Résumé:
Le transformateur de puissance est l’élément le plus critique dans le Système de transport d’électricité. Sa fiabilité n'affecte pas uniquement la disponibilité en énergie électrique, mais aussi conduit à des pénalités technico-économiques, très lourdes en conséquences (techniques, financières, commerciales, environnementales) ; d’où la nécessité de détecter et d’identifier dès les premiers stades les défauts latents pour une éventuelle action préventive. L'analyse des gaz dissous (AGD, en anglais Dissolved Gases Analysis) est l'une des techniques les plus efficaces pour surveiller l'état des transformateurs. Elle permet à travers la nature et la concentration des gaz d’identifier l’existence du défaut latent ou le mode de défaillance touchant le transformateur par un simple prélèvement. Les quantités d’informations, leur complexité, l’existence simultanée de plusieurs défauts, l’absence d’équations qui les régissent, imposent le recours à des systèmes plus performants de diagnostic tels que les techniques d’intelligences artificielles (réseaux de neurones RNA, systèmes experts, systèmes flous, techniques baysiennes, ….).
Dans ce travail, nous présentons une étude menée dans le but de la surveillance des transformateurs en service par la détection et l’identification des défauts en se basant sur les techniques d’AGD utilisées dans les normes (IEEE; ICE;…) et une technique moderne (RNA) qui nous avons développé via des programmes utilisant le MATLAB.
