Güç transformatörlerinde hata tanısı için DGA tabanlı hibrit akıllı sistem
DGAa-based hybrid intelligent system for fault diagnostics of power transformers
- Tez No: 741238
- Danışmanlar: DR. ÖĞR. ÜYESİ ERKAN DURSUN, DR. ÖĞR. ÜYESİ SEÇİL VARBAK NEŞE
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 55
Özet
Güç transformatörleri elektrik şebekelerinin en önemli ve pahalı ekipmanlarındandır. Güçlerinin büyük ve gerilim seviyelerinin yüksek olması soğutma ve yalıtım açısından transformatör yağı kullanılmasını mecbur kılmaktadır. Bu sebeple güç transformatörlerinin nüve, sargılar ve izolasyon malzemeleri gibi önemli parçaları transformatör yağı ile dolu tank içerisinde bulunur. Kapalı bir alanda bulunan bu malzemelerde oluşabilecek arızaları tespit etmek zordur. Arızanın hızlı ve doğru bir şekilde tespit edilememesi elektrik enerjisine bağımlılığın artığı günümüzde, ekonomik olarak büyük üretim kayıplarına, iş dünyasında planlamada oluşacak aksaklıklara, iletişimde kesintilere ve sosyal açıdan birçok olumsuzluğa neden olabilmektedir. DGA tabanlı hata tanı metotları ile transformatörlerde oluşabilecek bir hata önceden kestirilebilmekte ve hata büyümeden gerekli önlemler alınabilmektedir. Literatürde mevcut çalışmalarda hata tanısı klasik DGA Tabanlı metotlar ile maksimum %90 doğrulukla gerçekleştirilmiştir. Enerjinin kesintiye uğramaması ve transformatörlerin etkin ve güvenilir şekilde işletilerek yaşam döngüsünü tamamlaması bu başarı oranlarının artırılmasını gerektirmektedir. Bu çalışmada DGA Tabanlı Hata Tanı Metotları temel alınarak bulanık mantık ve matematiksel yaklaşımın birlikte kullanıldığı akıllı hibrit bir hata tanı sistemi tasarlanmıştır. Bu sistem LabVIEW ortamında oluşturulmuş ve transformatörlere ait 317 adet arıza veri seti ile test edilmiştir. Test sonucunda %95,58 doğrulukla yüksek bir başarı elde edilmiştir. Bu çalışma ile oluşturulan grafik ara yüzü transformatör işletmecileri ve üreticileri için kullanım kolaylığı sağlayacaktır.
Özet (Çeviri)
Power transformers are one of the most important and expensive equipment of electrical networks. Their high power and high voltage levels require the use of transformer oil in terms of cooling and insulation. For this reason, important parts of power transformers such as core, windings and insulation materials are in a tank filled with transformer oil. This makes it difficult to detect when a fault occurs in the transformer. Failure to detect the fault quickly and accurately can cause great economic losses, disruptions in planning in the business world, interruptions in communication and many social negativities in today's world where the dependence on electrical energy has increased. Thanks to the use of DGA-Based fault diagnosis methods, a fault that may occur in the transformer can be predicted and necessary precautions can be taken before the faults grows. In the existing studies in the literature, fault diagnosis was performed with traditional DGA-based methods with a maximum accuracy of 90%. The fact that the energy is not interrupted and that the transformers are operated effectively and reliably to complete their life cycle requires increasing these accuracy rates. In this study, DGA Based Fault Diagnosis methods are based.A hybrid fault diagnosis system is designed in which fuzzy logic and mathematical approach are used together. This system was created in the LabVIEW environment and tested with 317 fault data sets of transformers. As a result of the test, a high accuracy was achieved with an accuracy of 95.58%. The graphical interface created with this study will provide ease of use for transformer operators and manufacturers.
Benzer Tezler
- Kendi kendine soğuyan kuru tip güç transformatörlerinde sargı ısınma hesabına katkılar
Contributions to the calculation of winding temperature rise of the naturally cooled dry type power transformers
GÜVEN KÖMÜRGÖZ
Doktora
Türkçe
2002
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Makineleri Ana Bilim Dalı
PROF. DR. NURDAN GÜZELBEYOĞLU
- Switching mode power supply and fly back converter design
Başlık çevirisi yok
ERKİN CÜCE
Yüksek Lisans
İngilizce
1998
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN TACER
- Güç transformatörlerinde K-ortalama kümeleme yöntemi ile bakım-onarım stratejilerinin belirlenmesi
Determination of maintenance strategies with K-means clustering method in power transformers
MUSTAFA ŞEN YILDIZ
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BEDRİ KEKEZOĞLU
- Güç transformatörü hatalarının destek vektör makineleri yaklaşımıyla belirlenmesi
Fault diagnosis of power transformers with support vector machines
AKİF DEMİRÇALI
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik MühendisliğiPamukkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SELİM KÖROĞLU
- Dağıtık üretim kaynağı içeren elektrik dağıtım sistemlerinde görünmeyen hataların koruma koordinasyonu üzerindeki etkileri
Impacts of hidden failures on protection coordination in electrical distribution systems with distributed generation
MUSTAFA SELİM SEZGİN
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA BAĞRIYANIK