Aging prediction in cast-resin transformers via vibrational data and neural networks

The following thesis aims to evaluate, through machine learning tools, the correlation between the harmonic content of vibrations experienced by a cast-resin insulated trans former and the aging of its insulation part. It has been demonstrated that by providing a Feed Forward Neural Network with input vectors containing the vibrational spectrum of the collected signals it is possible to build robust multilayer classifiers capable of accu rately predicting, according to the vibrations content, the aging of the transformer (which is found out to be linear and constant based on the results found). Furthermore, it has been observed that the information obtained from one transformer is transferable to an other, having successfully predicted the aging state of a second transformer using the classifier built on a first transformer. Although the results are partial given the limited availability of data, the obtained results are promising and they suggest that vibrational data can indeed play a significant role in detecting aging and deterioration of cast-resin transformers. Hopefully this work will serve as motivation for further experimentation to fully explore the potential of the proposed methods.

La seguente tesi mira a valutare, mediante strumenti di machine learning, la correlazione tra il contenuto armonico delle vibrazioni sperimentate da un trasformatore isolato in resina e l’invecchiamento della sua parte isolante. È stato dimostrato che, fornendo a una Rete Neurale Feed-Forward vettori di ingresso contenenti lo spettro vibrazionale dei segnali campionati, è possibile costruire classificatori multistrato robusti capaci di prevedere accuratamente, in base al contenuto armonico delle vibrazioni, l’invecchiamento del trasformatore (che in base ai risultati trovati si è rivelato essere lineare e costante). Inoltre, è stato osservato che le informazioni ottenute da un trasformatore sono trasferi bili ad un altro, avendo predetto con successo lo stato di invecchiamento di un secondo trasformatore utilizzando il classificatore costruito su un primo trasformatore. Sebbene i risultati siano parziali data la limitata disponibilità di dati, i risultati ottenuti sono promettenti e suggeriscono che i dati vibrazionali possono effettivamente avere un ruolo significativo nel rilevare l’invecchiamento e il deterioramento dei trasformatori in resina colata. Si spera che questo lavoro sia un motivo valido per ulteriori sperimentazioni al fine di esplorare appieno il potenziale dei metodi proposti.