Geri Dön

Convolutional neural network based partial discharge pattern classification of medium voltage cable terminations

Orta gerilim kablo başlıklarında evrişimli sinir ağları ile kısmi boşalma örüntü sınıflandırılması

PDF İndir

  1. Tez No: 633327
  2. Yazar: HALİL İBRAHİM ÜÇKOL
  3. Danışmanlar: PROF. DR. AYDOĞAN ÖZDEMİR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 93

Özet

Öz varlıklarını takip etmek ve bunları en uygun bir şekilde yönetmek işi, kurumlara zaman ve ekonomi açısından ciddi kazanımlar sağlayan önemli bir işlevdir. Donanım (varlık) yönetimi olarak adlandırılan bu işlev, şirketlerin elinde bulundurduğu aygıtların hangi konumda bulunduğu, nasıl kullanıldığı ve ne zaman bakım veya değişikliğinin yapılması gerektiği hakkında bilgi verir. Elektrik dağıtım şirketleri, tüketicilere güvenilir ve ekonomik bir elektrik enerjisi sağlamakla yükümlüdürler. Güç sistemlerinin güvenilirliği büyük ölçüde dağıtım şebekesi güvenilirliğine ve dağıtım şebekesi güvenilirliği de, transformatör, kesiciler ve kablolar gibi dağıtım şebekelerinde kullanılan ekipmanların çalışma performansına bağlıdır. Ekipmanların yıldan yıla yaşlanması ve hızlı bir şekilde artan yük miktarı dağıtım şirketlerini büyük bir baskı altında bırakmaktadır. İşletmede kullanılan donanımların durum izlemesi yapılmadan ömürlerinin son aşamasına kadar sistemde kalması, dağıtım şirketlerine müşteri memnuniyeti ve varlık performansı açısından kötü sonuçlar da doğurabilmektedir. Bu sebeple, dağıtım şirketlerinde varlık yönetimi stratejileri; güvenilir bir işletme koşulu, donanım değiştirme, tamir etme veya kullanıma devam etme kararları için önemli bir rol oynar. Sayıları ve uzunlukları dikkate alındığında elektrik dağıtım sistemlerinin güvenilirliği ciddi bir oranda orta gerilim kablolarına bağlıdır. İstenmeyen ve beklenmeyen bir kablo arızası durumunda, tüketici uzun süren bir elektrik kesintisine maruz kaldığı gibi, dağıtım şirketleri de önemli ölçüde ekonomik kayba uğrayabilirler. Bu nedenle kabloların sürekli olarak izlenmesi ve durum analizinin yapılması gerekmektedir. Bu sayede kablonun durumu, yani işlevini uygun bir şekilde yerine getirip getiremeyeceği konusunda bir yargıya varılacağı gibi; gerekli bakım(lar) yapılmak koşuluyla daha ne kadar bir süre kullanılabileceği (kalan ömrü) hakkında da bir kestirimde bulunulabilinir. Böylece, hem bakımla ilgili önlemler, hem de yaşlanan (ekonomik ömrünü dolduran) kabloların yenilenmesi için girişimler zamanında yapılabilmektedir. Orta gerilim güç kablolarının yaşlanmasına ve/veya arızalanmasına sebep olan birçok etken bulunmaktadır. Bu etkenler üç ana grup altında incelenir. Kablolar, hem normal çalışma koşullarında, hem de aşırı gerilimler ve akımlar nedeniyle ısıl, mekaniksel ve elektriksel zorlanmalara maruz kalmaktadırlar. Ayrıca nem, organik veya inorganik atıklar, olası hayvansal veya insan kaynaklı oluşan kablo yaralanmaları gibi çevresel faktörler de kablonun ömrünü ciddi oranda etkilemektedir. Birinci grup etkenler, kabloların yaşlanmasına neden olan bu ısıl, mekaniksel, elektriksel ve çevresel etkenlerdir. İkinci grup ise kablonun üretim safhasında yapılan veya oluşan bozuklukları içermektedir. Kablonun üretim aşamasında oluşan boşluklar, yabancı madde karışımı gibi kusurlar kablonun çalışma performansına olumsuz etki etmektedir. Kabloların yaşlanmasına neden olan son grup ise, kablo ek noktalarında veya kablo başlıklarının yapımı esnasında kötü işçilik sonucunda oluşan kusurları ihtiva eder. Bu gibi kötü işçilik kaynaklı kusurlar, kabloların devreye ilk alındığında anda bile büyük arızalara neden olur. Bu gibi kusurların sürekli olarak izlenmesi ve durum analizinin yapılması varlık yönetimi açısından büyük önem arz etmektedir. Kabloların yalıtım durumunu incelemek için birçok elektriksel, akustik ve kimyasal tanı ve analiz testleri bulunmaktadır. Dielektrik kayıp faktörü ölçüm yöntemi kullanılarak, kabloda ne kadar dielektrik kaybı olduğu incelenir. Kayıp faktörü artıkça kabloda daha fazla güç kaybı oluşur ve bu da kablonun yaşlandığı anlamına gelir. Kablolarda kaçak akım ölçümleri ise, kablolarda bulunan kirlenmeden kaynaklı kaçak akımları ölçerek kablonun durum izlenmesinde değerli bilgiler sağlamaktadır. Kablolarda sıcaklık izleme yöntemi, anormal durumları izlemek açısından en verimli araçlardan biridir. Elektronik aygıtlarla, sürekli bir şekilde durum (sıcaklık) izleme sistemi oluşturulabilir. Çok düşük frekanslı (VLF) gerilim yöntemi ile dielektrik kayıplar ölçülerek kablo yalıtkanın durumu hakkında tahminler yapılmaktadır. DC gerilimi yöntemi ile DC dayanım testleri, kablolar için basit ve uygun maliyetli bir tanı aracı olarak kullanılmaktadır. Sönümlü AC ve AC test gerilimi uygulayarak kablolarda kısmi boşalma (KB) ölçümü sayesinde yerel bozulmalar saptanıp, kablonun yalıtım malzemesi hakkında genel bir durum değerlendirilmesi yapılabilmektedir. Yüksek gerilim donanımlarının, özellikle de yüksek gerilim kablolarının yalıtım koşullarını değerlendirmenin en etkili yollarından birisi, bu kısmi boşalma izlemesidir. Kısmi boşalma olayı, yalıtkan malzemenin yalıtkanlık özelliğini zayıflatarak, uzun vadede yaşlanmalarına neden olur. Bundan dolayı, kısmi boşalma testlerinden elde edilen veriler ve bu verilerin seyri, kablonun gelecekteki davranışı hakkında öngörücü bilgiler verir. Ayrıca kısmi boşalma verileri kullanılarak arıza türü tanımlama işlemleri de yapılabilmektedir. Bu tez çalışmasında, kablo sistemlerinin en fazla arıza veren yerlerinden biri olan kablo başlıklarında insan kaynaklı yapılan hatalar, kısmi boşalma testleri yapılarak analiz edilmiş ve sınıflandırılmıştır. Kablo başlıklarında oluşan kusurlar saha tecrübesine dayanarak oluşturulmuştur. Toplam oluşturulan arıza sayısı beş adettir. Bunlar kablo başlığına metal bir objenin girmesi, kablo başlığı ekipmanlarından biri olan stres kontrol tüpünün ekseninin kayması, kablo yalıtkanında kesici aletlerden dolayı oluşan yarıklar, kablo başlığı pabucunda veya toprak tarafında oluşan korona olayları ve yalıtkan kısmı çevreleyen yarı iletken tabakada oluşan sivri uçlar olarak sıralanabilir. Yapılan kısmi boşalma deneyleri IEC 60270:2001 standardına uygun olarak yapılmıştır. Deneyler İstanbul Teknik Üniversitesi Fuat Külünk Yüksek Gerilim Laboratuvarı'nda yer alan ekranlı odada gerçekleştirilmiştir. Toplam iki adet kablo grubu kullanılmış olup her bir grup beş adet kusur içeren beş farklı kablodan oluşmaktadır. Her bir kablo bir adet kusura sahiptir. Her bir arıza kaynağı için 120 adet kısmi boşalma örüntüsü alınmıştır. Toplam 1200 adet veri bulunmaktadır. Otuz saniye boyunca alınan bu örüntüler için piyasada mevcut olan Omicron MPD600 aleti kullanılmıştır. Bu veriler kısmi boşalma büyüklüğünü ve bu kısmi boşalmaya tekabül eden faz açısı bilgilerini içermektedir. Bu veriler, üç boyutlu faz-KB büyüklüğü-KB sayısı (ϕ-q-n) dağılım örüntülerine, yani faz çözümlü kısmi boşalma örüntülerine dönüştürülmüştür. Örüntüler daha sonra RGB görüntüleri haline getirilip, kullanılacak algoritma için uygun girdilere çevrilmiştir. Verilerin analiz ve sınıflandırılma aşamasında derin öğrenme algoritmalarından biri olan evrişimli sinir ağları kullanılmıştır. Bu algoritmanın genel yapısı uzun testler sonucu belirlenmiş olup algoritmanın performansını etkileyen temel parameterlerin de testleri yapılarak en yüksek performansa sahip algoritma oluşturulmuştur. Bu çalışmada bahsi geçen iki adet veri kümesi kullanılarak algoritmanın sağlamlığını artırmak için üç adet vaka çalışması yapılmıştır. Birinci vaka çalışmasında ilk veri seti algoritmanın öğrenme aşamasında, ikinci veri seti ise test aşamasında kullanılmıştır. İkinci vaka çalışmasında, birinci vaka çalışmasının tam tersi olarak, ikinci veri seti öğrenme aşamasında ilk veri seti ise test aşamasında kullanılmıştır. Üçüncü vaka çalışmasında ise bu iki veri seti karıştırılarak, karışan veri setinin % 80'i öğrenme aşamasında % 20 ise test aşamasında kullanılmıştır. Elde edilen sonuçlar evrişimli sinir ağları algoritmasının kablo başlıklarında bulunan kısmi boşalma kusurlarının sınıflarılmasında verimli bir tanı aracı olarak kullanılabilineceğini ve kısmi boşalma ölçümlerinin kablo hatalarının sınıflandırılmasında değerli bilgiler verdiği göstermektedir. Bu metot yalnızca kablolar için değil birçok yüksek gerilim ekipmanları için de verimli bir tanı aracı olarak kullanılabilir.

Özet (Çeviri)

Performing asset (wealth) management in an appropriate way is one of the most substantial functions of companies providing relevant data about their infrastructures. This function supplies information about how the assets are utilized as well as the time of their maintenance, refurbishment, and replacement along the overall life cycle of the assets. Hence, companies can save a significant amount of time and money by minimizing unexpected failures. Power distribution companies are responsible for providing reliable and economical electrical energy to consumers. Power system reliability is highly dependent on the distribution network reliability, and the distribution network reliability depends on the operating performance of the equipment used in the networks such as transformers, circuit breakers, power cables, and so on. The aging of this equipment year after year and the rapid increase in power demand put the distribution companies under enormous pressure. The fact that the devices in the network are used until the last stage of their life-cycle without condition monitoring can cause bad results for the distribution companies in terms of customer satisfaction and asset performance. Therefore, asset management strategies in distribution companies play essential roles in replacement, refurbishment, maintenance, and continuing to be used decisions for the assets to reach high quality operating conditions. Considering the number and the length of power cables used in distribution systems, the reliability of the power system is mainly dependent on the medium voltage cables. In the case of unforeseen cable failures, consumers suffer from a prolonged power outage, and the distribution companies would also experience a significant economic loss. Thus, it is necessary to monitor the cables and to analyze the cable health to avoid these types of events. With condition monitoring, decisions about the cable condition, whether it can function properly or not, can be made, and it is also possible to predict how long it can be used. Initiatives both for maintenance measures and for renewal of the aging cable can be performed promptly. Cables are exposed to thermal, mechanical, and electrical stresses both in normal operating conditions and in the case of overvoltage and overcurrent events. Besides, environmental factors such as moisture, organic/inorganic compounds, and animal/human-caused cable injuries may significantly shorten the cable life span. These factors, which cause aging and/or failure of medium voltage power cables, can be divided into three main groups. The first group comprises thermal, mechanical, electrical, and environmental factors. The second group includes the defects formed during the cable manufacturing phase. Defects generated during this phase, such as gaps, byproducts, and so on, negatively influence the operating performance of the cable. The last group, which leads the aging, consists of defects caused due to poor workmanship at the cable joints and terminations during the installation of the cables and their accessories. Such a poor workmanship defect may generate a massive failure (early failure) even during the initial operating phase of the cables following the installation. Hence, continuous monitoring of the cable and analysis of the quality measurements are of great importance for the asset management. There are several electrical, acoustic, and chemical methods for the diagnostic and analysis of cable insulation quality. The tan delta measurements give information about the dielectric losses in the cable insulation. Increasing loss tangent factor corresponds to higher dielectric losses in the cable insulation, indicating the aging of a cable. Leakage current measurements on the cables provide relevant information about the surface degradation due to contamination along the cable surface. The temperature monitoring method is one of the most efficient tools to monitor the abnormal situations. With electronic devices, continuous temperature monitoring can be performed. With Very Low Frequency (VLF) voltage method, dielectric losses are measured as well as predictions about the cable status for the future can be made. DC withstand voltage test, and DC voltage tests are used as a simple and cost-effective tool for the condition assessment of the cable. Under damped AC and AC test voltages, local defects can be detected by measuring partial discharges (PDs) in the cables, and general condition assessment can be made about the cable insulation. One of the most effective ways to evaluate the insulation condition of high voltage equipment, especially high voltage cables, is the partial discharge measurement test. Partial discharges degrade the insulation properties of the cable and cause a failure in the long term. Therefore, the data obtained from the partial discharge tests and PD pattern behavior along the cable lifetime provide predictive information about the future life of the cable. Besides, the classification of defect types located in the cable can be done by using PD pattern data. Cable terminations are one of the most critical parts of the cable systems in terms of prospective failures. In this thesis, five different defect types in cable terminations were analyzed and classified using partial discharge measurements. These defects were selected as the most common ones observed in field experiences. They are metal protrusion into the cable termination, the shift of the stress control tube axis, void in the main insulation of the cable termination, corona in the vicinity of cable lug, and tips formed in the semi-conductive layer surrounding the primary insulation. The failures, as mentioned earlier, were artificially created by an expert. Partial discharge experiments were carried out in a shielded room at Fuat Külünk High Voltage Laboratory of Istanbul Technical University in accordance with IEC 60270:2001 standard. A total of two cable groups were used, and each group consisted of five different cables with five defects. Every cable had one defect. 120 partial discharge patterns were extracted for each defect type, and the total number of pattern images was 1200. The commercially available Omicron MPD600 instrument was used for data acquisition. This data included partial discharge magnitude and the corresponding phase angle information. Using this data, the phase-magnitude-number (ϕ-q-n) distribution of PDs was generated. The ϕ-q-n patterns were then converted to RGB images, which were the appropriate inputs for the algorithm to be used. Convolutional neural network (CNN), one of the up-to-date deep learning algorithms, was used to analyze and classify the data. The general structure of this algorithm was determined as a result of long experimental tests. The basic parameters affecting the algorithm's performance were tested, and the algorithm with the highest performance was generated. Three case studies were conducted to increase the robustness of the algorithm using the two data sets, as mentioned above. In the first case study, the first data set was used in the algorithm's training step, and the second data set was used in the testing step. In the second case study, the opposite of the first case study, the second data set was used in the training step and the first data set in the testing step. In the third case study generated by mixing these two data sets, 80% of the combined data set was used in the training step, and 20% in the testing step. The results obtained have shown that the CNN algorithm can be used as an efficient diagnostic tool for the classification of partial discharge defects in the cable terminations and that partial discharge measurements provide valuable information in classifying cable termination defects. This method can be used as an efficient diagnostic tool not only for cables but also for the other high voltage equipment.

Benzer Tezler

  1. Tez No

    664950

    Design of robust speaker idintification with built-in noise immunity

    Gürültü ayırıma özellikli hoparlör tasarımı

    ALI NAJDET NASRET CORAN

    Doktora

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiÇankaya Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. HAYRİ SEVER

    DR. ÖĞR. ÜYESİ MURAD MOHAMMED AMIN

  2. Tez No

    714446

    CNN-based server state monitoring and fault diagnosis using infrared thermography

    Kızılötesi termografi kullanarak CNN tabanlı sunucu durumu izleme ve arıza teşhisi

    BELTUS NKWAWİR WİYSOBUNRİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Bilim Dalı

    DR. ÖĞR. ÜYESİ HAMZA SALİH ERDEN

    PROF. DR. BEHÇET UĞUR TÖREYİN

  3. Tez No

    841969

    Donanım tabanlı hızlandırılmış evrişimsel sinir ağı ile ultrason görüntülerinin çakıştırılması

    Registration of ultrasound images using hardware based accelerated convolutional neural network

    SEDA GÜZEL AYDIN

    Doktora

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. HASAN ŞAKİR BİLGE

  4. Tez No

    467090

    Deep convolutional neural networks for image inpainting

    Derin evrişimsel sinir ağları ile resimlerde içboyama

    UĞUR DEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. GÖZDE ÜNAL

  5. Tez No

    911817

    Çok yıllık bitki yapraklarının elektriksel özellikleri kullanılarak yapay zekâ yardımıyla tanımlanması

    Artificial intelligence identification of perennial plant leaves using electrical properties

    YAKUP ARSLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Fizik ve Fizik MühendisliğiDüzce Üniversitesi

    Fizik Ana Bilim Dalı

    PROF. DR. KADİR GÖKŞEN

Geri Dön