مروری بر آنالیز تخلیه جزئی در ترانسفورماتورهای قدرت

ترانسفورماتورهای قدرت از حیاتی‌ترین اجزای شبکه‌های برق هستند که پایداری و قابلیت اطمینان سیستم به سلامت آن‌ها وابسته است. خرابی ناگهانی این تجهیزات می‌تواند موجب خاموشی گسترده، خسارت مالی بالا و اختلال در تامین انرژی شود. یکی از شایع‌ترین علل خرابی، تخلیه جزئی (Partial Discharge – PD) است که در سیستم‌های عایقی رخ می‌دهد. تخلیه جزئی فرایندی تدریجی است که منجر به کاهش طول عمر عایق و در نهایت شکست کامل می‌شود. بنابراین پایش وضعیت (Condition Monitoring) و تشخیص زودهنگام PD برای جلوگیری از خسارت‌های بزرگ ضروری است.

این مطالعه روش‌های مختلف تشخیص، مکان‌یابی، کاهش نویز، استخراج ویژگی، دسته‌بندی و خوشه‌بندی سیگنال‌های PD را بررسی کرده و مزایا، معایب و چالش‌های آن‌ها را تحلیل می‌کند

تخلیه جزئی در ترانسفورماتورها

تخلیه جزئی نوعی شکست الکتریکی موضعی در عایق است که به طور کامل بین الکترودها پل نمی‌زند. این پدیده معمولاً در حضور میدان‌های الکتریکی بالا رخ می‌دهد و موجب ایجاد پالس‌هایی در بازه نانوثانیه تا میکروثانیه می‌شود

ویژگی‌های کلیدی PD:

• ماهیت تصادفی و غیرقابل پیش‌بینی دارد.
• شدت تخلیه همیشه نمایانگر میزان خرابی نیست، زیرا پدیده‌هایی مانند درخت‌زایی الکتریکی (Electrical Treeing) می‌توانند سریع پیشرفت کنند.نیاز به پایش مداوم برای جلوگیری از گسترش دارد.

انواع اصلی PD :

1. تخلیه داخلی – ناشی از حفره‌ها یا کاویتاسیون در عایق کاغذ–روغن.
2. تخلیه سطحی – در محل تماس دو عایق با استقامت دی‌الکتریک متفاوت.
3. تاجی (Corona) – در نقاط تیز هادی‌ها یا در مجاورت هوای یونیزه.
4. درخت‌زایی الکتریکی – ناشی از ایجاد مسیرهای شاخه‌ای در دی‌الکتریک.
5. تخلیه سد دی‌الکتریک – بین الکترودها با حضور مواد عایق اضافی مانند شیشه یا سرامیک

منابع ایجاد PD در ترانسفورماتورها: وجود حباب‌های گاز در روغن، ذرات فلزی شناور، رطوبت محبوس، لایه‌های جداشده کاغذ، یا ردیابی (Tracking) در عایق جامد

روش‌های تشخیص تخلیه جزئی

روش‌های تشخیص به دو گروه اصلی الکتریکی و غیرالکتریکی تقسیم می‌شوند

روش‌های الکتریکی (EE Detection)

در این روش، تخلیه جزئی از طریق اندازه‌گیری مستقیم پالس جریان ناشی از آن شناسایی می‌شود. استانداردهای بین‌المللی مانند IEC و IEEE چارچوب مشخصی برای اجرای این روش ارائه داده‌اند. از مهم‌ترین مزایای آن می‌توان به دقت بسیار بالا اشاره کرد که باعث شده روشی مرجع در صنعت باشد. با این حال، این روش نسبت به نویز محیطی بسیار حساس است و همین موضوع می‌تواند دقت نتایج را تحت تأثیر قرار دهد.

روش‌های الکترومغناطیسی (UHF/EM)

در روش الکترومغناطیسی، از آنتن‌هایی مانند Vivaldi یا مارپیچی برای دریافت سیگنال‌های ناشی از تخلیه استفاده می‌شود. مزیت اصلی این روش مقاومت در برابر نویزهای فرکانس پایین است که در محیط‌های صنعتی فراوان هستند. با این وجود، فرایند کالیبراسیون آن دشوار بوده و به ساختار داخلی ترانسفورماتور وابستگی زیادی دارد. به همین دلیل در برخی کاربردها نیازمند تخصص و تجهیزات پیشرفته است.

روش‌های آکوستیکی (AE)

روش آکوستیکی بر پایه آشکارسازی امواج فراصوت تولیدشده توسط انفجارهای موضعی در روغن ترانسفورماتور عمل می‌کند. این روش به دلیل عدم تداخل با میدان‌های الکترومغناطیسی از پایداری بیشتری برخوردار است. علاوه بر این، هزینه پیاده‌سازی آن نسبتاً پایین بوده و به‌صرفه محسوب می‌شود. با این حال، تضعیف سیگنال در مسیرهای طولانی می‌تواند باعث کاهش دقت اندازه‌گیری شود.

روش‌های نوری (Optical)

در این روش از فیبرهای نوری برای تشخیص نور ساطع‌شده در اثر تخلیه جزئی استفاده می‌شود. این فناوری به‌ویژه در محیط‌های عایقی خاص مانند روغن کاربرد بالایی دارد. روش نوری به دلیل سرعت و دقت مناسب، توانایی تشخیص سریع تخلیه‌ها را فراهم می‌کند. البته هزینه بالای تجهیزات و نیاز به طراحی دقیق، از محدودیت‌های مهم آن به شمار می‌رود.

روش‌های گازی (DGA – Dissolved Gas Analysis)

تحلیل گازهای محلول در روغن یکی از رایج‌ترین روش‌های پایش وضعیت ترانسفورماتور است. در این روش، گازهایی مانند هیدروژن و متان که در اثر تخلیه جزئی تولید می‌شوند، بررسی و تحلیل می‌گردند. مزیت این روش، کارایی بسیار خوب آن در پایش بلندمدت و تشخیص روندهای خرابی است. اما کندی در تشخیص لحظه‌ای تخلیه، نقطه ضعف اصلی آن به شمار می‌رود.

پردازش سیگنال‌های PD

سیگنال‌های PD اغلب با نویزهای داخلی (لرزش هسته و سیم‌پیچ‌ها) و خارجی (تداخل رادیویی، الکترومغناطیسی و …) آلوده می‌شوند.

برای استخراج اطلاعات قابل اعتماد، مراحل زیر لازم است:

1. حذف نویز (Denoising):
   • روش‌های مورد استفاده: تبدیل موجک (Wavelet Transform)، شبکه‌های عصبی، فیلترهای آماری و آنالیز تجربی حالت (EMD).
2. استخراج ویژگی (Feature Extraction):
   • تبدیل الگوهای تخلیه به داده‌های عددی.
   • استفاده از PRPD (Phase-Resolved PD Pattern) و TRPD (Time-Resolved PD Pattern) برای نمایش پالس‌ها
3. دسته‌بندی (Classification):
   • هدف: شناسایی نوع نقص ایجادکننده PD.
   • الگوریتم‌های پرکاربرد:
     • شبکه‌های عصبی مصنوعی (ANN)
     • شبکه‌های عصبی کانولوشنی (CNN) برای الگوهای UHF
     • سیستم‌های فازی–عصبی (ANFIS) با دقت تا ۹۸٪
     • ماشین بردار پشتیبان (SVM) برای جداسازی منابع مختلف PD
4. خوشه‌بندی (Clustering):
   • گروه‌بندی پالس‌های مشابه برای جداسازی منابع متعدد PD.
   • الگوریتم‌های مورد استفاده: DBSCAN، خوشه‌بندی سلسله‌مراتبی

جمع‌بندی

این مطالعه مروری بر فناوری‌های مدرن تشخیص و تحلیل تخلیه جزئی در ترانسفورماتورهای قدرت ارائه می‌دهد. نکات کلیدی عبارتند از:

• پایش آنلاین تخلیه جزئی برای جلوگیری از خاموشی‌های ناگهانی ضروری است.
• هیچ روش منفردی کامل نیست؛ ترکیب روش‌ها بهترین نتایج را دارد.
• چالش اصلی، نویز محیطی و پیچیدگی ساختار داخلی ترانسفورماتور است.
• استفاده از هوش مصنوعی (ANN، CNN، SVM، ANFIS) و یادگیری ماشین باعث پیشرفت چشمگیر در دسته‌بندی و مکان‌یابی PD شده است.
• آینده‌ی این حوزه در گرو توسعه حسگرهای دقیق‌تر، الگوریتم‌های یادگیری عمیق و سیستم‌های پایش هوشمند است.

 

مراجع

Hussain, Md Rashid, Shady S. Refaat, and Haitham Abu-Rub. “Overview and partial discharge analysis of power transformers: A literature review.” Ieee Access 9 (2021): 64587-64605.