تشخیص هوشمند خطا در بوبین های کلیدهای قدرت مبتنی بر شبیه سازی چندفیزیکه

کلیدهای قدرت نقش بسزایی بر پایداری شبکه برق و رفع سریع خطا در این شبکه دارند. بنابراین، پایش مستمر این تجهیزات بحرانی به منظور تشخیص خرابی های متداول الزامی است. در این صورت، می توان از خطاهای احتمالی و قطعی ناخواسته در شبکه برق جلوگیری کرد. در این مقاله، امکان پایش کلیدهای قدرت و تشخیص و دسته بندی خطاها به واسطه هوش مصنوعی (AI)[1] بررسی می شود. در این رویکرد امکان پیشگیری از وقوع خطا وجود خواهد داشت که باعث کاهش هزینه های نگهداری خواهد شد. به همین منظور پایش عملکرد کلیدهای قدرت، با استراتژی نگهداری مبتنی بر وضعیت (CBM)[2] و استفاده از سیگنال جریان بوبین (CC)[3] وصل/قطع برای یک ساختار واقعی از کلید 5/72 کیلوولتی ارایه می گردد که با بهره مندی از آن امکان تشخیص و پیش بینی خطا در بخش های مختلف کلید شامل منبع تغذیه، سیم بندی سیم پیچ ها، ضامن[4] و کنتاکت های کمکی وجود دارد. با شبیه سازی بوبین کلید در نرم افزار COMSOL Multiphysics و اتصال آن به نرم افزار MATLAB، طیف گسترده ای از خطاهای موردنظر شبیه سازی شده و داده های لازم برای آموزش الگوریتم های یادگیری ماشین (ML)[5] تامین می شود، الگوریتم های مورد استفاده که وظیفه تشخیص خطا را برعهده دارند، عبارتند از: رگرسیون منطقی[6]، ماشین بردار پشتیبان (SVM)[7]، درخت تصمیم گیری[8] و K-نزدیک ترین همسایه (KNN)[9] . به این ترتیب می توان انواع خطاهای ممکن را تشخیص داد و طبقه بندی نمود. نتایج نشان می دهد که از میان الگوریتم های فوق، الگوریتم SVM به علت همپوشانی زیاد داده ها عملکرد مناسبی نداشته و بیشترین دقت مربوط به الگوریتم KNN می باشد، بنابراین این الگوریتم برای سیستم تشخیص خطا انتخاب می گردد.