طبقه بندی عیوب ترانسفورماتور با استفاده از تحلیل پاسخ فرکانسی بر پایه تکنیک همبستگی متقابل و ماشین بردار پشتیبان

یکی از مهم ترین روش های تشخیص عیب در ترانسفورماتورها (خصوصا عیوب مکانیکی) روش تحلیل پاسخ فرکانسی (FRA) است. مهم ترین گام در فرآیند تشخیص عیب به کمک FRA، متمایز کردن عیوب و قرار دادن آن ها در کلاسهای متفاوت است. در این مقاله از روش هوشمند ماشین بردار پشتیبان (SVM) برای طبقه بندی عیوب ترانسفورماتور استفاده می شود. برای این منظور، دو گروه از ترانسفورماتورها مورد آزمایش قرار گرفته است. ابتدا آزمایش های لازم بر روی ترانسفورماتورهای مدل تحت شرایط سالم و تحت شرایط عیوب مختلف (جابجایی محوری، تغییر شکل شعاعی، تغییر فاصله بین بشقاب ها، اتصال کوتاه بین بشقاب ها و تغییر شکل هسته) انجام می شود. سپس با تقسیم بندی بازه های فرکانسی توابع تبدیل اندازه گیری شده از ترانسفورماتور، یک مشخصه جدید مبتنی بر تکنیک همبستگی متقابل برای آموزش و اعتبارسنجی SVM پیشنهاد می شود. بعد از انجام فرآیند آموزش، با اعمال داده های به دست آمده از ترانسفورماتورهای واقعی، عملکرد SVM در حالت های مختلف مورد ارزیابی و مقایسه قرار گرفته و مناسب ترین شاخص ارایه می شود.