مدلی جدید برای پیش بینی طول عمر باقیمانده ترانسفورماتور بر اساس داده های به دست آمده با استفاده از یادگیری ماشین

ترانسفورماتورها یکی از مهم ترین بخش های شبکه های انتقال و توزیع برق هستند و عملکرد آنها مستقیما بر قابلیت اطمینان و پایداری شبکه تاثیر می گذارد. تعمیر و نگهداری و تعویض ترانسفورماتورهای معیوب می تواند زمان بر و پرهزینه باشد و بر این اساس باید راه حلی برای جلوگیری از آن ارایه شود. این امر منجر به مطالعاتی در زمینه مدیریت طول عمر ترانسفورماتور شد. در نتیجه، تخمین طول عمر باقیمانده ترانسفورماتور بخش مهمی برای راه حل مذکور است. بنابراین، این مقاله قصد دارد با استفاده از یک الگوریتم جدید برای تخمین طول عمر یک ترانسفورماتور با ترکیب روش های انتخاب و تکنیک های مبتنی بر هوش مصنوعی (AI) به این موضوع بپردازد. هدف اصلی این روش کاهش خطای تخمین و زمان تخمین به طور همزمان است. رویکرد پیشنهادی ترانسفورماتورها را بر اساس شرایط محیطی، کیفیت توان، کیفیت روغن و تجزیه و تحلیل گاز محلول (DGA) ارزیابی می کند. در نظر گرفتن عوامل اضافی بر معایب روش های سنتی غلبه می کند و نتیجه دقیقی به دست می دهد. در این راستا، داده های جمع آوری شده از ترانسفورماتور قدرت ایران و عراق و همچنین مناطق با شرایط مختلف در الگوریتم مورد مطالعه استفاده شده است. چندین ترکیب از الگوریتم ها برای انتخاب بهترین مورد بررسی قرار می گیرند. تجزیه و تحلیل اجزای اصلی (PCA) در مرحله بعدی برای وزن کردن پارامترهای مختلف به منظور بهبود دقت و کاهش زمان اجرا استفاده می شود. نتایج نشان می دهد که شبکه عصبی بیزی بهترین عملکرد را در پیش بینی طول عمر باقیمانده ترانسفورماتور با دقت حدود 98.4 درصد ارایه می دهد.