فهرست نشریات علمی دسترسی آزاد ایران

یکی از مهم‌ترین روش‌های تشخیص عیب در ترانسفورماتورها (خصوصاً عیوب مکانیکی) روش تحلیل پاسخ فرکانسی (FRA) است. مهم‌ترین گام در فرآیند تشخیص عیب به کمک FRA، متمایزکردن عیوب و قراردادن آن‌ها در کلاس‌های متفاوت است. در این مقاله از روش هوشمند ماشین بردار پشتیبان (SVM) برای طبقه‌بندی عیوب ترانسفورماتور استفاده می‌شود. برای این منظور، دو گروه از ترانسفورماتورها مورد آزمایش قرار گرفته است. ابتدا آزمایش‌های لازم بر روی ترانسفورماتورهای مدل تحت شرایط سالم و تحت شرایط عیوب مختلف (جابجایی محوری، تغییر شکل شعاعی، تغییر فاصله بین بشقاب‌ها، اتصال کوتاه بین بشقاب‌ها و تغییر شکل هسته) انجام می‌شود. سپس با تقسیم‌بندی بازه‌های فرکانسی توابع تبدیل اندازه‌گیری شده از ترانسفورماتور، یک مشخصه جدید مبتنی بر تکنیک همبستگی متقابل برای آموزش و اعتبارسنجی SVM پیشنهاد می‌شود. بعد از انجام فرآیند آموزش، با اعمال داده‌های به‌دست‌آمده از ترانسفورماتورهای واقعی، عملکرد SVM در حالت‌های مختلف مورد ارزیابی و مقایسه قرار گرفته و مناسب‌ترین شاخص ارائه می‌شود.