KẾT HỢP HỆ CHUYÊN GIA VÀ
NƠRON NHÂN TẠO CHẨN ĐOÁN
SỰ CỐ TIỀM ẨN
TRONG MÁY BIẾN ÁP LỰC
COMBINATION OF EXPERT
SYSTEM AND ARTIFICIAL NEURAL
NETWORK TO DIAGNOSE POWER
TRANSFORMER INCIPIENT FAULTS
TÓM TẮT
Những sự cố tiềm ẩn trong máy biến áp lực (MBA) được dự báo
bằng nhiều phương pháp khác nhau, khi máy đang mang điện (on
line) hay cắt điện (off line). Phương pháp phân tích khí hoà tan
(DGA) là một trong số các phương pháp dự báo phổ biến. Dựa
vào cơ sở của phương pháp DGA, việc xây dựng v
à kết hợp được
hệ chuyên gia với mạng nơron nhân tạo sẽ góp phần nâng cao
khả năng dự báo các sự cố tiềm ẩn trong MBA.
ABSTRACT
Power transformer incipient faults are diagnosed by different
methods (on line or off line). Dissolved gas analysis (DGA) is one
of widely used methods. Combination of expert systems and
artificial neural networks based on DGA might improve possibility
of diagnosis power transformer incipient faults.
1. Đặt vấn đề
Máy biến áp lực (MBA) là một trong những phần tử quan trọng trong hệ
thống điện, độ tin cậy cung cấp điện của nó liên quan trực tiếp đến độ tin cậy
của cả hệ thống điện. Để nâng cao tuổi thọ MBA và tăng độ tin cậy cung cấp
điện, MBA thường xuyên được giám sát bằng nhiều phương pháp, một trong số
đó là phương pháp DGA.
Các phương pháp DGA truyền thống chẩn đoán sự cố tiềm ẩn trong MBA
phải cần đến kinh nghiệm của các chuyên gia và tiêu tốn thời gian. Trong khi

pháp Dornenburg (Dor.), phương pháp Rogers (Rog.), tiêu chuẩn IEC 599
(IEC.), phương pháp khí chính (K.gas) [1, 2].
Dựa vào tri thức của các chuyên gia theo các tiêu chuẩn đã nêu, có thể xây
dựng một hệ chuyên gia để dự báo các sự cố tiềm ẩn trong MBA. Giao diện của
chương tr
ình được trình bày ở hình 1.
Quá trình h
ọc của mạng nơron cần một lượng lớn dữ liệu, đầu vào là các
s
ố liệu thực tế. Tuy nhiên, trong thực trạng hệ thống điện Việt Nam hiện nay, rất
khó để tập hợp lượng
dữ liệu đủ lớn cho quá
trình luyện do phương
pháp DGA mới được
sử dụng trong thời
gian gần đây. Hơn
nữa, việc thu thập dữ
liệu DGA từ các hệ
thống điện nước ngoài
s
ẽ tiêu tốn thời gian và
chi phí cao. S
ử dụng
kết quả của hệ chuyên
gia, có th
ể xây dựng
một tập hợp các mẫu dữ liệu nhân tạo cho quá trình luyện theo nguyên tắc kết
quả dự báo mà hệ chuyên gia đề xuất sẽ được lưu vào tập mẫu dữ liệu nhân tạo
dùng cho quá trình luyện. Chương trình tạo dữ liệu nhân tạo sử dụng kết quả của
hệ chuyên gia, giao diện của chương trình như ở hình 2.

2
H
6
,
C
2
H
4
, C
2
H
2
, CO (6 đầu vào). Lớp đầu ra gồm 5 nút được mã hoá ứng với 5
trường hợp: b
ình thường, sự cố vầng quang điện, sự cố hồ quang điện, sự cố quá
nhiệt dầu, sự cố quá nhiệt cellulose. Lớp đầu ra 3 nút ra ứng với các trường hợp:
bình thường, sự cố phóng điện, sự cố quá nhiệt.
4. Xây dựng hệ chuyên gia dựa trên các hướng dẫn của Viện Năng
lượng Li
ên Xô (cũ) [5]
Hướng dẫn của Viện Năng lượng Liên Xô (cũ) chẩn đoán các hỏng hóc
theo kết quả phân tích khí hoà tan trong dầu của MBA bằng phương pháp sắc ký
khí đ
ã và đang được sử dụng tại Nga và các nước SNG. Các tác giả bài báo đã
xây d
ựng một chương trình hệ chuyên gia (Gui.) dựa vào các tiêu chí của hướng
dẫn bao gồm:
- Các yêu cầu chung: các khí được coi là có mặt trong dầu khi vượt quá
độ nhạy ngưỡng được cho ở bảng
1.

dụng trong chẩn đoán sự cố vầng quang điện, hồ quang điện, quá nhiệt dầu và sự
cố quá nhiệt cellulose.
- Các yếu tố vận hành có thể làm thay đổi khí trong dầu.
- Tính toán tốc độ tăng khí trong dầu, tính toán chu kỳ kiểm tra, nhiệt độ
sự cố.
5. Kết hợp hệ chuyên gia và mạng nơron để chẩn đoán sự cố tiềm ẩn
trong MBA
Kết hợp 2 hệ chuyên gia trên và mạng MLP, chương trình chẩn đoán sự
cố tiềm ẩn trong MBA được xây dựng có lưu đồ thuật toán như ở hình 4. Trên
hình 3 trình bày giao di
ện chương trình chẩn đoán MBA, ví dụ chẩn đoán MBA
với các mẫu dữ liệu thu được từ kết quả phân tích qua máy sắc ký khí của Trung
tâm Thí nghiệm điện (Công ty Điện lực 3). Khâu lấy quyết định 1 và kết luận
dựa theo nguyên tắc: Nếu có ít nhất 2 phương pháp có kết quả giống tương
đương th
ì sẽ đề xuất kết quả dự báo sự cố tương đương. Khâu lấy quyết định 2
dùng để phân loại sự cố nhiệt (trong dầu hay trong cellulose). Tuy nhi
ên, kết quả
dự báo sự cố tương đương còn tuỳ thuộc vào số phân loại sự cố được chọn.
Chương tr
ình được thực hiện với các chức năng dự báo nhanh (5 đầu vào), dự
báo chi tiết (6, 7 đầu vào hay 2 mẫu dữ liệu đầu vào), lưu và xuất dữ liệu.
Hình 3a: Thực hiện một dự báo chi tiết
Hình 3b: Thực hiện lấy lời khuyên chi tiết
6. Kết luận
Việc kết hợp kiến thức của các chuyên gia với phương pháp MLP một
cách tổng hợp và logic cho phép xây dựng được một chương trình dự báo tốt, có
tốc độ xử lý nhanh. Chương trình chẩn đoán MBA lực được xây dựng trên cơ sở
phương pháp DGA và phần mềm MATLAB l
à công cụ phục vụ cho giao tiếp

1989.
[6] Trung tâm Thí nghiệm Điện-Công ty Điện lực 3, Các “Biên bản thí
nghi
ệm hàm lượng khí hoà tan trong dầu”, 2000-2004.