: 100 27 Hình 4.12 Tham số mạng Neural Network Mơ hình mạng neural network thu được: 28 Hình 4.13 Mạng neural network thu Kết huấn luyện thu được: 29 Hình 4.14 Kết sau đào tạo 30 Hình 4.15 Đồ thị đầu sau huấn luyện Hiệu suất phân loại Sau huấn luyện thuật toán Levenberg – Marquardt kỹ thuật xác thực chéo, cấu trúc thông số cuối mạng neural network phát triển xác định Hiệu suất phân loại mạng tính cách đánh giá hai thông số: Sensitivity Specificity mạng neural network tập liệu 31 (4- 1) (4- 2) Trong đó:  TP (True Positive): số điểm liệu có lỗi phân loại xác có lỗi  TN (True Negative): số điểm liệu có trạng thái bình thường phân loại xác trạng thái bình thường  FP (False Positive): số điểm liệu có lỗi phân loại xác khơng có lỗi  FN (False Negative): số điểm liệu có trạng thái bình thường phân loại xác có lỗi 4.3 Kết thu Để huấn luyện mạng neural network cách sử dụng thuật toán Levenberg – Marquardt, tập liệu tổng thể tách thành tập huấn luyện tập thử nghiệm Tập huấn luyện sử dụng để phát triển tham số mạng, tập thử nghiệm sử dụng để xác minh hiệu suất mạng neural network huấn luyện Số điểm liệu tập trình bày bảng 4.1 bảng 4.2 Trong tập huấn luyện bao gồm 465 điểm liệu tập thử nghiệm có 135 điểm liệu Sau huấn luyện mạng theo thuật toán Lenvenberg – Marquardt thu kết sau: Hiệu suất phân loại tập huấn luyện: Bảng 4.15 Kết phân loại tập huấn luyện TP TN FP FN Tổng 32 Sensitivit y Specificit y 67 364 24 10 465 0.870 0.938 Hiệu suất phân loại tập thử nghiệm: Bảng 4.16 Kết phân loại tập thử nghiệm TP TN FP FN Tổng Sensitivit y Specificit y 19 106 135 0.905 0.929 Với kết phân loại tập thử nghiệm trên, Sensitivity = 0.905 Specificity = 0.929, ta thấy kết việc chấn đoán lỗi MBA sử dụng mạng neural đạt độ xác cao, đủ khả phát lỗi tiềm ẩn cho MBA 4.4 Kết luận chương Qua chương ta nắm vấn đề sau:  Nắm bước để xây dựng mạng neural network hoàn chỉnh sử dụng toolbox Matlab  Biết thêm thông số cần hiệu chỉnh cho mạng  Kết thu với tập huấn luyện Sensitivity = 0.870 Specificity = 0.929 với tập thử nghiệm Sensitivity = 0.905 Specificity = 0.929 điều cho thấy độ xác sử dụng mạng neural network phù hợp cho việc chẩn đoán lỗi máy biến áp 33 CHƯƠNG KẾT LUẬN Qua trình nghiên cứu, sử hướng dẫn nhiệt tình TS Nguyễn Bích Liên, đồ án tốt nghiệp làm rõ số vấn đề sau:  Tổng quan lỗi MBA điện lực  Một số phương pháp chẩn đoán lỗi cho MBA 34  Giới thiệu phương pháp phân tích khí hịa tan DGA  Giới thiệu mạng neural network nhân tạo  Xây dựng mạng neural network sử dụng toolbox Matlab để ứng dụng vào việc chẩn đoán lỗi cho máy biến áp Đồ án đạt kết tốt qua việc từ mạng xây dựng tính hiệu suất phân loại với tập huấn luyện Sensitivity = 0.870 Specificity = 0.929 với tập thử nghiệm Sensitivity = 0.905 Specificity = 0.929 Điều cho thấy tính xác phương án cao hồn tồn áp dụng thực tế Một hạn chế đồ án phương pháp thiếu hụt liệu phụ thuộc nhiều vào kinh nghiệm người tiến hành kiểm tra lỗi Và với kết thuật tốn nâng cao nghiên cứu tương lai để cải thiện hiệu suất tốt TÀI LIỆU THAM KHẢO [1] Trần Bách, Lưới điện hệ thống điện, Nhà xuất Khoa học Kỹ thuật, 2004 [2] Microsoft, "Add citations in a Word document," 2017 35 [3] N A Bakar, "A Review of Dissolved Gas Analysis Measurement and Interpretation Techniques," Feature Article, 2014 [4] V.H.Tiệp, Machine Learning bản, 2016 36 ... cậy máy biến áp giảm chi phí cho cơng tác bảo trì, kỹ thuật chẩn đốn theo dõi cần thiết Để chẩn đoán cố máy biến áp có nhiều phương pháp khác máy biến áp trạng thái online offline Khi máy biến áp. .. biến áp Ta trình bày số phương pháp sử dụng khí hịa tan sở chẩn đoán lỗi tiềm ẩn máy biến áp bao gồm phương pháp khí chính, phương pháp tỷ lệ phương pháp tam giác Duval 2.2.1 Phương pháp khí (KGM)... MÁY BIẾN ÁP ĐIỆN LỰC SỬ DỤNG PHƯƠNG PHÁP KHÍ HỊA TAN 2.1 Giới thiệu khí hịa tan dầu máy biến áp Qua thực tiễn chứng minh, việc phân tích khí hịa tan dầu phương pháp chẩn đoán phát hư hại ban đầu