Одним із параметрів, що визначають стан ізоляції силових трансформаторів, є ступінь вологості целюлозної ізоляції та трансформаторного масла (ТМ). Сучасні системи неперервного контролю трансформаторного обладнання мають можливість накопичувати дані, які можуть бути використані для відтворювання динаміки вологості ізоляції при зміненні теплового режиму трансформатора. Мета роботи - відтворення кривої вологості ТМ за результатами вимірювання температури верхніх і нижніх шарів масла без необхідності прямого вимірювання вологовмісту спеціальними пристроями. Побудова нечіткої нейронної мережі здійснюється з використанням адаптивних нейро-нечітких систем виводу ANFIS. Генерування моделі виконано за методами Grid Partition та Subtractive Clustering. Наведено порівняльний аналіз моделей ANFIS різної архітектури з точки зору підвищення точності відтворення кривої вологовмісту ТМ за результатами контролю температури його верхніх і нижніх шарів. При навчанні та тестуванні моделей ANFIS використано результати неперервного контролю ТМ протягом двох місяців експлуатації. Розглянуто 24 варіанти архітектури моделей ANFIS, які відрізняються функціями приналежності, кількістю термів кожної вхідної величини та кількістю циклів навчання. Наведено результати використання побудованих моделей ANFIS для відтворення кривої динаміки вологості масла протягом місяця експлуатації трансформатора. Точність відтворення кривої вологості масла оцінювалась шляхом розрахунку кореневої середньоквадратичної помилки та коефіцієнта детермінації. Результати тестувань свідчать про достатню адекватність запропонованих моделей. Значення кореневої середньоквадратичної помилки для моделі, побудованої з використанням методу Grid Partition, становило 0,49, а для моделі, побудованої з використанням методу Subtractive Clustering - 0,40509.

 Наукова періодика України 

---

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"