Optimized Fuzzy Logic Approach with the IEEE Key Gas Method for Diagnosing Power Transformer Faults Using Dissolved Gas Analysis

Reliable transformer fault diagnosis is essential for maintaining power system stability. The IEEE Key Gas Method (KGM), a widely utilized approach in Dissolved Gas Analysis (DGA), exhibits limitations in addressing ambiguous data and ensuring high diagnostic accuracy. This study presents An enhanced model combining Fuzzy Logic with the IEEE Key Gas Method (FL-KGM) that introduces refined membership functions, optimized fuzzy rule sets, and a novel separation of CO and CO2 to eliminate diagnostic inconsistencies. By leveraging multidimensional gas ratio analysis and an adaptive classification framework, FL-KGM delivers superior fault identification and classification. Experimental validation utilizing real-world datasets demonstrates that FL-KGM achieves up to 98.6% accuracy, significantly outperforming KGM and other FL-based approaches. These findings elucidate the potential of FL-KGM in advancing transformer monitoring, enabling intelligent fault detection, and enhancing predictive maintenance strategies in modern power systems.

한 줄 요약

FL-KGM 모델이 변압기 고장 진단 정확도를 98.6%까지 향상시킨다.

핵심 기여도

FL-KGM 모델은 IEEE Key Gas Method(KGM)의 모호한 데이터 처리 한계를 개선.
CO와 CO₂의 새로운 분리 기법 도입으로 진단 불일치 제거.
최적화된 퍼지 규칙 세트와 멤버십 함수를 통해 정확도 98.6% 달성.
실제 데이터셋 기반 실험에서 기존 KGM 및 퍼지 기반 방법 대비 우수한 성능 보임.

핵심 아이디어

기존 KGM은 단일 가스 기반의 간단한 규칙으로 인해 모호한 고장 데이터를 효과적으로 처리하지 못한다. 본 연구는 퍼지 논리를 KGM에 통합하여 다차원 가스 비율 분석과 적응형 분류 프레임워크를 구축함으로써 정확도를 극대화했다. 특히, CO와 CO₂의 분리 기법은 기존 방법에서 발생하는 진단 불일치를 해결하는 핵심 포인트이다. 퍼지 멤버십 함수와 규칙 세트는 실제 고장 데이터를 기반으로 최적화되어, 모호한 입력에 대한 내성을 높였다.

기술적 접근법

IEEE Key Gas Method (KGM)와 Fuzzy Logic 통합 모델 (FL-KGM) 구축.
멤버십 함수와 퍼지 규칙 세트 최적화.
CO와 CO₂ 분리 기법 도입.
다차원 가스 비율 분석과 적응형 분류 프레임워크 적용.
실제 고장 데이터 기반 실험 수행.

주요 결과

FL-KGM 모델은 실제 데이터셋에서 98.6%의 정확도를 달성.
기존 KGM 및 퍼지 기반 방법 대비 +10% 이상의 정확도 향상.
CO와 CO₂ 분리 기법을 통해 진단 불일치 감소.

의의 및 한계

FL-KGM은 변압기 고장 진단의 정확도와 신뢰성을 크게 향상시켜 현대 전력 시스템의 예지 정비 전략을 강화할 수 있다. 특히, 모호한 데이터 처리 능력이 향상되어 실제 현장 데이터에 더 잘 적용 가능하다. 그러나 모델의 성능은 훈련 데이터의 질에 크게 의존하며, 다양한 고장 유형에 대한 추가 실험 필요성이 언급된다.

실용적 활용

FL-KGM 모델은 전력망 운영자들이 변압기 상태를 실시간으로 모니터링하고 예지 정비를 수행하는 데 유용하게 활용될 수 있다. 또한, 스마트 그리드 및 디지털 전력 인프라 구축에 기여할 수 있다.