Аннотация

Макалада трансформатор майындагы эриген газдарды (DGA) комплекстүү талдоонун негизинде күч трансформаторлорунун бузулууларын эрте болжолдоонун өркүндөтүлгөн модели сунушталган. Изилдөөнүн максаты суутек (H₂), метан (CH₄) жана ацетилен (C₂H₂) концентрацияларынын убакыт өтүшү менен өзгөрүү мыйзамченемдүүлүктөрүн аныктоо жана алардын изоляциялык системанын термикалык жана электрдик кемчиликтерин таануудагы диагностикалык маанисин аныктоо болуп саналат. Изилдөөнүн жыйынтыктары көрсөткөндөй, сунушталган күч трансформаторлорунун техникалык абалын баалоонун интегралдык ыкмасы салттуу ыкмаларга салыштырмалуу диагностиканын тактыгын жана ишенимдүүлүгүн олуттуу түрдө жогорулатат. Иштелип чыккан интегралдык диагностикалык көрсөткүч ар кандай физикалык мүнөздөгү бир нече параметрлерди (температуралык режимди, электрдик мүнөздөмөлөрдү, изоляциянын абалын жана трансформатор майын талдоонун жыйынтыктарын) бирдиктүү комплекстүү абал көрсөткүчүнө бириктирет. Моделдөөнүн жыйынтыктары көрсөткөндөй, интегралдык диагностикалык көрсөткүчтү колдонуу анын тактыгын 91 % чейин жогорулаткан. Сезгичтик 0,89, ал эми F1-көрсөткүчү 0,90 түздү, бул трансформаторлордун абалын классификациялоонун тактыгын жана тең салмактуулугун жогорулатуу үчүн интегралдык ыкманын натыйжалуулугун тастыктайт. Бул көрсөткүчтөр кемчиликтерди аныктоонун жогорку ишенимдүүлүгүн жана жалган иштөө коркунучунун төмөндүгүн ырастайт. Өзүнчө параметрлерди бөлөк баалоого негизделген салттуу диагностикалык ыкмалар менен салыштырмалуу талдоо көрсөткөндөй, сунушталган ыкма өзгөрүп турган эксплуатациялык шарттарда да классификациянын туруктуу натыйжаларын камсыз кылат. Алынган жыйынтыктар статистикалык моделдөөнү, мультипараметрдик көрсөткүчтөрдү агрегациялоону жана газдардын динамикасын талдоону автоматташтырылган мониторинг системаларына интеграциялоонун практикалык маанисин баса белгилейт, акырында чечимдердин сапатын жана электр-энергетикалык системаларды пайдалануунун коопсуздугун жогорулатат

Негизги сөздөр

эриген газдарды талдоо; DGA; эрте диагностика; кемчиликтерди болжолдоо; изоляциялык система; энергосистемалардын ишенимдүүлүгү

Колдонулган булактар

  1. Al-Sakini, S.R., Bilal, G.A., Sadiq, A.T., & Al-Maliki, W.A.K. (2025). Dissolved gas analysis for fault prediction in power transformers using machine learning techniques. Applied Sciences, 15(1), article number 118. doi: 10.3390/app15010118.
  2. Bessa, A.R., Fardin, J.F., Ciarelli, P.M., & Encarnação, L.F. (2023). Conventional dissolved gases analysis in power transformers: Review. Energies, 16(21), article number 7219. doi: 10.3390/en16217219.
  3. Bouchaoui, L., Hemsas, K.E., Mellah, H., & Benlahneche, S. (2021). Power transformer faults diagnosis using undestructive methods (Roger and IEC) and artificial neural network for dissolved gas analysis applied on the functional transformer in the Algerian north-eastern: A comparative study. Electrical Engineering & Electromechanics, 4, 3-11. doi: 10.20998/2074-272X.2021.4.01.
  4. CIGRE Working Group. (n.d.). Guide for transformer maintenance. Retrieved from https://www.academia.edu/15493047/Guide_for_Transformer_Maintenance_Guide_for_Transformer_Maintenance.
  5. Dai, J., Luo, B., Shen, X., Han, W., Cui, R., & Wu, J. (2025). A review of optical gas sensing technology for dissolved gas analysis in transformer oil. Frontiers in Physics, 13, article number 1547563. doi: 10.3389/fphy.2025.1547563.
  6. Dhini, A., Faqih, A., Kusumoputro, B., Surjandari, I., & Kusiak, A. (2020). Data-driven fault diagnosis of power transformers using dissolved gas analysis (DGA). International Journal of Technology, 11(2), 388-399. doi: 10.14716/ijtech.v11i2.3625.
  7. Duval, M. (2002). A review of faults detectable by gas-in-oil analysis in transformers. IEEE Electrical Insulation Magazine, 18(3), 8-17.
  8. Fofana, I. (2013). 50 years in the development of insulating liquids. IEEE Electrical Insulation Magazine, 29(5), 13-25. doi: 10.1109/MEI.2013.6585853.
  9. IEEE SA. (2019). IEEE guide for the interpretation of gases generated in mineral oil-immersed transformers. Retrieved from https://standards.ieee.org/ieee/C57.104/7476/.
  10. Islam, S.M., Wu, T., & Ledwich, G. (2000). A novel fuzzy logic approach to transformer fault diagnosis. IEEE Transactions on Dielectrics and Electrical Insulation, 7(2), 177-186. doi: 10.1109/94.841806.
  11. Jahromi, A.N., Piercy, R., Cress, S., Service, J., & Fan, W. (2009). An approach to power transformer asset management using health index. IEEE Transactions on Power Delivery, 25(2), 20-34. doi: 10.1109/MEI.2009.4802595.
  12. Kruger, M., Koch, M., Kraetge, A., & Rethmeier, K. (2008). New tools for diagnostic measurements on power transformers. In 2008 international conference on condition monitoring and diagnosis (pp. 488-491). Beijing: IEEE. doi: 10.1109/CMD.2008.4580332.
  13. Lai, J., Weng, D., Xian, F., Xie, Y., Chen, Y., Zhou, Q., & Yuan, C. (2026). A hybrid optimization model for transformer fault diagnosis based on gas classification. Digital, 6(1), article number 24. doi: 10.3390/digital6010024.
  14. Lv, X., Liu, F., Jiang, M., Zhang, F., & Jia, L. (2024). Fault diagnosis of power transformers based on dissolved gas analysis and improved LightGBM hybrid integrated model with dual-branch structure. IET Electric Power Applications, 18(12), 2008-2020. doi: 10.1049/elp2.12528.
  15. Nguyen, S.T., & Goetz, S. (2022). Dissolved gas analysis of insulating oil for power transformer fault diagnosis with Bayesian neural network. Smart Systems and Devices, 32(3), 61-68. doi: 10.51316/jst.160.ssad.2022.32.3.8.
  16. Prasojo, R.A., Sholehudin, M.F., Hanif, M.R., Nurhadi, S., & Joto, R. (2023). Case study and comparison of high voltage power transformer dissolved gas analysis assessed by different standards. International Journal of Frontier Technology and Engineering, 1(2), 63-74. doi: 10.33795/ijfte.v1i2.3215.
  17. Saha, T.K. (2003). Review of modern diagnostic techniques for assessing insulation condition in aged transformers. IEEE Transactions on Dielectrics and Electrical Insulation, 10(5), 903-917. doi: 10.1109/TDEI.2003.1237337.
  18. Sun, C., Zhou, Z., Zhang, Y., Jia, Z., & Huang, C. (2022). A dissolved gas assessment model for power transformers according to weighted association rule mining. Frontiers in Energy Research, 10, article number 879869. doi: 10.3389/fenrg.2022.879869.
  19. Tang, W.H., & Wu, Q.H. (2011). Condition monitoring and assessment of power transformers using computational intelligence. London: Springer. doi: 10.1007/978-0-85729-052-6.
  20. Thango, B.A. (2022). Dissolved gas analysis and application of artificial intelligence technique for fault diagnosis in power transformers: A South African case study. Energies, 15(23), article number 9030. doi: 10.3390/en15239030.
  21. Walker, C.M., Agarwal, V., & Al Rashdan, A.Y. (2022). Transformer health monitoring using dissolved gas analysis. International Journal of Prognostics and Health Management, 13(2). doi: 10.36001/ijphm.2022.v13i2.3141.
  22. Zhou, X., Tian, T., Liu, N., Bai, J., Luo, Y., Li, X., He, N., Zhang, P., & Jun, S. (2022). Research on gas production law of free gas in oil-immersed power transformer under discharge fault of different severity. Frontiers in Energy Research, 10, article number 1056604. doi: 10.3389/fenrg.2022.1056604.

Цитаталоо

Chyngyzbek kyzy, Z., Begmatova, D., Tengizbaeva, N., Komiljonov, J., & Nurmatova, M. (2025). Model for early fault prediction based on transformer oil quality. News of Osh Technological University, 25(2), 43-52. https://doi.org/10.63621/notu./2.2025.43