Prédiction des Défaillances des Transformateurs à Huile à L'aide des Réseaux de Neurones Artificiels

Abstract

Les transformateurs électriques sont utilisés dans différents domaines et jouent un rôle clé dans le transport et la distribution de l’énergie électrique. Afin d’éviter les temps d’arrêt imprévus, leur maintenance doit être stratégique et systématique. Dans ce mémoire, l’analyse des gaz dissous dans l’huile est effectuée pour la détection précoce des défauts via l’outil Nftool, et l’outil Ntstool (outil de montage de réseau de neurones) sur le logiciel Matlab. Pour ce faire, nous sommes passés au stade de l’éducation et de l’adaptation d’un modèle intelligent qui permet de lire et d’analyser l’état des transformateurs après avoir lu les proportions d’un groupe de gaz dissous qui résultent d’un groupe de dysfonctionnements possibles dans les transformateurs électriques à l’aide de deux bases de données réelles prédéterminées et ces données sont constituées d’entrées et de sorties connues.

Electrical transformers are used in different fields and play a key role in the transmission and distribution of electrical energy. In order to avoid unplanned downtime, their maintenance must be strategic and systematic. In this memory, the analysis of dissolved gases in the oil is performed for early detection of defects via the Nftool tool and Ntstool tool (neural feting network) on the MATLAB software. To do this, we have moved on to the stage of educating and adapting a smart model that allows to read and analyze the condition of transformers after reading the proportions of a group of dissolved gases that result from a group of possible malfunctions in electrical transformers using two predetermined real databases and those data consists of known inputs and outputs.

يتم استخدام المحولات الكهربائية في مجالات مختلفة وتلعب دورا رئيسيا في نقل وتوزيع الطاقة الكهربائية. فمن أجل تجنب التوقف غير المخطط له فإن صيانتها يجب أن تكون استراتيجية ومنهجية. في هذه الذاكرة يتم إجراء تحليل الغازات الذائبة في الزيت للكشف المبكر عن العيوب عن طريق أداة Nftool وأداة Ntstool (شبكة التغذية العصبية) على برنامج MATLAB. ولهذا انتقلنا إلى مرحلة تعليم وتطويع نموذج ذكي يسمح بقراءة وتحليل حالة المحولات بعد قراءة نسب مجموعة الغازات الذائبة الناتجة عن مجموعة الأعطال المحتملة في المحولات الكهربائية باستخدام قاعدتا بيانات حقيقيتان محددتان مسبقًا وتتكون هذه البيانات من مدخلات ومخرجات معروفة.