Stratégie d'évaluation de l'état des transformateurs : esquisse de solutions pour la gestion intégrée des transformateurs vieillissants

Transformer condition assesment strategy : Outline solutions for aging transformers integrated management

• Auteur / Autrice : Samuel Eke
• Direction : Guy Clerc
• Type : Thèse de doctorat
• Discipline(s) : Génie Electrique
• Date : Soutenance le 11/06/2018
• Etablissement(s) : Lyon
• Ecole(s) doctorale(s) : École doctorale Électronique, électrotechnique, automatique (Lyon)
• Partenaire(s) de recherche : Laboratoire : Laboratoire AMPERE (Ecully, Rhône) - Ampère
• Jury : Président / Présidente : Maurice Fadel
• Jury : Examinateurs / Examinatrices : Mireille Bayart-Merchez
• Jury : Rapporteur / Rapporteuse : Afef Kedous-Lebouc, Babak Nahid-Mobarakeh

Mots clés

Mots clés contrôlés

Huiles (isolants électriques)

Transformateurs électriques

Mots clés libres

Transformateur de puissance

Analyse des gaz dissous

Classification supervisée

Classification non supervisée

Maintenance

Classifieur

Evaluation

Données

Vieillissement

Huile Isolante

Isolation solide

Power transformer

Dissolved gas analysis

Supervised classification

Unsupervised classification

Maintenance

Classifier

Evaluation

Data

Aging

Insulating oil

Solid insulation

Résumé

Cette thèse de doctorat traite des méthodes d’évaluation de l’état des transformateurs de puissance à huile. Elle apporte une approche particulière de mise en oeuvre des méthodes de classification dans la fouille de données. Elle propose une stratégie qui met en oeuvre deux nouveaux indicateurs de santé de l’huile construit à partir d’un système neuro flou ANFIS (Adaptative Neuro-Fuzzy Inference System) et un classifieur ou prédicteur de défaut construit à partir des méthodes de classification supervisée, notamment le classifieur Bayésien naïf. Un organigramme simple et efficace d’évaluation de l’état des transformateurs y est proposé. Il permet de faire une analyse rapide des paramètres issus des analyses physico-chimiques de l’huile et de des gaz dissous. Une exploitation des méthodes de classification non supervisée, notamment les méthodes de k-moyennes et C-moyennes flous a permis de reconstruire les périodes de fonctionnement d’un transformateur marquées par des défauts particuliers. Il a aussi été démontré comment ces méthodes peuvent servir d’outil d’aide à l’organisation de la maintenance d’un groupe de transformateurs à partir des données d’analyses d’huile disponibles.

This PhD thesis deals the assessment method of the state of power transformers filled with oil. It brings a new approach by implementing classification methods and data mining dedicated to transformer maintenance. It proposes a strategy based on two new oil health indicators built from an adaptive Neuro-Fuzzy Inference System (ANFIS). Two classifiers were built on a labeled learning database. The Naive Bayes classifier was retained for the detection of fault from gases dissolved in oil. A simple and efficient flowchart for evaluating the condition of transformers is proposed. It allows a quick analysis of the parameters resulting from physicochemical analyzes of oil and dissolved gases. Using unsupervised classification techniques through the methods of kmeans and fuzzy C-means allowed to reconstruct operating periods of a transformer, with some particular faults. It has also been demonstrated how these methods can be used as tool to help the maintenance of a group of transformers from available oil analysis data.