مدل ترکیبی تعمیر‏و‏نگهداری پیشگیرانه و پیشبینانه ترانسفورماتور قدرت (مطالعه موردی: شرکت برق منطقه ‏ای خراسان)

کریم آبادی, علی; حاجی آبادی, محمد ابراهیم; کامیاب, عبادالله; شجاعی, علی اصغر

doi:10.22075/jme.2018.15622.1554

اداره چاپ و انتشارات دانشگاه سمنان

تعداد نشریات	21
تعداد شماره‌ها	677
تعداد مقالات	9,881
تعداد مشاهده مقاله	70,035,282
تعداد دریافت فایل اصل مقاله	49,308,811

	مدل ترکیبی تعمیر‏و‏نگهداری پیشگیرانه و پیشبینانه ترانسفورماتور قدرت (مطالعه موردی: شرکت برق منطقه ‏ای خراسان)
مدل سازی در مهندسی
مقاله 32، دوره 17، شماره 56، اردیبهشت 1398، صفحه 421-439 اصل مقاله (1.56 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22075/jme.2018.15622.1554
نویسندگان
علی کریم آبادی¹؛ محمد ابراهیم حاجی آبادی^* ²؛ عبادالله کامیاب³؛ علی اصغر شجاعی⁴
¹دانشگاه آزاد اسلامی، واحد نیشابور
²دانشگاه حکیم سبزواری
³دفتر فنی انتقال، معاونت بهره برداری، شرکت برق منطقه خراسان
⁴دانشگاه آزاد اسلامی، واحد نیشابور، نیشابور، ایران
تاریخ دریافت: 04 شهریور 1397، تاریخ بازنگری: 24 آبان 1397، تاریخ پذیرش: 28 آذر 1397
چکیده
با نصب سنسور هوشمند و تشخیص زود هنگام خرابی‏های جزئی، می‏توان تعمیر‏و‏نگهداری پیشبینانه را به تعمیر‏و‏نگهداری دوره‏ای تجهیز اضافه کرد. هدف از این مقاله ارائه مدل جدید تعمیر‏و‏نگهداری پیشگیرانه و پیشبینانه ترکیبی مارکوف تجهیز می‏باشد. برای رسیدن به این هدف سه گام برداشته شده است. گام اول به بررسی تحلیلی انواع خرابی‏های تجهیز پرداخته شده است. بدین منظور مدل ریاضی جهت محاسبه نرخ‏های سطوح مختلف خرابی ارائه شده است. بعلاوه اثر نصب سنسور هوشمند بر نرخ‏های خرابی مدل‏سازی شده است. در این مدل‏سازی احتمال خرابی سنسورها نیز لحاظ شده است.‏ با توجه به تجربه بهره‏برداران شبکه، خرابی‏های تجهیز به 4 سطح خرابی دسته‏بندی شده است، که مهمترین آن‏ها نرخ خروج ناخواسته و نرخ خروج اضطرای است. در گام دوم مدل جدید تعمیر‏و‏نگهداری پیشگیرانه و پیشبینانه ترکیبی مارکوف جهت آنالیز نصب سنسور هوشمند بر روی تجهیز ارائه شده است. با نصب سنسور هوشمند تعدادی از خرابی‏هایی که نیاز مبرم به تعمیر دارند شناسایی و با خروج اضطراری اصلاح می‏شوند. بنابراین فرکانس رفتن به تعمیر‏و‏نگهداری، عمر تجهیز و هزینه‏های تعمیر‏و‏نگهداری در مدل جدید ارائه شده مارکوف نسبت به مدل تعمیر‏و‏نگهداری پیشگیرانه بهبود پیدا می‏کند. در گام سوم خرابی‏های ترانسفورماتورهای قدرت شرکت برق منطقه‏ای خراسان با سطح ولتاژ 400 کیلو‏ولت و 132 کیلو‏ولت مطالعه شده اند. نتایج شبیه سازی نشان می‏دهد که با مدل جدید مارکوف ارائه شده، نرخ خروج ترانسفورماتورهای 400 و 132 کیلو‏ولت به ترتیب به مقدار %12/74 و %51/54 کاهش پیدا می‏کند و متوسط عمر جایگزینی به ترتیب به مقدار 4/28 و 4/20 سال افزایش پیدا می‏کند
کلیدواژه‌ها
قابلیت اطمینان؛ تعمیر‏و‏نگهداری پیشگیرانه؛ تعمیر‏و‏نگهداری پیشبینانه؛ سنسورهای هوشمند
عنوان مقاله [English]
Combined preventive and predictive maintenance model of power transformers (Case study: Khorasan Regional Electricity Company)
نویسندگان [English]
Ali Karimabadi¹؛ Mohammad Ebrahim Hajiabadi²؛ ebadollah Kamyab³؛ Aliasghar shojaei⁴
¹Islamic Azad University of Neyshabur
²Hakim Sabzevari University
³Khorasan Regional Electricity Company (KREC), Mashhad, Iran
⁴Islamic Azad University of Neyshabur, Neyshabur, Iran
چکیده [English]
By installing the smart sensor and early detection of minor failures, the predictive maintenance can be added to the periodic maintenance. The purpose of this paper is to present a new preventive and predictive maintenance Markov model. For this at the first step, the various types of equipment failures are analysed. Therefore, a mathematical model is presented to calculate the rates of failures at various levels. In addition, the effect of smart sensor instalation on these failure rates has been modelled. In this modelling, the failure probability of the sensor is also considered.The equipment failures are classified into four levels of failure. The most importants failures rates are the outage failure rate and emergency failure rate. In the second step, a new Integrated preventive and predictive maintenance Markov model to consider the effect of smart sensor installation on equipments in maintenance process is presented. By installing the smart sensor, a number of high severity failures are early identified and corrected by emergency outages. So the frequency of going to major maintenance, the lifetime and maintenance costs in the new Markov model is improved with respect to the preventive maintenance model. At the third step, the failures of 400 kv and 132 kv power transformers of Khorasan Regional Electricity Company (KREC) were studied. The simulation results show that with new Markov model, the outage rates of 400 kv and 132 kv transformers are reduced by 74.12% and 54.51%, respectively, and the lifetimes are increased 28.4 and 20.4, respectively
کلیدواژه‌ها [English]
Reliability, preventive maintenance, predictive maintenance, smart sensors

مراجع
[1] محمد پازکی ،» روشی مؤثر در تعیین نوع خطا در خطوط انتقال با استفاده از طبقهبندیکنندۀ بیز مبتنی بر کرنل « . مجلۀ مدلسازی در مهندسی، دورۀ 16 ، شمارۀ 52 ، 1397 ، صفحه 129 - 111 . [2] J. Endrenyi, S. Aboresheid and R.N. Allan, "The present status of maintenance strategies and the impact of maintenance on reliability", IEEE Transactions of Power System, Vol. 16, No. 4, 2001, pp. 638–646. [3] L. Bertling, R. Allan and R. Eriksson, "A reliability-centered asset maintenance method for assessing the impact of maintenance in power distribution systems", IEEE Transactions of Power System, Vol. 20, No. 1, 2005, pp. 75-82. [4] P. Hilber, V. Miranda, M.A. Matos and L. Bertling, "Multiobjective optimization applied to maintenance policy for electrical networks", IEEE Transactions of Power System, Vol. 22, No. 4, Nov. 2007, pp. 1675–1682. [5] S.K. Abeygunawardane and P. Jirutitijaroen, "New state diagrams for probabilistic maintenance models", IEEE Transactions of Power System, Vol. 26, No 4, Nov. 2011, pp 2207-2213. [ 6] بهروز کشته گر و محمود میری، " ارائۀ روشی جدید برای ارزیابی قابلیت اعتماد سازه ها"، مجلۀ مدلسازی در مهندسی، دورۀ 12 ، شمارۀ 36 ، 1393 ، صفحۀ 42 - 29 . [7] M. Stopczyk, B. Sakowicz and G.J. Anders. "Application of a semi-Markov model and a simulated annealing algorithm for the selection of an optimal maintenance policy for power equipment", International Journal of Reliability and Safety, Vol. 2, No. 1/2, 2008, pp. 129–145. [8] C.L. Tomasevicz and S. Asgarpoor, "Optimum maintenance policy using semi-Markov decision processes", Electric Power Systems Research, Vol. 79, No. 9, Sep. 2009, pp. 1286-1291. [9] H. Ge and S. Asgarpoor, “An analytical method for optimum maintenance of substation”, IEEE/PES Transmission and Distribution Conference and Exposition, Chicago, Apr. 2008, pp. 1–6. [10] H. Ge and S. Asgarpoor, "Reliability evaluation of equipment and substations with fuzzy Markov processes", IEEE Transactions of Power System, Vol. 25, No. 3, Aug 2010, pp. 1319–1328. [11] T. Krontiris, "Fuzzy systems for condition assessment of equipment in electric power systems", PhD thesis, University of Darmstadt, Department of Electrical and Computer Engineering, Darmstadt, Germany, 2012. [12] T. Chan, L. Chen-Ching and C. Jong-Woong, “Implementation of reliability-centered maintenance for circuit breakers”, IEEE Power Engineering Society General Meeting, San Francisco, CA, June 2005, pp. 684-690. [13] J. Schlabbach and T. Berka, “Reliability-centered maintenance of MV circuit-breakers”, IEEE 9th Int. Conf. Power Tech Proceedings, Sep. 2001, pp. 1 -5. [14] G. Balzer, K. Bakic, H.J. Haubrich and et al., “Selection of an optimal maintenance and replacement strategy of H.V. equipment by a risk assessment process”, CIGRE Session, Paris, 2006, pp. 1–9. [15] T. Orlowska, G. Balzer, M. Halfmann and et al., “Life cycle management of circuit-breakers by application of reliability centered maintenance”, CIGRE Session, Paris, 2000, pp. 1–8. [16] S.K. Abeygunawardane and P. Jirutitijaroen, "Application of probabilistic maintenance models for selecting optimal inspection rates considering reliability and cost tradeoff", IEEE Transactions on Power Delivery, Vol. 29, No. 1, Feb. 2014, pp. 178–186. [17] G.K. Chan and S. Asgarpoor, "Optimum maintenance policy with Markov processes", Electric Power Systems Research, Vol. 76, No. 6-7, Apr. 2006, pp. 452–456. [18] S.K. Abeygunawardane, P. Jirutitijaroen and H. Xu, "Adaptive maintenance policies for aging devices using a Markov decision process", IEEE Transactions of Power System, Vol. 28, No. 3, Aug. 2013, pp. 3194-3203. [19] "Reliability consideration from the integration of smart grid", North American Electric Reliability Corporation (NERC), Dec. 2010 [Online]. Available: http://www.nerc.com/files/SGTF_Report_FINAL_POSTED_PDF. [20] B. Falahati, S. Member, Y. Fu, M.J. Mousavi and S. Member, "Reliability Modeling and Evaluation of Power Systems with Smart Monitoring", IEEE Transaction on Smart Grid, Vol. 4, No. 2, June. 2013, pp. 1087 –1095. [21] Y. Han and Y.H. Song, "Condition monitoring techniques for electrical equipment—A literature survey", IEEE Transactions on Power Delivery, Vol. 18, No. 1, Jan. 2003, pp. 4–13. [22] J. Zhong, R. Zheng, W. Yang and F. Wu, "Construction of smart grid at information age", Power System Technology, Vol. 33, No. 13, 2009, pp. 12–18. [23] K.D. McBee and M.G. Simes, "Utilizing a smart grid monitoring system to improve voltage quality of customers", IEEE Transactions on Smart Grid, Vol. 3, No. 2, June. 2012, pp. 738–743. [24] S. Ullo, A. Vaccaro and G. Velotto “The role of pervasive and cooperative sensor networks in smart grids communication”, in Proceedings of 15th IEEE Mediterranean electrotechnical Conference, MELECON, Valletta, April. 2010, pp. 443-447. [25] A. Bose, "Smart transmission grid applications and their supporting infrastructure", IEEE Transactions on Smart Grid. Vol. 1, No. 1, April. 2010, pp. 11–19. [26] T. Bilke, “Phasor measurement impact for regional reliability awareness”, In Proceedings of 2008 IEEE Power Energy Society General Meeting Conversion and Delivery of Electrical Energy in the 21st Century, Pittsburgh, 2008, pp. 1–2. [27] J.H. Chow, A. Chakrabortty, M. Arcak, B. Bhargava and A. Salazar, "Synchronized phasor data based energy function analysis ofdominant power transfer paths in large power systems", IEEE Transactions on Power Systems. Vol. 22, No. 2, April. 2007, pp. 727 – 734. [28] J.S Wilson, Sensor technology handbook, Elsevier Press, 2004. [29] G. Bolch. S. Greiner, H.de Meer and K. Trivedi, Queueing Networks and Markov Chains: modeling and performance evaluation with computer science applications, John wiley&Sons, Inc. 1998. [ 30] کاظم ابراهیمی و راحله لعله ئی، » به کار گیری مدل زنجیرههای مارکوف گسسته جهت پیش بینی رفتار پرتفوی وام بانکها «، مجلۀمدلسازی در مهندسی، دورۀ 14 ، شمارۀ 47 ، 1395 ، صفحۀ 76 - 61 . [31] CEA Equipment Reliability Information System, Forced outage performance of transmission equipment, Canadian Electric Association, Canada, 1995-1999. [32] J. Vikesjo, "Reliability Comparison between Different 400 kV Substation Designs", MS Thesis, Chalmers University of Technology, Goteborg, Sweden, 2008. [33] R. Billinton and W. Li, Reliability evaluation of electric power systems using Monte Carlo simulation method, 1sted., Plenum Press, New York, 1994. [34] R.U. Nighot, "Incorporating Substation and Switching Station Related Outages in Composite System Reliability Evaluation", MS Thesis, University of Saskatchewan,Saskatoon, 2003. [35] NERC, "AC Substation Equipment Failure Report", online available: http://www.nerc.com, December 2014.
آمار تعداد مشاهده مقاله: 1,393 تعداد دریافت فایل اصل مقاله: 593

سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب

پیوندهای مفید

پیوندهای مفید

آمار

مدل ترکیبی تعمیر‏و‏نگهداری پیشگیرانه و پیشبینانه ترانسفورماتور قدرت (مطالعه موردی: شرکت برق منطقه ‏ای خراسان)