Аналіз динаміки зміни газовмісту масел у силових трансформаторах у процесі розвитку іскрових розрядів
№ 2 (3) (2021), Статті
№ 2 (3) (2021)

Аналіз динаміки зміни газовмісту масел у силових трансформаторах у процесі розвитку іскрових розрядів

Статті
https://doi.org/10.20998/2224-0349.2021.02.07
Опубліковано 2021-12-30
Олег Володимирович Шутенко
Національний технічний університет «Харківський політехнічний інститут», Україна
https://orcid.org/0000-0003-3141-7709
Ігор Володимирович Барбашов
Національний технічний університет «Харківський політехнічний інститут», Україна
https://orcid.org/0000-0002-7074-4115
Галина Вікторівна Омеляненко
Національний технічний університет «Харківський політехнічний інститут», Україна
https://orcid.org/0000-0002-3276-5476
Обкладинка журналу
PDF (English)

Ключові слова

силові трансформатори
діагностика
аналіз розчинених в маслі газів
іскрові розряди
динаміка зміни типу дефекту
кореляція
концентрації газів
відсотковий вміст газів
відношення газів
квадрат ЕТRА
трикутник Дюваля
номограми дефекту

Як цитувати

Шутенко, О. В., І. В. Барбашов, і Г. В. Омеляненко. «Аналіз динаміки зміни газовмісту масел у силових трансформаторах у процесі розвитку іскрових розрядів». Вісник Національного технічного університету «ХПІ». Серія: Енергетика: надійність та енергоефективність, вип. 2 (3), Грудень 2021, с. 3-17, doi:10.20998/2224-0349.2021.02.07.
ACM ACS APA ABNT Chicago Harvard IEEE MLA Turabian Vancouver

Завантажити посилання

Endnote/Zotero/Mendeley (RIS) BibTeX

Анотація

Наведено результати аналізу динаміки зміни значень діагностичних критеріїв, використовуваних для розпізнавання типу дефекту за результатами аналізу розчинених в маслі газів, для п’яти високовольтних трансформаторів в процесі розвитку іскрових розрядів. У процесі аналізу розглянуто динаміку зміни концентрацій газів, відсоткового вмісту газів, а також номограм дефектів. Також аналізувалася зміна типу дефекту в процесі розвитку іскрових розрядів з використанням діагностичного простору, що визначався значеннями відношень газів, регламентованих стандартом IEC 60599 і квадратом ЕТРА, та з використанням діагностичного простору, що визначався відсотковим вмістом газів, регламентованих трикутником Дюваля. За результатами аналізу встановлено, що при розвитку іскрових розрядів в різних трансформаторах значення діагностичних критеріїв відповідають дефектам різного типу, що практично не дозволяє прогнозувати даний дефект за результатами попередніх випробувань. У той же час значення і відношень газів, і їх відсотковий вміст, а також номограми дефектів, отримані за результатами аналізу розчинених в маслі ще до того моменту, коли концентрації газів перевищили свої граничні значення, відповідають дефектам різного типу, що дозволяє розпізнавати іскрові розряди на ранній стадії. За результатами аналізу кореляційних зв’язків між значеннями концентрацій і відсоткового вмісту газів та тривалістю експлуатації, а також між значеннями концентрацій і відсоткового вмісту окремих газів встановлено, що розвиток іскрових розрядів супроводжується не тільки зростанням концентрацій газів, що відомо і широко використовується, але і появою значущої позитивної кореляції між значеннями концентрацій розчинених у маслі газів і тривалістю експлуатації, а також між концентраціями окремих газів. При цьому гази, між якими виявлена значуща кореляція, в процесі розвитку іскрових розрядів в різних трансформаторах істотно розрізняються. Виконаний аналіз показав, що норми і критерії, регламентовані стандартом IEC 60599, квадратом ЕТRА і трикутником Дюваля не дозволяють розпізнавати іскрові розряди. Максимальна достовірність розпізнавання була отримана з використанням методу номограм. Отримані результати демонструють можливість раннього виявлення іскрових розрядів, що дозволяє підвищити достовірність неруйнівної діагностики і продовжити ресурс трансформаторів.

https://doi.org/10.20998/2224-0349.2021.02.07
PDF (English)

Посилання

IEC 60599:2015. Mineral oil-filled electrical equipment in service – Guidance on the interpretation of dissolved and free gases analysis. Geneva, Switzerland: International Electrotechnical Commission, 2015. 78 p.

IEEE Std C57.104–2019. IEEE Guide for the Interpretation of Gases Generated in Mineral Oil-Immersed Transformers. Piscataway, NJ, USA: Institute of Electrical and Electronics Engineers, 2019. 98 p.

SOU-N EE 46.501:2006. Diahnostyka maslonapovnenoho transformatornoho obladnannya za rezul'tatamy khromatohrafichnoho analizu vil'nykh haziv, vidibranykh iz hazovoho rele, i haziv, rozchynenykh u izolyatsiynomu masli. Metodychni vkazivky [Company Standard 46.501:2006. Diagnosis of oil-filled transformer equipment by chromatographic analysis of free gases sampled from the gas relay and gases dissolved in the insulating oil. Methodological guidelines]. Kyiv: Ministry of Fuel and Energy of Ukraine, 2007. 91 p.

Dornenburg E., Strittmater W. Monitoring Oil Cooling Transformers by Gas Analysis. Brown Boveri Review. 1974, vol. 61, pp. 238–274.

Rogers R. R. IEEE and IEC Codes to Interpret Incipient faults in Transformers, Using Gas in Oil Analysis. IEEE Trans. on Electrical Insulation. 1978, Vol. EI 13, no. 5, pp. 349–354. doi: https://www.doi.org/10.1109/TEI.1978.298141.

Müller R., Schliesing H., Soldner K. Die Beurteilung des Betriebszustandes von Transformatoren durch Gasanalyse. Elektrizitätswirtschaft. 1977, no. 76, pp. 345–349.

RD 153-34.0-46.302-00. Metodicheskie ukazaniya po diagnostike razvivayushchikhsya defektov transformatornogo oborudovaniya po rezul'tatam khromatograficheskogo analiza gazov, rastvorennykh v masle [Guiding Document 153-34.0-46.302-00. Procedural Guidelines for Diagnostics of Defects Developing in Transformer Equipment Using the Results of Chromatographic Analysis of Gases Dissolved in the Oil]. Moscow, NTs ENAS Publ., 2001, 41 p.

Duval M. The Duval Triangle for load tap changers non-mineral oils and low temperature faults in transformers. IEEE Electrical Insulation Magazine. 2008. vol. 24, no. 6, pp. 22–29. doi: https://www.doi.org/10.1109/MEI.2008.4665347.

Guideline for the refurbishement of Electric Power Transformers. Electrical Cooperative Research Association. 2009, vol. 65, no. 1. (in Japanese).

Kawamura T., Kawada N., Ando K., Yamaoka M., Maeda T., Takatsu T. Analyzing gases dissolved in oil and its application to maintenance of transformers. International Conferenсe on Large High Voltage Electric Systems: SIGRE Session Report 12–05. Paris, 1986, pp. 1–5.

Kulyk O. Analysis of the diagnostic criteria used to defect type recognition based on the results of analysis of gases dissolved in oil. Bulletin of the National Technical University "KhPI". Series: Energy: Reliability and Energy Efficiency. 2020, no. 1, pp. 15–25. doi: https://www.doi.org/10.20998/2224-0349.2020.01.

Shutenko O. V., Kulyk O. S., Ponomarenko S. H. Porivnyal'nyy analiz diyuchykh standartiv i metodyk z interpretatsiyi rezul'tativ ARH: navchal'no-metodychnyy posibnyk dlya vykonannya indyvidual'nykh rozrakhunkovo-hrafichnykh zavdan' [Comparative analysis of existing standards and methodologies for interpreting DGA results: study guide for individual computational and graphical tasks]. Kharkiv, Typography Madrid Publ., 2021. 126 p.

Shutenko O., Kulyk O. Comparative Analysis of the Defect Type Recognition Reliability in High-Voltage Power Transformers Using Different Methods of DGA Results Interpretation. 2020 IEEE Problems of Automated Electrodrive. Theory and Practice (PAEP). Kremenchuk, Ukraine, 2020, pp. 1–6. doi: https://www.doi.org/10.1109/PAEP49887.2020.9240911.

Mharakurwa E. T., Nyakoe G. N., Akumu A. O. Power Transformer Fault Severity Estimation Based on Dissolved Gas Analysis and Energy of Fault Formation Technique. Journal of Electrical and Computer Engineering. 2019, vol. 2019, pp. 1–10. doi: https://www.doi.org/10.1155/2019/9674054.

Mohamad F., Hosny K., Barakat T. Incipient Fault Detection of Electric Power Transformers Using Fuzzy Logic Based on Roger's and IEC Method. 2019 14th International Conference on Computer Engineering and Systems (ICCES). 2019, pp. 303–309. doi: https://www.doi.org/10.1109/icces48960.2019.9068132.

Li J., Zhang Q., Wang K., Wang J., Zhou T., Zhang Y. Optimal dissolved gas ratios selected by genetic algorithm for power transformer fault diagnosis based on support vector machine. IEEE Transactions on Dielectrics and Electrical Insulation. 2016, vol. 23, no. 2, pp. 1198–1206. doi: https://www.doi.org/10.1109/TDEI.2015.005277.

Illias H., Zhao Liang W. Identification of transformer fault based on dissolved gas analysis using hybrid support vector machine-modified evolutionary particle swarm optimisation. PLOS ONE. 2018, vol. 13, no. 1, pp. e0191366. doi: https://www.doi.org/10.1371/journal.pone.0191366.

Zade R. S., Kudkelwar S. Analysis of DGA Methods for the Incipient Fault Diagnosis in Power Transformer Using ANN. International Journal of Science and Research (IJSR). 2018. vol. 7, iss. 6, pp. 1818–1822. doi: https://www.doi.org/10.21275/ART20183678.

Bankar R., Desai P. Dissolved Gas Analysis in Power Transformer using Artificial Neural Network. International Journal of Modern Trends in Engineering and Research. 2016, vol. 3, no. 4, pp. 322–326.

Kulkarni A., Swami P. S., Thosar A. G. Dissolved Gas Analysis of Transformer oil using Adaptive Neuro-Fuzzy Inference System. International Journal of Scientific & Engineering Research. 2016, vol. 7, iss. 5, pp. 1487–1491.

Dai J., Song H., Sheng G., Jiang X. Dissolved gas analysis of insulating oil for power transformer fault diagnosis with deep belief network. IEEE Transactions on Dielectrics and Electrical Insulation. 2017, vol. 24, no. 5, pp. 2828–2835. doi: https://www.doi.org/10.1109/TDEI.2017.006727.

Pamuk N. Diagnosis of Fault Type by Dissolved Gas Analysis in Transformer Oil Using Petri Net Technology. BAÜ Fen Bil. Enst. Dergisi Cilt. 2014, vol. 2, pp. 79–86.

Wanjare S. B., Swami P. S., Thosar A. G. DGA Interpretation for Increasing the Percent of Accuracy by Bayesian Network Method Comparing IEC TC 10 Database. International Journal of Engineering Trends and Technology. 2018, vol. 62, no. 1, pp. 46–51. doi: https://www.doi.org/10.14445/22315381/IJETT-V62P208.

Aizpurua J. I., Catterson V. M., Stewart B. G., McArthur S. D. J., Lambert B., Ampofo B., Pereira G., Cross J. G. Power transformer dissolved gas analysis through Bayesian networks and hypothesis testing. IEEE Transactions on Dielectrics and Electrical Insulation. 2018, vol. 25, no. 2, pp. 494–506. doi: https://www.doi.org/10.1109/TDEI.2018.006766.

Abu-Siada A. Improved Consistent Interpretation Approach of Fault Type within Power Transformers Using Dissolved Gas Analysis and Gene Expression Programming. Energies. 2019, vol. 12, no. 4, pp. 730. doi: https://www.doi.org/10.3390/en12040730.

Zhai S., Chen X., Wei L., Chen D., Zhang L., Wang X., Wang E., Chen Z., Chen W., Deng T. Research on identification methods of gas content in transformer insulation oil based on deep transfer network. Journal of Materials Science: Materials in Electronics. 2020, vol. 31, no. 18, pp. 15764–15772. doi: https://www.doi.org/10.1007/s10854-020-04138-4.

Wani S., Khan S., Prashal G., Gupta D. Smart Diagnosis of Incipient Faults Using Dissolved Gas Analysis-Based Fault Interpretation Matrix (FIM). Arabian Journal for Science and Engineering. 2019, vol. 44, no. 8, pp. 6977–6985. doi: https://www.doi.org/10.1007/s13369-019-03739-4.

Gomes G. et al. A Stairway Statistical Neural Model for DGA Analysis. VIII Simpósio Brasileiro de Sistemas Elétricos. 2020, doi: https://www.doi.org/10.48011/sbse.v1i1.2287.

Taha I., Dessouky S., Ghoneim S. Transformer fault types and severity class prediction based on neural pattern-recognition techniques. Electric Power Systems Research. 2021, vol. 191, pp. 106899. doi: https://www.doi.org/10.1016/j.epsr.2020.106899.

Zhong Y., Hu C., Lu Y., Wang S. Transformer Fault Diagnosis Based on Stacked Contractive Auto-Encoder Net. Advances in Intelligent Systems and Computing. 2020, vol. 1274, pp. 514–522. doi: https://www.doi.org/10.1007/978-981-15-8462-6_57.

Huang Z., Zhou J., Huang W., Liu Y., Zhu G., Zhang K. Multiple Classifiers Based Information Fusion for Power Transformer Fault Diagnosis. 2020 IEEE 4th Conference on Energy Internet and Energy System Integration (EI2). 2020, pp. 2971–2975. doi: https://www.doi.org/10.1109/ei250167.2020.9346733.

Taha I. B. M., Mansour D. A. Novel Power Transformer Fault Diagnosis Using Optimized Machine Learning Methods. Intelligent Automation & Soft Computing. 2021, vol. 28, no. 3, pp. 739–752. doi: https://www.doi.org/10.32604/iasc.2021.017703.

Shutenko O. Faults diagnostics of high-voltage equipment based on the analysis of the dynamics of changing of the content of gases. Energetika. 2018, vol. 64, no. 1, pp. 11–22. doi: https://www.doi.org/10.6001/energetika.v64i1.3724.

Kulyk O. S., Shutenko O. V. Analysis of Gas Content in Oil-Filled Equipment with Spark Discharges and Discharges with High Energy Density. Transactions on Electrical and Electronic Materials. 2019, vol. 20, no. 5, pp. 437–447. doi: https://www.doi.org/10.1007/s42341-019-00124-8.

Gmurman V. E. Teorija verojatnostej i matematicheskaja statistika [Probability theory and mathematical statistics]. Moscow, High School Publ., 1977. 479 p.

Shutenko O. Method for Detection of Developing Defects in High-Voltage Power Transformers by Results of the Analysis of Dissolved Oil Gases. Acta Electrotechnica et Informatica. 2018, Vol. 18, no. 1, pp. 11–18. doi: https://www.doi.org/10.15546/aeei-2018-0002.

Shutenko O. V. Osobennosti dinamiki izmenenija kriteriev ispol'zuemyh dlja interpretacii rezul'tatov HARG v silovyh transformatorah s raznymi tipami defektov [Peculiarities of Dynamics of Change of Criteria Used for Interpretation of DGA Results in Power Transformers with Different Types of Defects]. New in Russian Electric Power Industry. 2017, no. 9, pp. 30–49.

Shutenko O. Analysis of gas composition in oil-filled faulty equipment with acetylene as the key gas. Energetika. 2019, vol. 65, no. 1, pp. 21–38. doi: https://www.doi.org/10.6001/energetika.v65i1.3973.

Shutenko O. V. Analiz graficheskikh obraztsov postroennykh po rezul'tatam khromatograficheskogo analiza rastvorennykh v masle gazov dlya vysokovol'tnykh silovykh transformatorov s razlichnymi tipami defektov [Analysis of graphical samples of gases constructed for chromatographic analysis of gases dissolved in oil for high-voltage power transformers with various types of defects]. Visnyk Natstekhn. un-tu «KhPI»: zb. nauk. pr. Ser.: Enerhetyka: nadiynist' ta enerhoefektyvnist' [Bulletin of NTU “KhPI”. Series: Energetics: reliability and energy efficiency]. Kharkiv, NTU “KhPI” Publ., 2017, no. 31 (1253), pp. 97–121.

Shutenko O., Kulyk O. Recognition of Overheating with Temperatures of 150-300 °C by Analysis of Dissolved Gases in Oil. 2020 IEEE 4th International Conference on Intelligent Energy and Power Systems (IEPS). Istanbul, Turkey. 2020, pp. 71–76. doi: https://www.doi.org/10.1109/IEPS51250.2020.9263145.

Shutenko O., Kulyk O. Analysis of gas content in oil-filled equipment with defects for which ethane is the key gas. Lighting Engineering & Power Engineering. 2020, vol. 2, no. 58, pp. 33–42. doi: https://www.doi.org/10.33042/2079-424X-2020-2-58-33-42.

Shutenko O., Kulyk O. Recognition of discharges that are accompanied by low-temperature overheating based on the analysis of gases dissolved in the oil of high-voltage transformers. Energy saving. Power engineering. Energy audit. 2021, no. 3–4 (157–158), pp. 20–33. doi: https://www.doi.org/10.20998/2313-8890.2021.03.02.

Shutenko O. V. Analiz graficheskikh obrazov, postroennykh po rezul'tatam KhARG dlya vysokovol'tnykh silovykh transformatorov s razlichnymi tipami defektov [Analysis of graphical samples of gases constructed for chromatographic analysis of gases dissolved in oil for high-voltage power transformers with various types of defects]. Bulletin of the National Technical University "KhPI". Series: Energy: Reliability and Energy Efficiency. 2017, no. 31 (1253), pp. 97–121.

Davidenko I. V. Ocenka tehnicheskogo sostojanija silovyh transformatorov po rezul'tatam tradicionnyh ispytanij i izmerenij: uchebno-metodicheskoe posobie [Assessing the technical condition of power transformers based on the results of traditional tests and measurements: Training manual]. Yekaterinburg, UrFU Publ., 2015. 96 p.

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.

Авторське право (c) 2021 Олег Володимирович Шутенко, Ігор Володимирович Барбашов , Галина Вікторівна Омеляненко