Online monitoring and fault detection of distribution transformer with machine learning approach

Transformers are one of the most important pieces of equipment in the electrical industry. It is the most efficient machine when compared with other electrical machines. It also plays a major role in the power industry. So, the failure of the transformer will have a significant impact on the environment. In this thesis, we are going to predict the failure of the distribution transformer through online monitoring of distribution transformer via IoT devices and we will apply the machine learning algorithm to the data which are collected from the IoT devices. In this thesis, we are going to use support vector machines to predict the working condition of the transformer. We are going to classify the working conditions as a fault (not working) and no-fault (normal working), so it is a kind of binary classification problem.

I trasformatori sono una delle apparecchiature più importanti nell'industria elettrica. È la macchina più efficiente rispetto ad altre macchine elettriche. Svolge anche un ruolo importante nel settore energetico. Quindi, il guasto del trasformatore avrà un impatto significativo sull'ambiente. In questa tesi, prediremo il guasto del trasformatore di distribuzione attraverso il monitoraggio online del trasformatore di distribuzione tramite dispositivi IoT e applicheremo l'algoritmo di apprendimento automatico ai dati che vengono raccolti dai dispositivi IoT. In questa tesi, utilizzeremo macchine a vettori di supporto per prevedere le condizioni di lavoro del trasformatore. Classificheremo le condizioni di lavoro come guasto (non funzionante) e non guasto (funzionamento normale), quindi è una sorta di problema di classificazione binaria.