AI Recognition of breakdown effects in transformer oil

Abstract

This research investigates the automated fault diagnosis of electrical transformer insulating oils through the application of artificial intelligence (AI) techniques and machine learning (ML). The study presents a comprehensive examination of the physicochemical properties of insulating oils and the underlying mechanisms governing their degradation, alongside a systematic comparative analysis between conventional chromatographic analytical methods and contemporary computer vision-based approaches. The practical component encompasses laboratory experiments designed to quantify dielectric breakdown voltage, as well as the development of an intelligent predictive system for assessing oil condition on the basis of image-derived feature extraction. The overarchin يبحث هذا البحث في التشخيص الآلي لأعطال زيوت العزل في المحولات الكهربائية من خلال تطبيق تقنيات الذكاء الاصطناعي والتعلم الآلي. تقدم الدراسة فحصًا شاملًا للخصائص الفيزيائية والكيميائية لزيوت العزل، والآليات الكامنة وراء تدهورها، إلى جانب تحليل مقارن منهجي بين طرق التحليل الكروماتوغرافي التقليدية والأساليب الحديثة القائمة على رؤية الحاسوب. يشمل الجانب العملي تجارب معملية مصممة لتحديد جهد الانهيار العازل، بالإضافة إلى تطوير نظام تنبؤ ذكي لتقييم حالة الزيت بناءً على استخلاص الميزات من الصور.