Thiết kế hệ chẩn đoán sự cố tiềm ẩn của máy biến áp lực dựa trên logic mờ và đại số gia tử

Tóm tắt: Trong quá trình máy biến áp làm việc, dưới tác dụng của nhiệt mà phần tử hydro–cacbon của khoáng dầu bị phân huỷ thành dạng hydrogen và sinh ra các thành phần khí hydrohen, methane, ethane, ethylene, acetylene và một vài thành phần khí khác. Mật độ của các thành phần khí này có thể cho biết một số tình trạng và lỗi tiềm ẩn của máy biến áp. Trên cơ sở phương pháp chẩn đoán theo các bộ mã của chuẩn IEC-599, bài báo này đề xuất mô hình chẩn đoán theo logic mờ. Trong đó, việc xây dựng hàm thuộc cho các tập mờ là dựa trên ngữ nghĩa của các hạng từ ngôn ngữ trong đại số gia tử. Từ kết quả phân tích mật độ các thành phần khí trong dầu (DGA - Dissolved Gas Analysis), bộ suy luận tính toán tổng hàm lượng khí hoà tan (total gas), tổng hàm lượng khí dễ cháy và chẩn đoán được 8 trường hợp lỗi khác nhau và một trường hợp là bình thường. Cùng với các kết luận về lỗi là độ tin cậy được tính theo tỉ lệ phần trăm. Thuật toán đã được cài đặt hoàn chỉnh chạy trên môi trường web và kiểm thử với nhiều bộ dữ liệu. Kết quả chẩn đoán là đáng tin cậy

pdf10 trang | Chia sẻ: thanhle95 | Lượt xem: 357 | Lượt tải: 0download
Bạn đang xem nội dung tài liệu Thiết kế hệ chẩn đoán sự cố tiềm ẩn của máy biến áp lực dựa trên logic mờ và đại số gia tử, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san Hội thảo Quốc gia FEE, 10 - 2020 427 THIẾT KẾ HỆ CHẨN ĐOÁN SỰ CỐ TIỀM ẨN CỦA MÁY BIẾN ÁP LỰC DỰA TRÊN LOGIC MỜ VÀ ĐẠI SỐ GIA TỬ Nguyễn Tiến Duy* Tóm tắt: Trong quá trình máy biến áp làm việc, dưới tác dụng của nhiệt mà phần tử hydro–cacbon của khoáng dầu bị phân huỷ thành dạng hydrogen và sinh ra các thành phần khí hydrohen, methane, ethane, ethylene, acetylene và một vài thành phần khí khác. Mật độ của các thành phần khí này có thể cho biết một số tình trạng và lỗi tiềm ẩn của máy biến áp. Trên cơ sở phương pháp chẩn đoán theo các bộ mã của chuẩn IEC-599, bài báo này đề xuất mô hình chẩn đoán theo logic mờ. Trong đó, việc xây dựng hàm thuộc cho các tập mờ là dựa trên ngữ nghĩa của các hạng từ ngôn ngữ trong đại số gia tử. Từ kết quả phân tích mật độ các thành phần khí trong dầu (DGA - Dissolved Gas Analysis), bộ suy luận tính toán tổng hàm lượng khí hoà tan (total gas), tổng hàm lượng khí dễ cháy và chẩn đoán được 8 trường hợp lỗi khác nhau và một trường hợp là bình thường. Cùng với các kết luận về lỗi là độ tin cậy được tính theo tỉ lệ phần trăm. Thuật toán đã được cài đặt hoàn chỉnh chạy trên môi trường web và kiểm thử với nhiều bộ dữ liệu. Kết quả chẩn đoán là đáng tin cậy. Từ khóa: Sự cố máy biến áp; Phân tích khí hoà tan; Đại số gia tử; Logic mờ. 1. GIỚI THIỆU Chẩn đoán sự cố tiềm ẩn của máy biến áp lực trong hệ thống điện là một vấn đề đã được nhiều nhà khoa học quan tâm. Để có thể đưa ra được thông tin về các lỗi có thể xảy ra trong tương lai (lỗi tiềm ẩn) của máy biến áp, trong một số công trình đã đưa ra các phương pháp chẩn đoán dựa trên phân tích lượng khí hoà tan trong dầu. Dựa trên kỹ thuật này, đã có nhiều phương pháp hiện đại cho phép chẩn đoán tốt [1, 2]. Tuy nhiên, một điểm chung của các phương pháp này là phải dựa trên các kỹ thuật đo đạc chính xác. Vì vậy, kết quả chẩn đoán cũng phụ thuộc nhiều vào độ chính xác kết của của các phép đo. Một phương pháp chẩn đoán khác có thể kế thừa được tri thức chuyên gia dưới dạng luật thống kê đã được giới thiệu [3-5]. Phương pháp này được phát triển dựa trên sử dụng mạng neural nhân tạo. Để có được kết quả chẩn đoán chính xác, theo phương pháp sử dụng mạng neural cần phải có bộ dữ liệu thực nghiệm “đủ lớn” để huấn luyện mạng và lựa chọn được một cấu trúc mạng hợp lí. Thực tế cho thấy, theo tiếp cận này có rất nhiều cấu trúc mạng có thể được lựa chọn với những kết quả chẩn đoán khác nhau. Thời gian huấn luyện mạng lớn cũng là một nhược điểm của phương pháp này. Các phương pháp sử dụng fuzzy logic cũng được đề xuất [7, 8]. Điểm chung của các phương pháp này đó là kế thừa được tri thức chuyên gia trên cơ sở hệ luật. Tuy nhiên, việc xây dựng hàm thuộc cho các tập mờ như thế nào là vấn đề còn phải nghiên cứu. Cùng một hệ luật chẩn đoán, việc xây dựng các tập mờ khác nhau làm cho kết quả chẩn đoán cũng khác nhau. Bài báo này đề xuất xây dựng hàm thuộc cho các tập mờ dựa trên ngữ nghĩa của các hạng từ ngôn ngữ trong đại số gia tử. Theo đề xuất này, sự thay đổi của độ thuộc theo các tập mờ là hợp lí hơn. 2. CHẨN ĐOÁN LỖI TIỀM ẨN CỦA MÁY BIẾN ÁP LỰC DỰA TRÊN KẾT QUẢ DGA Chẩn đoán lỗi tiềm ẩn dựa trên các tỉ lệ theo chuẩn IEC-599 Phương pháp chẩn đoán lỗi theo chuẩn IEC-599 [12] là dựa trên tỉ lệ của các thành phần khí (bảng 1). Toán học – Công nghệ thông tin Nguyễn Tiến Duy, “Thiết kế hệ chẩn đoán sự cố tiềm ẩn logic mờ và đại số gia tử.” 428 Bảng 1. Tỉ lệ các thành phần khí và các lỗi tương ứng theo IEC-60599 (2015) [12]. Lỗi R1 (/) R2 (/) R5 (/) Bình thường < 0.1 < 0.1 < 0.1 Phóng điện từng phần < 0.1 NS (Non-Significant) < 0.2 Phóng điện năng lượng thấp 0.1 – 0.5 > 0.1 > 1 Phóng điện năng lượng cao 0.1 – 1 0.6 – 2.5 > 2 Quá nhiệt t 1, NS NS < 1 300 oC 1 < 0.1 1 – 4 t > 700 oC > 1 4 Từ bảng 1, theo tiêu chuẩn IEC-599 các khoảng giá trị đã được mã hoá và biểu diễn các lỗi theo mã như những luật chẩn đoán như bảng 2 và bảng 3. Bảng 2. Mã của các tỉ số theo từng khoảng giá trị theo tiêu chuẩn IEC-599 [12]. Phạm vi các tỉ số Mã của các tỉ số R1= R2= R5= <0.1 0 1 0 0.1 – 1.0 1 0 0 1.0 – 3.0 1 2 1 >3.0 2 2 2 Bảng 3. Bảng luật chẩn đoán lỗi theo mã quy ước của tiêu chuẩn IEC-599 [12]. Luật R1= R2= R5= Kết luận 1 0 0 0 Bình thường 2 0 (*) 1 0 Phóng điện từng phần năng lượng thấp 3 1 1 0 Phóng điện từng phần năng lượng cao 4 1 or 2 0 1 or 2 Phóng điện năng lượng thấp 5 1 0 2 Phóng điện năng lượng cao 6 0 0 1 Quá nhiệt: <150 oC 7 0 2 0 Quá nhiệt: 150 oC – 300 oC 8 0 2 1 Quá nhiệt: 300 oC – 700 oC 9 0 2 2 Quá nhiệt: > 700 oC 3. GIỚI THIỆU VỀ ĐẠI SỐ GIA TỬ Đại số gia tử là một cấu trúc đại số trên miền giá trị ngôn ngữ đã được giới thiệu trong [9] và ứng dụng để giải quyết lớp bài toán mờ được phát biểu dựa trên thông tin ngôn ngữ [10, 11]. Với tiếp cận đại số gia tử cho ta nhiều lợi điểm trong việc tính toán trên các hạng từ ngôn ngữ. Bài báo này đã sử dụng đại số gia tử để xây dựng hàm thuộc các tập mờ cho bộ suy luận xấp xỉ. Định nghĩa 1 [9]. Đại số gia tử của biến ngôn ngữ là một bộ 5 thành phần: = (, , , , ≤), trong đó là tập các hạng từ trong . = {, }, ≤ , được gọi là các phần tử sinh. = {, , } là tập các hằng, với ≤ ≤ ≤ ≤ , để chỉ các phần tử có ngữ nghĩa nhỏ nhất, phần tử trung hoà và phần tử có ngữ nghĩa lớn nhất. là tập các toán tử một ngôi, gọi là các gia tử. = ∪ , với = ℎ: - ≤ ≤ -1 là tập các gia tử âm, = ℎ: 1 ≤ ≤ là các gia tử dương. ≤ biểu thị quan hệ thứ tự trên các hạng từ trên . Từ các tính chất trong đại số gia tử, các tác giả trong [9, 10] đã xây dựng ra các hàm Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san Hội thảo Quốc gia FEE, 10 - 2020 429 đo, trong đó, hàm định lượng ngữ nghĩa SQMs [11] cho phép lượng hoá các hạng từ ngôn ngữ thành giá trị ngữ nghĩa tương ứng của chúng. 4. XÂY DỰNG BỘ CHẨN ĐOÁN DỰA TRÊN LIGIC MỜ VÀ ĐẠI SỐ GIA TỬ 4.1. Xây dựng mô hình cho bộ chẩn đoán mờ dựa trên đại số gia tử Giả sử có 2 khoảng mờ ứng với các hạng từ ngôn ngữ u, v. Với mỗi giá trị ngữ nghĩa x nằm trong khoảng của () < < (), x có mối quan hệ “gần gũi” về ngữ nghĩa với các phần tử u và v. Giả sử định nghĩa điểm “cân bằng” về mặt ngữ nghĩa đối với các phần tử u và v thông qua khoảng tính mờ và giá trị ngữ nghĩa của chúng bằng biểu thức: = () ∗ () + () ∗ () () + () (1) Biểu thức (1) cho biết giá trị ngữ nghĩa w có độ “gần gũi” hay “đặc trưng” là như nhau đối với các phần tử u và v. Giá trị ngữ nghĩa càng cần () thì càng “gần gũi” v và càng “khác” u và ngược lại. Hình 1. Xây dựng hàm thuộc giữa 2 giá trị ngữ nghĩa có điểm “đặc trưng”. Đề xuất mới là cần tìm điểm w’ sao cho tại đó ta có thể xây dựng hàm tuyến tính mà điểm đặc trưng w chính là hoành độ của điểm trọng tâm G của các tập mờ có diện tích là Su và Sv (xem hình 1). Như vậy, ta cần xác định điểm ’ ≠ mà tại đó, độ thuộc của nó vào các tập mờ u và v là bằng 0.5. Điểm trọng tâm G được tính theo công thức: = ∗ + ∗ + (2) Trong đó, Gu, Gv là các điểm trọng tâm của tập mờ có diện tích Su, Sv tương ứng. Với một giá trị () ≤ ≤ (), tổng độ thuộc () + () = 1. Từ quan điểm đó, một cách trực quan ta có thể phát biểu dưới dạng định đề sau: Mệnh đề 1. Cho các hạng từ ngôn ngữ , ∈ , () ≤ ≤ (). Hàm thuộc tuyến tính được xây dựng qua điểm ’ sao cho có hoành độ điểm trọng tâm G là trọng tâm tổng hợp từ các tập mờ u, v có diện tích Su, Sv là điểm “đặc trưng” w thoả điều kiện (’) = (’) = 0.5 và () + () = 1 ′ = () ∗ () + () ∗ () () + () (3) Hàm thuộc các tập mờ được xây dựng bởi các đường chuyển đổi tuyến tính của trọng số ngữ nghĩa theo khoảng của mệnh đề này cho phép ta mô tả độ thuộc giữa các hạng từ ngôn ngữ là khá hợp lí. Mô hình hệ chẩn đoán được xây dựng qua 2 bước như sau: Toán học – Công nghệ thông tin Nguyễn Tiến Duy, “Thiết kế hệ chẩn đoán sự cố tiềm ẩn logic mờ và đại số gia tử.” 430  Bước 1: Thiết kế các tập mờ Dựa trên sự phân chia các khoảng trong chuẩn IEC-599 [12], ta chọn các hạng từ ngôn ngữ thay thế các mã cho mỗi tỉ số như trong bảng 4. Bảng 4. Lựa chọn các hạng từ ngôn ngữ cho các mã. Mã Tỉ số 0 1 2 R1 vvvL M vvvH R2 vL vvvL H R3 vL lH vvvH Trong đó: L – Low; H – High; v – Very; l – Litle. Miền biến thiên của các đại lượng này nằm trong khoảng [0,3]. Vậy, từ miền ngữ nghĩa ta chỉ cần định tỉ lệ với hệ số = 3. - Chọn bộ cấu trúc đại số gia tử và các tham số mờ như sau: = (, , , , ≤) với = {() < (ℎ)}, = {(), ()}, () = = () = 0.5 Chọn M (Medium) là phần tử trung hoà . () = () = () = 0.5. - Tính toán giá trị ngữ nghĩa của các hạng từ ngôn ngữ và các điểm () ∪ ’ = {, , , , } cho các tỉ số theo (3): Với tỉ số R1: = () = () ∗ () ∗ () ∗ () ∗ ∗ = 0.09375 = () ∗ = ∗ = 1.5 = () = (1 − () ∗ () ∗ () ∗ () ∗ ) ∗ = 2.90625 = () ∗ () + () ∗ () () + () ∗ = 0.03125 ∗ 0.5 + 0.5 ∗ 0.0625 0.5 + 0.0625 ∗ 3 = 0.25 = () ∗ () + () ∗ () + () + () ∗ = 0.5 ∗ 0.0625 + 0.96875 ∗ 0.5 0.5 + 0.0625 ∗ 3 = 2.75 Được tập các điểm cho tỉ số R1: {0.09375, 0.25, 1.5, 2.75, 2.90625} Với các tỉ số R2, R3: Tính toán tương tự với các điểm cân bằng ngữ nghĩa theo (3), được tham số toạ độ các điểm {a, b, c, d, e} xác định tập mờ đối với các tỉ số là: R2: {0.09375, 0.15, 0.375, 1.0, 2.25} và R3: {0.375, 1.125, 1.875, 2.7, 2.90625} Hàm thuộc tập mờ ứng với các hạng từ ngôn ngữ của các tỉ số như trên hình 2. Độ thuộc được tính theo các công thức sau: (), () = ⎩ ⎪ ⎨ ⎪ ⎧ 1, < 2 − − 2( − ) , < ≤ 1 2 ( − ) ( − ) , < ≤ 0, < (4) Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san Hội thảo Quốc gia FEE, 10 - 2020 431 (), (), () = ⎩ ⎪ ⎪ ⎪ ⎪ ⎨ ⎪ ⎪ ⎪ ⎪ ⎧ 0, < 1 2 ( − ) ( − ) , < ≤ + ( − 2) 2( − ) , < ≤ 2 − − 2( − ) , < ≤ 1 2 ( − ) ( − ) , < ≤ 0, < (5) (), () = ⎩ ⎪⎪ ⎨ ⎪⎪ ⎧ 0, < 1 2 ( − ) ( − ) , < ≤ + ( − 2) 2( − ) , < ≤ 1, < (6) Hình 2. Tập mờ cho các tỉ số. - Tính toán ví dụ: Với bộ giá trị tính được từ dữ liệu thí nghiệm: R1= = 0.393, giá trị này nằm trong khoảng [b, c] = [0.25, 1.5]; R2= = 0.5, giá trị này nằm trong khoảng [c, d] = [0.375, 1.0]; R3= = 0.667, giá trị này nằm trong khoảng [a, b] = [0.375, 1.125]. - Tính độ thuộc theo biến tỉ số R1: (0.393) = 1 2 ( − ) ( − ) = 1 2 (1.5 − 0.393) (1.5 − 0.25) = 1 2 1.107 1.25 = 0.4428; (0.393) = + ( − 2) 2( − ) = 0.393 + (1.5 − 2 ∗ 0.25) 2(1.5 − 0.25) = 0.5572; (0.393) = 0. Toán học – Công nghệ thông tin Nguyễn Tiến Duy, “Thiết kế hệ chẩn đoán sự cố tiềm ẩn logic mờ và đại số gia tử.” 432 Nhận được vector = (0.4428, 0.5572, 0). - Tính độ thuộc theo biến tỉ số R2: (0.5) = 0; (0.5) = 2 − − 2( − ) = 2*1-0.375-0.5 2(1-0.375) = 0.9; (0.5) = 1 2 ( − ) ( − ) = 1 2 (0.5 − 0.375) (1 − 0.375) = 0.1. Nhận được vector = (0, 0.9, 0.1). Tính độ thuộc theo biến tỉ số R3: (0.667) = 2 − − 2( − ) = 2 ∗ 1.125 − 0.375 − 0.667 2(1.125 − 0.375) = 1.208 1.5 = 0.805; (0.667) = 1 2 ( − ) ( − ) = 1 2 (0.667 − 0.375) (1.125 − 0.375) = 1 2 0.292 0.75 = 0.195; (0.667) = 0. Nhận được vector = (0.805, 0.195, 0).  Bước 2: Chuyển đổi hệ luật chẩn đoán từ logic rõ về logic mờ Từ bảng luật chẩn đoán theo tiêu chuẩn IEC-599 (bảng 3) và các hạng từ ngôn ngữ được lựa chọn thay thế cho các mã như trong bảng 4 ta được bảng luật chẩn đoán theo ngôn ngữ như trong bảng 5. Bảng 5. Bảng luật chẩn đoán cho 8 lỗi được viết lại theo nhãn ngôn ngữ. Luật R1= R2= R5= Kết luận 1 vvvL vL vL Bình thường 2 * vvvL vL Phóng điện từng phần năng lượng thấp 3 M vvvL vL Phóng điện từng phần năng lượng cao 4 M or vvvH vL lH or vvvH Phóng điện năng lượng thấp 5 M vL vvvH Phóng điện năng lượng cao 6 vvvL vL lH Quá nhiệt: <150 oC 7 vvvL H vL Quá nhiệt: 150 oC – 300 oC 8 vvvL H lH Quá nhiệt: 300 oC – 700 oC 9 vvvL H vvvH Quá nhiệt: > 700 oC Trong bảng trên, mỗi dòng luật chẩn đoán được hiểu như sau: Luật 1: Nếu (R1=vvvL) và (R2=vL) và (R3=vL) Thì “Bình thường”. Luật 3: Nếu (R1=M) và (R2=vvvL) và (R3=vL) Thì “Phóng điện từng phần năng lượng thấp”. Luật 4: Nếu ((R1=M) hoặc (R1=vvvH)) và (R2=vL) và ((R3=lH) hoặc (R3=vvvH)) Thì “Phóng điện năng lượng thấp”. Trong đó: R1=M  µM(x), xR1 (độ thuộc của x, của tỉ số R1 vào tập mờ M). 4.2. Thuật toán cho mô hình chẩn đoán Từ mô hình của hệ suy luận trên, các bước tính toán được mô tả cụ thể như trong thuật toán sau: Fuzzy_ Hedge_Algebra_Diagnosis_Algorithm() Input: Các thành phần khí [ppm]: (hydrogen), (methane), (acetylen), (ethylen), (ethane); , , , [ppm]. Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san Hội thảo Quốc gia FEE, 10 - 2020 433 Output: Kết luận tình trạng của máy biến áp theo hệ luật chẩn đoán cùng độ tin cậy chẩn đoán tương ứng Method: 1) If tất cả giá trị các thành phần khí không vượt ngưỡng L1 (bảng 6) Then kết luận là “Bình thường” (return) Bảng 6. Ngưỡng L1 theo IEC-599 [12]. Khí (Key gas) Ngưỡng L1 (concentration [ppm]) 100 120 35 50 65 350 Else //một trong các thành phần khí vượt ngưỡng L1, thực hiện bước tính toán tiếp theo 2) Tính giá trị các tỉ số = , = , = 3) Tính các vector độ thuộc ứng với mỗi Ri (i=1..3) theo công thức (4)-(6): = [(), (), ()], ∈ 1, = [(), (), ()], ∈ 2 và = [(), (), ()], ∈ 3 4) For mỗi luật trong bảng luật, tính độ độ tin cậy (thoả mãn) của kết luận như sau (xem bảng 7): = ( , , ), , , ∈ {, , , , }, là chỉ số dòng luật. Bảng 7. Tính toán độ tin cậy kết luận của các luật chẩn đoán mờ. Luật = = = Độ tin cậy chẩn đoán (100%) 1 vvvL vL vL = ((), (), ()) 2 * vvvL vL = ((), ()) 3 M vvvL vL = ((), (), ()) 4 M or vvvH vL lH or vvvH = ⎝ ⎜ ⎛ (), (), (), (), (), (), (), (), (), ((), (), ())⎠ ⎟ ⎞ 5 M vL vvvH = ((), (), ()) 6 vvvL vL lH = ((), (), ()) 7 vvvL H vL = ((), (), ()) 8 vvvL H lH = ((), (), ()) 9 vvvL H vvvH = ((), (), ()) 5) Đưa ra các kết luận chẩn đoán và lưu CSDL End Fuzzy_ Hedge_Algebra_Diagnosis_Algorithm 5. KẾT QUẢ THỰC NGHIỆM Phần mềm chẩn đoán đã được cài đặt hoàn chỉnh và chạy trên môi trường web, tại địa chỉ Thử nghiệm với bộ số liệu theo [8], gồm 20 mẫu được thu tập từ thực tế với nhiều loại lỗi khác nhau. Kết quả chẩn đoán được theo các phương pháp khác nhau tổng hợp trong bảng 8. Toán học – Công nghệ thông tin Nguyễn Tiến Duy, “Thiết kế hệ chẩn đoán sự cố tiềm ẩn logic mờ và đại số gia tử.” 434 Bảng 8. Mẫu dữ liệu thực tế và kết quả chẩn đoán theo các phương pháp. No. H2 CH4 C2H4 C2H6 C2H2 Lỗi thực tế IEC- 599 Fuz_HA đề xuất Độ tin cậy [%] 1 200 700 740 250 1 8, 9 8 9 100 2 300 490 360 180 95 8 N 4, 6, 8 24.7, 24.7, 49.4 3 56 61 32 75 31 3 N 1, 7 21.3, 21.3 4 33 26 5.3 6 0.2 1 1 1, 4, 6 66.1, 33.9, 33.9 5 176 205.9 75.7 47.7 68.7 4 N 4, 6 43.2, 23.7 6 70.4 69.5 241.2 28.9 10.4 9 N 4, 9 49, 51 7 162 35 30 5.6 44 5 5 5 57.6 8 345 112.25 51.5 27.5 58.75 4 4 4 85.6 9 181 262 528 210 0 8 8 8, 9 53.5, 46.5 10 172.9 334.1 812.5 172.9 37.7 9 9 9 87.3 11 2587.2 7.882 1.4 4.704 0 2 2 2 100 12 1678 652.9 1005.9 80.7 419.1 5 5 5 56.7 13 206 198.9 612.7 74 15.1 9 N 9 47.32 14 180 175 50 75 4 7 1 1, 7 52.2, 47.8 15 34.45 21.92 44.96 3.19 19.62 5 5 4, 5 57.5, 57.5 16 51.2 37.6 52.8 5.1 51.6 5 5 5, 9 71.3, 20.9 17 106 24 28 4 37 5 5 4, 5 60.4, 60.4 18 180.85 0.574 0.188 0.234 0 2 2 2 71.4 19 27 90 63 42 0.2 8 8 7, 8 25, 75 20 138.8 52.2 62.8 6.77 9.55 5 5 4, 5 18.7, 81.3 Quan sát kết quả trên bảng 8 thấy rằng, phương pháp IEC có 5 trường hợp không xác định được lỗi, trong khi đó với phương pháp đề xuất (Fuz_HA) thì không có trường hợp nào. Nó đã đưa ra kết luận lỗi trong mọi trường hợp. Với các mẫu số liệu thứ 2, 5, 6, 13 IEC đã không thể đưa ra kết luận thì Fuz_HA đã đưa ra kết luận trùng với lỗi thực tế với độ tin cậy cao nhất. Ngoài ra, nó còn đưa ra thêm khác lỗi khác mới độ tin cậy thấp hơn. Tương tự, với bộ số liệu thứ 9, 14, 16, 19, 20 Fuz_HA đã đưa ra kết luận trùng với lỗi thực tế có độ tin cậy cao và lỗi khác có tính chất liên quan có độ tin cậy thấp hơn. Nhìn chung, các kết luận có độ tin cậy cao là đúng với lỗi thực tế. Tuy nhiên, duy nhất có một trường hợp Fuz_HA đã đưa ra kết luận thiếu chính xác. Tại mẫu số liệu thứ 3, lỗi thực tế là 3 nhưng Fuz_HA lại đưa ra kết luận là lỗi số 1 và 7 nhưng với mức độ tin cậy rất thấp. Điều đó có nghĩa rằng, cần lưu tâm đến lỗi 7 hơn so với lối số 1, đó là Quá nhiệt ở phạm vi 150 oC – 300 oC. Nguyên nhân dẫn đến sự quá nhiệt này thường do lỗi số 2 hoặc 3 gây nên. Thực tế, trạng thái máy biến áp có thể có 1 hoặc vài lỗi khác nhau, sự tiến triển lỗi cũng có thể tạo nên một số lỗi liên tiếp ở mức độ khác nhau. Theo cách phân khoảng “rõ” và suy luật theo luật “rõ” như chuẩn IEC thì chỉ có thể chỉ ra được tối đa là 1 lỗi ứng với một mẫu số liệu. Theo tiếp cận “mờ” dựa trên ngữ nghĩa của đại số gia tử, biểu diễn giá trị của các tỉ số theo tập mờ là phù hợp với thực tế nên hệ suy luận có thể đưa ra được nhiều lỗi chẩn đoán. Các kết quả còn lại đều cho thấy Fuz_HA chẩn đoán tốt, kèm theo là số liệu về mức độ tin cậy trong chẩn đoán. Đây là ưu điểm của Fuz_HA so với IEC. Số liệu đó cũng cho biết mức độ phát triển của lỗi tương ứng. Căn cứ vào đó, để người vận hành có những kế hoạch cụ thể trong việc bảo trì, bảo dưỡng máy biến áp. Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san Hội thảo Quốc gia FEE, 10 - 2020 435 6. KẾT LUẬN Trong bài báo này, tác giả đã đề xuất một mô hình và thuật toán chẩn đoán mới để chẩn đoán sự cố tiềm ẩn của máy biến áp. Việc chẩn đoán được thực hiện dựa trên kết quả DGA và phương pháp tỉ số. Cụ thể, tác giả đã xây dựng mô hình chẩn đoán theo tiếp cận logic mờ kết hợp với đại số gia tử, phát triển từ các luật chẩn đoán theo chuẩn IEC-599. Các tập mờ được thiết kế mờ dựa trên ngữ nghĩa của các hạng từ ngôn ngữ trong đại số gia tử. Mô hình chẩn đoán mờ này đã khắc phục được những hạn chế của chuẩn IEC-599 khi biểu diễn giá trị các tỉ số dựa trên các tập mờ. Nó cho phép mô tả mật độ của các thành phần khí là phù hợp với thực tế. Với cách tính toán theo mô hình mờ này, các lỗi tiềm ẩn được chẩn đoán còn có kèm theo mức độ tin cậy. Với thuật toán chẩn đoán được thiết kế, phần mềm đã được cài đặt hoàn chỉnh chạy trên môi trường web. Phần mềm đã được kiểm thử với nhiều bộ dữ liệu thực tế và đã có những hiệu chỉnh cần thiết để kết quả chẩn đoán trở nên tin cậy hơn. TÀI LIỆU THAM KHẢO [1].