Développement d'un système d'information pour le diagnostic et la prédiction des défauts des transformateurs électriques
Loading...
Date
2025-07-19
Journal Title
Journal ISSN
Volume Title
Publisher
Université du 20 Août 1955 Skikda
Abstract
Le diagnostic et la prévention des défauts dans les transformateurs immergés dans l'huile
sont essentiels pour garantir la fiabilité des systèmes électriques. Bien que l'analyse des gaz
dissous (AGD) soit une méthode de diagnostic largement utilisée, les techniques traditionnelles
rencontrent souvent des difficultés face aux zones de défauts qui se chevauchent. Cette thèse
propose des solutions novatrices intégrant l'apprentissage automatique, l'apprentissage profond
et les algorithmes d'optimisation pour surmonter ces limites. La recherche évalue les vecteurs
d'entrée de la DGA et les combine avec des algorithmes basés sur des arbres pour améliorer la
précision. Afin d'optimiser davantage les performances, l'analyse en composantes principales
(ACP) est appliquée pour extraire les caractéristiques clés, qui sont ensuite combinées avec des
techniques d'apprentissage ensembliste telles que le boosting, le bagging et le decorate. Ces
approches sont systématiquement comparées aux techniques conventionnelles, démontrant leur
supériorité en termes de précision diagnostique. La contribution novatrice de cette thèse est
l'introduction des Méthodes du Cercle 1 et 2, qui sont proposées avec des axes dynamiques et
des angles variables. Ces méthodes innovantes reposent sur la convergence des échantillons
ayant des caractéristiques similaires autour de leurs centres et sur l'espacement de ces centres
pour des échantillons présentant des caractéristiques différentes, exploitant des algorithmes
d'optimisation pour trouver la meilleure distribution des zones de défauts. Validées sur des
ensembles de données réels, y compris la base de données IEC TC10, les Méthodes du Cercle
offrent une précision diagnostique supérieure par rapport aux approches existantes. Ces
avancées améliorent significativement l'interprétabilité de la DGA et établissent un cadre
robuste pour la maintenance prédictive et la prévention des défauts dans les transformateurs
électriques.
Description
Keywords
: Analyse des Gaz Dissous (AGD), Diagnostic des Transformateurs,