تشخيص أعطال المحولات الكهربائية باستخدام نمذجة الرسم البياني الديناميكي متعدد المقاييس وشبكة M2SGCN المستندة إلى الدمج الإحصائي

تلخيص تعتبر تشخيص أعطال معدات الطاقة ذات أهمية كبيرة لاستقرار أنظمة شبكات الطاقة. في سعي لتحقيق هذا الهدف، يقترح هذا البحث طريقة لتشخيص الأعطال تستخدم نمذجة الرسم البياني الديناميكي متعدد المقاييس (DMG) وشبكة الرسم البياني متعدد المقاييس ومتعدد الجداول (M2SGCN) مع دمج إحصائي. على وجه الخصوص، تم اقتراح طريقة جديدة لنمذجة DMG لاستنباط بيانات الرسم البياني للرؤية وبيانات الرسم البياني للرؤية الأفقية من إشارات الاهتزاز عبر مقاييس متعددة. بعد ذلك، تم إنشاء بنية شبكة عصبية شاملة تُسمى M2SGCN لتعلم الميزات العالمية والمحلية في الوقت نفسه، مما يوفر تمثيلًا أكثر دقة. بعد ذلك، يتم استخدام تقنية دمج إحصائي تعتمد على نظرية أدلة ديمبستر شافر جنبًا إلى جنب مع نموذج عتبة تكيفي (DSTFusion) لدمج نتائج القرار الأولية لتحسين دقة تشخيص الأعطال. بالإضافة إلى ذلك، تم تحليل مجموعتين من البيانات تم الحصول عليهما من محولات كهربائية أحادية الطور وثلاثية الطور لإظهار عملية التطور. عند مقارنتها بمؤشرات الحالة الرائجة مثل الدقة، والوضوح، والاسترجاع، ودرجات F1، تتفوق الطريقة المقترحة في عدة جوانب، مما يتيح الكشف عن حالات الأعطال قبل حدوثها وتحقيق أداء ممتاز.