به نقل از ایسنا، در این پژوهش، محققان به ارزیابی و سنجش کارایی چند سامانه هوش مصنوعی برای تشخیص و تعیین دقیق محل «تخلیه جزئی» در سیم‌پیچی ژنراتورها و همچنین تخمین میزان شدت بروز آن پرداختند.

تخلیه جزئی، در زمره نخستین نشانه‌های فرسودگی یا آسیب در عایق‌های الکتریکی ژنراتورها به شمار می‌رود و اگر در همان مراحل ابتدایی شناسایی شود، می‌تواند مانع از گسترش خرابی و بروز رخدادهای جدی‌تر در آینده گردد. با این حال، چون سیگنال‌های حاصل از این پدیده در طول مسیر سیم‌پیچی دچار تغییر و پراکندگی می‌شوند، تعیین دقیق محل وقوع و نیز برآورد واقعی شدت آن با دشواری همراه است.

در چارچوب این مطالعه، پژوهشگران با اتکا به مدل‌سازی شبیه‌سازی اجزای محدود (Finite Element) مرتبط با ژنراتور و تولید داده‌های متناظر با تخلیه جزئی، پنج مدل یادگیری ماشینی را در دو محور اصلی آزمایش کردند: نخست، شناسایی نقطه وقوع عیب و دوم، برآورد شدت تخلیه جزئی.

نتایج به‌دست‌آمده نشان داد مدل Transformer در زمینه تعیین محل رخداد تخلیه جزئی نسبت به سایر گزینه‌های بررسی‌شده برتری دارد و توانسته است با دقتی در حدود ۸۴ درصد، محل بروز عیب را در سیم‌پیچی ژنراتور مشخص کند.

در ادامه پژوهش و در بخشی که به تخمین شدت تخلیه الکتریکی اختصاص داشت، مدل CNN کمترین میزان خطا را در مقایسه با سایر مدل‌ها ثبت کرد و توانست مقدار واقعی را با دقت بالاتری در مقایسه با داده‌های ثبت‌شده در محل اندازه‌گیری برآورد کند.

بر اساس نتایج این تحقیق، به‌کارگیری مدل‌های هوش مصنوعی می‌تواند تحلیل وضعیت عایق ژنراتورها را به سطحی هوشمندانه‌تر ارتقا دهد و در اختیار کارشناسان اطلاعات دقیق‌تری از محل و میزان شدت عیب قرار دهد. این دستاورد می‌تواند بستری مناسب برای نگهداری پیش‌بینانه فراهم کند و همچنین امکان شناسایی مشکلات پیش از آنکه به خرابی‌های جدی و پرهزینه تبدیل شوند را افزایش دهد.

 به گزارش روابط‌عمومی دانشگاه تهران، این پژوهش در قالب مقاله‌ای با عنوان «Deep Learning Approaches for Partial Discharge Localization and Apparent Charge Prediction in Generator Stator Windings» به قلم مهدی نوراللهی، دانش‌آموخته دانشگاه تهران، دکتر محمدحامد صمیمی، عضو هیأت علمی دانشکده مهندسی برق و کامپیوتر دانشگاه تهران و عضو IEEE، و دکتر آرش ابیض، دانش‌آموخته دکتری دانشکده مهندسی برق و کامپیوتر دانشگاه تهران، در مجله IEEE Transactions on Dielectrics and Electrical Insulation منتشر شده است.

این مقاله در این پیوند قابل مشاهده است.

انتهای پیام