Аннотация
В статье представлена усовершенствованная модель раннего прогнозирования неисправностей силовых трансформаторов, основанная на комплексном анализе растворенных газов (DGA) в трансформаторном масле. Целью исследования было выявление закономерностей изменения концентраций водорода (H₂), метана (CH₄) и ацетилена (C₂H₂) во времени и определение их диагностической значимости для распознавания термических и электрических дефектов изоляционной системы. Результаты исследования продемонстрировали, что предложенный интегральный подход к оценке технического состояния силовых трансформаторов значительно повышает точность и надежность диагностики по сравнению с традиционными методами. Разработанный интегральный диагностический показатель объединяет несколько параметров различной физической природы, включая температурный режим, электрические характеристики, состояние изоляции и результаты анализа трансформаторного масла, в единый комплексный показатель состояния. Результаты моделирования показали, что использование интегрального диагностического показателя повысило ее до 91 %. Чувствительность составила 0,89, а F1-score – 0,90, что подтверждает эффективность интегрального подхода для повышения точности и сбалансированности классификации состояния трансформаторов. Эти показатели подтверждают высокую достоверность выявления дефектов и сниженный риск ложных срабатываний. Сравнительный анализ с традиционными методами диагностики, основанными на раздельной оценке отдельных параметров, показал, что предложенный метод обеспечивает более устойчивые результаты классификации даже при изменяющихся эксплуатационных условиях. Полученные результаты подчеркивают практическую ценность интеграции статистического моделирования, агрегирования мультипараметрических показателей и анализа динамики газов в автоматизированные системы мониторинга, что в конечном итоге повышает качество принятия решений и безопасность эксплуатации электроэнергетических систем
Ключевые слова
Использованные источники
- 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.
- 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.
- 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.
- CIGRE Working Group. (n.d.). Guide for transformer maintenance. Retrieved from https://www.academia.edu/15493047/Guide_for_Transformer_Maintenance_Guide_for_Transformer_Maintenance.
- 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.
- 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.
- Duval, M. (2002). A review of faults detectable by gas-in-oil analysis in transformers. IEEE Electrical Insulation Magazine, 18(3), 8-17.
- 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.
- 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/.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.