Contribution à l'amélioration de l'interprétation des techniques de diagnostic des transformateurs de puissance par spectroscopie diélectrique
Notice bibliographique
Résumé
Les transformateurs de puissance sont les équipements les plus importants et les plus coûteux utilisés dans le transport et la distribution de l'énergie électrique. Malgré de grands progrès dans la conception des équipements de puissance ces dernières années, le maillon faible de la chaîne reste encore le système d'isolation. Lorsque les transformateurs de puissance tombent en panne, la défaillance est généralement due à un défaut d'isolement. Les défaillances imprévues provoquent d'importantes perturbations des systèmes d'exploitation. Ce qui entraîne des pannes subites et des problèmes de livraison d'énergie. Une fiabilité extrême est exigée de la distribution dans la mesure où en cas de panne, ils conduisent inévitablement à des coûts de réparation élevés, les temps d'arrêt à long et éventuels risques de sécurité du personnel. De plus, les aspects environnementaux tels que les dommages indirects, les incendies et la pollution sont à haut risques. \n \nLes besoins croissants en outils appropriés pour le diagnostique de l'isolation des systèmes de puissance, de manière non destructive et fiable, ont conduit au développement d'outils de diagnostic tels que la mesure dans le domaine des fréquences (FDS), au cours de ces dernières années. Cette technique s'est révélée être sensible à l'humidité et l'isolation du vieillissement, c'est-à-dire qu'avec cette technique, il est difficile de prédire l'état réel de l'isolation solide d'un transformateur de puissance et partant d'estimer sa durée de vie résiduelle. Le présent projet de recherche vise à améliorer cette situation. \n \nÀ ce titre, l'objectif principal visé est la séparation de l'effet de l'humidité et du vieillissement sur l'isolation solide des transformateurs de puissance à partir des mesures diélectriques réalisés dans le domaine fréquentiel. À cet objectif principal, a été ajouté un objectif secondaire relatif à la transformation des mesures effectuées dans le domaine temporel en fréquentiel. Le but ultime est de réduire considérablement le temps des tests effectués par la technique FDS. \n \nPour mener à bien cette étude, nous avons essayé de reproduire les conditions d'utilisation du papier dans les transformateurs en effectuant des vieillissements accélérés sur des échantillons de papiers imprégnés d'huile dans un four à convection à 115°C pendant des durées de 250, 500, 750 et 1000 heures. L'analyse des résultats, a permis de constater qu'il est possible de trouver une corrélation entre le degré de polymérisation (DP) qui indique l'état de dégradation réel du papier et les mesures du facteur de dissipation (tanô) indiquant l'état global de l'isolation des transformateurs de puissance. En effet, l'analyse des résultats a permis de montrer qu'il est possible de séparer l'effet du vieillissement et de l'humidité de l'isolation solide pour des teneurs en humidité inférieurs ou égales à 2%, en analysant les valeurs du facteur de dissipation aux basses fréquences de l mHz à 0,l mHz. \n \nAfin de faciliter et surtout d'automatiser l'analyse des données relatives aux mesures effectuées dans le domaine fréquentiel par le IDA 200, nous avons utilisé les réseaux de neurones en tant qu'outil d'aide à la prise de décision qui permettra d'obtenir rapidement les résultats concernant l'état de l'isolation solide (papier). Ainsi, après le prétraitement réalisé par l'analyse statistique, puis l'apprentissage et la validation du traitement d'un réseau de neurones, nous avons pu obtenir en sortie les informations concernant le classement des données des mesures en fonction de l'humidité et du vieillissement/Cette analyse, réalisée par l'utilisation des réseaux de neurones a également permis d'obtenir la séparation de l'humidité et du vieillissement pour des taux d'humidité inférieurs à 2%. \n \nConcernant le deuxième objectif, nous avons montré qu'il est possible de réduire le temps des mesures effectuées dans le domaine fréquentiel, en effectuant les mesures dans le domaine temporel par la mesure des courants de polarisation et de dépolarisation (PDC) convertis dans le domaine fréquentiel en utilisant la méthode de la décomposition en somme de fonctions exponentielles. Par cette technique, nous avons réduit le temps des tests de 15 heures à environ 2 heures 30 minutes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».