1. Trang chủ
  2. » Giáo Dục - Đào Tạo

Xây dựng giải pháp chẩn đoán sự cố trong máy biến áp 3 pha sử dụng các phương pháp xử lý tín hiệu thông minh

147 10 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 147
Dung lượng 4,13 MB

Nội dung

i ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP  ĐÀO DUY YÊN XÂY DỰNG GIẢI PHÁP CHẨN ĐOÁN SỰ CỐ TRONG MÁY BIẾN ÁP PHA SỬ DỤNG CÁC PHƯƠNG PHÁP XỬ LÝ TÍN HIỆU THƠNG MINH Chuyên ngành: Kỹ thuật điều khiển tự động hóa Mã số: 9520216 LUẬN ÁN TIẾN SĨ KỸ THUẬT Người hướng dẫn KH: PGS.TSKH Trần Hoài Linh PGS.TS Trần Xuân Minh Thái Nguyên, năm 2021 ii LỜI CAM ĐOAN Tôi xin cam đoan: luận án “Xây dựng giải pháp chẩn đoán cố máy biến áp pha sử dụng phương pháp xử lý tín hiệu thơng minh” cơng trình nghiên cứu riêng tơi hồn thành bảo tận tình tập thể thầy giáo hướng dẫn khoa học Các kết nghiên cứu luận án trung thực, phần cơng bố tạp chí khoa học chuyên ngành với đồng ý đồng tác giả, phần cịn lại chưa cơng bố cơng trình khác Thái Ngun, ngày tháng năm 2021 Nghiên cứu sinh Đào Duy Yên iii LỜI CẢM ƠN Trong trình làm luận án, tơi nhận nhiều ý kiến đóng góp từ thầy giáo, cô giáo, anh chị bạn đồng nghiệp Tơi xin bày tỏ lịng biết ơn đến PGS.TSKH Trần Hoài Linh, PGS.TS Trần Xuân Minh Hội đồng Khoa học Khoa Điện - Trường Đại học Kỹ thuật Công nghiệp ĐH Thái Nguyên Tôi xin chân thành cảm ơn thầy giáo, cô giáo Khoa Điện - Trường Đại học Kỹ thuật Công nghiệp - ĐH Thái Nguyên đồng nghiệp Viện nghiên cứu phát triển công nghệ cao kĩ thuật công nghiệp Nhà trường gia đình có ý kiến đóng góp q báu tạo điều kiện thuận lợi cho tơi q trình hồn thành luận án Tôi xin chân thành cảm ơn Ban Giám hiệu Trường Đại học Kỹ thuật Công nghiệp ĐH Thái Nguyên, phòng Đào tạo (Bộ phận sau đại học) Nhà trường tạo nhiều điều kiện tốt mặt để tơi hồn thành luận án Tác giả luận án Đào Duy Yên iv MỤC LỤC LỜI CAM ĐOAN ii LỜI CẢM ƠN iii DANH MỤC CÁC BẢNG xi DANH MỤC CÁC TỪ VIẾT TẮT xii DANH MỤC CÁC KÝ HIỆU xiii MỞ ĐẦU 1 TÍNH CẤP THIẾT CỦA ĐỀ TÀI MỤC ĐÍCH NGHIÊN CỨU PHƯƠNG PHÁP NGHIÊN CỨU ĐỐI TƯỢNG NGHIÊN CỨU PHẠM VI NGHIÊN CỨU Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN CỦA ĐỀ TÀI NHỮNG ĐÓNG GÓP MỚI CỦA LUẬN ÁN BỐ CỤC LUẬN ÁN CHƯƠNG 1: TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP CHẨN ĐOÁN SỰ CỐ TRONG MÁY BIẾN ÁP 1.1 Ý NGHĨA CỦA BÀI TOÁN CHẨN ĐOÁN SỰ CỐ MÁY BIẾN ÁP 1.2 MỘT SỐ PHƯƠNG PHÁP CHẨN ĐOÁN SỰ CỐ MBA 1.2.1 Các cơng trình nghiên cứu nước 1.2.2 Các cơng trình nghiên cứu nước 13 1.2.3 Những tồn phương pháp chẩn đoán cố nước 14 1.2.4 Đề xuất luận án 14 1.3 KẾT LUẬN CHƯƠNG 15 CHƯƠNG 2: 16 CƠ SỞ LÝ THUYẾT CÁC ĐỀ XUẤT CỦA LUẬN ÁN 16 2.1 HIỆN TƯỢNG RUNG TRONG MÁY BIẾN ÁP 16 2.1.1 Rung động cuộn dây 16 2.1.2 Rung động lõi thép 17 2.2 NHU CẦU GIÁM SÁT ĐỘ RUNG MÁY BIẾN ÁP 18 2.3 PHÂN TÍCH RUNG ĐỘNG THEO MIỀN TẦN SỐ 19 2.3.1 Cơ sở việc đáp ứng tần số 19 2.3.2 Phạm vi áp dụng phương pháp 20 v 2.3.3 Nhận xét phương pháp phân tích rung động theo miền tần số 21 2.4 PHƯƠNG PHÁP PHẦN TỬ HỮU HẠN 21 2.4.1 Giới thiệu chung phương pháp phần tử hữu hạn 21 2.4.2 Sơ đồ tính tốn phương pháp phần tử hữu hạn 24 2.4.3 Hệ phương trình Maxwell tổng quát cho trường điện từ 25  2.4.4 Mối liên hệ mật độ dịng điện phương trình từ vectơ A 28 2.5 ỨNG DỤNG PHƯƠNG PHÁP PHẦN TỬ HỮU HẠN TRONG PHẦN MỀM ANSYS MAXWELL ĐỂ XÂY DỰNG MƠ HÌNH TỐN MBA 30 2.5.1 Phương trình trường điện từ 30 2.5.2 Hệ phương trình học 33 2.5.3 Ghép nối toán trường điện từ toán học 36 2.6 MẠNG NƠRON MLP 38 2.6.1 Cấu trúc mạng nơron MLP [40] 39 2.6.2 Quá trình học mạng nơron MLP 41 2.6.3 Thuật toán bước giảm cực đại 43 2.6.4 Thuật toán Levenberg – Marquardt cho mạng MLP 44 2.7 KẾT LUẬN CHƯƠNG 45 CHƯƠNG 3: 47 XÂY DỰNG MƠ HÌNH TRONG PHẦN MỀM ANSYS CHO MBA PHÂN PHỐI TRONG MỘT SỐ TRƯỜNG HỢP SỰ CỐ 47 3.1 GIỚI THIỆU CHUNG PHẦN MỀM ANSYS 47 3.1.1 Một số module phần mềm ANSYS 48 3.1.2 Khối chức mô điện từ ANSYS Maxwell 48 3.1.3 Khối chức mô kết cấu ANSYS Structure 49 3.1.4 Khối chức xây dựng mô hình ANSYS desing modeler ANSYS meshing 49 3.1.5 Khối chức ANSYS mechanical workbench 50 3.1.6 Khối chức mô ANSYS mechanical 51 3.2 XÂY DỰNG MƠ HÌNH MBA PHÂN PHỐI 400KVA 22-0.4KV Y-Y0 TRONG ANSYS 52 3.2.1 Nguyên lý làm việc MBA 52 3.2.2 Xây dựng mô hình MBA phân phối 400kVA 22-0.4kV Y-Y0 53 vi 3.3 XÂY DỰNG CÁC MƠ HÌNH CHUẨN BỊ CHO Q TRÌNH MƠ PHỎNG TRẠNG THÁI LÀM VIỆC BÌNH THƯỜNG VÀ TRẠNG THÁI SỰ CỐ CỦA MBA PHÂN PHỐI 59 3.3.1 Mơ hình chia lưới MBA làm việc trạng thái bình thường 60 3.3.2 Mơ hình chia lưới MBA làm việc cố cuộn dây bị nới lỏng theo thời gian 61 3.3.3 Mơ hình chia lưới MBA làm việc cố chập vòng dây 5%, 10% tổng số vòng dây cuộn cao áp pha B 63 3.3.4 Mơ hình chia lưới MBA làm việc cố lỏng bulông gá cuộn dây 64 3.4 KẾT LUẬN CHƯƠNG 65 CHƯƠNG 4: 66 KẾT QUẢ MÔ PHỎNG VÀ THỰC NGHIỆM 66 4.1 BỘ DỮ LIỆU TÍN HIỆU ĐIỆN, CƠ LẤY TỪ MƠ PHỎNG TRONG PHẦN MỀM ANSYS 66 4.1.1 Trường hợp MBA hoạt động bình thường, tải 50% (trường hợp A-1) 66 4.1.2 Trường hợp cố ngắn mạch chập hai vòng dây cao áp 70 4.1.3 Trường hợp cố nới lỏng vòng dây 71 4.1.4 Trường hợp cố nới lỏng bu lông gá cuộn dây 72 4.1.5 Trường hợp cố chập 5% số vòng dây 74 4.1.6 Trường hợp cố chập 10% số vòng dây 75 4.1.7 Nhận xét kết mô 76 4.2 KẾT QUẢ HUẤN LUYỆN MẠNG MLP 77 4.2.1 Các thông số đặc trưng tín hiệu thu thập từ MBA 77 4.2.2 Kết huấn luyện mạng MLP 80 4.3 THỰC NGHIỆM TRÊN MBA PHÂN PHỐI 87 4.4 KẾT LUẬN CHƯƠNG 94 KẾT LUẬN VÀ KIẾN NGHỊ 95 KẾT LUẬN 95 KIẾN NGHỊ 96 TÀI LIỆU THAM KHẢO 97 Tiếng Việt 97 Tiếng Anh 97 DANH MỤC CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ CỦA LUẬN ÁN 105 vii PHỤ LỤC 106 A CHƯƠNG TRÌNH TRÍCH CHỌN ĐẶC TÍNH TỪ CÁC KẾT QUẢ MÔ PHỎNG ANSYS 106 B CHƯƠNG TRÌNH HUẤN LUYỆN MẠNG MLP 121 C THIẾT KẾ THIẾT BỊ ĐO ĐỘ RUNG CỦA MBA 125 C.1 Sơ đồ khối hệ thống đo 125 C.2 Nguyên lý hoạt động số phần tử thiết bị đo 126 C.3 Mạch in 130 C.4 Lưu đồ thuật toán hoạt động vi xử lý cảm biến gia tốc 131 C.5 Hình ảnh thiết bị đóng vỏ 132 D KẾT QUẢ ĐO XA CỦA ĐIỆN LỰC THÁI NGUYÊN CHO TRẠM ĐH CÔNG NGHIỆP (ngày 15/9/2020) 133 viii DANH MỤC CÁC HÌNH VẼ Hình 1.1: Mơ hình hóa MBA mơ hình tương đương RLC Hình 1.2: Đặc tính quan hệ hiệu điện áp dòng điện MBA chập 30%, 60% số vòng dây xây dựng [11] Hình 1.3: Hình ảnh đặt điểm đo giám sát MBA sử dụng [38] 12 Hình 1.4: Đồ thị đáp ứng tần số rung ngày thứ ngày thứ tư điểm đo số (a) số (b) 12 Hình 1.5: Đồ thị đáp ứng tần số rung điểm đo số (a), (b) 10 (c) [31] 13 Hình 2.1: Mạch từ cuộn dây máy biến áp 16 Hình 2.2: Đồ thị quan hệ chiều dài cảm ứng từ 18 Hình 2.3: Mạch đẳng trị đơn giản hóa với phần tử RLC gộp lại 20 Hình 2.4: Các dạng biên giới chung phần tử 23 Hình 2.5: Một số dạng phần tử tam giác 23 Hình 2.6: Một số dạng phần tử tứ giác 23 Hình 2.7: Phần tử chiều 24 Hình 2.8: Sơ đồ khối chương trình PTHH 25 Hình 2.9: Phần tử lưới tứ diện cong 35 Hình 2.10: Phần tử lập phương phi tuyến 36 Hình 2.11: Mơ hình mạng MLP với lớp ẩn 40 Hình 3.1: Giao diện ANSYS Maxwell 48 Hình 3.2: Một ví dụ mơ hình kết cấu máy điện xây dựng từ công cụ ANSYS Structure 49 Hình 3.3: Mơ hình MBA pha 50 Hình 3.4: Một ví dụ mơ hình kết cấu ANSYS Mechanical Workbench 51 Hình 3.5: Một ví dụ mơ kết cấu ANSYS Mechanical 51 Hình 3.6: Mơ hình mạch điện MBA pha 52 Hình 3.7: Một mơ hình 3D thiết kế bên MBA pha 52 Hình 3.8: Mơ hình MBA pha 54 Hình 3.9: Mơ hình lõi MBA 55 Hình 3.10: Đường đặc tính B-H thép kỹ thuật JGH100 55 Hình 3.11: Mơ hình cuộn dây MBA 56 Hình 3.12: Điều kiện biên cho MBA 57 Hình 3.13: Thiết lập kích thích cuộn dây MBA 58 Hình 3.14: Mơ hình mạch MBA 58 Hình 3.15: Mơ hình chia lưới số phần tử lưới MBA 61 Hình 3.16: Mơ hình máy biến áp với kích thước cuộn dây nới rộng 62 Hình 3.17: Mơ hình chia lưới MBA trường hợp MBA cố nới lỏng vòng dây 63 Hình 3.18: Mơ hình MBA cố chập vịng dây cuộn cao áp pha B 63 Hình 3.19: Sơ đồ mạch điện cho MBA cố chập vịng dây cao áp pha B 64 Hình 3.20: Mơ hình chia lưới MBA cố chập vịng dây cao áp pha B 64 ix Hình 3.21: Mơ hình chia lưới MBA cố lỏng bulong gá cuộn dây 65 Hình 4.1: Đồ thị thành phần lực kéo hai đầu theo hướng kính 67 Hình 4.2: Đồ thị thành phần lực kéo hai đầu theo hướng kính cuộn dây LA, LB, LC 67 Hình 4.3: Đồ thị lực theo phương x, y, z tác động lên lõi 68 Hình 4.4: Biểu diễn lực theo phương x, y, z tác động lên lõi 68 Hình 4.5: Chuyển vị theo phương x vỏ máy 69 Hình 4.6: Chuyển vị theo phương y vỏ máy 69 Hình 4.7: Chuyển vị theo phương z vỏ máy 69 Hình 4.8: Chuyển vị theo phương x vỏ máy 70 Hình 4.9: Chuyển vị theo phương y vỏ máy 70 Hình 4.10: Chuyển vị theo phương z vỏ máy 70 Hình 4.11: Chuyển vị theo phương x vỏ máy 71 Hình 4.12: Chuyển vị theo phương y vỏ máy 71 Hình 4.13: Chuyển vị theo phương z vỏ máy 71 Hình 4.14: Hình ảnh lỏng bu lông gá cuộn dây MBA 72 Hình 4.15: Chuyển vị theo phương x vỏ máy 72 Hình 4.16: Chuyển vị theo phương y vỏ máy 73 Hình 4.17: Chuyển vị theo phương z vỏ máy 73 Hình 4.18: Chuyển vị theo phương z vỏ máy 74 Hình 4.19: Chuyển vị theo phương y vỏ máy 74 Hình 4.20: Chuyển vị theo phương z vỏ máy 74 Hình 4.21: Chuyển vị theo phương x vỏ máy 75 Hình 4.22: Chuyển vị theo phương y vỏ máy 75 Hình 4.23: Chuyển vị theo phương z vỏ máy 75 Hình 4.24: Kết mơ với nơron ẩn: (a) Kết học với 180 mẫu, (b) Kết kiểm tra với 54 mẫu 80 Hình 4.25: Kết mơ với nơron ẩn: (a) Kết học với 180 mẫu, (b) Kết kiểm tra với 54 mẫu 82 Hình 4.26: Kết mô với nơron ẩn: (a) Kết học với 180 mẫu, (b) Kết kiểm tra với 54 mẫu 83 Kết học cho thấy mạng học thành công tất mẫu, tất trường hợp mẫu học mẫu kiểm tra có sai số nhỏ (nhỏ ngưỡng 0,5) 83 Hình 27: Kết thử nghiệm với nơron ẩn: (a) Kết học với 180 mẫu, (b) Kết kiểm tra với 54 mẫu 84 Hình 28: Kết thử nghiệm với nơron ẩn: (a) Kết học với 180 mẫu, (b) Kết kiểm tra với 54 mẫu 85 Hình 4.29: Cấu trúc mạng nơron với 15 đầu vào, nơron ẩn đầu 86 Hình 4.30: Sơ đồ khối cảm biến gia tốc dòng MPU-6050 88 Hình 4.31: Máy biến áp Trạm ĐH Công nghiệp (a) thiết bị đo gắn vỏ máy biến áp (b) 89 Hình 4.32: Kết nhận dạng thơng qua đo độ rung cảm biến gia tốc Trạm ĐH Công nghiệp từ 9.00 đến 18.30 ngày 15/9/2020 90 Hình 4.33: Các giá trị P tổng đo từ xa Điện lực Thái Nguyên cho trạm ĐH Công nghiệp vào khoảng thời gian từ 9.00 đến 18.30 ngày 15/9/2020 90 x Hình 4.34: Biểu đồ thể đồng thời tín hiệu độ rung P tổng MBA chuẩn hóa dải [0,1] thời gian đo thử nghiệm 91 Hình 4.35: Các kết phân tích phổ cho cửa số số : (a), 10 (b), 20 (c) 30(d) 92 Hình 4.36: Sự biến thiên đỉnh phổ theo thời gian lấy mẫu 93 Hình PL.1: Sơ đồ khối hệ thống đo 125 Hình PL.2: Cảm biến gia tốc MPU 6050 (a) sơ đồ nguyên lý khối MPU 6050 (b) 126 Hình PL.3: Thẻ nhớ dung lượng cao SD sơ đồ nguyên lý thẻ nhớ SD 126 Hình PL.4: Sơ đồ nguyên lý khối Retime DS1307 127 Hình PL.5: Sơ đồ nguyên lý khối nguồn 127 Hình PL.6: Màn hình LCD 2x16 (a) sơ đồ nguyên lý ghép nối vào mạch 128 Hình PL.7: Sơ đồ nguyên lý khối vi xử lý PSoC CY8C29566 128 Hình PL.8: Sơ đồ nguyên lý khối truyền thông PL2302 129 Hình PL.9: Mặt mạch in 130 Hình PL.10: Mặt mạch in 130 119 Input5(3) = max(x5_L10_Mz(:,3)); 200, Cot - Bien do, Cot - Pha %% Cot -STT, Cot - cac tan so 25-> Input5(4) = max(x5_L10_Fx(:,6)); 5-6-7: HC-B-A Input5(5) = max(x5_L10_Fy(:,6)); 5-6-7: HC-B-A Input5(6) = max(x5_L10_Fz(:,6)); 5-6-7: HC-B-A Input5(7) = max(x5_L10_Fx(:,3)); 5-6-7: HC-B-A Input5(8) = max(x5_L10_Fy(:,3)); 5-6-7: HC-B-A Input5(9) = max(x5_L10_Fz(:,3)); 5-6-7: HC-B-A %% Cot -STT, Cot 2-3-4: LC-B-A, Cot %% Cot -STT, Cot 2-3-4: LC-B-A, Cot %% Cot -STT, Cot 2-3-4: LC-B-A, Cot %% Cot -STT, Cot 2-3-4: LC-B-A, Cot %% Cot -STT, Cot 2-3-4: LC-B-A, Cot %% Cot -STT, Cot 2-3-4: LC-B-A, Cot Input5(10) = max(x5_L10_Fc(:,2)); z)core Input5(11) = max(x5_L10_Fc(:,3)); z)core Input5(12) = max(x5_L10_Fc(:,4)); z)core %% Cot -STT, Cot 2-3-4: F(x-y- Input5(13) = max(x5_L10_IH(:,3)); Input5(14) = max(x5_L10_IL(:,3)); %% Cot -STT, Cot 2-3-4: I(A-B-C) %% Cot -STT, Cot 2-3-4: I(A-B-C) Input5(15) = max(x5_L10_VL(:,3)); %% Cot -STT, Cot 2-3-4: V_L(A-B-C) %% Cot -STT, Cot 2-3-4: F(x-y%% Cot -STT, Cot 2-3-4: F(x-y- Output5 = 5; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% x6_L10_Fc=csvread('6_L10_Fc.csv',1); x6_L10_Fx=csvread('6_L10_Fx.csv',1); x6_L10_Fy=csvread('6_L10_Fy.csv',1); x6_L10_Fz=csvread('6_L10_Fz.csv',1); x6_L10_IH=csvread('6_L10_IH.csv',1); x6_L10_IL=csvread('6_L10_IL.csv',1); x6_L10_VL=csvread('6_L10_VL.csv',1); x6_L10_Mx=csvread('6_L10_Mx.xls',1); x6_L10_My=csvread('6_L10_My.xls',1); x6_L10_Mz=csvread('6_L10_Mz.xls',1); Input6 = zeros(1,15); Input6(1) = max(x6_L10_Mx(:,3)); 200, Cot - Bien do, Cot - Pha Input6(2) = max(x6_L10_My(:,3)); 200, Cot - Bien do, Cot - Pha Input6(3) = max(x6_L10_Mz(:,3)); 200, Cot - Bien do, Cot - Pha Input6(4) = max(x6_L10_Fx(:,6)); 5-6-7: HC-B-A Input6(5) = max(x6_L10_Fy(:,6)); 5-6-7: HC-B-A Input6(6) = max(x6_L10_Fz(:,6)); 5-6-7: HC-B-A Input6(7) = max(x6_L10_Fx(:,3)); 5-6-7: HC-B-A %% Cot -STT, Cot - cac tan so 25-> %% Cot -STT, Cot - cac tan so 25-> %% Cot -STT, Cot - cac tan so 25-> %% Cot -STT, Cot 2-3-4: LC-B-A, Cot %% Cot -STT, Cot 2-3-4: LC-B-A, Cot %% Cot -STT, Cot 2-3-4: LC-B-A, Cot %% Cot -STT, Cot 2-3-4: LC-B-A, Cot 120 Input6(8) = max(x6_L10_Fy(:,3)); 5-6-7: HC-B-A Input6(9) = max(x6_L10_Fz(:,3)); 5-6-7: HC-B-A %% Cot -STT, Cot 2-3-4: LC-B-A, Cot %% Cot -STT, Cot 2-3-4: LC-B-A, Cot Input6(10) = max(x6_L10_Fc(:,2)); z)core Input6(11) = max(x6_L10_Fc(:,3)); z)core Input6(12) = max(x6_L10_Fc(:,4)); z)core %% Cot -STT, Cot 2-3-4: F(x-y- Input6(13) = max(x6_L10_IH(:,3)); Input6(14) = max(x6_L10_IL(:,3)); %% Cot -STT, Cot 2-3-4: I(A-B-C) %% Cot -STT, Cot 2-3-4: I(A-B-C) Input6(15) = max(x6_L10_VL(:,3)); %% Cot -STT, Cot 2-3-4: V_L(A-B-C) %% Cot -STT, Cot 2-3-4: F(x-y%% Cot -STT, Cot 2-3-4: F(x-y- Output6 = 6; %%%%%%%%%%%%%%%%%%%%%% InputAll_10 = [Input1; Input2; Input3; Input4; Input5; Input6]; OutputAll_10 = [Output1; Output2; Output3; Output4; Output5; Output6]; save Data_Preprocessing_15inputs_10 InputAll_10 OutputAll_10 return 121 B CHƯƠNG TRÌNH HUẤN LUYỆN VÀ KIỂM TRA MẠNG MLP B.1 Chương trình huấn luyện mạng MLP %% Read all cases 50%, 80% and 100% load load Data_Preprocessing_15inputs_05 InputAll_5 OutputAll_5 load Data_Preprocessing_15inputs_08 InputAll_8 OutputAll_8 load Data_Preprocessing_15inputs_10 InputAll_10 OutputAll_10 XLearn = [InputAll_5; InputAll_8; InputAll_10]; DLearn = [OutputAll_5; OutputAll_8; OutputAll_10]; tt = 1: length(DLearn); %% Take for each group of 13 samples, take first 10 for training %% and last for testing cut_idx = 10; idx_learn = find(rem(tt-1,13)=cut_idx); XTest = XLearn(idx_test, :); DTest = DLearn(idx_test); XLearn = XLearn(idx_learn, :); DLearn = DLearn(idx_learn); %% Randomize the weights of MLP for a new learning rng(123,'twister') %% Number of hidden neurons hidden=3; BestErr = inf; %% Randomize 50 networks and train IterCount=50; BestNet=[]; for k=1:IterCount disp(sprintf('Iter: %d',k)) MLP=newff(XLearn',DLearn', [hidden], {'tansig', 'purelin'}, 'trainlm'); MLP.trainParam.epochs=200; MLP.divideParam.trainRatio = 1; MLP.divideParam.valRatio = 0; 122 MLP.divideParam.testRatio = 0; MLP.trainParam.goal = 5e-4; [MLP_post, tr] = train(MLP,XLearn',DLearn'); yTest=sim(MLP_post,XLearn'); yTest=yTest'; SSEVec = sum((yTest - DLearn).^2,2); meanSSE = mean(SSEVec); if (meanSSE MBA chế độ bình thường (Kết xác) 125 C THIẾT KẾ THIẾT BỊ ĐO ĐỘ RUNG CỦA MBA C.1 Sơ đồ khối hệ thống đo Trong khuôn khổ luận án này, NCS đề xuất thử nghiệm hệ thống đo giám sát trực tuyến độ rung MBA sử dụng cảm biến gia tốc trục với tính sau:  Tốc độ lấy mẫu 500 mẫu/giây, lưu liệu đo vào thẻ nhớ SD để đảm bảo thời gian lưu liên tục 48 giờ,  Thiết bị nhỏ gọn đo di động gắn máy biến áp,  Có thể kết nối với máy tính để đọc liệu từ thẻ nhớ SD vào máy tính để xử lý tiếp,  Thiết bị chạy nguồn điện lưới hay chạy pin Thiết bị cịn có số tính phụ để thuận tiện q trình vận hành thiết bị như: có hình LCD, khối thời gian thực Một số thông số thiết bị: Đặc tính kỹ thuật Thơng số kỹ thuật Nguồn cung cấp 6÷48 VDC, 0.5A Cổng truyền thơng USB, I2C, SPI để kết nối với PC, MPU6050 thẻ nhớ SD LCD 2x16 ký tự Từ mục đích yêu cầu xuất sơ đồ khối thiết bị sau: Hình PL.1: Sơ đồ khối hệ thống đo 126 C.2 Nguyên lý hoạt động số phần tử thiết bị đo C.2.1 Khối cảm biến Sử dụng cảm biến gia tốc MPU 6050 với sơ đồ nguyên lý mạch in sau: GND VCC MPU6050 VCC R7 10K 10K R18 SCK DATA C13 VCC GND 104 (a) (b) Hình PL.2: Cảm biến gia tốc MPU 6050 (a) sơ đồ nguyên lý khối MPU 6050 (b) C.2.2 Bộ nhớ Trong luận án sử dụng thẻ nhớ SD có dung lượng lớn 2G thỏa mãn yêu cầu lưu trữ kết đo thời gian dài (có thể lưu liên tục 48 giờ) C10 GND 104 GND MMC VCC MISO1 MOSI1 SCK1 CS1 Header (a) (b) Hình PL.3: Thẻ nhớ dung lượng cao SD sơ đồ nguyên lý thẻ nhớ SD C.2.3 Khối Realtime Sử dụng DS1307 chip đồng hồ thời gian thực (RTC: Real-time clock) Khái niệm thời gian thực dùng với ý nghĩa thời gian tuyệt đối mà người 127 sử dụng, tính giây, phút, giờ… Chip có ghi 8-bit chứa thời gian là: giây, phút, giờ, thứ (trong tuần), ngày, tháng, năm C19 VCC VCC GND Tu Tantalum 1uF C1 104 GND VCC R2 R3 4K7 4K7 SCL_I2C SDA_I2C CX1 CX2 32K VCC GND GND SDA X1 X2 VBAT BT Battery3.3V GND GND 128 LCD GND V0 P3.6 P3.0 P3.2 VCC P3.5 P3.4 P3.1 P3.3 10 CABLE 10 (a) (b) Hình PL.6: Màn hình LCD 2x16 (a) sơ đồ nguyên lý ghép nối vào mạch C.2.6 Khối vi xử lý trung tâm Từ chức thiết bị đo nên vi xử lý trung tâm cần có chuẩn truyền thơng để ghép nối với thiết bị ngoại vi (bộ nhớ ngoài, PC, retime, LCD, MPU6050 …) PSoC (Programmable System On Chip) dịng vi xử lý có khả tích hợp chức ghép nối nên có tính mở, tính linh hoạt, khả kết nối cao với thiết bị ngoại vi Cho phép tạo thiết bị nhỏ gọn, với giao diện thơng dụng nhất, thiết bị có đầy đủ chức cần thiết, thuận tiện cho người sử dụng XRES SDA 18 SCL 16 MOSI_PSOC 19 MISO_PSOC15 IN6 20 CSN_PSOC 14 IN5 21 K1 13 C18 104 C17 104 GND GND 26 17 R9 Vdd XRES SMP P1(0)/XTALout/SDA P1(1)/XTALin/SCL P1(2) P1(3) P1(4)/EXTCLK P1(5)/SDA P1(6) P1(7)/SCL Vss P3(0) P3(1) P3(2) P3(3) P3(4) P3(5) P3(6) P3(7) P4(0) P4(7) P4(2) P4(5) P4(4) P4(3) P4(6) P4(1) 22 12 23 11 24 10 25 27 28 29 30 IN4 K2 RXD K3 RE/DE K4 TXD K5 P4_0 P4_2 P4_5 P4_4 P4_3 P4_6 P4_1 LED 31 SCK1 SCL_I2C 32 MOSI1 SDA_I2C 33 MISO1 34 CS1 44 GND LED CY8C29566-24AXI U3 P2(0) P2(1) P2(2) P2(3) P2(4)/EXT AGND P2(5) P2(6)/EXT VREF P2(7) VCC VCC 39 DATA SCK P0(0) P0(1) P0(2) P0(3) P0(4) P0(5) P0(6) P0(7) 35 43 36 42 37 41 38 40 IN1 V2 IN2 V1 IN3 VCC 470R P4 VCC GND GND XRES SCL SDA Programming Hình PL.7: Sơ đồ nguyên lý khối vi xử lý PSoC CY8C29566 129 Dòng vi xử lý PSoC bên có tích hợp khối tương tự như: Bộ chuyển đổi ADC, khuếch đại, lọc tiện lợi cho việc sử dụng giảm linh kiện cho hệ thống Bên cạnh cịn có khối số lập trình như: Bộ truyền thơng SPI MASTER hay SPI SLAVE, I2C kết nối mềm dẻo khối chức với khối với cổng vào ra, mà vi xử lý PSoC thay cho số hệ thống chip Do IC PSoC hồn tồn thích hợp làm vi xử lý trung tâm cho thiết bị đo Lựa chọn sử dụng PSoC CY8C29566 hãng Cypress C.2.7 Khối truyền thông Thiết bị đo đa kênh giao tiếp với máy vi tính theo giao thức truyền nhận thông tin nối tiếp với máy vi tính qua cổng USB Thiết bị sử dụng IC driver PL2302 để đồng chuẩn UART tích hợp vi xử lý PsoC với chuẩn USB VCC_PC U2 RXD VCC TXD C2 104 GND 10 11 12 13 14 TXD DTR_N RST_N VCCIO RXD RI_N GND NC DSR_N DCD_N CTS_N SHTD_N EE_CLK EE_DATA OSC2 OSC1 PLL_TEST AGND NC GP1 GP0 GND VCC NC GND VO_33 USBDM USBDP 28 27 26 25 24 23 22 21 20 19 18 17 16 15 12MHz Y1 GND GND GND GND VCC_PC GND V33 DM DP C3 22p C6 C4 22p GND 104 R4 1K5 PL2303HX C8 C7 104 Tu Tantalum 1uF C9 Tu Tantalum 1uF GND USB_COM R5 R6 27R 27R VCC_PC USBUSB+ Header 4Hien GND GND Hình PL.8: Sơ đồ ngun lý khối truyền thơng PL2302 130 C.3 Mạch in Mặt Hình PL.9: Mặt mạch in Mặt Hình PL.10: Mặt mạch in 131 C.4 Lưu đồ thuật toán hoạt động vi xử lý cảm biến gia tốc 132 C.5 Hình ảnh thiết bị đóng vỏ 133 D KẾT QUẢ ĐO XA CỦA ĐIỆN LỰC THÁI NGUYÊN CHO TRẠM ĐH CÔNG NGHIỆP (ngày 15/9/2020) ... TỔNG QUAN VỀ CÁC PHƯƠNG PHÁP CHẨN ĐOÁN SỰ CỐ TRONG MÁY BIẾN ÁP 1.1 Ý NGHĨA CỦA BÀI TOÁN CHẨN ĐOÁN SỰ CỐ MÁY BIẾN ÁP 1.2 MỘT SỐ PHƯƠNG PHÁP CHẨN ĐOÁN SỰ CỐ MBA 1.2.1 Các cơng trình... án ? ?Xây dựng giải pháp chẩn đoán cố máy biến áp pha sử dụng phương pháp xử lý tín hiệu thơng minh? ?? cơng trình nghiên cứu riêng tơi hồn thành bảo tận tình tập thể thầy giáo hướng dẫn khoa học Các. .. chuẩn đoán cố MBA với mẫu ? ?áp ứng dòng điện điện áp pha cố Phương pháp nhận dạng trường hợp cố bên MBA 96 ,3% , trường hợp cố bên MBA 83, 3% Trong [60], tác giả sử dụng phương pháp đo tín hiệu trình

Ngày đăng: 02/12/2021, 06:03

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1]. Đinh Thành Việt, Nguyễn Quốc Tuấn, Nguyễn Văn Lê, “Ứng dụng mạng nơ rôn chuẩn đoán sự cố tiềm ẩn trong Máy biến áp điện lực”, Tạp chí Khoa học &Công nghệ Đại học Đà Nẵng, số 1(9), trang 53-57, Đà Nẵng, 2005 Sách, tạp chí
Tiêu đề: Ứng dụng mạng nơ rôn chuẩn đoán sự cố tiềm ẩn trong Máy biến áp điện lực”, "Tạp chí Khoa học & "Công nghệ Đại học Đà Nẵng
[2]. Đỗ Xuân Khôi (1998), "Tính toán phân tích hệ thống điện", NXB Khoa học và Kỹ thuật, Hà Nội Sách, tạp chí
Tiêu đề: Tính toán phân tích hệ thống điện
Tác giả: Đỗ Xuân Khôi
Nhà XB: NXB Khoa học và Kỹ thuật
Năm: 1998
[3]. Nguyễn Hữu Công (2019), “Xây dựng hệ chẩn đoán lỗi tiềm ẩn của MBA lực dựa trên mạng nơron kết hợp phân tích khí hòa tan”, Tạp chí khoa học và công nghệ Đại học Thái Nguyên Sách, tạp chí
Tiêu đề: Xây dựng hệ chẩn đoán lỗi tiềm ẩn của MBA lực dựa trên mạng nơron kết hợp phân tích khí hòa tan”
Tác giả: Nguyễn Hữu Công
Năm: 2019
[6]. Trần Bách (2004), "Lưới điện và Hệ thống điện", tập 1 & 2, NXB Khoa học và Kỹ thuật, Hà Nội Sách, tạp chí
Tiêu đề: Lưới điện và Hệ thống điện
Tác giả: Trần Bách
Nhà XB: NXB Khoa học và Kỹ thuật
Năm: 2004
[7]. Trần Ích Thịnh, Ngô Như Khoa (2007), "Phương pháp các phần tử hữu hạn", NXB Khoa học và Kỹ thuật, Hà Nội Sách, tạp chí
Tiêu đề: Phương pháp các phần tử hữu hạn
Tác giả: Trần Ích Thịnh, Ngô Như Khoa
Nhà XB: NXB Khoa học và Kỹ thuật
Năm: 2007
[8]. Trần Hoài Linh (2014), Mạng noron và ứng dụng trong xử lý tín hiệu, chủ biên, Nhà xuất bản Bách Khoa - Hà Nội Sách, tạp chí
Tiêu đề: Mạng noron và ứng dụng trong xử lý tín hiệu
Tác giả: Trần Hoài Linh
Nhà XB: Nhà xuất bản Bách Khoa - Hà Nội
Năm: 2014
[10]. Công ty ENTEC, Những kinh nghiệm cùng với ứng dụng thực tế trong phân tích đáp ứng tần số quét cho máy biến áp, 2014.Tiếng Anh Sách, tạp chí
Tiêu đề: Những kinh nghiệm cùng với ứng dụng thực tế trong phân tích đáp ứng tần số quét cho máy biến áp
[11]. Abu-Siada, A.; Islam, S., "A Novel Online Technique to Detect Power Transformer Winding Faults," Power Delivery, IEEE Transactions on, vol.27, no.2, pp.849,857, April 2012 Sách, tạp chí
Tiêu đề: A Novel Online Technique to Detect Power Transformer Winding Faults
[12]. Amjady, N.; Rezaey, A., "A new power transformer fault diagnosis system and its application for wind farms," Electrical Power Distribution Networks (EPDC), 2012 Proceedings of 17th Conference on, pp.1-5, 2012 Sách, tạp chí
Tiêu đề: A new power transformer fault diagnosis system and its application for wind farms
[13]. Bahman Bahmanifirouzi, Mehdi Nafar, Masoud Jabbari, “Transformer Monitoring by using Vibration Analysis”, Australian Journal of Basic and Applied Sciences, 5(11): 984-990, 2011 Sách, tạp chí
Tiêu đề: Transformer Monitoring by using Vibration Analysis”, "Australian Journal of Basic and Applied Sciences
[14]. Babiy, M.; Gokaraju, R.; Garcia, J.C., "Turn-to-turn fault detection in transformers using negative sequence currents," Electrical Power and Energy Conference (EPEC), 2011 IEEE, pp.158-163, 2011 Sách, tạp chí
Tiêu đề: Turn-to-turn fault detection in transformers using negative sequence currents
[15]. Bagheri, M.; Naderi, M.S.; Blackburn, T.; Phung, T., "Frequency response analysis and short-circuit impedance measurement in detection of winding deformation within power transformers," Electrical Insulation Magazine, IEEE, vol.29, no.3, pp.33-40, May-June 2013 Sách, tạp chí
Tiêu đề: Frequency response analysis and short-circuit impedance measurement in detection of winding deformation within power transformers
[16]. Behjat, V.; Vahedi, A., "Numerical modelling of transformers interturn faults and characterising the faulty transformer behaviour under various faults and operating conditions," Electric Power Applications, IET, vol.5, no.5, pp.415-431, May 2011 Sách, tạp chí
Tiêu đề: Numerical modelling of transformers interturn faults and characterising the faulty transformer behaviour under various faults and operating conditions
[17]. Bhat, K.P.; Oh, K.W.; Hopkins, D.C., "Feasibility of a MEMS Sensor for Gas Detection in HV Oil-Insulated Transformer," Industry Applications, IEEE Transactions on, vol.49, no.1, pp.316-321, Jan.-Feb. 2013 Sách, tạp chí
Tiêu đề: Feasibility of a MEMS Sensor for Gas Detection in HV Oil-Insulated Transformer
[18]. D.Sharafi, “Life extension of a group of western power transformers,” inProc. Power Energy Eng. Conf. Asia-Pacific, pp. 1–4, 2010 Sách, tạp chí
Tiêu đề: Life extension of a group of western power transformers
[19]. Elsamahy, M.; Babiy, M., "An intelligent approach using SVM to enhance turn-to-turn fault detection in power transformers," Electrical Power and Energy Conference (EPEC), 2012 IEEE, pp.255-260, 2012 Sách, tạp chí
Tiêu đề: An intelligent approach using SVM to enhance turn-to-turn fault detection in power transformers
[20]. Espinoza, J.R.; Perez-Rojas, C., "Modeling transformers with internal faults based on magnetic circuit. Part I: Models," North American Power Symposium (NAPS), pp.1-6, 2011 Sách, tạp chí
Tiêu đề: Modeling transformers with internal faults based on magnetic circuit. Part I: Models
[21]. Espinoza, J.R.; Perez-Rojas, C., "Modeling transformers with internal faults based on magnetic circuit. Part II: Simulations," North American Power Symposium (NAPS), pp.1-6, 2011 Sách, tạp chí
Tiêu đề: Modeling transformers with internal faults based on magnetic circuit. Part II: Simulations
[22]. Furundzic, D.; Djurovic, Z.; Celebic, V.; Salom, I., "Neural network ensemble for power transformers fault detection," 11th Symposium on Neural Network Applications in Electrical Engineering (NEUREL), pp.247-251, 2012 Sách, tạp chí
Tiêu đề: Neural network ensemble for power transformers fault detection
[23]. Henault, P., "Detection of internal arcing faults in distribution transformers," 12th International Conference on Transmission and Distribution Construction, Operation and Live-Line Maintenance (ESMO), pp.1-7, 2011 Sách, tạp chí
Tiêu đề: Detection of internal arcing faults in distribution transformers

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w