Projet Modélisation Moteur Asynchrone

A-PDF Merger DEMO : Purchase from www.A-PDF.
com to remove the watermark
MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE

SCIENTIFIQUE
UNIVERSITE FERHAT ABBAS - SETIF-
UFAS (ALGERIE)
MEMOIRE
Prsent la facult des sciences de lingnieur
Dpartement dElectrotechnique
Pour lobtention du Diplme de
Magister En Electrotechnique
Option : Machines Electriques et leurs commande
Par
BOUCHAOUI LAHCENE
Thme
DIAGNOSTIC DES TRANSFORMATEURS DE

PUISSANCE PAR LA METHODE D'ANALYSE
DES GAS DISSOUS: APPLICATION DES
RESEAUX DE NEURONES
Soutenu publiquement le 06 Janvier 2010 devant le jury compos de :
Dr. Belkhiat Saad
Dr. Hemsas Kamel Eddine
Dr. Hachemi Mabrouk
Dr. Rajeai Hammoud
Dr. Gherbi Ahmed
Ing. Benlahneche Sad Eddine
Mr. Fergani Abdelaziz
M.C. Universit de Stif

Chef service GRTE de Stif
P.D.G. SONELGAZ GRTE Alger
Stif 2010
Prsident
Rapporteur
Examinateur
Examinateur
Examinateur
Invit
Invit
Remerciements
Louange Allah le Tout Puissant Qui m'a accord la foi, le courage et la patience pour
mener ce travail.
Je tiens remercier infiniment le Dr. HEMSAS Kamel Eddine pour sa patience et ses
conseils prcieux qui mont t trs utiles. Permettez-moi Monsieur de vous exprimer me
reconnaissances et mes remerciements les plus sincres.
Je ne peux oublier d'adresser mes sincres remerciements Monsieur Benlahneche Sadeddine ingnieur d'tat et chef service de transport d'nergie Sonelgaz de S&tif, pour sa
disponibilit, ses remarques fructueuses. Merci aussi d'avoir accept de nous recevoir au
niveau de la Sonelgaz .Ces remerciement vont galement Directeur Gnrale de Sonelgaz
dAlger Monsieur Fergani Abdelaziz.
Je remercie galement le jury qui m'a honor en acceptant de juger et denrichir ce modeste
travail.
Mes remerciements sont destins aussi toute ma famille, et tous mes amis pour leur aide et
leur soutien.
Bouchaoui Lahcene
Je ddie ce travail
A mes chers parents,
A toute ma famille,
A tous mes amis,
A tous ceux qui
veulent savoir
Acronymes et Abrviations
Acronymes & Abrviations
AGD
Analyse des Gaz Dissous (Dissolved Gas-in oil Analysis)
AI
Intelligence Artificiel
ARC
Arc ou dcharge a base nergie (High Energy Discharge)
CEI
Commission lectrotechnique internationale (International

electrotechnical commission)
CIGRE
Conseil international sur les grands systmes lectriques

(International Council on Large Electric Systems)
CH4
Mthane
C2H6
Ethane
C2H4
Ethylne
C2H2
Actylne
CO
Monoxyde de Carbone
CO2
Dioxyde de Carbone
DC
Dgradation de Cellulose
DP
Dcharge Partielle
EPRI
Institut de recherche d'nergie lectrique (The Electric Power

Research Institute)
H2
Hydrogne
IEEE
Institut d'ingnieur d'lectricit et lectronique (Institute of Electrical

and Electronic Engineers)
LF
Logique floue
MLP
Multi couche perceptron (Multi Layer Perceptron)
NI
Etat non identifie
NR
Etat normal
OH
Surchauffement (Overheating)
OLTC
Rgleur en charge (On-Load Tap Changer)
PPM
Concentration exprime en partie par million. Un ppm

(volume/volume) de gaz implique que 1mm3 de ce gaz est dissous
dans 1 litre d'huile isolante une pression de 1 atmosphre (101.3
kilo pascal).
RNA
Rseaux de neurone artificiel (Artificial Neural Network)
SE
Systme expert
Acronymes et Abrviations
TDCG
Total des gaz combustibles dissous dans l'huile (Total dissolved

combustible gaz)
TGC
TR
ZTZ service
Contenu total en gaz (Total gaz content).

Transformateur de puissance
Centre scientifique de technologie dans Zaporozhye Ukrain
(Scientific- Engineering Center in Zaporozhye Ukrain).
Sommaire
Introduction gnrale
Chapitre 1 :
Revue sur le diagnostic des transformateurs de puissance
1.1 - Introduction.....................................................................................
1.2- Importance du diagnostic de TR et identification des dfauts naissants ....
1.2.1- Dfaillance de transformateur de puissance ..................................
1.2.1.1 - Dgradation des isolants .................................................
1.2.1.2 - Calcul du vieillissement ...................................................
1.2.2 - L'isolation dans les transformateurs de puissance ..........................
1.2.2.1- Isolation Cellulosique .......................................................
1.2.2.2- Isolation liquide ..............................................................
1.2.3- Mcanismes de gnration des gaz ............................................
1.2.3.1 - Dcomposition de lhuile ..................................................
1.2.3.2 - Dcomposition de lisolation cellulosique ............................
1.3 - Introduction a lAGD comme outil de diagnostic....................................
1.3.1 - Historique de AGD ...................................................................
1.3.2 - Thorie de l'volution de gaz .....................................................
1.3.3 - Interprtation et analyse des gaz dissous .................................
1.3.3.1 - Dfauts thermiques ......................................................
1.3.3.2 - Dfauts lectriques.......................................................
1.3.4 - Diffrentes mthodes danalyse des gaz dissous ..........................
1.3.4.1 - Technique des rapports ................................................
1.3.4.2 - Reprsentations graphiques.(mthode de Duval) ............
1.3.4.3 - Mthode des gaz-cls ...................................................
1.3.4.4 - Autres mthodes dinterprtation ...................................
a - Mthode du Nomogramme De Church..........................
b - Mthodes Schliesinger ...............................................
1.4 - Conclusion.......................................................................................
12
12
13
13
14
15
15
15
16
16
17
18
18
19
21
21
21
21
22
22
22
23
23
23
24
Chapitre 2 :
Localisation des dfauts et mode de dfaillances dans les TRs
2.1 - Introduction.....................................................................................
2.2 - Modes De Dfaillances .....................................................................
2.2.1 - Causes internes .......................................................................
2.2.1.1 - Mode de Dfaillance Mcanique ......................................
2.2.1.2 - Mode de Dfaillance Electrique.......................................
2.2.1.3 - Mode de Dfaillance dilectrique ...................................
a L'isolation Majeure....................................................
b L'isolation Mineure....................................................
26
27
28
28
28
29
29
29
2.2.1.4 - Mode de Dfaillance lie la contamination .....................

a - Contamination par l'eau ............................................
b - Contamination par les particules ................................
c - Dcomposition par vieillissement de papier ................
2.2.1.5 - Mode de Dfaillances des Accessoires .............................
a - Dfaillance des traverss (bushings) ...........................
b - Dfaillance du rgleur en charge ...............................
2.2.1.6 - Mode de Dfaillances de conception et d'entretien ...........
a - Dfaillances de conception/fabrication .........................
b - D'entretien/exploitation .............................................
2.2.2 - Causes externes .....................................................................
2.2.2.1 - Courts circuits..............................................................
2.2.2.2 - Fiabilit.......................................................................
2.2.2.3 - Tenue dilectrique (manuvre du rseau et foudre).........
2.3 - Statistiques sur les causes de dfaillances ...........................................
2.3.1 - Causes typiques de dfaillance du TR .........................................
2.3.1.1 - Causes internes ............................................................
2.3.1.2 - Causes externes............................................................
2.3.2 - Causes des dfaillances de TR selon le retour dexprience des
organismes
2.4
2.5
2.6
2.7
29
29
30
31
32
32
32
32
33
33
33
33
33
34
34
34
34
35
.............................................................................. 35
2.3.2.1 - IEEE ..........................................................................

2.3.2.2 - Doble et ZTZ- Service ...................................................
2.3.2.3 - CIGRE.........................................................................
2.3.2.4 - EPRI ...........................................................................
Relation entre gaz gnrs et le type de dfaut dans le TR ....................
Modle fonctionnel de dfaillance .......................................................
Le transformateur gnre du gaz: Procdures mthodologiques ............
Conclusion.......................................................................................
35
36
36
37
38
39
40
41
Chapitre 3 :
AGD : Mthodes conventionnelles
3.1
3.2
3.3
3.4
- Introduction.....................................................................................
- Mthode de Doernenburg ..................................................................
- Mthode de Rogers (CEGB/Rogers).....................................................
- Mthode de la CEI (commission lectrotechnique internationale) ............
3.4.1 - Types des dfauts selon la CEI ................................................
3.4.2 - Rapports fondamentaux de gaz .................................................
3.5 - Mthode de Duval.............................................................................
3.5.1 - Triangle de Duval.....................................................................
3.5.2 - Utilisation du Triangle de Duval .................................................
3.6 - Mthode dIEEE (TDCG et Gaz cls) ....................................................
3.6.1 Concentration Totale de Gaz Dissous Combustibles (TDCG) ...........
3.6.2 - Mthode des Gaz Cls ...............................................................
3.7 - Conclusion.......................................................................................
43
43
46
47
48
49
50
50
51
53
53
55
57
Chapitre 4 :
Mthodes de diagnostic des dfauts bases sur l' IA
4.1
4.2
4.3
4.4
4.5
4.6
- Introduction.....................................................................................
- Rseaux de Neurones .......................................................................
- Logique Floue ..................................................................................
- Systmes Experts.............................................................................
- Systmes Hybrides ...........................................................................
- Synthse et revue bibliographique ......................................................
4.6.1 - Articles sur le Rseaux de neurones artificiels..............................
4.6.2 Articles sur la Logique Floue .....................................................
4.6.3 - Articles sur le Systmes Experts ................................................
4.6.4 - Articles sur lApproche de Systme Hybride.................................
4.7 - Conclusion.......................................................................................
59
59
60
61
61
61
62
64
66
68
70
Chapitre 5 :
Rsultats et comparaisons
5.1
5.2
5.3
5.4
5.5
- Introduction.....................................................................................
- Application de RNA dans le diagnostic de dfaut naissant ....................
- Topologie de RNA utilise et les donnes ...........................................
- Anomalies sur les transformateurs de la rgion de SETIF.......................
- Diagnostic utilisant le RNA multicouches..............................................
5.5.1 - Fonction de transfert ................................................................
5.5.2 - Simulation du modle neuronal .................................................
5.5.3 - Rsultats et Comparaison .........................................................
5.5.3.1 - Diagnostic utilisant la mthode de la CEI.........................
5.5.3.2 - Diagnostic utilisant la mthode de Rogers .......................
5.6 - Diagnostic utilisant le RBF (radial basis fonction) ..................................
5.6.1 - Diagnostic utilisant la mthode de la CEI ....................................
5.6.2 - Diagnostic utilisant la mthode de Rogers ...................................
5.7 - Localisation de dfaut de quatre cas rel .............................................
5.8 - Conclusion.......................................................................................
72
72
72
75
76
76
77
79
79
82
85
86
88
90
95
Conclusions gnrales & Perspectives

Bibliographie
Annexes
Annexe
Annexe
Annexe
Annexe
Annexe
Annexe
A : Constitution des transformateurs de puissance (IEEE)

B : Huiles minrales isolantes des Transformateurs
C : Sur vole sur Rseaux de Neurone
D : Sur vole sur logique floue
E : Lexique
F : Fiches des Rapports d'analyse des gaz dissous de SONELGAZ GRTE
Introduction gnrale
Introduction gnrale:
Le transformateur de puissance est llment le plus critique dans le
systme de
transport dlectricit. Son infiabilit n'affecte pas uniquement la disponibilit en nergie

lectrique, mais aussi, elle conduit des pnalits technico-conomiques, trs lourdes
en consquences (techniques, financires, commerciales, environnementales) ; do la
ncessit de dtecter et didentifier ds les premiers stades les dfauts latents pour une
ventuelle action prventive.
Durant une dfaillance ou un dfaut, les intgrits mcanique, dilectrique et thermique
du transformateur sont souvent affectes, et diminuent des valeurs infrieures, par
rapport celles de leurs tenues normales. Les dfauts latents peuvent voluer dans le
temps et provoquer une perforation disolement par de diffrentes causes telles que les
courants de dfaut (courant de court circuit, courant denclenchement, .) et les
surtensions lectriques (transitoire, manuvre, ou de foudre) .
Lvaluation de ltat
du transformateur est souvent ralise travers les diagnostics effectus. Le vecteur

principal de lvaluation de la condition du transformateur est gnralement apporte
par lanalyse de son huile o la majorit des informations recueillies sont donnes et
exploites pour des actions de maintenance. La dcomposition de lhuile selon les
diffrents dfauts et leurs intensits conduit la formation des gaz qui peuvent tre
exploits pour le diagnostic.
L'analyse des gaz dissous (AGD, en anglais Dissolved Gases Analysis DGA) est l'une des
techniques les plus efficaces pour surveiller l'tat des transformateurs. Elle permet,
travers la nature et la concentration des gaz, didentifier lexistence du dfaut latent ou
le mode de dfaillance touchant le transformateur par un simple prlvement. Les
quantits dinformations, leur complexit, lexistence simultane de plusieurs dfauts,
labsence dquations qui les rgissent,
imposent le recours des systmes plus
performants de diagnostic tels que les techniques dintelligences artificielles (rseaux de

neurones ANN, systmes experts, systmes flous, techniques baysiennes, .).
Dans le prsent travail, fruit dune troite collaboration avec Sonelgaz-GRTE de SETIF,
nous prsentons une tude mene dans le but de surveiller les transformateurs en
service par la dtection et lidentification des dfauts en se basant sur les techniques
dAGD utilises dans les normes
(IEEE; ICE;) et une technique moderne (RNA) que
nous avons dvelopp.

9
Introduction gnrale
La comparaison des rsultats obtenus est faite par rapport au logiciel DELTA X [Annexe
E] utilis dans les laboratoires de SONELGAZ-GRTE ou les donnes de part et dautres
sont examines pour voir les convergences tablies. Cette banque de donnes des
diagnostics faite sur le parc des transformateurs de la rgion de SETIF, nous a permis
de voir la sensibilit de notre programme et le niveau de sa reproductibilit.
Pour ce faire, le mmoire comporte cinq chapitres.
Dans le premier, nous prsentons
un aperu
sur les techniques de diagnostic des
transformateurs de puissance via lutilisation de lhuile minrale avec le dveloppement

dtaill des principaux dfauts qui puissent les affecter.
Le deuxime chapitre traite les modes de dfaillance rencontrs, leurs causes, leur
localisation dans les diffrents endroits de la partie active du transformateur et les
relations tablies entre ces dfauts et la gnration des gaz.
Dans le troisime chapitre, nous prsentons les mthodes conventionnelles danalyse de
gaz dissous dans les transformateurs de puissance et les problmes rencontrs de
diagnostic.
Par contre dans le quatrime chapitre, une revue largie sur les mthodes de diagnostic
par lapplication
de lintelligence artificielle est expose. Notre choix est port sur les
RNA o une application a t dveloppe dans ce but.

Les rsultats obtenus sont exposs dans le cinquime chapitre avec les comparaisons
faites avec le logiciel DELTA X dans un but de validation.
A la fin, nos conclusions, recommandations et les diffrents horizons de recherche sur
ce sujet sont proposs pour les futurs travaux.
10
CHAPITRE 1
Revue sur le
diagnostic des
transformateurs de
puissance
Chapitre 1
1.1. Introduction:
Le transformateur de puissance [Annexe A] a un rle trs important dans les
installations lectriques, c'est le composant le plus critique et le plus cher des lments
du transport de l'nergie lectrique.
Un
transformateur
dfaillant
conduit
des
situations
parfois
trs
lourdes
en
consquences : techniques, financires, commerciales, environnementales. Do la

ncessit de dtecter et didentifier le dfaut ds sa naissance. Du moment que le prix
du transformateur est trop lev supporter, un prlvement simple de l'huile peut
procurer gnralement plus d'assurance lors de son exploitation, en donnant des
informations prcieuses sur son tat et sa condition qui empche srement des pannes
souvent coteuses lies une interruption prolonge dans l'alimentation lectrique; il
serait prfrable donc de suivre lvolution et les tendances tires des informations
apportes par lanalyse effectues sur son huile.
1.2. Importance du diagnostic de transformateur de puissance et

identification des dfauts naissants:
Le transformateur de puissance est un lment investissement lourd dans une
installation lectrique ; sa fiabilit n'affecte pas seulement la disponibilit d'nergie
lectrique, mais aussi la fiabilit de tout le systme lectrique. Par exemple: le dfaut
d'un transformateur de puissance peut laisser des milliers de maisons sans chaleur et
lumire et le dfaut en avant poste dune source de gnration dlectricit peut
simplement conduire larrt de celle ci.
Sous lenvironnement drgul des systmes lectriques dans le monde et les conditions
dgages de cela, chaque entreprise dlectricit essaye de grer son patrimoine avec
plus dintelligence en se basant sur la maintenance conditionnelle et proactive pour
limiter les avaries sur le rseau et viter des pnalits conomiques causes par les
indisponibilits
des
quipements
du
systme
lectrique.
Une
dfaillance
du
transformateur de puissance peut conduire des pertes directes et indirectes qui

dpassent largement le prix de celui-ci [Myer_98].
Le diagnostic du transformateur via lanalyse de lhuile qui sinscrit dans la philosophie
de la maintenance conditionnelle, est un outil de surveillance prventive trs efficace
pour prdire l'tat et les dfauts naissants qui peuvent parvenir durant son exploitation.
12
Chapitre 1
1.2.1. Dfaillance du transformateur de puissance:

Les consquences des dfauts latents lintrieur du transformateur de puissance sont
souvent remarquables, qui peuvent diminuer la fois ses tenues : dilectriques,
thermiques et mcaniques des valeurs inadmissibles, au dessous des contraintes
appliques. Ceci peut progresser un point o l'isolation ne peut rsister face ces
surcharges provoques par le courant de dfaut ou de surtension (court circuit,
vibrations, surcharges, dcharges partielles, foudre..). Ainsi, le diagnostic de ces dfauts
est troitement li l'valuation de l'tat d'isolation solide et liquide [Wang_00].
1.2.1.1. Dgradation des isolants:
Le vieillissement des isolants est le rsultat d'une dtrioration graduelle due des
ractions physico-chimiques affectant la tenue mcanique et dilectrique du systme
d'isolation.
La dtrioration du papier enrobant les spires des enroulements sont normalement
touchs par la pyrolyse, l'oxydation et l'hydrolyse qui se produit dans les matriaux
[CIGR_93].
Par ailleurs, elles sont acclres par toute augmentation de la temprature, de
l'oxygne et du taux d'humidit.
La dgradation chimique des papiers et des cartons se manifeste par l'affaiblissement
des proprits mcaniques de la cellulose. Cependant, bien que les pertes dilectriques
tendent augmenter, cependant, la rigidit dilectrique du papier n'est pas touche de
manire significative par ces dtriorations. L'huile isolante est galement altre par la
dtrioration chimique. Elle s'oxyde, ce qui forme des composs acides et des boues.
Ceux-ci rduisent la rigidit dilectrique et affectent la capacit d'vacuation de chaleur
du transformateur. Un certain nombre de facteurs, avec leur combinaison, acclrent
souvent ces dtriorations, notamment :
La chaleur;
La prsence des forces mcaniques;
L'application d'une tension;
La contamination.
Les vibrations, les efforts lectrodynamiques causs par les courts-circuits et les
courants d'appel, les chocs au cours du transport ainsi que les efforts rsultant des
variations des diffrents matriaux sont les principales contraintes mcaniques qui
13
Chapitre 1
altrent le papier et le carton. Si celles-ci sont suffisamment fortes, elles dtruiront les
matriaux isolants et entraneront une dfaillance dilectrique. En outre, les efforts de
compression entranent le tassement des isolants solides et par consquent une prise de
jeu de l'ensemble de l'assemblage et du serrage. Ceci rendra le transformateur plus
vulnrable en cas de court-circuit. Les contraintes occasionnes par l'application d'un
champ lectrique provoquent galement un vieillissement de l'isolation lectrique. Sous
l'action de ce champ, le matriau est le sige de dcharges partielles qui conduisent
son rosion et affectent par consquent sa rigidit dilectrique et sa tenue mcanique.
Cependant, dans les transformateurs modernes bien imprgns, cet effet est trs faible:
en fonctionnement normal, les isolants sont soumis des champs dont le niveau est
infrieur au seuil d'apparition des dcharges partielles. Enfin, le vieillissement peut tre
acclr par la contamination de l'huile, les particules mtalliques et conductrices, les
fibres humides et les bulles de gaz prsentes dans l'huile peuvent pntrer dans des
endroits o le champ lectrique est lev. De plus, la rigidit dilectrique de la cellulose
peut diminuer en raison d'infiltration d'humidit. [Sche_01]
1.2.1.2. Calcul du vieillissement:
La dure de vie d'un transformateur dpend beaucoup d'vnements exceptionnels, tels
que les surtensions, les courts-circuits sur le rseau et les surcharges. En plus, des
paramtres de fonctionnement normal, ils reprsentent autant de grandeurs susceptibles
d'influencer le vieillissement des isolants. Le phnomne de vieillissement est complexe
et difficile modliser. ce jour, seule l'influence des contraintes thermiques sur
l'volution
des
proprits
mcaniques
et
chimiques
fait
l'objet
d'un
modle
mathmatique [IEEE_91].
En ngligeant toutes les autres influences, sous l'effet de la temprature de l'huile,
comme cela a t expliqu au paragraphe prcdent, l'isolation subit une dgradation
chimique. Aprs un certain temps d'exploitation, selon un certain critre retenu,
l'isolation est affaiblie. La loi d'Arrhenius sur les ractions chimiques donne l'intervalle de
temps pour atteindre ce point final:
Dure de vie
( b /T)
(1)
O est la vie initiale, est une constante dpendant des proprits du matriau
tudier et T la temprature absolue en Kelvin (K).
14
Chapitre 1
Comme il est difficile de dterminer de manire univoque la fin de vie d'un

transformateur du fait, aussi quelle est lie aussi la vie du papier, la vitesse de
vieillissement a t dfinie sur la base de la dure de vie selon Montsinger et la norme
CEI :
q
Vitesse de vieillissement [%]=
hs
- 98
6
(2)
q hs : Temprature du point chaud.

En pratique, un incrment de 6C au del de 98C multiplie de deux fois la vitesse du
vieillissement (cas du papier non amlior thermiquement). [Tim_08]
1.2.2. L'isolation dans les transformateurs de puissance:
1.2.2.1. Isolation Cellulosique:
Les matriaux isolants solides appliqus tels que le papier, le papier compress, le
cylindre isolant et le carton sont faits partir des matriaux cellulosiques qui constituent
le meilleur compromis technico-conomique de lisolation du systme imprgn dans les
transformateurs de puissance.
Dans la plupart des applications industrielles, les isolations cellulosiques sont rarement
utilises en dehors de l'imprgnation avec un autre matriel isolant. Le but principal de
l'imprgnation est de protger l'isolation dilectrique de la cellulose contre les effets
dilectriques de l'humidit absorbe et daugmenter son BIL (Basic Impulse Level).
Pour l'utilisation en basse tension comme dans le cas du fonctionnement de certains
moteurs lectriques et condensateurs, les papiers isolants sont souvent imprgns avec
de la cire et le vernis. Quand ils sont utiliss pour l'quipement haute tension, ils
seront imprgns avec des isolants liquides tels que les huiles dilectriques. [Khen_00]
1.2.2.2. Isolation liquide:
L'huile de transformateur est souvent une huile minrale qui est faite dun mlange
dalcanes, de naphtnes, et des hydrocarbures aromatiques, raffins partir du ptrole
brut. Les processus de raffinage pourraient inclure le traitement par l'acide, l'extraction
par solvants, lhydrotraitement, ou la combinaison de ces mthodes lorsqu'elle est
parfaitement acheve, peut rapporter les caractristiques de l'huile minrale aux
15
Chapitre 1
spcifications exiges. Son rle fondamental est dassurer lisolation dilectrique et le

refroidissement du transformateur. Les huiles modernes procurent plus de stabilit la
dgradation, et elles sont dpourvues du soufre corrosif. [Annexe B]
Au plus, elles devraient avoir les caractristiques suivantes :
Point d'inflammabilit lev
Point de conglation bas
Rigidit dilectrique leve
Basse viscosit
Bonne rsistance l'lectrification statique
Tendance au gassing. [Hua_02]
1.2.3. Mcanismes de gnration des gaz :

1.2.3.1. Dcomposition de lhuile :
Les huiles minrales isolantes sont constitues dun mlange de molcules diffrentes
dhydrocarbures. Contenant des groupes chimiques CH3, CH2 et CH relis les uns aux
autres par des liaisons molculaires carbone-carbone. Des dfauts thermiques ou
lectriques peuvent couper certaines de ces liaisons C-H et C-C, avec la formation de
petits fragments instables, sous forme radicalaire ou ionique, comme H*, CH3*, CH2*, CH*
ou C* (parmi bien dautres formes plus complexes), qui se recombinent rapidement, par
des ractions complexes, en molcules de gaz comme lhydrogne (H-H), le mthane
(CH3-H), lthane (CH3-CH3), lthylne (CH2=CH2) ou lactylne (CH=CH). Des
hydrocarbures gazeux en C3 et C4, ainsi que des particules solides de carbone et de
polymres hydrocarbon (cire-X), sont dautres produits de recombinaison possibles. Les
gaz forms se dissolvent dans lhuile, ou saccumulent sous forme de gaz libres, sils sont
produits rapidement en grandes quantits, et peuvent tre analyss par l'analyse des
gaz dissous (AGD) conformment la CEI 60567. [CEI_99]
Les dfauts de faible nergie, tels que les dcharges partielles de type plasma froid
(dcharge couronne), favorisent la coupure des liaisons C-H plus faibles (338 kj/mole)
par des ractions dionisation et laccumulation dhydrogne comme gaz principal de
recombinaison. De plus en plus dnergie et/ou des tempratures plus leves sont
ncessaires pour la coupure des liaisons C-C, et leur recombinaison en gaz contenant
une liaison simple C-C (607 kj/mole), une double liaison C=C (720 kj/mole) ou une triple
liaison C_C (960 kj/mole), suivant des ractions prsentant des analogies avec celles
observes dans lindustrie de craquage du ptrole.
16
Chapitre 1
Ainsi, la formation dthylne est favorise par rapport celle de mthane et lthane
au-dessus denviron 500C (bien que, au-dessous, lthylne soit toujours prsent, mais
en plus faibles quantits). Lactylne ncessite des tempratures dau moins 800C
1200C, suivies dune trempe rapide jusqu de plus basses temprature, pour pouvoir
saccumuler comme produit de recombinaison stable.
Lactylne se forme ainsi en quantits significatives principalement dans les arcs, o le
canal de conduction ionis est plusieurs milliers de degrs Celsius, et linterface avec
lhuile liquide avoisinante est ncessairement en dessous de 400C (temprature audessus de laquelle lhuile des vaporise compltement), avec une couche de vapeur
dhuile et de gaz de dcomposition entre les deux. Lactylne peut se former plus
basse temprature (<800C), mais en trs faibles quantits.
Les particules de carbone se forment de 500C 800C et sobservent, en effet, aprs
claquage dans lhuile ou autour de points trs chauds.
Lhuile peut soxyder, avec la formation de faibles quantits de CO et de CO2, qui
peuvent saccumuler en quantits plus importantes sur de longues dures.
1.2.3.2. Dcomposition de lisolation cellulosique :
Les chanes polymriques de lisolation solide cellulosique (papier, carton, bois de
calage) contiennent un grand nombre de noyaux anhydroglucosiques, et de faibles
liaisons molculaires C-O et glycosiques, qui sont thermiquement moins stables que les
liaisons hydrocarbones de lhuile et se dcomposent des tempratures plus basses.
Les vitesses de coupure de chanes polymriques deviennent significatives des
tempratures suprieures 105C, avec dcomposition compte et carbonisation audessus de 300C. Il se forme principalement du monoxyde et du dioxyde de carbone,
ainsi que de leau, en quantits beaucoup plus importantes que par oxydation de lhuile
aux mmes tempratures, ainsi que de faibles quantits dhydrocarbures gazeux de
lhuile et de composs furaniques. Ces derniers, peuvent tre analyss conformment
la CEI 61198, en complment linterprtation de lAGD, pour confirmer si oui ou non
lisolation cellulosique est implique dans le dfaut. La formation du CO et du CO2
augmente non seulement avec la temprature, mais galement avec la teneur en
oxygne dissous dans lhuile et avec la teneur en eau du papier. [CEI_99]
17
Chapitre 1
1.3. Introduction a lAnalyses des Gaz Dissous (AGD) comme outil de

diagnostic :
Lhuile minrale des transformateurs de puissance se compose de plusieurs molcules
dhydrocarbure. Les dfauts lectriques et thermiques peuvent causer la rupture des
liaisons entre ces molcules qui conduisent la formation de gaz. Selon lintensit
dgage du dfaut, le gaz form se dissout ou se libre de lhuile en accord avec les
diffrentes limites de solubilits de chaque gaz dans l'huile. La concentration de ces gaz
peut tre suivie l'aide de la chromatographie en phase gazeuse (AGD) [Than_01].
Cette mthode exige seulement un prlvement de quelques ml de l'huile isolante pour
tre analyse sur un transformateur en service.
Quand les transformateurs de puissance subissent des contraintes internes ou externes,
les gaz caractristiques de chaque dfaut apparaissent, et leur concentration dpend de
l'intensit de celui-ci et de son activit. Les rsultats obtenus partir de la
chromatographie en phase gazeuse indiquent les quantits relatives dissoutes des gaz
dans l'huile en parties par million (ppm). Les principaux gaz qui peuvent tre identifis
et dtermins sont :
Les gazes- Hydrocarbure et hydrogne: mthane (CH4), thane (C2H6), thylne

(C2H4), actylne (C2H2), propylne et hydrogne (H2).
Les oxydes de Carbone: carbone monoxyde (CO) et carbone dioxyde (CO2).
l'oxygne (O2) et l'azote (N2) (atmosphre). [Hua_02]
1.3.1. Historique de AGD:

L'identification des gaz dans le matriel lectrique avait d'abord t utilise pour
distinguer
entre
les
gaz
combustibles
et
non
combustibles
produits
dans
les
transformateurs depuis les annes vingt du 19eme sicle. Ceci a t ralis en brlant
les gaz rassembls partir de l'chantillon ou du robinet du relais Buchholz.
Initialement, la procdure visant dtecter la prsence d'hydrogne, ce qui signifia qu'il
y avait un dfaut rel dans le transformateur du moment que celui ci peut tre prsent
dans tous les dfauts. Au cours des annes 30, la procdure a t amliore pour
permettre simultanment l'hydrogne, l'actylne et au Monoxyde de carbone d'tre
dtects, ce qui a permis une certaine dduction de la nature du dfaut en particulier, la
prsence d'actylne qui signifia lexistence dun dfaut de forte nergie, et le monoxyde
de carbone associ limplication de la cellulose.
18
Chapitre 1
Le dveloppement de: la chromatographie, la spectromtrie de masse, les techniques

infrarouges et les mthodes analytiques de sparation liquide-gaz entre 1955-1965 ont
conduit l'analyse de gaz dissous qui tait impossible faire jusqu'au la, sauf que
lorsque les gaz atteindront leur saturation pour devenir libres et mesurables aprs une
alarme du Buchholz (dfaut intense). Ce ci constitue un risque imminent d'avarie du
transformateur ; et l'arrive donc de la mthode des gaz dissous avait palli ce
problme. [Heat_98]
1.3.2. Thorie de l'volution de gaz :
La composition des gaz produits lors d'un dfaut et leur concentration est influence par
plusieurs facteurs tels que lhistorique des vnements et de maintenance parvenue sur
le transformateur, la charge quil transitait, ltat de son isolation, le degr de
contamination ainsi que lendroit du dfaut.
Nanmoins, il est possible de lier certains modes dvolution des gaz lnergie
entrane par le dfaut quil faut associer aux conditions dexploitation et la conception
du transformateur pour percevoir la gravit du problme. L'effet immdiat de la rupture
sur les molcules d'hydrocarbures comme rsultat de l'nergie produite par le dfaut est
la cration des radicaux libres (Figure 1.1) qui se recombinent par la suite pour
produire des gaz hydrocarbures bas poids molculaires. C'est ce processus de
recombinaison qui est en grande partie responsable de la formation des gaz. [Heat_98]
Produits Fondamentaux - Radiaux Libres
H
CH
quilibre la
H2
CH4
C2H6
CH2
CH3
etc.
Temprature de dfaut
C2H4 C2H2
C3H8
C3H6 .
Molcules Libres des Gaz Hydrocarbure

Fig.1.1 - Radicaux libres rsultant de l'chauffement de l'huile minrale
[Heat_98]
La quantit de chaque gaz individuel dpend de la temprature au voisinage du point
soumis une contrainte. Halstead propose un modle thermo-dynamique pour dcrire la
19
Chapitre 1
relation entre le dfaut de temprature et les caractristiques du gaz, en supposant que

tous les hydrocarbures dans l'huile sont dcomposs en mme produit et que chaque
produit est en quilibre avec tous les autres. Le taux d'volution de chaque gaz peut tre
calcul n'importe quelle temprature, de sorte qu'une relation entre la gnration du
gaz et la temprature peut tre obtenue pour chaque gaz. L'analyse de cette relation
indique que des gaz sont produits avec une augmentation de la temprature
[Wang_00]. La figure 1.2 suivante montre cette relation.
On remarque que l'hydrogne est produit basses tempratures et sa quantit
augmente avec l'augmentation de la temprature, alors que l'actylne est produit
une
temp6rature
trs
leve
(prs
de
700C)
et augmente
galement avec
l'augmentation de la temprature.
Fig.1.2 - Evolution des gaz dissous en fonction de la To de l'huile [Roge_78]
20
Chapitre 1
1.3.3. Interprtation et analyse des gaz dissous :

Tous les transformateurs gnrent de gaz dans une certaine mesure la temprature
dexploitation normale. Mais de temps en temps, une concentration anormale peut se
produire provenant d'une surchauffe locale ou gnrale, des problmes dorigine
dilectrique, ou partir dune combinaison de ces lments. Dans le matriel lectrique,
ces anomalies sont appeles "dfauts" ou dfaillances si la gravit est plus pousse. Les
dfauts de type thermique, couronne ou arcs lectriques sont dcrits comme suit :
1.3.3.1.
Dfauts
thermiques
en
se
rfrant
aux
normes
(CEI,
IEEE),
la
dcomposition de l'huile minrale entre les tempratures de 150 C 500 C, produit

des quantits relativement importantes des gaz de faible masse molculaire tels que
l'hydrogne (H2), le mthane (CH4) et lthane (C2H6) avec des quantits de gaz moins
importantes dthylne (C2H4). Une temprature du dfaut plus leve produira une
concentration plus leve de ce gaz. Sil ya implication de la cellulose, le dioxyde de
carbone (CO2) ainsi que le monoxyde du carbone (CO) se formeront des
concentrations qui dpendent toujours de lintensit du dfaut avec lendroit de sa
localisation. Par contre, lactylne (C2H2) se forme quand le transformateur est soumis
un arc lectrique de forte nergie.
1.3.3.2. Dfauts lectriques :
- Dcharges de basse intensit :
Les dcharges de faible nergie telles que les dcharges partielles produisent
principalement de l'hydrogne, avec quelques traces d'actylne et du mthane. Si,
l'intensit de la dcharge augmente, les concentrations d'actylne, dhydrogne et
d'thylne augmenteront davantage.
- Arc dintensit leve : pour des arcs de forte nergie, lactylne se produira de
manire plus prononce et significative. [IEEE _91]
1.3.4. Diffrentes mthodes danalyse des gaz dissous :
Les dfaillances du transformateur se classent en deux catgories si on utilise lAGD pour
dtecter lapparition des dfauts : les dfaillances graves imminentes, qui peuvent se
dvelopper en temps trs court et que lAGD ne peut les dtecter, et les dfaillances qui
se dveloppent sur une priode de temps prolonge et qui sont donc en principe
dtectables par l'AGD. Pour interprter les rsultats en utilisant une analyse de
21
Chapitre 1
tendance, on a gnralement recours aux mthodes suivantes :

1.3.4.1. Technique des rapports :
Cette technique utilise les rapports des quantits mesures de gaz. La norme CEI
60599 recommande lutilisation de cinq gaz et de trois rapports. De mme, dautres
mthodes recommandent lutilisation des cinq gaz. Ces gaz sont rpertoris dans lordre
croissant de leur temprature de dcomposition. Le principal dsavantage de cette
technique est que lapparition simultane de plusieurs dfauts risque de crer une
certaine ambigut dans lanalyse. La technique des rapports prsente des avantages
certains par rapport aux autres techniques, car les rapports sont indpendants la fois
du volume dhuile et du choix des units de concentration [Elec_99].
Parmi ces mthodes, on trouve :
la mthode CEI 60599,
la Mthode IEEE,
la mthode CEGB/Rogers,
la Mthode de Doernenburg.
1.3.4.2. Reprsentations graphiques (mthode de Duval):

Les reprsentations graphiques des rapports de gaz sont pratiques pour suivre
visuellement lvolution des dfauts. Cette mthode de diagnostic repose sur le calcul du
pourcentage relatif de trois gaz. Chaque coin du triangle reprsente100% dun gaz et
0% des autres gaz [duva_89].
La reprsentation graphique des trois gaz sur le triangle appel "Triangle de Duval"
dpend de la surface sur laquelle un diagnostic est men.
1.3.4.3. Mthode des gaz-cls :
Le rapport entre la temprature et les types de gaz de dcomposition de lhuile et de la
cellulose sert de base une dtermination qualitative des types de dfaut partir des
gaz qui sont typiques, ou prdominants, diverses tempratures. Ces gaz majeurs et
leurs proportions sont appels gaz-cls .Cette technique fournit des courbes pour
quatre types de dfaut gnraux, savoir : thermique (dcomposition de lhuile),
thermique (dcomposition de la cellulose), lectrique (effet de couronne) et lectrique
(contournement). Les procdures dtailles sont dcrites dans la norme IEEE C7.1041991. [IEEE_ 91].
22
Chapitre 1
1.3.4.4. Autres mthodes dinterprtation :

a) Mthode du Nomogramme De Church:
La mthode de Church diffre des prcdentes par l'utilisation simple des valeurs
absolues directement traces sur un graphe. Il sagit dune combinaison du concept de
rapport des gaz de dfaut et de valeurs dfinies. Cette mthode vise fournir la fois
une reprsentation graphique des donnes de gaz de dfaut et les moyens dinterprter
leur signification.
Le
nomogramme
est
constitu
dune
srie
dchelles
logarithmiques
verticales
reprsentant les concentrations des gaz individuels. Des lignes droites sont traces entre
chelles adjacentes pour relier les points qui reprsentent les valeurs des concentrations
des gaz individuels. Les pentes de ces lignes sont les critres de diagnostic qui servent
dterminer le type de dfaut. Des ajustements des chelles sont parfois ncessaires,
compte tenu des historiques dutilisation des transformateurs dfaillants. [Elec_99].
Cette mthode permet de diagnostiquer quatre types de dfauts qui sont: la dcharge
partielle, la surchauffe, l'arc et la dgradation de la cellulose. Elle est particulirement
bien adapte pour une valuation manuelle. [Blan_02]
b) Mthodes Schliesinger :
Il sagit dune technique de rapports combins avec des seuils de concentration de gaz.
La combinaison dun rapport et dune limite de concentration de gaz se traduit par un
code qui peut servir linterprtation des rsultats. Cinq rapports sont utiliss. Il sagit
de C2H2/H2, C2H2/C2H6, H2/CH6, C2H4/C2H6 et CO2/CO. Les codes sont extraits en fonction
des rapports. Ltape suivante consiste trouver le code pour le niveau de concentration
pour C2H2, H2.
La somme de CxHx et la somme de la concentration de CO et de CO2. Pour ces gaz, il
existe une plage de concentration (de...jusqu). Selon la concentration de ces gaz, des
codes sont extraits de la table. Des combinaisons de codes sont rpertories dans la
table des diagnostics. Cette mthode permet de distinguer plusieurs dfauts. [Elec_99]
23
Chapitre 1
1.4. Conclusions:
Dans ce chapitre, une revue sur l'importance du diagnostic des transformateurs de
puissances et de son intrt, sur les principaux dfauts qui peuvent apparatre et sur les
diffrentes mthodes danalyse des gaz dissous sont soigneusement tals. Notons
quune description plus largie des mthodes les plus utilises dans le diagnostic de
dfaut de transformateur de puissance est expose au chapitre 3.
24
CHAPITRE 2
Localisation des
dfauts et mode de
dfaillances dans les
transformateurs de
puissance
Chapitre 2
2.1. Introduction:
Les transformateurs de puissance sont gnralement trs fiables, avec une esprance de
vie entre 20 et 35 ans. Dans la pratique, elle peut staler jusqu 60 ans en utilisant
une maintenance et une exploitation convenables. Cependant, toute dfaillance d'un
transformateur est potentiellement coteuse en rparation ou en remplacement par un
autre. Son exploitation continue ou exceptionnelle dans un rgime de surcharge pour
alimenter une large population peut entraner son vieillissement prmatur et raccourcir
dune faon consistante sa vie, ce qui accrot considrablement le risque de dfaillance.
Les pannes sont gnralement inities par des conditions svres, comme la foudre, les
manuvres sur le rseau, les courts circuits, ou autres incidents.
Lorsque le transformateur est neuf, ses tenues lectriques et mcaniques sont
suffisantes pour rsister aux diffrentes conditions. Quand le transformateur vieillisse,
sa tenue dilectrique peut se dgrader au point quil ne peut supporter les dfauts tels
que les court circuits ou les surtensions transitoires.
Les paramtres d'tat caractrisent en gnral l'tat de sant des transformateurs. La
gestion de leurs vies exploite souvent ces paramtres dans un processus cohrent pour
la prolonger au maximum, et qui se base sur les informations recueillies des diffrents
diagnostics.
Souvent, quatre tats apparents (courbe de vie) sont connus dans le cas des
transformateurs et qui sont :
Etat normal
Etat de dfectuosit
Etat de dfaut
Etat de dfaillance
26
Chapitre 2
Fig.2.1 Conduction d'un cycle de vie d'un transformateur [CIGR_02]
2.2. Modes De Dfaillances :

Un transformateur est constitu des sous-systmes suivants [Annexe A] :
Le circuit lectromagntique.
Le circuit de courant.
Le systme dilectrique.
La structure mcanique.
Le systme de refroidissement.
Traverss (Bushings).
Rgleur en charge (load tap changer) LTC.
Prservation dhuile et systme d'expansion.
Systme de protection. [Soko_00]
Le modle de vie du transformateur est bas sur le changement de son tat avec le
temps, ou une rduction superficielle ou sensible de sa tenue sous l'impact combin des
efforts: thermiques, lectriques, lectromagntique, lectrodynamique, associs aux
diverses transformations et contaminations chimiques est enregistre et marque par les
quatre principaux tats du transformateur cits auparavant :
Le but principal de lvaluation de la condition permet de donner une ide sur la criticit
et le risque que le transformateur soit en train de subir dun ct et de lautre ct
l'identification de lanomalie, sa nature et sa gravit. [CIGR_02]
Il y a cependant
des causes internes et externes de dfaillance comme il est illustr
brivement ci dissous:
27
Chapitre 2
2.2.1. Causes internes :

2.2.1.1. Mode de Dfaillance Mcanique:
Les scnarises typiques suivants d'une dfaillance dun transformateur lie la cause
mcanique sont comme suit :
Perte de serrage - Distorsion de la gomtrie d'enroulement => apparence de DP

=> arborescence de dcharges progressives=> dfaillance.
Dformation de la gomtrie d'enroulement +
surtension de
manoeuvre =>
tincelle entre les bobines => volution excessive de gaz.

L'exprience a montr que plus de 90% des modes de dfaillance mcanique ont t
associs avec la dformation circonfrentielle des enroulements internes. Comme, il a
t confirm galement que le transformateur peut survivre pendant des annes avec
cette
anomalie
jusqu'au
relchement
dans
son
isolation.
La
dformation
circonfrentielle des enroulements provoque des changements parfois trs remarqus

dans le diamtre des spires et des enroulements, ce qui changera la dimension du canal
de fuite. Ces changements mcaniques sont souvent diagnostiqus par des mthodes
modernes
telles
que
lanalyse
par
rponse
frquentielle(FRA),
la
mesure
des
capacitances, les mesures de la ractance de fuite et les mesures acoustiques.

Au cours des 15 dernires annes, environ 40% des transformateurs endommags ont
t identifis sur le terrain et le diagnostic a t confirm plus tard par l'inspection
interne.
2.2.1.2. Mode de Dfaillance Electrique:
La plupart de dfauts lectriques sont associs la surchauffe des contacts, des joints
et des connections, et peuvent tre attribus aux problmes de fiabilit au cours du
processus de dgradation rapide.
Les dfauts typiques qui affectent la fiabilit court terme dans le circuit de courant
sont:
La surchauffe d'isolation des connexions et des conducteurs lors dun court-circuit.
La surchauffe des connexions de traverse BT avec menace d'un court circuit la

terre.
La surchauffe des contacts (mobile et fixe) du rgleur en charge lors dun courtcircuit entre les phases. [Soko_06]
28
Chapitre 2
2.2.1.3. Mode de Dfaillance dilectrique (Manuvre du rseau et foudre) :

a) L'isolation Majeure: Les causes typiques de dfaillance dans lisolation majeure
sont les suivantes:
l'humidit excessive dans la cellulose. Cette anomalie est essentiellement

inhrente au transformateur avec louverture du systme de prservation ou
ceux qui ont une jointure dgrade.
La distribution d'humidit pendant la vie de transformateur est rpartie dune

faon htrogne. La plupart de la concentration en eau est stocke dans
les
structures cellulosiques froides, alors quenviron 1 2 % reste dans lhuile.
Contamination
de
la
surface
disolation
par
adsorption
des
produits
de
vieillissement d'huile trop polaires ou de dpts de particules conductrices et des

produits de vieillissement insolubles dans les zones ou le champs lectrique est
lev.
La contamination des surfaces peut provoquer une distorsion du champ lectrique

et une rduction de la tenue dilectrique du systme d'isolation donnant naissance
aux dcharges partielles. [Soko_99]
b) L'isolation Mineure:
Une Surchauffe donne peut conduire l'acclration du vieillissement de

l'isolation.
Lhumidit excessive dans le papier entrane la formation de bulles lors de ces

surchauffes.
Leau libre prsente
aux basses
tempratures, en contact avec cette isolation
peut entraner son claquage. [Soko_99]
2.2.1.4. Mode de Dfaillance lie la contamination:

L'eau, l'oxygne, les produits de vieillissement d'huile (acides en particulier) et les
particules d'origine diffrentes sont des agents de dgradation, qui peuvent raccourcir la
vie de transformateur de manire significative sous l'impact des efforts thermiques,
lectriques, lectromagntiques et d'lectrodynamiques.
a) Contamination par l'eau :

Il y a trois sources de contamination par l'eau dans l'isolation du transformateur:
L'humidit rsiduelle dans les structures paisses non leve pendant le schage
au cours de la fabrication.
29
Chapitre 2
L'entre par l'atmosphre et lenvironnement ambiant.
Le vieillissement (dcomposition) de la cellulose et de l'huile.
La source principale de contamination de l'eau est l'humidit atmosphrique, et le

mcanisme principal de la pntration de l'eau est l'coulement visqueux d'air humide
ou d'eau libre travers un joint faible ou vieilli sous l'action d'un gradient de pression.
Une grande quantit d'eau de pluie peut pntrer le transformateur dans un temps trs
court
(plusieurs heures), quand il y a une baisse rapide de pression (aprs qu'une
baisse rapide de la temprature qui peut tre induite par la pluie) combine avec ltat
de la jointure.
Le vieillissement peut produire une quantit substantielle de l'eau. Dans ce cas, l'eau est
enlever fondamentalement de la proximit des points chauds dans l'enroulement.
Les paramtres de l'quilibre d'humidit dpendent de la structure de la cellulose (ils
sont diffrents pour le papier d'enrobage et pour le papier compress), de la
temprature, de la prsence des gaz, de l'eau dans l'huile et de la solubilit.
L'isolation solide est un accumulateur de l'eau et la source principale de contamination
d'huile dans un transformateur s'effectue par transfert de masse. L'entre soudaine
d'eau libre peut causer immdiatement la dfaillance du transformateur. L'eau acclre
le
vieillissement
et
la
dpolymrisation
de
la
cellulose.
La
dcomposition
est
proportionnelle la teneur en eau. Ce processus devient beaucoup plus dangereux en

prsence des acides. L'effet dangereuse de l'eau dissoute est certainement la rduction
sensible de la rigidit dilectrique d'huile avec la saturation relative croissante due la
conductivit leve des particules ou de la formation d'mulsion proximit des
substances des surfaces actives. [CIGR_02]
b) Contamination par les particules :
Les origines des particules sont diverses. Les fibres de cellulose, le fer, l'aluminium, le
cuivre et d'autres particules rsultant des processus de fabrication, sont naturellement
prsentes dans l'huile du transformateur. Le vieillissement, pendant l'utilisation du
transformateur aux tempratures normales ou de surcharge, forme lentement des
particules et les boues. La surchauffe localise plus de 500C peut tre un symptme
de formation du carbone. Les particules de carbone produites lors du fonctionnement du
rgleur en charge peuvent migrer et contaminer les parties actives.
30
Chapitre 2
Une source typique des particules mtalliques est gnre par les roulements des
pompes (OFAF).
La contamination par les particules est un facteur important de dgradation de la rigidit
dilectrique du transformateur et, par consquent, l'limination des ces particules par
traitement d'huile devient un
objectif important. Les particules, les plus dangereuses
sont les particules conductrices (mtaux, carbone, fibres humides) qui peuvent rduire la
rigidit dilectrique d'huile. L'identification de la nature de particules permet
la
connaissance du composant soumis lusure ou la dgradation.
c) Dcomposition par vieillissement de papier :

La dcomposition d'isolation est un phnomne chimique. Trois mcanismes de
dgradation sont souvent impliqus : l'hydrolyse acide, la pyrolyse et l'oxydation.
Dans le cas de L'hydrolyse, Le processus de dcomposition se fait gnralement en trois
tapes. En effet, leau qui existe dans la cellulose dissocie lacide (provenant de lhuile ou
le papier) ; et les ions hydrogne rsultant de ce mcanisme vont agir comme des
catalyseurs pour dpolymriser le papier travers les nuds dinter liaisons (liaisons
glycosiques).
Une molcule deau est consomme pour chaque liaison rompue ; suivie aprs par une
srie de ractions de dshydratation catalyses toujours par lacide, conduisant la
libration de trois molcules deau de chaque unit du monosaccharide. Le squelette de
lunit restante, fait majoritairement en carbone, va se transformer en furanes. Donc,
les principaux produits de la raction de dgradation par hydrolyse sont leau et les
furanes. Lnergie dactivation associe lhydrolyse est entre 26 et 38.4 Kcal/mol. En
apparence, et selon cette valeur, lhydrolyse semble
tre le mcanisme le plus
dominant dans les conditions opratoires normales en temprature du transformateur.

Le deuxime facteur de dgradation est certainement loxygne qui entrane loxydation
de la cellulose. Quatre types doxydation sont possibles:
Oxydation du groupe primaire OH en aldhyde avec la production dune molcule

deau.
Oxydation du groupe secondaire OH en acide R-COOH.
Oxydation du groupe secondaire OH en groupes ctoniques avec une production

de deux molcules deau
31
Chapitre 2
Oxydation unanime des groupes secondaires OH en aldhyde avec une molcule

deau produite, suivie par la rupture du cycle glycolique (cas le moins favorable).
Par contre, la pyrolyse qui se produit par laugmentation de la temprature entrane la

destruction
de la liaison entre les diffrents cycles glycosiques de la molcule de la
cellulose ; son nergie dactivation est de lordre de 54.3 Kcal/mol. Ses produits de
dcomposition sont les furanes, les glycoses, les acides, les ctones, les aldhydes,
leau, le CO2 et le CO.
L'valuation de la perte de vie pourrait tre faite si: la temprature, le temps, la teneur
en eau et les acides sont pris en considration. galement, l'limination de l'oxygne,
l'eau, et les produits de vieillissement
se trouvant dans lhuile peut prolonger
considrablement la vie de l'isolation. [CIGR_02]
2.2.1.5. Mode de Dfaillances des Accessoires :

a) Dfaillance des traverss (bushings):
Les dfaillances de traverss se produisent par deux modes importants qui sont:
l'entre de l'eau libre
provoquant en occurrence l'ionisation critique la partie
infrieure de la traverse.
Le
vieillissement du systme papier -huile, avec laugmentation excessive des
pertes dilectriques, ce qui conduira l'instabilit thermique.

Cependant, la
traverse du ct
plus sensible, responsable de
HT reste l'un des composants du transformateur le
plus de 30% de dfaillance
sur le transformateur.
[soko_05]
b) Dfaillance du rgleur en charge :
Plusieurs dfaillances sont associes aux courts circuits initis entre les prises du
commutateur et du slecteur accompagnes de distorsions dans la bobine de rglage. La
surchauffe et la carbonisation des contacts avec la limitation de leur mouvement
entranant laugmentation de leur rsistance sont des modes les plus connus dans le cas
des rgleurs en charge. [Soko_06].
2.2.1.6. Mode de Dfaillances de conception et d'entretien:
a) Dfaillances de conception/fabrication : cette catgorie inclut les points suivants
comme : fils et conducteurs qui lchent par manque dattachement; mouvement des
32
Chapitre 2
carteurs et des calles ; mauvaise qualit de la soudure et prsence de points faibles ;

isolation insatisfaisante du noyau, canaux de refroidissement des bobines mal conus,
limitation du circuit de refroidissement et prsence des corps trangers dans la cuve.
b) D'entretien/exploitation: les oprations d'entretien et de maintenance inadaptes

sont les causes importantes des dfaillances du transformateur. Une omission dans les
rglages des commandes, le non colmatage des fuites, la pollution des traverses, la
non lubrification du moteur dentranement du rgleur, le non rglage des clateurs ; la
non vrification du fonctionnement des ventilateurs et des thermomtres associs la
surcharge peuvent devenir des dfauts potentiels affectant le transformateur. [Will_06]
2.2.2. Causes externes :

2.2.2.1. Courts circuits :
Un court-circuit externe sur le transformateur cause souvent des dommages graves
sur les enroulements. Le taux de dfaillance en cas de court circuit est de 40% pour les
transformateurs
au-dessus
de
100
MVA.
Des
courants
rpts
d'irruption,
particulirement dus la commutation frquente sur l'enroulement, sont galement

connus pour causer les efforts qui peuvent mener la dfaillance.
Des courts circuits rpts peuvent entraner les effets suivants :
Inclinaison ou enchevtrement des conducteurs, ce qui rduit la rigidit

dilectrique.
Dplacement des enroulements, qui entrave la circulation dhuile dans les canaux
de refroidissement.
Dplacement de certaines pices isolantes, ce qui peut nuire lcoulement de

lhuile ou rduire la rigidit dilectrique.
perte de serrage.
Dfaut entre spires causes par des enroulements dcals. [Berg_06]
2.2.2.2. Fiabilit :
La fiabilit de transformateur de puissance THT est un souci majeur car la qualit
dnergie lectrique pouvant tre transmise est diminue si la puissance de la centrale
ou du rseau nest pas disponible cause des problmes de scurit du fonctionnement.
Malgr le nombre limit de donnes statistiques de diffrents rseaux, il semble que le
taux des dfaillances en service soit
suprieur pour les transformateurs tension
33
Chapitre 2
plus leve. Il semble que beaucoup de problmes sont dus un niveau de puissance
plus lev. Mais on doit signaler que laugmentation en tension a aussi une influence
dans la mesure o les dimensions physiques du transformateur sont plus grandes pour
des tensions plus leves.
Plusieurs experts ont dmontr que les prises des rgleurs dans ces puissances exercent
une influence dfavorable sur la fiabilit. Les commutateurs en charge occasionnent
certaines pertes de disponibilit car les transformateurs doivent tre inspects pour
rparer les commutateurs en charge. Les traverss paraissent tre une autre cause de
perte de disponibilit. Une raison importante damliorer leur fiabilit est le cot
dindisponibilit, qui est derrire leur retrait d'exploitation. [Elec_78]
2.2.2.3. Tenue dilectrique (manuvre du rseau et foudre)

Il est possible de dfinir les deux tapes critiques de dgradation de la force de tenue
dilectrique:
tat dfectueux: la rduction de la force de tenue initiale sous l'impact dagents

de dgradation. Cela se traduit par une apparence de dcharges partielles
gnralement non destructives (DP) la tension de fonctionnement.
tat de dfaut: apparition de DP destructives, progressions de dcharge la

surface et arborescence. Le scnario typique d'une dfaillance d'isolation est le
suivant :
- Contamination => formation
de DP modres => Apparition de DP destructives
=> Gnration de gaz => gnration intensive de gaz =>
cheminement /
arborescence => DP critique avant la dfaillance => Dfaillance [Soko_00]
2.3. Statistiques sur les causes de dfaillances :

2.3.1. Causes typiques de dfaillance du transformateur de puissance :
2.3.1.1. Causes internes:
Dtrioration et vieillissement disolation.
Perte de serrage d'enroulement
Dfaillance disolation du noyau
Dformation d'enroulement due aux forces de court circuit
Les traverses (Bushings) et les bornes
Changeurs de prises
Connexion
34
Chapitre 2
Surchauffement.
Oxygne
Humidit
Contamination solide dans lhuile disolation.
Dcharge partielle
Dfauts de conception et de fabrication.
Rsonance d'enroulement.
2.3.1.2. Causes externes:
Les surtensions de foudre ou de manuvre transitoire
Court circuits externes
Temprature
vnements Sismiques : Les vnements sismiques tels que les tremblements
de terre peuvent causer des dommages internes.
Surcharge du systme.
Surchauffe lors de traitement d'huile.
Echauffement par mauvaise ventilation et dissipation calorifique.
La dfaillance dans les pompes.
Transport : Les incidents pendant le transport des nouveaux transformateurs ou
en service qui peuvent endommager sa structure interne.
Opration
lors
de
la
commutation
de
systme.
[Verm_05]
[Berg_06]
[Wang_02]
2.3.2. Causes des dfaillances du transformateur de puissance selon le retour

dexprience des organismes:
L'valuation
de
l'tat
des
transformateurs
de
puissance
est
gnralement
lie
directement ltat des composants principaux qui assurent le fonctionnement normal

d'un transformateur. Les composants principaux sont : lenroulements, le noyau, les
traverses, le systme de refroidissement et lisolation solide et liquide.
Les dfaillances selon les
statistiques peuvent identifier
quel composant est critique
pour l'volution d'tat de transformateur.

2.3.2.1. IEEE :
Le tableau 2.1, montre les dfaillances importantes en pourcentage de quelques
composants des transformateurs de puissance avec et sans rgleur en charge.
35
Chapitre 2
condition
Avec rgleur en charge
Sans rgleur en charge
Rservoir
6%
17.4 %
Rgleur en charge
40 %
4.6 %
Enroulement +noyau
auxiliaires
35 %
5%
33 %
11 %
Bushings + bornes
14 %
33.3 %
Tab.2.1 Pourcentages de dfaillances de transformateur de puissance

[Wang_02]
2.3.2.2. Doble et ZTZ- Service :

Une analyse de dfaillance base sur des enqutes priodiques de fiabilit a t faite par
ZTZ-Service (Scientific-Engineering Center) (la population concerne est d'environ 5000
units, au-dessus de 100 MVA, 110-750 kilovolts), et par les laboratoires de Doble dont
les rsultats ont t partiellement dits. La Comparaison des donnes statistiques du
ZTZ-Service et ceux de Doble sont donns dans le tableau 2.2 suivant. [Soko_99].
Taux %
Elment dfectueux
traverss
rgleur en charge
Isolation major
Vieillissement denroulement (spires,
bobinage)
Distorsion denroulement
Noyau
Connexions
Doble
Service ZTZ
35
16
9
16
45
9
17
12
12
7
5
10
7
-
Tab.2.2 Les causes de dfaillances de transformateur de puissance

[Soko_99]
2.3.2.3. CIGRE : Une autre aperue faite par un groupe de travail de CIGRE A-2 sur les
dfaillances des transformateurs de puissance avait montr quenviron 41% de
dfaillances taient dues aux commutateurs du changeur de prises en charge et environ
de 19% taient dues aux enroulements
Les origines de dfaillances mcaniques taient de 53% et 31% du systme dilectrique
Sur des transformateurs sans changeur de prises en charge, 26.6% de dfaillances
taient dues aux enroulements,6.4% taient dues au circuit magntique, 33.3% taient
36
Chapitre 2
dues aux bornes, 17.4% taient dues aux rservoir et fluide dilectrique, 11% taient
due les autre accessoires, et 4.6 % taient dues au commutateur de changeur.
[Verm_05]
Le tableau 2.3 montre la distribution en pourcentage de dfaillance pour les
transformateurs de puissance avec le changeur de prises en charge.
Composant dfectueux
CIGRE %
Rgleur en charge
41
Enroulement
19
Rservoir et fluide
12
Accessoires
11
Terminaux
12
Noyau
Tab.2.3 - Pourcentage de dfaillances de transformateur de puissance avec

rgleur en charge [Wang_02]
2.3.2.4. EPRI:
Selon EPRI (1999), les dfaillances dans des transformateurs installs en USA couvrent
environ 25% de population.
On avait constat que les dfaillances sont fondamentalement lies aux traverss et
l'isolation des enroulements.
37
Chapitre 2
Composant dfectueux
EPRI
US %
Traverse
30
tenue dilectrique
21
Refroidissement et autres
12
Dfaillance Mcanique
11
Autres
Tab.2.4 - Pourcentage de dfaillances de transformateur de puissance

[Soko_06]
2.4.
Relation
entre
gaz
gnrs
et
le
type
de
dfaut
dans
le
transformateur de puissance:
Tous
les
transformateurs
produisent
des
gaz
dans
une
certaine
mesure
aux
tempratures de fonctionnement normales. Mais de temps en temps la gnration des

gaz
se produit quand une anomalie parvenait
dans le
fonctionnement tel que les
surchauffes et les problmes dilectriques, ou une combinaison de ces derniers. Ces

anomalies se produisent sparment, ou en tant que plusieurs vnements simultans,
et peuvent avoir comme consquence la dcomposition des matriaux isolants et la
formation de divers gaz combustibles et non combustibles. L'exploitation normale
galement peut entran la formation de quelques gaz.
Dans un transformateur, les gaz produits peuvent tre dissous dans l'huile isolante, ou
libre.
Les dfauts internes en huile produisent l'hydrogne de sous-produits gazeux (H2),
mthane (CH4), actylne (C2H2), thylne (C2H4), et thane (C2H6).Quand la cellulose
est implique, les dfauts produisent le mthane. (CH4), hydrogne (H2), l'oxyde de
carbone (CO), et le dioxyde de carbone (CO2).Chacun de ces types de dfauts produits
certains gaz qui sont gnralement combustibles. La majorit des gaz combustibles peut
indiquer l'existence d'un type de dfauts, thermiques, lectriques. L'interprtation par
les diffrents gaz peut devenir difficile quand il y a une prsence plus d'un dfaut, ou
quand un type de dfaut progresse par rapport un autre. [IEEE_91]
38
Chapitre 2
2.5. Modle fonctionnel de dfaillance:

Le modle de dfaillance de transformateur doit rpondre normalement aux questions
suivantes :
Quels sont les anomalies
et les
dfauts qui peuvent affecter les composants
particuliers du transformateur lis un sous systme fonctionnel ?
Quel est le chemin possible de l'volution de lanomalie, et puis du dfaut?
L'huile est considre comme une partie essentielle et indissociable du corps du

transformateur et qui est responsable du report dinformations sur la sant du systme
dilectrique. Les impurets en huile peuvent migrer sous l'impact de la temprature et
du champ lectromagntique. Le tableau 2.5 montre le modle fonctionnel de
dfaillance des transformateurs de puissance ou lhuile est considre comme le vecteur
essentiel des informations apportes sur la condition du transformateur. [Soko_00]
39
Chapitre 2
Composant de
Systmes
Dtection
Anomalies
travers
Dtection
Dfauts
travers
l'huile
l'huile
Dilectrique
- Excs deau
Oui
- DP destructive
Oui
- Isolation :
- Contamination
Oui
- Cheminement localis
Non
- Ecoulement de
Oui
- Majeure
dhuile
- Mineure
- Huile vieillie
Oui
dcharges
- Cellulose vieillie
Oui
- Vieillissement
- Electrification
Oui
excessive/cellulose
- Raccordements
statique
- DP de faible
Oui
surchauffe
Oui
- Etincelle
Oui
- Point chaud localis
Oui
- Etincelle/dcharges
Oui
- Gnration de gaz
Oui
- Distorsion des
Non
nergie
- Contamination de
Non
la surface
Circuit magntique
- Perte de serrage
- Isolation du noyau
- Court circuit
- Force de Serrage
/circuit ouvert de
- Ecran magntique
terre.
- Circuit de terre.
- Circulation de
Non
Oui
Oui
courant anormal
Mcanique
- Potentiel flottant
Oui
- Lamines Vieillies
Non
- Perte de serrage
Non
- Enroulements
enroulements:
- Serrage
- Radiale
- Supports de
- Axiale
raccordements
- Torsion
- Rupture isolation
Non
Circuit lectrique
- Joint faible
Oui
- Point chaud localis
Oui
- Raccordements
- Contacts faible
Oui
- Circuit ouvert
Non
- Enroulement
- Contact dtriors
Oui
- Court circuit
Oui
- Conducteurs
Tab.2.5 - Modle Fonctionnel de dfaillance

Dtection possible des dfauts typiques par des essais d'huile [Jos_00]
2.6. Le transformateur gnre du gaz: Procdures mthodologiques:

Il est ncessaire de rpondre quelques questions avant,
pour statuer sur ltat du
transformateur qui gnre des gaz :
Est ce que les concentrations de gaz sont normales ou anormales ?
Quelle est la source de gnration de gaz : interne ou externe ?

40
Chapitre 2
Quel est le type de dfaut ?
Quel est le problme li aux dfauts ?
Que peut se produire si la charge ou la tension augmente?
Le modle de diagnostic en utilisant les gaz est donn sur la figure 2.2 qui peut aider
rpondre sur ces questions. [Soko_01]
Fig.2.2 - Model de diagnostic de Gazage du Transformateur de puissance

[Soko_01]
2.7. Conclusion:
Dans ce chapitre, nous avons discut la fois les modes de dfaillance, la localisation
des dfauts, ainsi que les causes qui conduisent la dfaillance et la relation entre elles
et
les gaz gnrs dans le transformateur de puissance. Deux modles ont t
prsents: un modle de dfaillance du transformateur avec la possibilit de dtection

des dfauts typiques par les diffrentes analyses faites sur lhuile, et le deuxime qui est
un modle de diagnostic de gnration de gaz.
normment dans la prsente thse.
41
Ces deux modles vont nous aider
CHAPITRE 3
AGD: Mthodes
conventionnelles
Chapitre3
3.1. Introduction:
LAGD dans l'huile isolante des transformateurs est une technique de diagnostic bien
connue dans l'industrie et plusieurs concepts ont t tablis. Les recherches et
l'exprience ont permis de trouver et de mettre au point des mthodes permettant
l'utilisation de certains produits qui se trouvent dans l'huile afin de dterminer l'tat des
transformateurs.
Cependant, d'autres mthodes de diagnostic sont en voie de dveloppement et les
utilisateurs devront s'adapter la mise
en oeuvre de nouvelles techniques d'analyse.
Contrairement la technique des rapports, ces nouvelles techniques utilisent une plus
grande proportion de l'information disponible dans les analyses des gaz, afin de dduire
un diagnostic plus performant, permettant d'accrotre le degr de confiance et de
remdier certains inconvnients des anciennes mthodes.
C'est Doernenburg, puis Rogers, que l'on attribue le mrite d'avoir associ la
gnration de certains gaz cls avec un type de dfaut. Les mthodes qui sont
prsentes, utilisent les rapports des gaz cls en combinaisons et en nombres diffrents
afin de classer le type de dfaut. Par la suite, d'autres variantes de diagnostic par la
mthode des rapports avaient mergs. Parmi les mthodes les plus connues, on
retrouve, celles de Doernenburg, Rogers, Duval, CEI, IEEE.
3.2. Mthode de Doernenburg:

Doernenburg est l'un des premiers chercheurs, avoir publi
une technique pour le
diagnostic des dfauts dans des transformateurs de puissance en utilisant les rsultats
issus des AGD. Cette mthode est capable de suggrer 03 types gnraux de dfauts
savoir :
Dfauts thermiques
Effets couronne -dcharges partielles de faible nergie.
Arcs -dcharges partielles de forte nergie.
La mthode exige la prsence significative des niveaux de concentration des gaz afin
que le diagnostic soit valide [Dan_00], et qui ont t depuis ajustes et adopts par
IEEE. Une fois la dtermination des niveaux des gaz est suffisamment en limites
acceptables selon le (tableau 3.1) [IEEE_91], les rapports R1, R2, R3 et R4 sont
calculs et qui ont pour valeurs :
43
Chapitre3
R1 =
CH 4
Mthane
=
,
Hydrogene
H2
R2 =
Acetylene C2 H 2
=
Ethylene C2 H 4
R3 =
Acetylene C 2 H 2
=
,
Methane
CH 4
R4 =
C H
Ethane
= 2 6
Acetylene C 2 H 2
Concentrations L1
Gaz Cl
[ppm]
Hydrogne (H2)
100
Mthane (CH4)
120
Carbone Monoxyde (CO)
350
Actylne (C2H2)
50
Ethylne (C2H4)
50
Ethane (C2H6)
65
Tab. 3.1 Concentration de Gaz dissous [Dan_00]

Lorganigramme de cette mthode est illustr par la figure 3.1.
Fig. 3.1 - Organigramme de mthode de rapport de Doernenburg.

[IEEE_91]
44
Chapitre3
Les valeurs de ces gaz sont compares premirement aux concentrations L1 montrs
dans le tableau 3.1 pour s'assurer s'il y a vraiment un problme et s'il y'a une
gnration suffisante de chaque gaz. Puis, les rapports R1, R2 R3, R4 sont compars aux
valeurs limites comme il est prsent dans le tableau 3.2, pour fournir un diagnostic de
dfaut suggr. Ce tableau donne les valeurs limites des rapports de gaz dissous dans
l'huile et les gaz obtenus partir des gaz dissous des transformateurs ou des relais
[IEEE_91].
Rapport
Rapport
(R1)
CH4/H2
Diagnostic de
dfaut suggr
Dcomposition
thermique
Effet couronne
(DP de faible
nergie)
ARC (DP de forte
nergie)
Extrait
d'espace
de gaz
d'huile
>1.0
>1.0
<0.1
<0.01
(R2)
C2H2/C2H4
Extrait
d'espace de
gaz d'huile
<0.75
<1.0
Rapport
(R3)
C2H2/CH4
Extrait
d'espace
de gaz
d'huile
<0.3
<0.1
Rapport
(R4)
C2H6/C2H2
Extrait
d'espace de
gaz d'huile
>0.4
>0.2
Non signifi
<0.3
<0.1
>0.4
>0.2
>0.75
>1.0
>0.3
>0.1
<0.4
<0.2
>0.1
>0.01
<1.0
<0.1
Tab. 3.2 - Les rapports des Gaz cl- Doernenburg [IEEE_91]

L'organigramme de la figue 3.1 illustre l'application tape par tape de la mthode des
rapports de Doernenburg pour des gaz extraits simplement partir de l'huile de
transformateur et pour des gaz obtenus partir des relais (tableau 3.2).
Descriptions de lorganigramme de la figue 3.1 :
tape 1: Des concentrations de gaz sont obtenues en extractant les gaz et en les
sparant par le chromatographe.
tape 2: Si au moins une des concentrations (en ppm) des 04 gaz suivants H2, CH4,
C2H2, et C2H4, dpasse deux fois les valeurs limites L1 (voir le tableau 3.1) et un
des 03 autres gaz (CO, CO2 et C2H6), dpasse les valeurs limites L1, le
transformateur est considr dfectueux. Procder l'tape 3 pour dterminer la
validit de la mthode des rapports.
45
Chapitre3
tape 3: Dtermination de la validit de la mthode des rapports du Doernenburg: Si au

moins un des gaz dans chaque rapport R1, R2, R3, ou R4 dpasse la limite L1, la
mthode est valide i e donne de rsultats- (tab. 3.1, tab. 3.2). Si non, les
rapports ne sont pas significatifs i e la mthode ne donne pas de rsultats-.
L'unit devrait, tre donc, re-chantillonn et tudi par dautres mthodes
alternatives.
tape 4: Supposant que l'analyse des rapports est valide, chaque rapport successif est
compar aux valeurs du tableau 3.2 dans l'ordre R1, R2, R3, et R4.
tape 5: Enfin, si tous les rapports satisferont un type spcifique de dfauts illustrs
dans le tableau 3.2 le diagnostic suggr est valide. [IEEE_ 91]
3.3. Mthode de Rogers (CEGB/Rogers) :

En 1974, aprs qu'une tude dtaille des donnes des gaz dissous et des dfauts
associs
aux transformateurs, Rogers
du CEGB dAngleterre
(Central Electricity
Generating Board) a propos une certaine amlioration des rapports dans des bandes
selon leurs valeurs rapportes dans les tableaux (3.3) et (3.4) [Heat_98]. Cette
mthode utilise les quatre rapports de gaz suivants (rapports raffins) :
R1 =
CH 4
Mthane
=
,
Hydrogene
H2
R '3 =
R2 =
C H
Ethane
= 2 6,
Methane CH 4
Acetylene C2 H 2
=
,
Ethylene C2 H 4
R'4 =
Ethylene C 2 H 4
=
Ethane
C2 H 6
Ces rapports sont exploits pour gnrer des codes bass sur des limites numriques
classes dans des intervalles selon le tableau 3.3. La combinaison de codes, peut tre
relie une interprtation comme il est montr dans le tableau 3.4 [Heat_98],
[Roge_78]
La validit de cette mthode est soutenue par la corrlation avec les rsultats d'un grand
nombre d'expertises de dfaillance avec l'analyse de gaz pour chaque cas. Cependant,
malgr lefficacit de cette mthode, il arrive parfois, que lon trouve des combinaisons
de codes qui ne s'adaptent pas ceux de la premire colonne du tableau 3.4.
[IEEE_91]
46
Chapitre3
Rapport des gaz
Intervalles
0 .1
> 0 .1 < 1
1< 3
3
CH 4
H2
codes
5
0
1
2
C2 H 6
CH 4
<1
0
1
C2 H 4
C2 H 6
1< 3
3
<1
0
1
2
<0.5
0
1
2
C2 H 2
C2 H 4
0 .5 < 3
3
Tab. 3.3 - Rapports, Intervalles et Codes de Rogers [Roge_78]

code
Interprtation
1
2
3
0
5
1-2
0
0
0
0
0
0
0
0
0
Normale
Dcharge partielle (DP) d'une faible nergie
Surchauffement lger<150c
1-2
Surchauffement lger150-200c
5
6
0
0
1
0
0
1
0
0
Surchauffement lger200-300c
Surchauffement au conducteur
Echauffement caus par la circulation de
courant dans les enroulements.
9
10
11
12
0
0
0
5
0
0
0
0
0
1-2
2
0
1
1-2
2
1-2
Echauffement caus par la circulation de

courant dans le noyau et le rservoir
Arc d'une faible nergie
L'arc d'une grande nergie
Etincellement continu, Arc
Dcharge partielle DP
Tab. 3.4 - Codes et dfauts selon la mthode de Rogers [Roge_78]
3.4. Mthode de la CEI (commission lectrotechnique internationale):

Cette mthode est un guide pour linterprtation de lanalyse des gaz dans les
transformateurs et autres matriels lectriques remplis dhuile en service. Elle a t
publie en 1978. Elle utilise le calcul des rapports des concentrations des gaz.
[Elect_99]
47
Chapitre3
Cette mthode dinterprtation utilise la mthode de Rogers sauf que le rapport
C2 H 6
a
CH 4
t abandonn puisquil indique seulement une gamme de dfaut thermique limite

[CEI_99]. Avant de procder un diagnostic quelconque, il est ncessaire de sassurer
que les concentrations de gaz mesures sont significatives. Cela est particulirement
important des niveaux de concentration de gaz trs faibles, car les rapports suggrs
peuvent entraner des erreurs dinterprtation. Par consquent, linterprtation des
rsultats doit dterminer si les concentrations de gaz sont suprieures aux niveaux
significatifs. La sensibilit de la technique danalyse joue galement un rle important
dans linterprtation des rsultats. Des informations utiles associes la fois la vitesse
de formation des gaz et lvolution de la gravit des dfauts et la prvention de la
saturation de lhuile est fournie dans cette norme [Elect_99]
3.4.1. Types des dfauts selon la CEI:
L'inspection interne de certains matriaux dfectueux a conduit aux classes suivantes de
dfauts qu'il est possible de dtecter visuellement:
Les dcharges partielles (DP), de type couronne, ou de type tincelles, provoquant

des perforations carbonises en forme de trou d'pingle dans le papier, qui,
cependant, peuvent tre difficiles dtecter.
Les dcharges de faible nergie (D1), dans l'huile et/ou le papier, manifestes par
de plus larges perforations carbonises travers le papier, une carbonisation de la
surface du papier (cheminement) ou des particules de carbone dans l'huile
(comme dans le rupteur, suite aux manuvres du changeur de prises).
Les dcharges de forte nergie (D2), dans l'huile et/ou le papier, en dessous de
300C, ou dcharges de puissance, manifestes par une destruction et une
carbonisation importantes du papier, la fusion du mtal aux extrmits de la
dcharge, une carbonisation importante de l'huile et, dans certains cas, le
dclenchement du matriel, confirmant la forte intensit du courant de dcharge;
Les dfauts thermiques dans l'huile et/ou le papier, en dessous de 300C, si le

papier est devenu brun (T1), et au dessus de 300C s'il s'est carbonis (T2).
Les dfauts thermiques des tempratures suprieures 700C (T3), s'il y a eu

forte carbonisation de l'huile, coloration du mtal (800C) ou fusion du mtal
(>1000C).
48
Chapitre3
DP
dcharges partielles
D1
dcharges de faible nergie
D2
dcharges de forte nergie
T1
dfaut thermique, t < 300C
T2
dfaut thermique, 300C < t <

700C
T3
dfaut thermique, t > 700C
Tab. 3.5 - Abrviations [CEI_99]

3.4.2. Rapports fondamentaux de gaz :
Chacune des six grandes classes de dfauts donne naissance une composition
caractristique en hydrocarbures gazeux, qu'on peut mettre sous la forme d'une table
d'interprtation d'AGD, telle que celle recommande ci-dessous (tableau 3.5).
Utilisant trois rapports fondamentaux de gaz :
C H
C2 H 2 CH 4
,
et 2 4 .
H2
C2 H 6
C2 H 4
Le tableau 3.5 s'applique tous les types de matriels, avec quelques diffrences dans
les limites des rapports de gaz, selon le type particulier de matriel.
Les codes des diffrents rapports de gaz et les classifications de dfaut selon les codes
de rapport de gaz sont donns sous forme de tableau 3.6 et tableau 3.7,
respectivement.
Les intervalles pour les codes
Les rapports des

gaz
Caractristiques de
dfaut
C2 H 2
C2 H 4
CH 4
H2
C2 H 4
C2 H 6
<0.1
0.1-1
1-3
>3
Tab. 3.6 - codes des rapports de gaz relatifs la mthode CEI

[CEI_99]
49
Chapitre3
N
1
2
3
4
5
6
7
8
9
Type dfaut
Pas de dfaut
DP avec faible nergie
DP avec grande nergie
Dcharge lectrique avec faible
nergie
Dcharge lectrique avec grande
nergie
Surchauffement avec
temprature <150
Surchauffement avec
temprature 150<T<300
Surchauffement avec
temprature 300<T<700
Surchauffement avec
temprature T>700
0
0
1
0
1
1
0
0
0
1 ou 2
1 ou 2
Tab. 3.7 - Types de dfauts relatifs la mthode CEI [CEI_99]
3.5. Mthode de Duval :

3.5.1. Triangle de Duval:
Un point faible de ces techniques cites utilisant des rapports est qu'elles ne couvrent
pas toutes les gammes des donnes et ngligent souvent les donnes qui sont des
rapports en dehors des seuils dtermines dans les tableaux. Michel Duval du IREQ
(institut de recherche dhydro Qubec) a dvelopp une reprsentation triangulaire pour
dpasser ce problme. [Duva_89]
Le Triangle de Duval a t dvelopp pour la premire fois en 1974. Il utilise seulement
trois gaz d'hydrocarbure (CH4, C2H4 et C2H2).Ces trois gaz correspondent aux niveaux
croissants de l'nergie ncessaire pour produire des gaz dans les transformateurs en
service. La mthode du triangle est indique sur la figure 3.2. Les zones de diffrents
dfauts mentionns au dessous de la figure 3.2 (PD, D1, D2, T1, T2 ou T3), une zone
DT intermdiaire a t attribue aux mlanges des dfauts lectriques et thermiques
dans le transformateur. [Duva_07]
50
Chapitre3
Figure 3.2 - Triangle de Duval

Lgende:
PD = dcharge partielle
T1 = dfaut thermique moins de 300C
T2 = dfaut thermique entre 300C et 700C
T3 = dfaut thermique plus grands que 700C
D1 = dcharge de basse d'nergie (tincellement)
D2 = dcharge d'nergie leve (Arc)
DT = mlange des dfauts thermiques et lectriques
Cette mthode permet d'tablir un diagnostic ou la combinaison de gaz dissous a un
effet minime. Elle n'utilise pas l'Hydrogne, il faut donc s'attendre ce que cette
mthode ait une sensibilit diminue pour les dfauts classs comme "Dcharge
partielle", ce constat peut tre illustr par l'espace rserv au diagnostic d'une condition
de dcharge partielle sur le triangle de Duval. (Voir la figure 3.2) Cette mthode s'est
avre prcise et sre sur beaucoup d'annes et gagne maintenant dans la popularit.
[Blan_02]. La manire de son utilisation est dcrite ci-dessous.
3.5.2. Utilisation du Triangle de Duval:
Cette mthode consiste au calcul de pourcentages de concentrations en (ppm) des trois
gaz CH4, C2H4, C2H2 par rapport au total (CH4+C2H4+C2H2)
Ces pourcentages (CH4%, C2H4%, C2H2%) seront tracs sur le triangle de Duval, en
commenant du ct indiqu pour ce gaz particulier. Les lignes traces travers le
51
Chapitre3
triangle pour chaque gaz parallle aux hachures montres de chaque ct du triangle,
fournissent seulement un point dans le triangle. [Fist_03]
Exemple d'utilisation de Triangle de Duval:
Supposons qu'une analyse des gaz dissous dans l'huile d'un transformateur nous a
donn les quantits suivantes:
AGD N 1: CH4 =192, C2H4= 170, C2H2 = 7.
AGD N 2: CH4 =50, C2H4= 86, C2H2 = 3.
A. Etape pour obtenir le premier diagnostic:
1. On utilise le gaz total accumul de l'AGD N 1, T = CH4 + C2H4 + C2H2 = 369.
2. On divise chaque gaz par le total pour trouver le pourcentage de chaque gaz par
rapport au total : CH4% = 192/369 = 52%, C2H4% = 170/369 = 46%, C2H2% =
7/369 = 2%
3. On trace les trois lignes travers le triangle de Duval, en commenant aux
pourcentages obtenus du l'tape 2. Ces lignes doivent tre dessines respectivement
en parallle la hachure de chaque ct. Voir les lignes discontinues noires sur la
figure 3.3 ci-dessous.
4. Le point 1 est obtenu o les lignes intersects dans la rgion diagnostique de T2 du
triangle, qui indique un dfaut thermique entre 300C et 700C. Voir la figure 3.2,
lgende, ci-dessus.
B. L'tape pour obtenir le deuxime diagnostic:
1. On utilise le gaz total accumul de l'AGD N 2, T= 139.
2. On divise chaque gaz par le total pour trouver le pourcentage de chaque gaz par
rapport au total : CH4% = 50/139 = 36%,
C2H4 %
= 86/139 = 62%,
C2H2% =
3/139 = 2%
3. On trace trois lignes travers le triangle de Duval en commenant par les
pourcentages obtenus en tape 2. Ces lignes doivent tre dessines paralllement la
hachure de chaque ct. Voir les lignes discontinues blanches sur la figure 3.3 cidessous.
4. Le point 2 est obtenu o les lignes intersects dans le secteur de diagnostic T3 du
triangle qui indique un dfaut thermique plus grand
[Fist_03]
52
de 700 C. (voir figure 3.2)
Chapitre3
Fig. 3.3 - Exemple d'utilisation du triangle de

Duval.
3.6. Mthode dIEEE (TDCG et Gaz cls) :

En gnral, cette technique considre trois types de dfauts : thermique, lectrique de
faible nergie et de haute nergie. En outre, la concentration total des gaz dissous
combustibles (TDCG), les seuils de concentration pour quatre conditions diffrentes et
une technique de rapport (Gaz Cl) est suggr. Les rapports utiliss pour les gaz-cls
sont similaires ceux de la CEI 60599 (
C 2 H 2 CH 4
C H
,
et 2 4 ). Ltat du transformateur
C2 H 4
H2
C2 H 6
est dtermin en trouvant le niveau le plus haut pour les gaz individuels ou pour la
totalit des gaz combustibles. Des actions bases sur la concentration totale des gaz
combustibles sont recommandes. Les dfauts possibles sont diagnostiqus laide de la
mthode des rapports des gaz-cls. La mthode des gaz-cls a t suggre pour servir
de base une dtermination qualitative des types de dfaut partir des gaz qui sont
typiques, ou prdominants, diverses tempratures. Lvolution de la concentration des
gaz est fonction du temps et constitue une partie importante de cette norme.
[Elect_99]
3.6.1. Concentration Totale de Gaz Dissous Combustibles (TDCG) :
Il peut tre difficile de dterminer si un transformateur se comporte normalement, s'il
n'a aucun historique prcdent de gaz dissous.
Un critre de quatre niveaux a t dvelopp pour classifier les risques associs aux
transformateurs, particulirement, sil n'y a aucun historique prcdent de gaz dissous,
pour l'opration continue aux divers niveaux de gaz combustible.
53
Chapitre3
Le critre utilise les deux concentrations pour les gaz spars et la concentration totale
de tous les gaz combustibles. Voir le tableau 3.8. [IEEE_91]
Concentration de gaz cls en ppm

Etat
Condition
1
Condition
2
Condition
3
Condition
4
H2
CH4
C2H2
C2H4
C2H6
CO
CO2
TDCG
100
120
35
50
65
350
2500
720
101700
7011800
121400
4011000
3650
5180
51100
101200
66100
101150
351570
5711400
25014000
400110000
>80
>200
>150
7211920
19214630
>
4630
>1800 >1000
>1400 >10000
Tab.3.8 -limites de Concentration des gaz dissous dans l'huile selon IEEE
Note: La valeur du TDCG n'inclut pas le CO2, qui n'est pas un gaz combustible.
Le tableau 3.8 montre la fois les concentrations de gaz dissous, du gaz individuel et
de la TDCG de la condition 1 la condition 4. Ce tableau est utilis pour faire l'valuation
originale d'un gaz changeant de condition sur les transformateurs par criticit. [IEEE_
91]
Interprtation des conditions du tableau 3.8:
Condition 1: TDCG au-dessous de ce niveau indique que le transformateur en bonne
condition d'exploitation. Tout gaz dpassant les niveaux indiqus dans le
tableau 3.8 inscrit mrite une attention particulire.
Condition 2: TDCG l'intrieur de cette gamme indique un niveau de gaz combustible
plus haut que la normale. Tout gaz dpassant les niveaux spcifis mrite une
attention particulire. Une compagne d'chantillonnage devrait tre amorce
afin d'tablir les tendances. Possibilit de dfaut.
Condition 3 : TDCG l'intrieur de cette gamme indique un niveau lev de
dcomposition d'isolation de cellulose et/ou d'huile. Tout gaz dpassant les
niveaux spcifis mrite une attention particulire. Des actions immdiates
devraient tre poses. Prendre les chantillons dAGD au moins assez souvent
pour calculer la quantit de gnration de gaz par jour pour chaque gaz afin
d'tablir les tendances. Forte possibilit de dfaut.
54
Chapitre3
Condition 4 : TDCG l'intrieur de cette gamme indique une dcomposition excessive.

Le maintient en exploitation du transformateur pourrait mener une panne de
celui-ci. Procder un arrt immdiat. [IEEE_91]
Exemple: si un chantillon contenait les concentrations de gaz suivantes (en ppm): H2
=270, CH4 =253, C2H2 =37, C2H4 =17, C2H6 =75, CO =524, TDCG =1034.
Les gaz qui tombent dans la condition la plus leve sont H2, CH4, C2H2, C2H6, et la
TDCG. Donc, ces donnes indiqueraient que le transformateur serait classifi la
condition 2.
Cet exemple peut galement tre utilis pour montrer deux autres facteurs qui devraient
tre considrs en utilisant ce tableau, qui sont l'ge du transformateur et le type d'tat
naissant.
Les
nouveaux
transformateurs
(une
anne
ou
moins)
contiennent
habituellement des niveaux des gaz qui tomberaient bien au-dessous de la condition 1
et ne contiennent pas les niveaux distincts de l'actylne. Par consquent, le degr
d'inquitude dans l'exemple serait beaucoup plus haut, pour un ge plus lev.
[IEEE_91]
3.6.2. Mthode des Gaz Cls:
La mthode de gaz cls peut tre considre comme modification de la mthode de
TDCG. [Dan] cette technique associe chaque gaz individuel un dfaut probable. Ces
gaz s'appellent "les gaz cls". Le tableau 3.9 indique ces derniers et les proportions
relatives pour les quatre types majeurs de dfaut. [IEEE_91]
55
Chapitre3
Dfauts
Arcs lectriques
Dcharges
partielles (effet
couronne)
Surchauffement
de l'huile
Surchauffement
de la cellulose
Gaz cls
Actylne
(C2H2)
Hydrogne
(H2)
Ethylne
(C2H4)
Carbon
monoxyde
(CO)
Gaz dtects
Formation de quantits
importantes d'hydrogne
et d'actylne, avec de
petites quantits de
mthane et d'thylne. Il
peut y avoir galement
formation de CO et CO2
s'il y a de la cellulose
l'endroit du dfaut.
Les dcharges de faible
nergie produisent de
l'hydrogne et de
mthane, avec de petites
quantits d'thane et
d'thylne. Des quantits
comparables de CO et
CO2 peuvent provenir de
dcharges dans la
cellulose
Les gaz produisent sont
l'thylne et le mthane,
avec de petites quantits
d'hydrogne et d'thane.
Des traces d'actylne
peuvent tre produites si
le surchauffement est
svre ou si un contact
lectrique intervient dans
le dfaut.
Formation de grandes
quantits de CO et CO2.
si le dfaut au lieu dans
une structure imprgne.
Du mthane et de
l'thylne. Sont
galement forms
Quantit
de gaz en
%
H2 : 60 %
C2H2: 30
%
H2 :85 %
CH4: 13 %
C2H4 : 63
%
C2H6: 20
%
CO: 92 %
Tab.3.9 - Critres de diagnostic par la mthode de gaz cls

[Zhen_00]
Par exemple si l'thylne constitue plus de 60% du TDCG, en mettant en rfrence le
tableau 3.9 il est vident que la cause probable de cette gnration de gaz est un
dfaut thermique dans l'huile. De mme, en analysant toutes les concentrations de gaz
et les pourcentages relatifs dans l'chantillon d'huile, une de ces concentrations souvent
peut facilement dterminer le gaz cl de cet chantillon et dduire le dfaut
probable.[Dan_00]
56
Chapitre3
3.7. Conclusion:
Dans ce chapitre, on a cit les mthodes conventionnelles danalyse de gaz dissous dans
les transformateurs de puissance (Mthodes de Doernenburg, rapport de Rogers, rapport
CEI, Duval, IEEE (TDCG et Gaz cls) ainsi que leurs avantages et inconvnients qui sont
dvoiles. Les limitations de ces mthodes imposent le recours des systmes plus
performants de diagnostic
tels que les techniques dintelligences artificielles. Les
mthodes modernes les plus utilises (rseaux de neurones (RNA), systmes experts
(SE), logique flous (LF)) sont discutes et expliques brivement dans le chapitre
suivant.
57
CHAPITRE 4
Mthodes de
diagnostic des
dfauts bases sur
L'Intelligence
Artificielle
Chapitre 4
4.1. Introduction:
Le diagnostic des dfauts est bas sur l'analyse de gaz dissous dans lhuile (AGD).Une
revue de littrature dmontre que les mthodes conventionnelles de diagnostic
prsentent parfois des incohrences qui peuvent conduire des erreurs fatales. Les
causes sont multiples ; parmi elles :
1.
Les rapports de Gaz dfinis par ces mthodes sont principalement dvelopps sur
lexprience humaine. Les rapports utiliss sont souvent diffrents et parfois des gaz
cls sont ignors (H2 dans le cas du triangle de Duval)
2.
Il y a toujours un degr lev de contradiction et d'ambigut en appliquant ces
mthodes, d l'imperfection de combinaisons des rapports possibles et des doutes sur

la validit des gammes dfinies des rapports.
3.
La prsence de dfauts multiples peut tre cache par le dfaut le plus apparent.
4.
La dtection dun nouveau dfaut est souvent difficile mettre en ouvre sil ya
antrieurement la concurrence simultane de plusieurs dfauts.

5.
Limite de prise de dcision (prsence du flou).
Les techniques diverses de lintelligence artificielle (IA) peuvent aider rsoudre les
problmes et prsenter une meilleure tendance pour statuer sur la nature du dfaut ou
de la dfaillance. Ces techniques incluent dans leur utilisation les systmes experts (SE),
la logique floue (LF), les rseaux neurones artificiels (RNA) et les combinaisons tablies
parfois entre elles.
Dans les sections suivantes, lapplication de ces mthodes pour le diagnostic des
transformateurs de puissance sera prsente en dtail.
4.2. Rseaux de Neurones:

Les rseaux de neurones artificiels constituent une alternative aux systmes experts pour
le traitement des alarmes. Dj en 1993, ltude bibliographique faisait tat de
nombreuses applications concernant la dtection de dfauts dans le domaine de lnergie
lectrique. Leur principal avantage par rapport aux systmes experts est de pouvoir
modliser des phnomnes complexes de manire implicite lorsque les relations
intervenantes entre les diffrents paramtres dun processus sont mal connues.
Les rseaux superviss sont conus de sorte raliser une fonction logique correspondant
aux paramtres dentre (caractristiques techniques, valeurs des capteurs de mesure,
59
Chapitre 4
etc..). Le traitement des rsultas de lanalyse des gaz illustre particulirement bien
lutilisation de cette approche dans le cas du diagnostic du transformateur : les entres
sont constitues des taux de gaz mesurs et de leurs rapports ; et les sorties
correspondent aux variables logiques des diffrents dfauts identifier ; une valeur de 1
sur lune des sorties indique que le diagnostic associ doit tre pris en compte.
Aussi les rseaux non superviss (les cartes auto organises en particulier) prsentent un
potentiel dapplication particulirement intressant pour la surveillance du processus.
[Sche_01] [Annexe C]
4.3. Logique Floue:

Des ensembles flous et les mthodes de logique floue ont t appliques la DGA pour
plus de deux dcennies. Classiquement, les rgles de cette logique reposent sur la
possibilit pour une variable prendre deux valeurs:vrai ou faux (0 ou 1). Les
variables sont combines dans des propositions exprimes selon une syntaxe tablie
(fonctions logiques) dont le rsultat nest autre quune variable logique tablie sur une
base thorique solide.
Fig.4.1 - Exemples de dfinition dun ensemble : (a) dfinition selon la

logique formelle classique ; (b) dfinition selon la logique floue.
Cette reprsentation formelle savre souvent trop rigide pour prendre en compte toutes
les nuances ncessaires. La logique floue ou logique plusieurs valeurs permet de mieux
reprsenter le raisonnement nuance dun expert humain. Comme le montre la figure
4.1, en logique classique la notion dappartenance un ensemble est caractrise par
une variable boolenne. Le concept de logique floue permet de dfinir des zones pour
lesquelles cette fonction dappartenance se situe entre ces deux valeurs.
La notion dincertitude (au sens de la modlisation de lexpertise humaine) est ainsi prise
en compte. La combinaison de ces variables au sein dune proposition est dfinie par des
rgles spcifiques fournissant une valeur continue comprise dans lintervalle [0,1] et
60
Chapitre 4
respectant les axiomes de la logique classique. [Sche_01] [Annexe D]
4.4. Systmes Experts :

Un systme expert, est simplement un systme li l'ordinateur tabli par des experts
dans un champ particulier pour aider rsoudre des problmes complexes rapidement et
efficacement. Dans le cas du transformateur de puissance, il y a beaucoup de diversits
dans les systmes experts qui utilisent des diffrentes mthodes
pour parvenir
la
nature de dfaut affectant le transformateur.

Le systme expert est construit sur la base dun programme, qui doit tre aliment en
donnes par lutilisateur pour tre exploites si une fois un problme parviendra dans le
futur sur le transformateur. Il suit les processus logiques de pense que doit un expert
utiliser pour dterminer quelles sont la cause et la nature du problme.
Pourquoi utiliser un systme expert ?
Un systme expert
possde
un nombre consistant d'avantages. Le point le plus
important noter est quun systme expert n'est pas conu pour remplacer l'ingnieur
existant. C'est un outil professionnel qui devrait tre utilis en mme temps pour rduire
et raccourcir le temps mis pour interprtations et les erreurs de diagnostic. La
combinaison dun tel systme avec une personne exprimente donnera plus dassurance
dans les diagnostics. [Dan_00]
4.5. Systmes Hybrides:

Pour la recherche d'un meilleur rendement des systmes de diagnostics intelligents,
plusieurs chercheurs ont mis au point des systmes hybrides combins de deux ou de
plusieurs mthodes d'intelligence artificielle pour la rsolution de diagnostics complexes
pour des dfauts dans les transformateurs de puissance. Nous avons trouv dans la
littrature la combinaison de la logique floue et des systmes experts, systmes experts
et les rseaux neuronaux, rseaux de neurones et logique floue et d'autres associations.
[Jose_05]
4.6. Synthse et revue bibliographique:

Dans cette section, nous prsentons une synthse de quelques articles pris comme
rfrences qui nous ont servis soit comme moyens de comparaison et /ou de validation
de nos rsultats dvelopps.
Pour un projet de thse tel que celui-ci, il tait essentiel de prparer un fond
61
Chapitre 4
documentaire consistant. Les articles suivants ont t obtenus partir d'une varit de
publications
de
diffrentes
revues
et
journaux
internationaux.
Les
quantits
dinformations recueillies constituent une base de connaissance inestimable pour arriver

terme avec ce projet.
La littrature a t classifie dans des groupes secondaires selon ce qui tait le centre de
notre travail.
4.6.1. Articles sur le Rseaux de neurones artificiels:
4.6.1.1. Guardado, J. L., NAREDO, J. L., et al. "A Comparative Study of Neural
Network Efficiency in Power Transformers Diagnosis Using Dissolved Gas
Analysis", IEEE Trans. on Power Delivery. Vol 16, No. 4, October 2001, pp. 643647.
Guardado et al. Ont men une tude comparative de l'efficacit des rseaux neurones
dans le diagnostic des transformateurs de puissance en utilisant l'AGD. Leurs rseaux de
neurones ont t forms en fonction de cinq critres de diagnostics communment
utiliss pour lhuile isolante: Doernenburg, Rogers modifi, Rogers, CEI. Les quatre
premiers critres ont t utiliss comme donnes en les reliant aux gaz et les sorties,
les concentrations des gaz individuels. Tout cela a t utilis dans un algorithme
d'apprentissage de type back propagation, une fonction d'activation du type sigmode,
une architecture compose de trois couches et le nombre de couches de neurones
caches varie pour chaque critre utilis. Le modle propos prsente des rsultats
satisfaisants en maintenant un taux de diagnostic correct de plus de 87% dans tous les
cas tudis.
4.6.1.2.
N K Patel, R K Khubchandani, "ANN Based Power Transformer Fault
Diagnosis", Faculty of Engineering, J N V University, Jodhpur, Rajasthan 342

001, IE (I) Journal. EL Vol 85, June 2004, pp.60-63.
Les points remarquant dans cet article sont les suivants:
Meilleure performance
obtenue en utilisant 5 modles dentre avec 1 couche
cache et 1 sortie.
Une exactitude plus leve est ralise quand le modle inclut les vitesses
dvolution des gaz.

62
Chapitre 4
La topologie de RNA pour les meilleurs rsultats dpend des donnes pratiques
disponibles.
Les concentrations du CO2 et du CO sont prises uniquement dans limplication de la
cellulose et non pas dans les gaz de dfauts.
Meilleur rsultat est obtenu dans le diagnostic de dgradation de cellulose quand une
1 entr du modle RNA est utilise.

4.6.1.3. Y. Zhang, X. Ding, Y. Liu, "An Artificial Neural Network Approach to
Transformer Fault Diagnosis", IEEE Transactions on Power Delivery, IEEE Power
Engineering Society, NY, 1996, pp. 1836-1841.
Zhang et al. Proposent l'utilisation de rseaux de neurones artificiels pour le diagnostic et
la dtection de dfauts dans les transformateurs de puissance.
Cet article est semblable ceux dcrits prcdemment. Ils sont Inclus les points
suivants:
La vrification des trois principaux dfauts : - Arc, couronne et surchauffe.
Quelques systmes de RNA sont capables de trouver des relations caches entre les
gaz.
Il utilise l'algorithme d'apprentissage de type "back propagation".
Des gaz sont produits par ordre croissant d'volution menant la croyance que s'il y
a un niveau bas dans l'ordre suprieur de gaz (par exemple l'actylne) alors qu'un
dfaut a seulement t vident pour un temps court.
Plusieurs types de dispositif ont t valus et plusieurs topologies de RNA ont t
considres.
Une table des donnes est prsente avec les dfauts prvus; et on trouve des
dfauts inspects et que le systme est trs prcis.

4.6.1.4. Dr. D.V.S.S.SIVA SARMA, G.N.S.KALYANI, "ANN Approach for Condition
Monitoring of Power Transformers Using DGA", Department of Electrical
Engineering National Institute of Technology Warangal-506004. IEEE. 2004, pp.
444-447.
Cet article a prcis une partie pour la base de connaissance d'utilisation des rseaux de
neurones artificiels. Les points importants obtenus de cet article sont les suivants:
RNA utilise des mthodes qui sont forms d'un algorithme de back propagation avec
63
Chapitre 4
la fonction sigmode non linaire.
Il est bas sur deux mthodes: la mthode de Rogers et la mthode de la norme
CEI.
L'essai et la comparaison ont t faits avec 30 chantillons qui ont t considrs
avec des causes connues de dfaut.
Le rseau a fait un diagnostic correct dans 29 cas sur 30 chantillons
avec la
mthode de Rogers, et 27 sur 30 avec l'utilisation de la mthode de CEI.
L'inconvnient principal des mthodes de rapport est qu'ils ne couvrent pas toutes
les gammes des donnes mais, par contre, la RNA utilise surmonte l'inconvnient.
4.6.2. Articles sur la Logique Floue:
4.6.2.1. Y. Huang, H. Yang, C. Huang, "Design of a robust Transformer Fault
Diagnosis System Using Evolutionary Fuzzy Logic", 1996 IEEE International
Symposium on Circuits and Systems, IEEE, NY, USA, 1996, pp. 613- 616.
Cet article discute les mthodes dapplication de la logique floue dans un systme de
diagnostic, Les points importants prsents dans cet article sont les suivants:
Il considre les 3 rapports gnralement analyss en 3 dimensions.
Chaque axe est alors dcompos en nombre de sous-ensembles flous qui peuvent
tre requis de ce rapport particulier.
Le systme possde 88% d'efficacit avec une exactitude de 92% quand les
chantillons d'essai sont encore utiliss comme chantillons de formation.

4.6.2.2. Rahmatollah Hooshmand, and Mahdi Banejad "Application of Fuzzy
Logic in Fault Diagnosis in Transformers using Dissolved Gas based on Different
Standards", proceedings of World Academy of Science, Engineering and
Technology volume 17 December2006, pp. 157-161.
Cet article discute les mthodes dapplication de la logique floue dans un systme de
diagnostic. Cet article liste les points suivants :
La mthode est applique trois transformateurs pour diagnostiquer le dfaut en
analysant l'huile dissoute base sur la logique floue.
Les diffrentes normes qui sont utilises dans cet article sont les suivantes: la
64
Chapitre 4
norme CEI, la norme CEGB Rogers (Method Rogers Based on Central Electric Generating
Board), la norme ASTM (The Standard of American Society for Testing and Material).
Dans certains cas, les normes existantes ne peuvent pas toujours diagnostiquer le
dfaut, la mthode base sur la logique floue a un potentiel de le faire.
Le rsultat des diffrentes normes est analys en utilisant la logique floue et il est
compar l'essai empirique.
Le rapport de CO2/CO pour chaque norme est galement mesur. Cette valeur est
employe dans le diagnostic du dfaut cellulosique.
Le problme du manque de diagnostic du dfaut quand les valeurs sont faibles, est
rsolu.
Le facteur de fiabilit est considr pour chaque transformateur dans le cas flou
pour obtenir de meilleurs rsultats.
Les rsultats sont classs par catgorie dans deux groupes: logiques crispe et floue.
La comparaison entre les deux groupes indique que la logique crispe n'est pas
capable de diagnostiquer les dfauts, mais la logique floue peut dtecter les dfauts avec
fiabilit.
Les rsultats d'analyse des donnes sur trois transformateurs en utilisant les
diffrentes normes, indiquent que la mthode base sur la logique floue donne de bons
rsultats par rapport aux autres mthodes.
4.6.2.3. N.A. Muhamad, B.T. Phung and T.R. Blackburn,"Comparative Study and
Analysis of DGA Methods for Mineral Oil Using Fuzzy Logic department of
power, University technology Malaysia, The 8th International Power Engineering
Conference (IPEC 2007), pp. 1301-1306.
Cet article illustre quelques points trs positifs:
Les six mthodes suivantes d'interprtation des gaz de dfaut: le gaz principal, le
rapport de Rogers, le nomogramme logarithmique, la mthode de CEI, le doernenburg et

le triangle Duval sont tudis et compars.
Dans Cet article, on utilise les donnes de l'AGD sur 69 cas diffrents pour examiner
l'exactitude et la consistance de ces mthodes en interprtant l'tat du transformateur.
Des programmes en MATLAB bass sur la logique floue ont t dvelopps pour
automatiser l'valuation de chaque mthode.
L'tude a t faite pour valuer la prcision de chaque mthode avec et sans
l'utilisation de la logique floue.

65
Chapitre 4
L'valuation des mthodes par AGD tait premirement faite en utilisant seulement
la base de codage et la construction du diagramme de bloc de Simulink, et ensuite le

mme ensemble de donnes de l'AGD a t valu en utilisant le contrleur de la logique
floue.
Les rsultats sont analyss, compars et prsents pour le systme avec et sans
logique floue.
Une recherche complte sur les diverses mthodes pour l'interprtation des
rsultats de l'AGD a t effectue et la possibilit d'amliorer le diagnostic l'aide de la

logique floue a t explore.
Comme toutes les interprtations, la prvision est susceptible d'tre incorrecte pour
certains cas.
4.6.3. Articles sur le Systmes Experts:
4.6.3.1. C. Lin, J. Ling, C. Huang, "An Expert System for Transformer Fault
Diagnosis Using Dissolved Gas Analysis", IEEE Transactions on Power Delivery,
IEEE, NY, 1993, pp. 231-238.
Cet article est trs utile parce qu'il fournit les tapes prvues dans l'application de la
mthode de Rogers. Il donne plus de claret dans le diagnostic si les rapports de gaz sont
bien dtermins.
Un exemple de ceci est:
- Si le rapport de : C2H2/C2H4 <0.1 et CH4/H2 >1.0 et 1.0 < C2H4/C2H6 <3.0
Il y a alors probablement un dfaut thermique de temprature moyenne entre 300C et
700C.
L'article prvoit huit tats de dfauts en appuyant la remarque mentionne ci-dessus.
Dans cet article, les points suivants sont bien dtaills:
Trois processus de dfaut sont distincts.
Si les rsultats sont diffrents aux normes alors le degr de svrit est assign pour
la maintenance.
Des intervalles flous et les relations entre les niveaux flous peuvent tre considrs
comme un niveau clair pour la dtermination du dfaut.
66
Chapitre 4
4.6.3.2. Dan Cunningham "Expert System for Transformer Fault Diagnosis"

Department of Computer Science and Electrical Engineering University of
Queensland 1999, pp.1-2.
Les points importants prsents dans cet article sont:
Le systme est capable d'analyser beaucoup de donnes de diffrents essais.
Il utilise dans cette mthode, la chromatographie automatique.
Il limine l'tat du cas de "non dcision ''.
Les techniques utiliss dans le systme expert sont: La mthode de Doernenburg et
la mthode des rapports de Rogers et l'Analyse de Gaz cls.
Le systme expert ralise un succs de diagnostic suprieur 82%.
Le logiciel du systme utilise le MATLAB.
4.6.3.3. Wong, K. O. and Saha, T. K, "Expert System for the Fault Diagnosis of
Oil-Filled Power Transformer Using Dissolved Gas Analysis", In: International
Symposium on High Voltage Engineering, Bangalore, India. August 19-25, 2001.
L'utilisation d'un systme expert est dcrite dans l'article et elle discute la manire avec
laquelle un systme expert peut tre dvelopp. Il inclut les points suivants:
Le systme expert propos d'utilises le logiciel C++ version visuelle 6.
Vingt-deux cas de dfauts ont t utiliss pour la vrification de l'exactitude du
systme expert propos.
Le rsultat rel sur le diagnostic du transformateur est d'abord prsent avec des
courbes.
Des mthodes (tel que la mthode de Rogers,.) ont t galement compares. Les
rsultats obtenus de ces mthodes n'taient pas prcis par rapport au systme expert.
Ce systme est capable de raliser une exactitude leve (97.73%) si on fait un
diagnostic de 22 cas de dfaut.
Il procure en plus des informations additionnelles l'utilisateur et capables d'affiner
encore le diagnostic.
4.6.3.4. N.K.Dhote, S.B.Bodkhe, G.H.Raisoni, Proposal for an Improvement in
Transformer Diagnosis by DGA Using Expert System Australasian Universities
Power Engineering Conference (AUPEC 2004), Brisbane, Australian; 26-29
September 2004.
67
Chapitre 4
Cet article propose un prototype d'un systme expert bas sur l'AGD pour le diagnostic
du dfaut et leur action d'entretien.
Les points essentiels obtenus sont dcrit ci dessous:
Ce systme expert est mis en application dans le PC en utilisant le langage de
programmation de type Turbo Prolog avec les rgles bases sur les reprsentations de
connaissance.
Les avantages principaux de ce langage de programmation utilis sont: la flexibilit,
la simplicit son propre moteur d'infrence, qui facilite le dveloppement du systme

expert.
Les rapports de gaz de la mthode de la CEI ont t reprsents et utiliss dans le
systme expert.
Le systme expert conu, a t examin pendant dix ans dans la collection des
disques des donnes de gaz fournis par
CPRI, de BHEL et de NTPC (les laboratoires
d'analyse de gaz dissous dans l'huile de transformateur en Inde) pour montrer son
efficacit et amliorer l'interprtation dans le diagnostic de transformateur.
La base de connaissance de ce systme expert est incorpore dans les mthodes
interprtatives standard de l'AGD.
Le systme expert propos pour aider la situation, qui ne peut pas tre manipule
correctement par des mthodes des rapports des gaz.
Les rsultats du systme expert propos dmontrent tre des outils de dcision
pour l'ingnieur ou le maintenancier du transformateur.

4.6.4. Articles sur lApproche de Systme Hybride:
4.6.4.1. Z. Wang and Y. Liu, and all Artificial Intelligence in Power Equipment
Fault Diagnosis, IEEE Transactions on Power Delivery, IEEE Power Engineering
Society, NY, 2000, pp. 247-252.
Les mthodes des rapports de Doernenberg et la mthode de Rogers dcrite dans cet
article prsentent certains problmes tels que la frquence pour diagnostic. Cependant, la
combinaison entre la RNA et la mthode du systme expert fournit:
une meilleure mthode vitant le cas 'd'aucune dcision '
la bonne information pour faire un diagnostic correct.
des sorties telles que: le type de dfaut diagnostiqu, confiance et confidence
diagnostic, frquence pour le prochain test et les recommandations de maintenance.

68
du
Chapitre 4
une exactitude trs leve de formation et l'exactitude d'essai.
4.6.4.2. CS Chang, CW Lim, Q Su, Fuzzy-Neural Approach for Dissolved Gas

Analysis of Power Transformer Incipient Faults Australasian Universities
Power Engineering Conference (AUPEC 2004), Brisbane, Australiam, 26-29
September 2004.
Cet article propose:
une mthode floue-neurale pour effectuer l'auto lecture (self learning) et la rgle
d'ajustement automatique pour produire de meilleurs rsultats.
un systme floue-neural de diagnostic conu dans l'environnement de MATLAB avec
le systme ANFIS (Adaptive Network-based Fuzzy Inference System).
un dveloppement fait essaye de rendre le diagnostic intelligent, autodidacte tout
en gardant la simplicit du systme de la logique floue.

Cependant, La diffrence moyenne entre les sorties de systme ANFIS pour les dfauts
diagnostiqus et les dfauts rels est de 0.034854, ayant pour rsultat un taux de
classification de 95%, qui est raisonnable par rapport aux rsultats d'un travail dit
rcemment en utilisant d'autres architectures d'RNA.
4.6.4.3. H. S. Su1 and Q. Z. Li, "Transformer Insulation Fault Diagnosis Method
Based on Fuzzy Expert Systems" Department of Information and Electrical
Engineering, Lanzhou Jiaotong University, Lanzhou Gansu 730070, P.R. China,
.IEEE 2006 .pp 343-346.
L'approche propose dans cet article est la combinaison de deux mthode: du systme
expert el de la logique floue (FES).
Les points essentiels qui peuvent tre tirs sont:
le systme FES inclut les six cellules telles que le langage naturel, le module
d'interface, la machine floue de raisonnement, la base de connaissance du diagnostic, la

base de paramtres standard, le schma de surveillance de base et le module de
maintenance.
Il donne la structure FES avec sa topologie.
Les rsultats d'application indiquent que la mthode est trs efficace.
Le systme FES est plus appropri l'quipement pour le diagnostic du dfaut que la
mthode intelligente simple.

69
Chapitre 4
4.7. Conclusion:
Ce chapitre prsente les mthodes modernes bases sur l'intelligence artificielle pour
diagnostiquer le dfaut dans le transformateur de puissance. Elle est base sur les
mthodes les plus utilises par les chercheurs du domaine tels que: Le rseau de
neurone, la logique floue, le systme expert et le systme hybride. Une revue de
littrature base sur plusieurs articles dcrivant brivement certains des travaux de
recherches lis aux mthodes d'intelligence artificielle ont t consults, numrs et
noncs clairement.
Aprs cette synthse et revue bibliographique, on a trouv que l'application d'un rseau
de neurone artificiel pour le diagnostic des dfauts dans le transformateur fournit la
dtection efficace des dfauts naissants, plus convenablement et avec exactitude que les
autres mthodes. Pour cela, on a
choisi cette mthode pour dtecter les dfauts
naissants dans le transformateur de puissance et puis localiser ces dfauts dans les
parties essentielles du transformateur. Tout cela, sera expliqu dans le chapitre suivant.
70
CHAPITRE 5
Rsultats et
comparaisons
Chapitre 5
5.1. Introduction:
Aprs avoir prsent les diffrents types de diagnostic en utilisant la mthode d'analyse
des gaz dissous, nous prsentons dans le prsent chapitre l'application des rseaux de
neurones dans ce type de diagnostic pour dmontrer que l'application de celui ci pour le
diagnostic du dfaut dans les transformateurs fournit une bonne dtection
plus
approprie et prcise que les mthodes traditionnelles bases sur la l'AGD. Cette
mthode, fournit la rapidit et la fiabilit dans la dtection de dfauts ayant une
meilleure planification de la maintenance, la minimisation des cots pour prolonger la vie
utile du transformateur.
5.2. Application de RNA dans le diagnostic de dfaut naissant :

Les rseaux de neurones sont des tres mathmatiques, capables de gnrer des
modles
comportementaux
partir
des
donnes
entres-sorties
des
systmes
dynamiques. Dernirement, les rseaux de neurones ont connu une large utilisation en
ce qui concerne la modlisation, la commande et la surveillance des systmes
industriels.
En diagnostic, la phase de modlisation est trs importante. En effet, le diagnostic est un
aspect qui utilise le modle reprsentatif du processus afin dextraire le mode de
fonctionnement dans lequel doit se trouver le processus.
Lutilisation des modles neuronaux pour les mesures, lobservation et le diagnostic vient
mettre fin beaucoup de problmes rencontrs lors de la modlisation classique.
[Lay_07]
5.3. Topologie de RNA utilise et les donnes:

Un rseau de neurone est un ensemble de neurones relis entre eux avec une topologie
spcifique dinterconnexions et une loi approprie dapprentissage pour adapter les poids
de connexions. Dune manire gnrale, la structure des connexions entre les neurones
dun rseau peut aller dune connectivit totale o tous les neurones sont relis les uns
aux autres, une connectivit locale o les neurones ne sont connects qu leurs
proches voisins.
Une autre structure de connexions est celle des rseaux multicouches, constitus dune
couche dentre, dune couche de sortie et dune ou de plusieurs couches internes,
appeles aussi couches caches. Dans cette structure, les neurones qui appartiennent
une mme couche ne sont pas connects entre eux. Chacune des couches reoit des
72
Chapitre 5
signaux de la couche prcdente et transmit le rsultat de ses traitements la couche

suivante. Selon le type de connexions, on distingue deux catgories de rseau de
neurone : les rseaux statiques et les rseaux dynamiques.
Nous allons utiliser les rseaux de neurones apprentissage supervis spcialement des
rseaux multicouches, entrans par l'algorithme de Back propagation qui reste le plus
utilis. L'algorithme de Levenberg Marquardt prsente une bonne robustesse pour le
diagnostic par rseaux de neurones et semble tre le plus efficace d'aprs les chercheurs
dans ce domaine et aussi, on utilise le RNA a fonction de base radiale (RBF).
L'architecture du RNA (nombre de couches caches, nombre de neurones) est un
facteur important dcidant de la qualit de l'apprentissage plus que les paramtres
d'apprentissage. On a fait cette architecture en se basant sur les fonctions de MATLAB.
[Annexe C]
L'optimisation des RNA utiliss dans le diagnostic est ralise en changeant de topologie
du rseau et le critre d'optimisation est bas sur l'exactitude des rsultats.
Les mthodes de rapport considres dans cette recherche sont la mthode du rapport
de Rogers et la mthode de la CEI.
Le choix des caractristiques d'entre est une premire tape essentielle. Il faut faire un
choix trs soigneux de sorte que ces entres refltent les caractristiques du problme.
Le nombre de neurones dans la couche d'entre sera gal au nombre de donnes
d'entre et le nombre de neurones dans la couche de sortie sera dfini en fonction du
nombre de variables et les rponses que vous recherchez. Dans notre cas, les codes des
rapports entre les cinq principaux gaz (H2, CH4, C2H6, C2H4 et C2H2) sont choisis comme
des caractristiques d'entre et les types de dfaut (tat normal, dcharge partielle DP,
Arc, surchauffement), qui apparaissent partir de ces entres sont choisis comme des
caractristiques de sortie. (Figure 5.1)
5.3.1. Entres: Les entres du rseau, donc, des vecteurs des codes des rapports des
concentrations de H2, CH4, C2H6, C2H4 et C2H2 en ppm. Ils sont diffrents pour chaque
mthode
5.3.2. Sorties: Les sorties que nous voulons sont les types de dfaut qui surviennent
partir des entres, et qui sont; les dcharges partielles de faible et forte nergie, l'arc
lectrique et le surchauffe ou le cas normal. Dans chaque mthode un type de dfaut est
dcel.
73
Chapitre 5
5.3.3. Couche cache: L'utilisation d'un grand nombre de couches caches est non
recommande. La grande majorit des problmes de normes de classification utilise
seulement un ou au plus deux couches caches. Le nombre de neurones dans la couche
cache est gnralement dfini de faon empirique.
Codes des
rapports
entre les 05
gaz
principaux
H2, CH4,
C2H6,
C2H4, C2H2
Fig.5.1- Topologie du rseau de neurone utilis

5.3.4. Les donnes dentrs: Elles sont les concentrations de gaz trouves dans l'essai
d'analyse chromatographique d'chantillons prlevs sur le transformateur (formation)
ou suspectes dans l'chantillon.
La banque de donnes sur les diagnostics faite sur le parc des transformateurs de la
rgion de SETIF, nous a permis de voir la sensibilit de notre programme et le niveau de
sa reproductibilit. La comparaison des rsultats obtenus est faite par rapport un
logiciel DELTA X utilis dans les laboratoires de SONELGAZ-GRTE, ou les donnes de part
et dautres sont examines pour voir les convergences tablies. La norme utilise par
SONELGAZ-GRTE est la norme CEI 60599. Les limites admissibles selon la norme CEI
60599 pour chaque gaz sont donnes dans le tableau 5.1 suivant:
les gaz dissous
H2
CH4
CO
CO2
C2H4
C2H6
C2H2
limites admissibles en ppm

60-150
40-110
540-900
5100-13000
60-280
50-90
3-50
Tab.5.1- limites admissibles pour chaque gaz selon CEI
74
Chapitre 5
Les concentrations des principaux gaz des chantillons prlevs des TRs de SONELGAZGRTE SETIF
en ppm et le dfaut rel de chaque chantillon utilis comme base de
donnes sont prsents dans le tableau suivant:
chantillons
H2
CH4
CO
CO2
C2H6
C2H4
C2H2
22
253
3684
88
143
17
15
292
6956
20
78
35
3
4
5
1046
62
3
2809
26
600
681
863
154
7820
3214
3198
675
18
437
321
9
1588
7
<2
61
239
41
841
4964
21
59
227
7
8
<1
2
115
113
469
353
3319
1860
147
235
16
6
<1
<1
127
76
879
3471
32
23
49
10
11
12
13
14
15
16
367
4
1
53
645
6
111
903
144
8
611
45
9
26
324
560
245
101
217
25
293
2633
1684
3533
1307
2099
290
2188
921
234
15
725
<1
4
9
5760
15
21
1644
51
10
31
54
<1
3
<1
326
<1
65
17
11
101
597
1944
110
<1
<1
18
1443
3899
934
13561
1115
600
113
19
20
107
72
27
278
53
1414
610
18
289
25
629
65
<1
Dfauts
enregistrs
OH >700C
+ deg cellulose
ARC+deg
cellulose
OH
Etat Normal
OH >700C
ARC+deg
cellulose
OH<300C
OH<300C
ARC+deg
cellulose
OH >700C
OH<300C
NR
OH >700C
ARC
OH
DP
OH >700C
+deg cellulose
OH>700C
+deg cellulose
ARC
OH
Tab.5.2- base des donnes
5.4. Anomalies sur les transformateurs de la rgion de SETIF:

La rgion de SETIF est lune des cinq rgions o 20% des transformateurs de puissance
de LALGERIE sont rpartis. Lanalyse des gaz dissous sur ces transformateurs a rvl
lexistence de diffrentes anomalies donnes dans le tableau 5.3 (a et b):
75
Chapitre 5
Nombre de
transformateurs
06
09
Types danomalies
Dcharge partielle
Dfaut thermique basse T
Dfaut thermique haute T
Dgradation systme
dilectrique
Dcharge partielle
Taux (%)
7.5
11.25
09
11.25
02
2.5
Dfaut thermique basse Temprature
Dfaut thermique haute temprature
Dgradation S/dilectrique
Tableau 5.3 (a et b) -Types et taux danomalies dans la rgion de SETIF

Le taux des anomalies est calcul la base de 80 transformateurs de puissance de la
rgion ; ces statistiques suivent les taux recueillis lchelle mondiale sur plus de 400
000 units o il est situ entre 10 % et 14 % [Farq_00].
5.5. Diagnostic utilisant le RNA multicouches:

5.5.1. Fonction de transfert: on a utilis la tangente sigmode (logsig) parce qu'elle
est la plus commune des fonctions d'activation utilises dans les rseaux de neurones
Fig .5.2. Fonction de transfert log- Sigmode

76
Chapitre 5
5.5.2. Simulation du modle neuronal:

Aprs avoir charg les donns dans le modle neuronal de rseau qui est constitu de
trois couches (couche dentre, couche de sortie et deux couches caches), en utilisant
la fonction Matlab newff [Annexe C].
On a choisi la fonction dapprentissage trainlm, parmi plusieurs fonctions, car elle est la
meilleure, du point de vue convergence, rapidit et prcision. Ensuite, on initialise les
fonctions dactivation de chaque couche, ainsi que les options dapprentissage ;
mentionnant aussi quon a choisi ces initialisations par ttonnement.
Une fois que le rseau de neurone est construit et que leur apprentissage a atteint des
performances satisfaisantes, on passe l'tape de comparaison entre les rsultats de
simulation et la sortie de rseau de neurone, ceci nous permet dobserver les erreurs
correspondantes.
Pour que les tests de rseau de neurone sur l'exemple qui appartenait la base
d'apprentissage du rseau de neurone donne de meilleurs rsultats, on doit chercher les
meilleurs paramtres pour le RNA, afin d'avoir obtenu des rsultats satisfaisants.
Pour cela, on a fait des choix arbitraires sur les neurones, et sur le nombre de couches
caches.
Cela peut tre expliqu par les rsultats obtenus dans la phase d'apprentissage de
rseaux de neurone deux couches caches, un dans la premire couche cache et dix
huit dans la deuxime dans l'utilisation de critre de CEI et 12 couches caches dans le
premire et 16 couches caches dans la deuxime dans l'utilisation de critre de Rogers
comme le montrent les figures 5.3 et 5.4.
77
Chapitre 5
Performance is 6.03352e-013, Goal is 1e-009

0
10
-2
Training-Blue Goal-Black
10
-4
10
-6
10
-8
10
-10
10
-12
10
10
15
20
25
41 Epochs
30
35
40
deux couches caches (1 et 18 neurones)

Fig.5.3- Erreur de lapprentissage en utilisant la mthode LM et le critre
de CEI 2 couches caches
Performance is 9.56925e-010, Goal is 1e-009
0
10
Training-Blue Goal-Black
-2
10
-4
10
-6
10
-8
10
-10
10
20
40
60
122 Epochs
80
100
120
deux couches caches (12 et 16 neurones)

Fig.5.4- Erreur de lapprentissage en utilisant la mthode LM et le critre
de Rogers 2 couches caches
78
Chapitre 5
5.5.3. Rsultats et Comparaison:

5.5.3.1. Diagnostic utilisant la mthode de la CEI:
Le vecteur d'entre E = [C1, C2, C3] = [code
C2 H 2
CH 4
C H
, code
, code 2 4 ] (les codes
C2 H 4
H2
C2 H 6
obtenus selon la mthode de CEI (voir le tableau 3.6 chapitre 3)

Le vecteur de sortie S= [S1, S2, S3, S4, S5, S6, S7, S8, S9] (les neuf dfauts prsents
par la mthode de CEI (voir le tableau 3.7 chapitre 3)
Le rseau de neurone avec la mthode du CEI est compos de couche d'entre de 3
neurones, deux couches caches contiennent 1 et 18 neurones respectivement et la
sortie 9 neurones. La sortie produit des nombres rels entre 0 et 1 indiquant la
probabilit d'existence d'un dfaut parmi les neuf dfauts indiqus par les normes CEI.
Les modles de formation pour la mthode du CEI sont montrs dans le tableau 5.4.
Les entres
Les sorties
C1
C2
C3
S1
S2
S3
S4
S5
S6
S7
S8
S9
1,2
1,2
Tab 5.4 - Modle d'apprentissage par la mthode CEI
79
Chapitre 5
Rsultats et valuation:
chantillons
10
C2 H 2
C2 H 4
0.007
0.449
0.022
0.211
0.384
3.847
0.563
0.15
2.13
0.009
C2=
CH 4
H2
22
0.882
2.685
0.419
200
0.171
127.7
56.5
0.598
2.46
C3=
C2 H 4
C2 H 6
1.625
3.9
0.476
0.50
3.634
2.809
0.108
0.255
0.718
6.254
021
102
020
100
022
201
020
120
100
022
OH
ARC
OH
NI
OH
ARC
OH
NI
NI
OH
S1
0.081
0.027
0.081
S2
0.756
1.507
0.756
S3
0.898
0.011
0.898
S4
0.5
0.091
-0.003
0.091
S5
0.5
0.546
-0.007
0.546
S6
0.115
-0.020
0.115
S7
-1.067
-0.331
-1.067
S8
1.465
1.035
1.465
S9
-0.370
-1.214
-0.370
OH
OH
T<300
T>300c
bon
bon
C1=
codes
probable
dfaut selon
CEI
dfaut
OH
trouv
T>300c
valuation
bon
ARC
OH
OH
DP
T<300c
bon
bon
ARC
T>700c
pas
bon
80
bon
bon
ARC
OH
T>700c
bon
bon
Chapitre 5
chantillons
11
12
13
14
15
16
17
18
19
20
C2 H 2
C2 H 4
0.06
0.143
0.001
6.392
0.09
2.097
0.188
2.6
0.001
C2=
CH 4
H2
36
11.53
0.07
1.5
0.234
9.182
2.702
0.252
3.861
C3=
C2 H 4
C2 H 6
0.064
1.4
2.268
56.66
2.5
3.444
0.008
0.538
1.389
2.176
020
121
021
212
021
100
120
120
101
021
OH
NI
OH
NI
OH
NI
NI
NI
ARC
OH
S1
1.267
0.238
0.081
0.027
0.027
S2
0.221
-0.274
0.756
1.507
1.507
S3
0.528
-0.086
0.898
0.012
0.012
S4
-0.152
0.852
0.091
-0.003
-0.003
S5
-0.345
0.176
0.546
-0.008
-0.008
S6
-0.935
0.103
0.116
-0.021
-0.021
S7
0.329
-0.104
-1.067
-0.331
-0.331
S8
0.107
0.006
1.466
1.035
1.035
S9
0.187
0.488
-0.371
-1.215
-1.215
OH
OH
T>300c
T>300c
bon
bon
C1=
codes
probable
dfaut selon
CEI
dfaut trouv
OH
NR
T<300c
valuation
bon
OH
ARC
T>300c
bon
bon
OH
DP
T>300c
bon
bon
bon
ARC
OH
T>300c
bon
Bon
Nous avons considr le rsultat le plus proche de la valeur (1) comme valeur de
probabilit d'existence de dfaut "1", autrement la probabilit de dfaut est "0"
Le rseau a fait un diagnostic correct de 19 cas parmi les 20 chantillons et donne
une exactitude de 95 %.
les rsultats obtenus en utilisant le critre de CEI seulement a fait un diagnostic
correct de 12 cas parmi 20 chantillons et donne une exactitude de 60%. Ce qui
81
Chapitre 5
permet de dire que la mthode base sur RNA amliore le diagnostic bas sur la
mthode conventionnel (le critre de CEI seulement).
5.5.3.2. Diagnostic utilisant la mthode de Rogers:

Le vecteur d'entre E = [C1', C2', C3', C4'] = [code
code
C H
CH 4
C H
, code 2 6 , code 2 4 ,
H2
CH 4
C2 H 6
C2 H 2
] (les codes obtenus selon la mthode de Rogers (le tableau 3.3 chapitre 3)
C2 H 4
Le vecteur de sortie S= [S1, S2, S3, S4, S5, S6, S7, S8, S9, S10, S11, S12] (les 12
dfauts prsents par la mthode de Rogers (voir le tableau 3.4 chapitre 3)
Le rseau de neurone avec la mthode de Rogers est compos de couche d'entre de 4
neurones, les couches caches contiennent 12 et 16 neurones respectivement et la
sortie 12 neurones. La sortie produit des nombres rels entre 0 et 1 indiquant la
probabilit d'existence d'un dfaut parmi les neuf dfauts indiqus par la mthode de
Rogers. Les modles de formation pour la mthode de Rogers sont montrs dans le
tableau 5.5.
Les entres
Les sorties
C1
C2
C3
C4
S1
S2
S3
S4
S5
S6
S7
S8
S9
S10
S11
S12
1,2
1,2
1,2
1,2
1,2
Tab.5.5 - Modle d'apprentissage par la mthode de Rogers
82
Chapitre 5
chantillons
10
CH 4
H2
22
0.882
2.685
0.419
200
0.171
127.8
56.5
0.598
2.46
C2'=
C2 H 6
CH 4
1.333
0.240
0.692
0.728
0.512
1.278
2.08
0.421
1.02
C3'=
C2 H 4
C2 H 6
1.625
3.90
0.476
0.5
3.634
2.809
0.108
0.025
0.718
6.254
C4'=
C2 H 2
C2 H 4
0.007
0.449
0.022
0.211
0.038
3.847
0.056
0.15
2.130
0.009
codes
probable
2110
0120
1000
0000
2020
0012
2100
2100
0001
1120
dfaut selon
Rogers
NI
NI
OH
NR
NI
ARC
OH
OH
ARC
NI
S1
-0.286
-0.251
-0.068
-0.301
S2
0.116
0.251
-0.163
0.518
S3
0.123
0.065
0.062
-0.001
-0.132
S4
0.931
0.727
-0.084
0.001
0.129
S5
0.180
0.294
0.039
0.876
S6
-0.215
-0.952
-0.524
-0.001
-1.102
S7
0.189
0.714
0.753
0.634
S8
0.036
-0.123
1.038
0.001
0.168
S9
-0.148
-0.169
-0.101
-0.001
-0.144
S10
0.295
0.016
-0.613
0.264
S11
-0.238
0.509
0.378
0.216
S12
0.017
-0.081
0.282
0.001
-0.127
C1'=
83
Chapitre 5
dfaut
trouv
valuation
chantillons
OH
bon
OH
pas
bon
OH
NR
OH
ARC
OH
OH
ARC
OH
bon
bon
bon
bon
bon
bon
bon
bon
11
12
13
14
15
16
17
18
19
20
CH 4
H2
36
11.53
0.069
1.5
0.234
9.181
2.702
0.252
3.861
C2'=
C2 H 6
CH 4
1.625
1.875
1.186
0.02
0.444
3.807
1.089
0.286
0.666
1.039
C3'=
C2 H 4
C2 H 6
0.064
1.4
2.267
56.66
2.5
3.131
0.008
0.538
1.389
2.176
C4'=
C2 H 2
C2 H 4
0.06
0.143
0.001
6.39
0.09
2.097
0.188
2.6
0.001
2100
2110
2110
5022
1010
0101
2101
1000
0011
2110
OH
NI
NI
NI
OH
NI
NI
OH
ARC
NI
S1
-0.286
-0.286
0.203
-2.484
-0.585
-0.286
S2
0.116
0.116
-0.226
0.581
0.299
0.116
S3
0.123
0.123
-0.351
1.118
0.173
0.001
0.123
S4
0.931
0.931
-1.199
-1.285
0.813
-0.001
0.931
S5
0.180
0.180
0.753
1.525
0.187
0.180
S6
-0.215
-0.215
-1.707
1.328
0.544
0.001
-0.215
S7
0.189
0.189
1.958
-0.242
-0.290
0.187
S8
0.036
0.036
-0.178
0.567
0.305
-0.001
0.036
S9
-0.148
-0.148
-0.038
-0.975
-0.181
0.001
-0.148
C1'=
codes
probable
dfaut
selon
Rogers
84
Chapitre 5
S10
0.295
0.295
-0.798
0.261
-0.083
0.295
S11
-0.238
-0.238
1.267
-0.243
-0.141
-0.238
S12
0.017
0.017
1.315
0.849
-0.041
-0.001
0.017
OH
OH
OH
ARC
OH
OH
OH
OH
ARC
OH
bon
bon
bon
bon
bon
bon
bon
dfaut
trouv
dfaut rel
bon
pas
bon
pas
bon
Le rseau a fait un diagnostic correct de 17 cas parmi les 20 chantillons et donne
une exactitude de 85 %.
les rsultats obtenus en utilisant le critre de Rogers seulement a fait un
diagnostic correct de 10 cas parmi 20 chantillons et donne une exactitude de
50%.
Ce qui permet de dire que la mthode base sur RNA amliore le diagnostic bas
sur la mthode conventionnel (le critre de Rogers seulement).
5.6. Diagnostic utilisant le RBF (radial basis fonction):

La diffrence entre MLP et RBF est que chaque entre de MLP est additionne chacun
des neurones cachs, et chaque entre de RBF est additionne seulement certains des
neurones cachs.
Dans le RBF, la couche d'entre n'a pas de poids ou des biais. En d'autres termes, les
entres sont multiplies par 1 avant l'addition la couche cache. Le poids est
seulement dans les couches cachs.
Dans ce cas, on a utilis un nombre maximum de couches caches Mn=50 et le moyen
carr d'erreur g=1e-6.
85
Chapitre 5
5.6.1. Diagnostic utilisant la mthode de la CEI:

chantillons
10
C2 H 2
C2 H 4
0.007
0.449
0.022
0.211
0.384
3.847
0.563
0.15
2.13
0.009
C2=
CH 4
H2
22
0.882
2.685
0.419
200
0.171
127.8
56.5
0.598
2.46
C3=
C2 H 4
C2 H 6
1.625
3.9
0.476
0.50
3.634
2.809
0.108
0.255
0.718
6.254
021
102
020
100
022
201
020
120
100
022
OH
ARC
OH
NI
OH
ARC
OH
NI
NI
OH
S1
1.666
-0.332
1.666
S2
-0.001
-1.997
-0.001
S3
0.001
1.998
0.001
S4
0.5
-0.167
-0.167
-0.167
S5
0.5
1.166
-0.831
1.166
S6
-1.665
1.329
-1.665
S7
-0.666
1.331
-0.666
S8
1.331
-0.663
1.331
S9
-0.666
0.332
-0.666
OH
ARC
C1=
codes
probable
dfaut selon
CEI
dfaut trouv
OH
ARC
T>300c
valuation
bon
OH
T<300c
bon
bon
OH
ARC
ARC
T>700c
pas
bon
bon
86
OH
T<300c
bon
bon
OH
T>700c
bon
bon
bon
Chapitre 5
chantillon
11
12
13
14
15
16
17
18
19
20
C2 H 2
C2 H 4
0.06
0.143
0.001
6.392
0.09
2.097
0.188
2.6
0.001
CH 4
H2
36
11.53
0.07
1.5
0.234
9.182
2.702
0.252
3.861
C2 H 4
C2 H 6
0.064
1.4
2.268
56.66
2.5
3.444
0.008
0.538
1.389
2.176
codes probable
020
121
021
212
021
100
120
120
101
021
dfaut selon CEI
OH
NI
OH
NI
OH
NI
NI
NI
ARC
OH
S1
-0.997
-2.329
1.666
-0.332
-0.332
S2
-1.996
-0.998
-0.001
-1.997
-1.997
S3
1.997
1.996
0.001
1.998
1.998
S4
0.998
2.331
-0.167
-0.167
-0.167
S5
-1.995
-3.327
1.166
-0.831
-0.831
S6
1.993
3.325
-1.665
1.329
1.329
S7
0.996
1.329
-0.666
1.331
1.331
S8
-0.993
-3.655
1.331
-0.663
-0.663
S9
0.997
2.328
-0.666
0.332
0.332
OH
OH
OH
ARC
OH
OH
ARC
T>300c
T<300c
T>300c
bon
pas bon
bon
C1=
C2=
C3=
dfaut trouv
OH
ARC
T<300c
valuation
bon
pas bon
OH
T>300c
pas bon
bon
bon
bon
bon
Le rseau RBF a fait un diagnostic correct de 16 cas parmi les 20 chantillons et
donne une exactitude de 80 %.
87
Chapitre 5
5.6.2. Diagnostic utilisant la mthode de Rogers:

chantillons
10
C1'=
CH 4
H2
22
0.882
2.685
0.419
200
0.171
127.77
56.5
0.598
2.46
C2'=
C2 H 6
CH 4
1.333
0.240
0.692
0.728
0.512
1.278
2.08
0.421
1.02
C3'=
C2 H 4
C2 H 6
1.625
3.90
0.476
0.5
3.634
2.809
0.108
0.025
0.718
6.254
C4'=
C2 H 2
C2 H 4
0.007
0.449
0.022
0.211
0.038
3.847
0.056
0.15
2.130
0.009
2110
0120
1000
0000
2020
0012
2100
2100
0001
1120
NI
NI
OH
NR
NI
ARC
OH
OH
ARC
NI
S1
-0.803
-4.879
-2.328
-2.403
S2
0.050
0.077
0.124
0.067
S3
-0.247
3.461
2.545
1.336
S4
-0.501
-2.685
-3.319
-1.002
S5
1.502
3.685
3.321
2.002
S6
-0.999
1.669
-1.669
S7
1.998
-0.658
0.657
S8
0.329
1.67
0.999
S9
0.329
-0.329
codes
probable
dfaut
selon
Rogers
88
Chapitre 5
S10
-0.171
0.171
S11
-0.171
0.171
S12
0.013
-0.013
OH
OH
OH
NR
OH
ARC
OH
OH
ARC
OH
bon
bon
bon
bon
bon
bon
bon
bon
dfaut
trouv
valuation
chantillon
pas
bon
bon
11
12
13
14
15
16
17
18
19
20
CH 4
H2
36
11.53
0.069
1.5
0.234
9.181
2.702
0.252
3.861
C2'=
C2 H 6
CH 4
1.625
1.875
1.186
0.02
0.444
3.807
1.089
0.286
0.666
1.039
C3'=
C2 H 4
C2 H 6
0.064
1.4
2.267
56.66
2.5
3.131
0.008
0.538
1.389
2.176
C4'=
C2 H 2
C2 H 4
0.06
0.143
0.00
6.39
0.09
2.097
0.188
2.6
0.001
2100
2110
2110
5022
1010
0101
2101
1000
0011
2110
OH
NI
NI
NI
OH
NI
NI
OH
ARC
NI
S1
-0.803
-0.803
-33.73
-1.600
2.394
-0.803
S2
0.050
0.050
1.229
0.016
-0.484
0.050
S3
-0.247
-0.247
34.83
0.584
-2.91
-0.247
S4
-0.501
-0.501
-35.23
-0.507
3.494
-0.501
S5
1.502
1.502
35.25
1.501
-2.496
1.502
S6
-0.999
-0.999
-8.621
-0.999
S7
1.998
1.998
2.615
1.998
C1'=
codes
probable
dfaut
selon
Rogers
89
Chapitre 5
S8
3.659
S9
-3.290
0.999
0.601
S10
1.669
S11
1.672
S12
0.947
0.401
OH
OH
OH
PD
OH
ARC
ARC
OH
ARC
OH
pas
pas
bon
bon
bon
bon
bon
dfaut
trouv
dfaut rel
bon
pas
bon
bon
pas
bon
bon
Le rseau RBF a fait un diagnostic correct de 15 cas parmi les 20 chantillons et

donne une exactitude 75 %.
On voit que le RNA multicouches est plus prcis que le RNA de fonction base
radial (RBF). Pour le premier, il est trs utilis pour les chercheurs dans le
domaine.
5.7. Localisation de dfaut de quatre cas rels :

1er Cas: (chantillon 16 dans le tableau de donns)
Station mobile Mitsibushi 220 Kv 40 Mva dEL-MEGHIER:
Cette cabine mobile tait le sige dune activit de type dcharges partielles daprs un
contrle par AGD, la concentration de lhydrogne tait trs leve (tableau 5.6) ; et
laction de maintenance recommande tait un traitement physique du transformateur.
Plusieurs contrles ont montr aprs, que la concentration de lhydrogne est retourne
la normale (tableau 5.6) ; linterprtation tire tait lexistence probable de particules
sur les surfaces des enroulements ou dans dautres rgions de forte champs lectrique
(transformateur circulation force de lhuile) ce qui a permis au traitement denlever
cette contamination. (Condition rversible du systme dilectrique)
90
Chapitre 5
Gaz
avant traitement
aprs traitement
17/04/2001
16/05/2003 24/05/2005
H2
111
27
41
CO2
2188
1757
2737
CO
293
316
419
CH4
26
<1
C2H4
31
20
<1
C2H6
14
<1
C2H2
65
<1
<1
Tableau.5.6 : Valeurs dAGD sur le transformateur dEl-Meghier
Fig.5.5. Tendance de DGA de transformateur El -Meghier
2eme Cas : (chantillon 17 dans le tableau de donns)

Station mobile Mitsibushi 220 Kv 40 Mva de SIDI-AICHE:
Ce transformateur prsente une valeur du facteur de pertes dilectriques de lhuile trs
leve de 0.21 malgr une concentration normale de leau de 11 ppm ; lAGD a rvl
des proportions anormales du mthane et de lthane indiquant une surchauffe
impliquant la cellulose (transformateur charg). Lanalyse des drives furaniques a
confirm lexistence du 2-FAL (Tableau 5.7) en concentration norme donnant une ide
91
Chapitre 5
sur la magnitude de la dgradation de lisolation solide. Le transformateur a consomm

environ 80% de sa vie. Laction urgente de maintenance tait de sassurer de la fiabilit
des protections ainsi de labsence de points chauds et cela pour une dure denviron de
trois mois jusqu la mise en service du nouveau poste.
Gaz
H
Valeurs
paramtres
dielectriques
Valeurs
H2O en PPM
11
Tgd
0.21
2-Furfuraldhyde
en PPM
5.79
11
CO2
1944
CO
597
CH4
101
C2H4
<1
C2H6
110
C2H2
<1
Tab.5.7- Valeurs danalyse sur le transformateur de Sidi-Aiche
3eme Cas : (chantillon 18 dans le tableau de donns)

Transformateur de puissance 60 kilovolts 30 Mva: D'AKBOU
Un excs de concentration des gaz combustibles (tableau 5.8) a t enregistr par
lAGD ; le plus dangereux tait l'actylne.
Un rapport de gaz a confirm qu'une surchauffe thermique impliquant l'isolation solide.
Peut-tre, il a touch le circuit de courant comme les contacts du rgleur en charge, les
connexions des contacts, etc
C'est le cas le plus critique qui peut conduire une
dfaillance catastrophique. L'action principale est d'arrter le transformateur pour une

inspection interne.
Gaz Valeurs (PPM)
H
1443
CO2
13561
CO
934
CH4
3899
C2H4
600
C2H6
1115
C2H2
113
Tab.5.8- Concentrations des Gaz de d'unit AKBOU

92
Chapitre 5
Un point chaud a t trouv aux contacts du niveau des doigts du rgleur vide avec
des signes apparents de cheminement, de la cokfaction, de l'rosion et de la surchauffe
avec l'isolation voisinant. (Photos 1; 2; 3)
Photo 1
Photo 2
Photo 3
93
Chapitre 5
4eme cas: (chantillon 19 dans le tableau de donns)

Autotransformateur ACEC 220/150 Kv 57 Mva de DARGUINA:
Cette unit a montr un arc lev dans l'huile sans implication de l'isolation solide. Elle
a t traite plusieurs fois mais, il n'y avait aucune amlioration de la situation parce
que des alarmes successives de Buchholz ont t enregistres aprs (tableau 5.9).
Le transformateur de puissance tait dsactiv et, soumis davantage d'autre analyses
et tests pour diagnostic.
Gas (PPM)
17/04/01
14/03/03
23/05/05
107
<1
645
CO2
1414
434
2099
CO
40
217
CH4
27
<1
45
C2H4
25
<1
51
C2H6
18
<1
<1
C2H2
65
326
Tab 5.9- Historique de DGA d'AUTOTRANSFORMER de DARGUINA

Des essais lectriques complmentaires ont t mens afin d'valuer l'intgrit du circuit
de courant et l'tat des enroulements. Les rsultats taient normaux (des Tableaux cidessous) et le problme causant toujours cette gnration des gaz est non dcel.
Measure d'isolement: Primaire / terre = 7 G

Secondaire/terre = 5 G
Mesure de la rsistance d'enroulement avec les diffrentes positions des
prises du rgleur vide
150 kV
220kV
Position
A/N
B/N
C/N
A/N
B/N
C/N
3.53
3.57
3.53
5.02
5.03
5.01
3.48
3.51
3.49
4.83
4.92
4.83
3.49
3.50
3.48
4.66
4.68
4.61
3.49
3.50
3..50
4.79
4.78
4.77
3.50
3.50
3.50
4.92
5.02
4.95
94
Chapitre 5
Rapport de transformation :
Position
AB/ab
AC/ac
BC/bc
valeur de plaque
signalitique
1.553
1.557
1.555
1.557
1.502
1.504
1.504
1.506
1.452
1.453
1.453
1.455
1.401
1.403
1.402
1.404
1.350
1.352
1.351
1.353
Ce mode de dfaillance
peut tre galement cr par le flux de fuite magntique.
L'inspection interne a indiqu qu'une surchauffe localise dans les boulons de

raccordement de la culasse du noyau provoqu par un arc caus par une boucle ferme
de circulation du courant. (Photo ci-dessous)
5.8. Conclusion:
L'AGD a t identifie comme outil important dans la surveillance de la condition du
transformateur de puissance. Mais, les rsultats obtenus par RNA MLP consolident le
diagnostic et l'affirment un niveau suprieur. Ce diagnostic a donn des bons rsultats
(95%pour l'utilisation de critre de CEI et 90% pour l'utilisation de critre de Rogers),
ce qui justifie la grande utilisation du critre de CEI par les laboratoires d'analyse.
95

Conclusions gnrales:
Le diagnostic et la dtection de dfauts mobilisent ce jour beaucoup de chercheurs dans
diffrents domaines industriels. Les transformateurs de puissance composants critiques de
transport dnergie lectrique ne font pas lexception.
Les transformateurs de puissance sont des composants dcisifs. Ils sont soumis de
nombreuses contraintes et ncessitent une surveillance et un suivi rgulier.
Un transformateur dfaillant produit des situations parfois trs lourdes de consquences:
techniques, financires, commerciales, et environnementales, do la ncessit de dtecter
et d'identifier le dfaut des possible.
Lanalyse des gaz libres et des gaz dissous dans lhuile (AGD) est lun des outils de
diagnostic les plus utiliss pour la dtection et lvaluation de dfauts dans les matriels
lectriques. Les recherches et l'exprience ont permis de trouver et de mettre au point des
mthodes permettant l'utilisation de certains produits qui se trouvent dans l'huile afin de
dterminer l'tat des transformateurs.
Les mthodes conventionnelles danalyses de gaz dissous dans les transformateurs de
puissance (Mthodes de Doernenburg, rapport de Rogers, rapport CEI, DUVAL, IEEE (TDCG
et Gaz cls), leurs convergences, avantages et inconvnients sont dvoiles. Les limitations
de ces mthodes imposent le recours des systmes plus performants de diagnostic tels
que les techniques dintelligences artificielles. Les mthodes modernes les plus utilises
(rseaux de neurones ANN, systmes experts, systmes flous) peuvent apporter de bonnes
solutions pour le diagnostic.
On a utilis dans ce travail les rseaux de neurone artificiel multicouche et a fonction de
base radiale (RBF) dans le diagnostic de l'huile de transformateurs en utilisant l'analyse de
gaz dissous (AGD). Ces techniques ont t appliques avec suces dans l'environnement
MATLAB.
Les
rseaux
de
neurones
apprentissage
supervis
spcialement
des
rseaux
multicouches, entrans par l'algorithme de Back propagation reste les plus utiliss.
96
L'algorithme de Levenberg Marquardt prsente une bonne robustesse pour le diagnostic

par rseaux de neurones et semble tre le plus efficace d'aprs les chercheurs dans ce
domaine et aussi de l'autre ct, on a utilis le RNA fonction de base radiale (RBF).
L'optimisation des RNA utilis dans le diagnostic est ralise en changeant de topologie du
rseau et le critre d'optimisation est bas sur l'exactitude des rsultats. Les mthodes de
rapport considres dans cette recherche sont la mthode des rapports de Rogers et la
mthode de la CEI.
La banque de donnes des diagnostics faite sur le parc des transformateurs de la rgion de
SETIF, nous a permis de voir la sensibilit de notre programme et le niveau de sa
reproductibilit. La comparaison des rsultats obtenus est faite par rapport un logiciel
DELTA X utilis dans les laboratoires de SONELGAZ-GRTE ou les donnes de part et
dautres sont examines pour voir les convergences tablies. La norme utilise par
SONELGAZ-GRTE est la norme ICE 60599. A la fin, 04 cas rels de diffrents dfauts et la
localisation de ces dfauts dans les diffrentes parties essentielles du transformateur ont
t bien tudis.
Les rsultats obtenus par RNA MLP sont fortement fiables en utilisant deux critres (CEI,
Rogers) par rapport aux RNA RBF. Ce diagnostic a donn des bons rsultats (95% pour
l'utilisation de critre de la CEI
et 90% pour l'utilisation de critre de Rogers), ce qui
justifie la grande utilisation du critre de la CEI par les laboratoires d'analyse et de

diagnostic.
Perspectives:
Le diagnostic des TRs est loin d'tre acheve. A l'issu de ce travail, premire initiative la
recherche au niveau de l'institut, plusieurs points peuvent tre traits:
Utilisation d'autres mthodes d'IA, simples ou hybrides et les projeter sur le niveau
deux de diagnostic.
Traitement des dfauts non identifis par les techniques classiques (conventionnelles).
On line monitoring des TRs partir des systmes intelligentes.
Utilisation des informations dans la gestion de ce patrimoine dans l'valuation du risque

et la prdiction de leurs vies.
97
Bibliographie
[Alir_04] Alireza Setayeshmehr, and all, "A Procedure for Diagnosis and Condition
based Maintenance for Power Transformers" Conference Record of the 2004
IEEE International Symposium on Electrical Insulation, Indianapolis. IN USA,
19-22 September 2004.
[Bla_02]
Michel
Blanger
"Transformateur
de
Puissance
l'huile
Minrale"
Recherche du Dysfonctionnement Mthodologie de l'entretien Expertise, Seidel,

Janvier 2002.
[Berg_06] Bergman Claes "SFRA An application that creates customer value?"
Thesis The Electrical Engineering Program, spring term 2006 Electrical
engineering level C.
[CEI_99] CEI 60599, Norme Internationale "Matriels lectriques imprgns dhuile
minrale en service - Guide pour linterprtation de lanalyse des gaz dissous et
des gaz libres" Deuxime dition 03-1999.
[Chan_04]
CS Chang, CW Lim, Q Su, "Fuzzy-Neural Approach for Dissolved Gas
Analysis of Power Transformer Incipient Faults" Australasian Universities Power

Engineering
Conference
(AUPEC
2004),
Brisbane,
Australiam,
26-29
September 2004.
[CIGR_93] CIGRE, Working Group 09 of CIGRE Study Committee 12. "Lifetime
Evaluation of Transformers". Electra, 150 :38-52,October 1993.
[Cigr_02]
CIGRE
"GUIDELINES
for
Life
Management
Techniques
for
Power
Transformers. Working Group of CIGRE Study Committee 12-18.Draft Final

Report Rev. 2. 22 june 2002.
[Dan_99]
Dan Cunningham "Expert System for Transformer Fault Diagnosis"

Queensland 1999, pp.1-2.
[Dan_00] Dan Cunningham "Expert System Based Transformer Fault Diagnosis"
Queensland 1999.
[Dhot_04] N.K.Dhote, S.B.Bodkhe, G.H.Raisoni, "Proposal for an Improvement in
Transformer Diagnosis by DGA Using Expert System" Australasian Universities
Power Engineering Conference (AUPEC 2004), Brisbane, Australian; 26-29
September 2004.
[Duva_89] M. Duval, "Dissolved Gas Analysis It Can Save Your Transformer". IEEE
Electrical Insulation Magazine, N5, 22-27, 1989.
Bibliographie
[Duva_07] M. Duval "Dissolved Gas Analysis and the Duval Triangle" IREQ, Varennes,
QC, Canada, 2007.
[Elec_78] ELECRA CIGRE, Confrence internationale des grands rseaux lectriques
haute tension N61 Dcembre 1978.
[Elec_99] A.Mllmann et B.Pahlavanpour, "Nouvelles Directives Pour lInterprtation
de lAnalyse des Gaz Dissous dans les Transformateurs dans lHuile" Groupe
dAction15.01.01, Electra Cigre N :186, octobre 1999.
[Farq_00]
R.FARQUHARSON:
"Integrated
substation
control
and
equipment
monitoring and diagnostics an overview". CEPSI Conference. Manila.

Philppines. 23-27 october 2000.
[Fist_03] FIST, Facilities Instruction, Standards, and Techniques volume 3-31
"transformer diagnosics" Hydroelectric Research and Technical Services Group,
United States Department of the Interior Bureau of Reclamation , June 2003.
[Guar_01] Guardado, J. L., NAREDO, J. L., et al. "A Comparative Study of Neural
Network Efficiency in Power Transformers Diagnosis Using Dissolved Gas
Analysis", IEEE Trans. on Power Delivery. Vol 16, No. 4, October 2001, pp.
643- 647.
[Heat_98] Martin J. Heathcote "The J & P Transformer Book" Twelfth edition, A
Practical Technology of the Power Transformer, Reed Educational and
Professional Publishing Ltd , 1998.
[HUA_02] SHIH -HUA (Patrick) Kuo "Diagnostics of Transformer Condition by
Polarization Current and Oil Conductivity Measurements" Undergraguate
Thesis, School of Information Technology and Electrical Engineering, The
University of Queesland, October 2002.
[Huan_96] Y. Huang, H. Yang, C. Huang, "Design of a robust Transformer Fault
Diagnosis
System
Using
Evolutionary
Fuzzy
Logic,"
IEEE
International
Symposium on Circuits and Systems, IEEE, NY, USA, 1996, pp. 613- 616.
[IEEE_91] IEEE Std C57.104-1991 - revision of IEEE C57.104-1978 "IEEE Guide for
the Interpretation of Gases Generated in Oil- Immersed Transformers".
[Jos_00] Jos Mak and all, "Transformer Fluid:
A Powerful Tool for the Life
Management of an Ageing Transformer Population", Proceedings of the

TechCon 2000 Asia-Pacific.
[Jose_05] Jose Geraldo Arantes "Diagnosis of oil Insulator in Power Transformer by
the Dissolved Analysis of Gases through Neural Networks" Federal university of
Itajub Brazil, 2005.
Bibliographie
[KHEN_00] Tai Chee Kheng "Impact of Moisture on the Strength of Paper- Insulated
Conductor" Department of Computer Science & Electrical Engineering The
University of Queensland, St. Lucia, Brisbane, Queensland 4072 Australia, 20
October 2000
[Lay_07]
T. M. Layadi Diagnostic de dfauts des machines asynchrones laide
dalgorithmes intelligents . Thse Magistre, Universit Farhat Abbes Stif, 4

fvrier 2007.
[Lin_93] C. Lin, J. Ling, C. Huang, "An Expert System for Transformer Fault Diagnosis
Using Dissolved Gas Analysis," IEEE Transactions on Power Delivery, IEEE, NY,
1993, pp. 231-238.
[Muha_07] N.A. Muhamad, B.T. Phung and T.R. Blackburn,"Comparative Study
and Analysis of DGA Methods for Mineral Oil Using Fuzzy Logic", department of
power,
University
technology
Malaysia,
The
8th
International
Power
Engineering Conference (IPEC 2007), pp. 1301-1306.

[Myer_98] C. Myers, "Transformers Condition Monitoring by Oil Analysis, Large or
Small; Contentment or Catastrophe", Proceedings of the 1998 1st IEE/IMeChE
International Conference on Power Station Maintenance Profitability through
Reliability, pp.53-58.
[Patel_04] N K Patel, R K Khubchandani, "ANN Based Power Transformer Fault
Diagnosis," Faculty of Engineering, J N V University, Jodhpur, Rajasthan 342
001, IE (I) Journal. EL Vol 85, June 2004, pp.60-63.
[Rahm_06]
H. Rahmatollah and M. Banejad "Application of Fuzzy Logic in Fault
Diagnosis in Transformers using Dissolved Gas based on Different Standards,"

proceedings of World Academy of Science, Engineering and Technology volume
17 December2006, pp. 157-161.
[Roge_78] R.R.Rogers, "IEE and IEC Codes to Interpret Incipient Faults in
Transformers, using Gas in Oil Analysis", IEEE Trans. Electr.Insul. 1978, EL.,
13, N 5, pp.349-354.
[Sarm_04] SARMA SIVA, G.N.S.KALYANI, "ANN Approach for Condition Monitoring
of Power Transformers Using DGA," Department of Electrical Engineering
National Institute of Technology Warangal-506004. IEEE. 2004, pp. 444-447.
[Sche_01] Alain Schenk, "Surveillance Continue des Transformateurs de Puissance
par Rseaux de Neurones Auto Organiss", Thse de Doctorat N2390 (2001)
Ecole Polytechnique Fdrale De Lausanne, 2001.
[Soko_99] V. Sokolov, Z. Berler, V. Rashkes " Effective Methods of the Assessment
of the Insulation System Conditions in Power Transformers: A View Based on
Bibliographie
Practical Experience", Proceedings of the EIC/EMCWE99 Conference, October

2628,1999, Cincinnati.
[Soko_00] V. Sokolov "Consideration on power transformer condition based
maintenance", proceeding of the EPRI Substation Equipment Diagnostic
Conference VIII. February 20-23, 2000, New Orleans
[Soko_01] V. Sokolov Z. Berler, "Transformer is gassing-What to do?", Proceedings of
the TechCon 2001 Asia-Pacific.
[Soko_05] V. Sokolov, B.Vanin "Evaluation and Identification of Typical Defects and
Failure-Modes of 110-750 KV Bushings", 2005 Conference notes/AVO NZ 2005.
[Soko_06] V. Sokolov "Transformer Condition-Based Ranking", Fifth AVO New Zealand
International Technical Conference 2006
[Soko_06] V. Sokolov "Failure Statistics. Transformer and Bushing Design Review.
Typical Failures Modes and Failure Causes. What Can are Learned from Post
Mortem Inspection", Fifth AVO New Zealand International Technical Conference
2006.
[Su1_06] H. S. Su1 and Q. Z. Li, "Transformer Insulation Fault Diagnosis Method
Based on Fuzzy Expert Systems" Department of Information and Electrical
Engineering, Lanzhou Jiaotong University, Lanzhou Gansu 730070, P.R. China,
.IEEE 2006 .pp 343-346.
[Than_01] K.F. Thang, R.K. Aggarvval, A. J. McGrail, D.G. Esp "Application of SelfOrganising Map Algorithm for Analysis and Interpretation of Dissolved Gases in
Power Transformers", 2001 IEEE.
[TIM_08] Tim Gradnik "Thermal profile of power transformers and their relevant
papers ageing phenomena"EIMV elektro institut Milan vidar December 17-18,
2008, Torino.
[Verm_05] Piush Verma "Condition Monitoring of Transformer Oil and Paper" A Thesis
Submitted for the Award of the Degree of Doctor of Philosophy, Department of
Electrical and Instrumentation Engineering, (Deemed University) Patiala147004, India January, 2005.
[Wang_00] Z.Wang, "Artificial Intelligence Applications in the Diagnosis of Power
Transformer Incipient Faults", These de Doctorat August 8, 2000 Blacksburg,
Virginia.
[Wang_02] M. Wang, A.J. Vandermaar and K.D. Srivastava, "Review of Condition
Assessment of Power Transformers in Service", IEEE Electrical Insulation
Magazine November/December 2002 Vol. 18, No. 6.
Bibliographie
[Will_06] William H. Bartley, P.E "Investigating Transformers Failures", the Hartford

Steam Boiler Inspection & Insurance Co. Hartford, CT.2006.
[Wong_01] Wong, K. O. and Saha, T. K, "Expert System for the Fault Diagnosis of
Oil-Filled Power Transformer Using Dissolved Gas Analysis" In: International
Symposium on High Voltage Engineering, Bangalore, India. August 19-25,
2001.
[Zhan_96] Y. Zhang, X. Ding, Y. Liu, "An Artificial Neural Network Approach to
Transformer Fault Diagnosis," IEEE Transactions on Power Delivery, IEEE
Power Engineering Society, NY, 1996, pp. 1836-1841.
[ZHEN_00] Zhenyuan Wang, "Artificial Intelligence Applications in the Diagnosis of
Power Transformer Incipient Faults", These de Doctorat August 8, 2000
Blacksburg, Virginia.
Annexes
Annexe A
Constitution des transformateurs de puissance
Annexe A
Constitution des transformateurs de puissance (IEEE)
104
Annexe A
1. Cabinet de contrle: renferme les contrles de ventilation et du changeur de

prises. C'est aussi le point de raccordement des instruments de mesure.
2. Changeur de prises en charge: Ce changeur de prises est du type sous vide.
Conu pour produire 500.000 oprations.
3. Conducteur: les bobinages sont produits partir de fil de cuivre ou aluminium.
l'isolation est conue de papier, de NOMEX ou d'poxy pour certaines applications
basse tension.
4. Cylindre de bobinage: les bobines haute et basse tension sont enroules sur leurs
cylindres respectifs. Le cylindre basse tension est compos de papiers Kraft et
imprgn de rsine. Cette construction offre une rigidit mcanique en compression
engendre lors des courts circuits. Le cylindre haute tension est aussi compos de
couches de papier Kraft et d'adhsifs spciaux offrant une permabilit uniforme
l'huile. Cette construction vite la formation d'effet couronne.
5. Bobinage: prouv l'essai pour rsister aux effets des courts circuits. Le filage est
dispos selon les niveaux de tension et de courant.
6. serre bobine: les bobines sont centres autour du noyau l'aide de cales bien
assujetties. Cette construction simple assure rigidit mcanique et procure l'espace
adquat pour le refroidissement l'huile.
7. Masse magntique: fabrique d'acier de haute qualit la silice grain orient.
L'acier est dessin, trac, coup avec prcision et empil par une machine outil
automatise. Ceci procure un circuit magntique avec peu de perte et un bruit
rduit.
8. Noyau: noyau et culasse sont conu avec symtrie afin d'obtenir un quilibre du
champ magntique.
9. Culasse: voir noyau.
10. Serrage:l'ensemble des laminations est maintenu par un jeu de poutrelles
prcontraints pour offrir une pression de serrage uniforme.
11. Raccords: fonction du courant, on utilise du cble isol ou un jeu de barres. Le
cblage passe travers des tubes isolants pour offrir un maintien et une stabilit.
12. Transformateurs de courant: disponible pour les relais de protection et le
mesurage.
13. Traverse: Ces dispositifs isols l'huile permettent de raccorder les circuits hautes
tensions extrieures.
14. Manomtre de pression/vide ou niveau du liquide.
105
Annexe A
15. Manomtre de temprature des bobinages: indique la temprature du point

chaud des bobinages. Ce dispositif contrle la mise en route des ventilateurs, des
alarmes et des dclenchements.
16. Manomtre de temprature du liquide.
17. Relais de pression de dfaut: install sous le niveau du liquide afin de dtecter
l'onde de choc produit par un dfaut interne.
18. Dispositif de dtente de pression: fournie sur la cuve et le compartiment du
changeur de prises afin de librer toute pression excessive.
19. Base.
20. Cuve: La cuve est de construction soude. Le dessus est habituellement lgrement
courb pour l'coulement de l'eau. Une couche d'apprt antirouille et d'mail,
complte la finition. Un mail de couleur blanche recouvre l'intrieur de la cuve pour
faciliter l'inspection.
21. Garniture: Les garnitures sont une barrire pour les fuites d'huile et l'entre de
l'humidit.
22. Mise la terre: installe chaque coin oppos de la cuve.
23. Emprise de levage.
24. Valve de vidange et d'chantillonnage.
25. Radiateurs: Ces radiateurs sont dtachages de la cuve pour un entretien facile.
26. Refroidissement
auxiliaire:
Le
refroidissement
par
ventilateur
permet
un
accroissement de la capacit de base de 133 %.

27. Transformateur srie: Utilis pour les transformateurs de plus de 800 A et de 25
kv (150kv BIL).
28. Ractance: limite le courant lors des changements de prises.
106
Annexe B
Huiles minrales isolantes des Transformateurs
Annexe B
Huiles minrales isolantes des
Transformateurs
I. Introduction :
Lindustrie
lectrique
fait
un
grand
usage
dhuiles
isolantes ;
ainsi
leurs
spcifications nous permettent de savoir si elles remplissent les conditions requises pour
servir comme huile dilectrique.
Cependant, il est ncessaire de bien connatre ces
proprits critiques.
Les huiles dilectriques sont classes selon leur origine en huiles minrales, huiles
vgtales et huiles de synthses. Les huiles minrales sont des produits naturels
obtenus directement par raffinage de bruts ptroliers. Elles sont les plus rpandues en
industrie disolation lectrique en raison de leur cot de revient rduit.
Une huile dilectrique remplit globalement deux fonctions de base :
-
Servir son rle de dilectrique en assurant lisolation ;
Et refroidir le noyau du transformateur en vacuant la chaleur.
Ce rsultat est dautant mieux atteint si la rigidit dhuile est plus leve, ses
pertes dilectriques sont plus faibles, sa permittivit est plus voisine de celle de la partie
solide des matriaux quelles baignent et que ses caractristiques physiques en
particulier sa viscosit (fluidit) permettent une meilleure imprgnation des matriaux
poreux, le plus souvent sont des papiers, cartons et matriaux composites.
A lintrieur du transformateur, lorsque lhuile est en circulation, elle fait vacuer
la chaleur par effet Joule dans les conducteurs ; cet effet on mnage dans lisolation,
des canaux dans lesquels lhuile circule soit par convection naturelle, soit par
lintermdiaire des pompes (coulement forc).
Ainsi, la viscosit, la densit de lhuile avec la conductivit thermique, sont des
facteurs
importants
qui
permettent
de
maintenir
lhuile
trs
fluide,
lgre
et
parfaitement vacuatrice dnergie la temprature du fonctionnement.

Cependant, il faut savoir que pendant la dure de vie du transformateur, les huiles
soxydent et forment des produits secondaires de dcomposition qui peuvent tre
107
Annexe B
polaires tels que les aldhydes (R-C), les ctones (R- C R), les alcools (R OH), et
plus particulirement leau H2O.
Ces corps sont donc capables de lier les ions conducteurs dlectricit et de former
des impurets et des dchets qui freinent la circulation de lhuile par laugmentation
simple
de sa viscosit dans le transformateur nuisant ainsi au processus du
refroidissement.
Une oxydation encore plus pousse entrane la formation des acides (R-COOH)
capable de dcomposer le papier et de provoquer la corrosion du matriel.
Du moment que le prix du transformateur est lev, mais garantir sa performance
grce son huile est peu coteux en comparaison du cot dune panne et du cot dune
interruption dans lalimentation lectrique ; il serait prfrable de suivre lvolution de
lhuile tout en connaissant dabord les proprits requises, les proprits analyser par
au cours du service et les oprations de traitement envisageable.
2. les diffrentes huiles de base :

Les huiles minrales isolantes sont obtenues partir de la distillation de ptroles
slectionns, dbarrasss de matires diverses (gaz, H2S, eau, ).
On distingue trois classes dhuiles utilises lchelle industrielle :
2.1. Les huiles synthtiques:
Les liquides de synthse sont utiliss lorsque des proprits particulires sont
recherches (rsistance au feu, tenue aux dcharges partielles, gassing ngatif,...). Ces
produits de synthse ont t diffrencis par leur type de structures chimiques.
Hydrocarbures halogns (askarel)
Hydrocarbures aromatiques et aliphatiques (alkybenznes et polybutnes)
Les esters (phtalates, le dioctylphtalate et ttraesters)
Les huiles silicones (dimthylsiloxanes)
2.2. Les huiles dorigine vgtale:

Les huiles vgtales ont fait partie des premiers liquides isolants utiliss pour la
fabrication dappareils lectriques. Il existe une grande varit dhuiles vgtales. Seule
lhuile de ricin est utilise depuis de longues annes. Elle sert limprgnation des
condensateurs de stockage dnergie.
108
Annexe B
2.3. Les huiles minrales:

2.3.1. Origine:
Ce sont des produits naturels obtenus de la distillation fractionne de bruts de ptrole
slectionns, soumis ensuite un raffinage pouss. Leur composition chimique est
extrmement compliqu (plusieurs milliers de molcules diffrentes) dhydrocarbures, de
composs soufres, oxygns, azots et de traces de composs organomtalliques. Pour
obtenir des huiles minrales de qualit dilectrique, les bruts ptroliers doivent tre
raffins suivant un procde qui inclut habituellement une distillation, suivie dune
opration de dparaffinage, dune extraction par solvant et dune hydrognation
catalytique.
Les huiles ainsi obtenues sont des dilectriques non polaires, dont la permittivit relative
reste voisine de 2.2 dans un large domaine de frquence et de temprature.
2.3.2. Prsentation des huiles minrales:
Une huile minrale isolante ou dilectrique est une huile qui prsente une faible
conductivit lectrique du fait dune densit de charges peu importante. Elle se compose
principalement :
Dune huile dite de base (ou dun mlange dhuiles de base) obtenue selon des
procds traditionnels de raffinage du ptrole brut ;
De composs chimiques appels additifs, en teneur trs variable, qui permettent

datteindre les spcifications demploi des huiles finies.
La composition dune huile minrale reflte, en gnral, celle du distillat dorigine. Les
huiles de base en lectrotechnique rpandent trois grandes classes de tendances
chimiques. Elles sont dfinies par leur teneur en carbone paraffinique (CP), en carbone
naphtnique (Cn) et en carbone aromatique (Ca).
2.3.3. Choix des huiles de bases:
Le choix des huiles de base est dtermin par rapport :
A la nature chimique recherche de lhuile : paraffinique, naphtnique ou

aromatique.
Aux caractristiques physiques et chimiques que lon dsire confrer lhuile finie
: la viscosit, la densit, lindice de viscosit, la rsistance loxydation, etc
Lobtention dune huile finie apte rpondre aux exigences des diverses contraintes
dutilisation, fait appel lusage dun certain nombre dadditifs. Ces derniers, qui sont
dune importance capitale dans lindustrie des huiles minrales isolantes sont des
produits chimiques incorpors en petite quantit dans lhuile de base, pour amliorer
109
Annexe B
certaines proprits tels que lindice de viscosit, le pouvoir antioxydant pouvant

retarder laction de loxygne sur lhuile en service, le point dcoulement, etc
2.3.4. Caractristiques des huiles minrales isolantes:
Les proprits des liquides sont gnralement divises en proprits physiques,
chimiques et lectriques. Cependant, certaines proprits appartiennent indiffremment
lune ou lautre de ces divisions. Les proprits chimiques relatives aux applications
lectriques tant limites, et les proprits lectriques tant prpondrantes. La division
se fait en caractristiques lectriques, caractristiques dtude, caractristiques de
service et autres caractristiques.
2.3.4.1. Caractristiques lectriques:
Les caractristiques lectriques des liquides en gnral, dpendent de leur formulation
(composition, constitution molculaire etc), et de leurs conditions dutilisation au
conditionnement (filtration, dshydratations
etc). On cite
la permittivit, la
conductivit, le facteur de pertes dilectriques et la rigidit dilectrique.

2.3.4.1.1. Permittivit:
Cest une caractristique lectrique lie la formation du liquide, elle dpend
essentiellement de sa structure chimique. Pour une huile dilectrique, la permittivit
dfinit la possibilit de librer des charges sous laction dun champ lectrique. Elle
rsulte des phnomnes de polarisation lectronique et atomique. La permittivit
relative e r dun produit est dfinie comme le rapport entre la capacit dun condensateur
rempli de ce produit et la capacit du mme condensateur vide. e r =
Cr
C0
La permittivit relative des hydrocarbures est faible et voisine de 2. La prsence

dhtroatomes (oxygne, chlore), en crant des diples de fortes intensits, confre
aux molcules une permittivit leve. La permittivit relative dcrot avec la
temprature et la frquence du courant.
Cependant, pour les produits polaires et visqueux, on observe, au-dessous dune
certaine temprature, une brusque chute de la permittivit due limmobilisation des
diples.
2.3.4.1.2. Conductivit et facteur de pertes dilectriques:
Tout dilectrique soumis une tension continue ou alternative est toujours le sige de
pertes lectriques qui se traduisent par un chauffement plus au moins important du
110
Annexe B
liquide. La cause principale de ces pertes est de toute vidence, la prsence de courant
qui traverse le liquide. Ce courant caractrisant la conductivit lectrique du fluide est le
rsultat de dplacement des charges libres existantes (positive et ngative), sous leffet
du champ lectrique.
Aux faibles champs, la conduction prsente gnralement un caractre ohmique. Aux
champs levs, la conduction des isolants perd son caractre ohmique. Plusieurs
thories rendent compte des courants levs selon quils sont contamins ou non par
des impurets.
En pratique, pour mieux caractriser un dilectrique du point de vue pertes, il est usuel
dutiliser la tangente de langle de perte tg (d ) qui est langle complmentaire du
dphasage entre la tension applique et le courant qui rsulte lorsque le dilectrique se
compose exclusivement du matriau isolant. Cette caractristique est une fonction
croissante de la temprature et dpend de la tension. Sachant que beaucoup de liquides
isolants ont des diples dans leurs structures molculaires, la polarisation par orientation
a une importance particulire. En effet, elle est la cause majeure des pertes par
polarisation et responsable de la dpendance frquentielle de e r et tg (d ) .
2.3.4.1.3. Rigidit dilectrique:
La rigidit dilectrique frquence industrielle est la valeur maximale du champ
lectrique que lon peut appliquer lhuile sans dcharge. Comme la conductivit, la
rigidit dilectrique frquence industrielle est une caractristique de conditionnement
du liquide mais lest aussi de sa formulation. Dans lindustrie, elle est maximise
conventionnellement par la tension efficace ncessaire pour provoquer, dans les
conditions normalises, le claquage dun volume de liquide compris entre deux
lectrodes dont la forme, distance et nature sont spcifies, do son nom de tension
de claquage .
2.3.4.2. Caractristiques dtude:
2.3.4.2.1. Masse volumique:
La masse volumique des huiles minrales isolantes peut se dterminer suivant les
prescriptions de la norme NFT60-101 ou celle de ASTMda41. Aux USA, on exprime
souvent la densit d'une huile en degrs API 60F.
Les masses volumiques de divers liquides vont d'environ 800 1600 kg/m3 .
111
Annexe B
2.3.4.2.2. Capacit thermique massique pression constante:

Pour les huiles minrales, la capacit thermique massique pression constante croit
avec la temprature et dcrot avec la masse volumique suivant la relation suivante :
C r = (1684 - 3 . 39 .q )
r 15 [J Kg . K ]
Avec r15 : masse volumique 15C.

A 20C, la capacit thermique varie de 1000 2300 J/Kg.K.
2.3.4.2.3. Conductivit thermique:
Mesure en Watt par mtre Kelvin, elle exprime le flux thermique scoulant, en rgime
permanent sous leffet dun gradient thermique entre deux isothermes du liquide. Elle
dcrot lorsque la temprature et la masse volumique augmentent. La valeur moyenne
est =0,14W/(m.K).
2.3.4.2.4. Viscosit:
* Dfinition pratique:
Cest la rsistance que manifeste un matriau son coulement dans un champ de
contraintes ou pas.
* Dfinition physique:
Elle correspond au transfert continu dune quantit de mouvements dune couche
lautre. La viscosit et sa variation avec la temprature sont des paramtres de premire
importance pour le transfert thermique. En effet, plus le liquide est visqueux, plus il est
difficile de le faire circuler dans lappareil, pour refroidir les parties actives chaudes.
La viscosit dun fluide traduit les forces qui opposent les molcules de ce fluide une
force tendant les dplacer. Cest donc, la rsistance au mouvement que manifeste tous
les fluides. Lindice de viscosit exprime la variation de la viscosit en fonction de la
temprature. Les huiles pour transformateur ont un indice trs bas ; ce qui permet une
circulation plus facile, donc un refroidissement plus efficace.
2.3.4.2.5. Point dcoulement:
Lutilisation de matriels lectriques extrieurs ncessite de connatre la viscosit des
liquides basses tempratures correspondant au fonctionnement en hiver (-25C) ou
dans des conditions climatiques extrmes (-60C). L'huile minrale peut se figer
gnralement tempratures pouvant aller -30C
112
Annexe B
2.3.4.3. Caractristiques de service:

2.3.4.3.1. Solubilit des gaz:
Tous les gaz se dissolvent plus au moins dans lhuile minrale, comme dailleurs dans les
liquides. La plus grande valeur du volume de gaz qui peut tre mis en solution la
saturation, sappelle coefficient de solubilit S. Ce coefficient est dfini comme tant le
rapport du volume du gaz dissous au volume dhuile et est exprim en pour-cent.
2.3.4.3.2. Solubilit de leau:
Les proprits lectriques des liquides sont affectes par leur teneur en eau. Cette
dernire dpend de la temprature et de la pression partielle deau dans latmosphre au
dessus du liquide. La solubilit de leau dans lhuile dpend de la composition chimique
de celle ci. Elle croit avec la concentration en hydrocarbures aromatiques. Dans le cas
dune huile vieillie, les produits de dgradation augmentent la quantit deau quelle peut
contenir.
2.3.4.3.3. Acidit et couleur:
Dans les huiles neuves, on ne constate pas de prsence dacides minraux, mais celle
dacides organiques. Lacidit dune huile neuve est trs faible. Elle est de lordre de 0.02
0.03 mg de KOH/g dhuile. Aux premiers stades doxydation, elle augmente pour
atteindre, aprs un certain temps de service, une valeur o elle reste constante. Cette
stabilit sexplique par les dpts qui prcipitent. La couleur est une proprit
intrinsque de lhuile neuve. Elle a une relation avec les hydrocarbures qui constituent
lhuile. Elle permet dapprcier la qualit des huiles neuves et constitue un moyen
efficace pour surveiller lacidit des huiles en service. Elle renseigne galement sur le
vieillissement de lhuile, puisque celle-ci devient plus fonce avec lge.
2.3.4.3.4. Stabilit loxydation:
On dsigne par oxydation, un ensemble de ractions complexes et lentes au cours
desquelles les hydrocarbures ragissent avec loxygne dissout. La vitesse des ractions
doxydation croit avec la temprature et la concentration en oxygne. Les consquences
de loxydation de lhuile sur lisolation sont :
Une mauvaise vacuation de la chaleur par augmentation de la viscosit ;
Une augmentation des pertes dilectriques et de la conductivit ;
Une corrosion des pices mtalliques ;
Une dgradation plus rapide de lisolation cellulosique.
113
Annexe B
2.3.4.3.5. Stabilit thermique:

La stabilit thermique concerne gnralement les matriaux en association avec lhuile.
Cependant, la connaissance du comportement de lhuile seule prsente de lintrt, dans
le cas de points chauds hors bobinage. Loxygne joue un rle prpondrant dans la
dcomposition thermique des huiles, pour des tempratures de 175C 235C.
2.3.4.3.6. Stabilit lectrique aux dcharges partielles:
Sous laction dun champ lectrique intense et par lintermdiaire de dcharges partielles
dans des occlusions gazeuses qui se forment ou qui prexistent, les liquides se
dcomposent en donnant des gaz. La stabilit lectrique, dsigne sous le vocable
Gassing, svalue par le coefficient de Gassing G. Deux mthodes indiquent, suivant les
conditions dessai, si les isolants liquides sont des absorbeurs ou des metteurs de gaz.
Le comportement au gassing dun isolant liquide est particulirement fonction de sa
composition chimique, mais des variations de certains paramtres dessais peuvent
modifier les rsultats de faon considrable. Ces deux mthodes se diffrent par leurs
conditions dessais. GA exprim en millimtres cube par minute est positif ou ngatif
suivant quil y ait mission ou absorption de gaz. Dans le cas darc lectrique, et donc de
tempratures trs leves (suprieure 2000C), il ny a pas de liquides qui puissent
rsister. La nature des gaz forms et leurs proportions relatives permettent de
caractriser la svrit de la contrainte.
2.3.4.4. Scurit demploi:
La
scurit
demploi
des
liquides
isolants
concerne
les
risques
dincendies
et
dexplosions, dont ils pourraient tre la cause de la sant des individus et les risques
pour
lenvironnement.
Le
danger
dincendie
repose
sur
des
caractristiques
dinflammabilit (point dclair, point de feu, temprature dauto inflammation) et

certaines caractristiques de combustion (indice doxygne, quantit de chaleur
dgage). Le danger dexplosion est li la nature des gaz produits par dcomposition
des liquides sous arcs lectriques et points chauds, hydrogne, mthane et actylne
tant les principaux gaz concerns.
2.3.4.4.1. Point dclair et point de feu:
Le chauffage progressif dun liquide provoque le dgagement de vapeurs suivant sa
courbe de tension de vapeur, quil sagisse dun corps pur ou dun mlange. Ds que la
concentration de ces vapeurs dans latmosphre surmontant le liquide, devient suffisante
pour former un mlange inflammable, elles brlent lapproche dune flamme. La
114
Annexe B
temprature correspondante est appele le point dclair du liquide. En poursuivant le

chauffage, lexprience montre quune combustion permanente stablit en prsence
dune flamme partir dune certaine temprature qui correspond au point de feu du
liquide. Les liquides ininflammables nont pas de point de feu.
2.3.4.4.2. Temprature dauto- inflammation:
La temprature dauto-inflammation dun liquide est la temprature minimale laquelle
se produit une combustion instantane, elle peut tre suprieure celle du point dclair.
Cette temprature correspond au comportement dun liquide dans un incendie, alors que
le point de feu caractrise des limites thermiques de service (par exemple, 105 C pour
une isolation papier-huile).
2.3.4.4.3. Caractristiques de combustion:
Le point de feu permet de distinguer les liquides inflammables et les liquides
ininflammables, situation simple quand la construction lectrique disposait seulement
dhuiles minrales et dAskarels. Linterdiction des Askarels et lapparition de liquides de
remplacement pose le problme de linflammabilit en termes nouveaux. Ces liquides de
remplacement ont un point de feu lev (> 300 C) qui peut rduire les risques
dincendie, mais, quoique dits peu inflammables, ils nen brlent pas moins et leur
comportement dans les matriels pris dans un incendie pose problme. Pour rpondre
cette interrogation, les caractristiques de combustion (indice limite doxygne, capacit
thermique de combustion, dgagement de fumes) sont maintenant considres,
associes en outre la corrosivit des produits de combustion et leur toxicit.
2.4. Huiles minrales isolantes usages:

2.4.1. Dfinition:
Une huile usage est conventionnellement dfinie comme tant une huile qui ne remplit
plus tous les rles qui lui sont assigns ; cest donc une huile qui a perdu certaines de
ces qualits ou de ces caractristiques du fait de son utilisation. La dtrioration de
lhuile en service rsulte non seulement de la dgradation de quelques additifs
amliorant ses caractristiques, mais galement de la prsence de contaminants
dorigine extrieure lhuile.
2.4.2. Altration des huiles en service:
En service, lhuile quelque soit sa qualit et sa stabilit, quelle soit inhibe ou non, finit
par soxyder et saltrer. Le maintien de lhuile altre en exploitation peut constituer un
115
Annexe B
danger potentiel. Laltration de lhuile se traduit par loxydation de cette dernire et par
une augmentation accentue de son acidit.
2.4.3. Facteurs favorisants laltration de lhuile minrale isolante:
Les contaminants dune huile minrale isolante usage peuvent se diviser en trois
grandes classes.
2.4.3.1. Produits volatils:
Les produits volatils les plus communs des huiles en service sont :
a- Leau : la prsence de leau dans lhuile peut avoir des origines diverses. Elle peut
provenir de la condensation de lair atmosphrique et des ractions chimiques
doxydation. En effet, au contact dune atmosphre humide, lhuile se charge dhumidit
dans une proportion gale par rapport la saturation et la raction doxydation est :
Leau peut se prsenter sous forme dissoute ou libre. Sa solubilit dpend de la

temprature, elle augmente avec cette dernire. Une huile sature en eau peut conduire
la formation de petites gouttelettes suite des fluctuations de la temprature de
lhuile. Ces gouttelettes trs fines peuvent conduire des mulsions eau- huile.
b- Lair : la solubilit des gaz dans lhuile dpend de la pression de la phase gazeuse.
Les bulles dair peuvent prsenter un risque sur lisolation papier-huile.
c- Gaz dissous : Les diffrentes catgories de gaz dissous proviennent de la
dcomposition de lhuile. Les gaz sous forme de CO, CO2 , H2 , O2 et C2H4 sont
susceptibles de se librer sous leffet dun champ lectrique intense, provoquant alors
lapparition de dcharges partielles et la formation de nouveau produits de dgradation.
Les huiles minrales renferment un certain nombre gaz, parmi lesquels loxygne qui
provoque une oxydation de lhuile dautant plus rapide que la temprature est leve.
Cette oxydation entrane la formation de produits acides et dans une phase ultrieure,
de dpts solides, en partie solubles dans lhuile, mais qui augmentent sa viscosit et
peuvent se dposer sur les isolations avec lesquelles lhuile est en contact. Les produits
doxydation sont toujours des peroxydes, produits minemment instables amorant de
vritables ractions en chane, souvent nomms oxydation autocatalytique .
2.4.3.2. Produits insolubles dans lhuile minrale isolante:
Les produits insolubles proviennent de loxydation de lhuile, de la dgradation du papier
isolant (carbone), des usures mcaniques (mtal, oxydes mtalliques) et de lair ambiant
116
Annexe B
(poussires). En service, les produits insolubles sont entrans par lhuile en circulation
et finissent par se dposer sur les parois des canaux de circulation et sur les
conducteurs. En raison de leur conductibilit trs faibles, ils ralentissent les changes
thermiques entre lhuile et les diffrents organes refroidir, tout en provoquant en ce
point des chauffements exagrs. Le retrait de ces produits insolubles pose, en gnral,
moins de problmes que les produits volatiles et solubles.
2.4.3.3. Produits solubles dans lhuile minrale isolante:
Les produits solubles correspondent lensemble de la famille des corps forms par
oxydation, des produits ractifs, aux acides et non acides, des rsines et des asphaltes.
2.4.3.4. Facteur favorisant la formation de gaz:
Dans un appareil dont lisolation comporte de lhuile, la prsence de points trop chauds,
de dcharges partielles ou dun arc lectrique se traduisent par la dcomposition de
lhuile et la formation de gaz. Ces gaz, en partie se dissolvent dans lhuile et en partie
sen dgagent, pour venir se rassembler soit en certain points de lappareil, soit comme
cest souvent le cas dans des accessoires spcialement conus pour les collecter. La
nature des gaz forms, leurs proportions relatives, la vitesse du dgagement gazeux
varient avec la nature et lintensit du dfaut qui leur donne naissance et dautre part
avec la constitution de lisolation dtriore. Lanalyse des gaz dgags ou dissous peut
donc, dans une certaine mesure servir caractriser le dfaut et sa gravit.
Dcharges partielles:
Les gaz forms par les dcharges partielles dans lhuile contiennent de lhydrogne en
trs grande proportion et de petites quantits dhydrocarbures.
Larc lectrique:
Les gaz forms par la prsence dun arc lectrique dans lhuile contiennent surtout de
lhydrogne, du mthane, de lthylne et de lactylne. Dans le cas dun arc grle, la
composition se rapproche de celle des gaz de dcharges partielles, cest a dire que
lhydrogne prdomine : quand lintensit de larc augmente, le mlange sappauvrit en
hydrogne et senrichit en hydrocarbures (mthane, thylne, actylne).
La chaleur:
La
dcomposition
thermique
de
lhuile
conduit
la
formation
dhydrocarbures gazeux en mme temps quelle libre lair dissous.
117
dhydrogne
et
Annexe B
2.4.4. Rappels sur la rgnration des huiles minrales isolantes usages:

La rgnration est un ensemble de procds permettant la production partir dune
charge dhuile usage, une ou plusieurs huiles de base. Le recyclage des huiles usages
permet lconomie de recourir la consommation de nouvelles quantits dhuiles
neuves. Par consquent, la rgnration se prsente comme tant une autre forme
dconomie dnergie et de lutte contre la pollution de lenvironnement.
2.4.4.1. Principe gnral de la rgnration:
Les oprations successives pour lobtention dun produit de haute qualit, constituent
une nouvelle forme de raffinage de lhuile usage. Ce cycle comprend habituellement les
phases successives dans lordre suivant :
a. la dcantation qui a pour but dliminer les corps solides, les grosses impurets et
leau libre.
b. La sparation des impurets en suspension dans lhuile. Cette opration
reprsente lheure actuelle la phase la plus difficile de la rgnration. En effet, les
particules trs fines qui sont en suspension dans lhuile, demeurent insensibles par
rapport aux anciens procds de prcipitation des sdiments par rupture de la
suspension collodale ou par lectrolyte tel que le silicate de soude.
c. La dshydratation qui a pour but dliminer leau par chauffage une temprature
de 150C. On peut aussi utiliser un desschant savoir le CaCl2.
d. Le traitement lacide conduit la floculation des suspensions carbones et la
sulfonation des produits oxyds, mais sans quil en rsulte une attaque sur lhuile mme.
Ce traitement sopre sur lhuile chauffe une temprature de lordre de 30C
laquelle est ajoute 4% en volume dacide sulfurique H2SO4 90-92%. Ces produits
sont mlangs soit au pralable, soit directement dans un bac de dcantation fond
conique. Les boues acides sont prcipites au fond du bac et spares de lhuile pure.
Lhuile pure fera lobjet de traitements ultrieurs. Ces traitements permettent la
rduction des teneurs en mtaux provenant des additifs et de lusure mcanique
quelques PPM (parties par millions) dans lhuile rgnre.
e. La neutralisation de lhuile intervient aprs le traitement lacide. En effet, lhuile
pure contient encore des acides de diffrentes sortes, en particulier sulfonique et
118
Annexe B
petites particules dacide sulfurique. La neutralisation a pour but de transformer les

restes acides dans lhuile pure en sels. A cet effet, la soude et le carbonate de chaux
1% en poids sont gnralement utiliss.
f. Le passage la terre est une opration qui se fait dans une cuve conique munie
dun agitateur. Elle prcde directement le mlange de lhuile la terre active. Aprs
neutralisation lhuile est malaxe avec 1 10% de terre active durant 15 20 minutes,
une temprature variable entre 80 et 100C. En fin lhuile mlange est filtre
travers des filtres presse. Ce traitement permet damliorer leurs qualits par
dcoloration et limination des produits aisment oxydables.
Proprits
<72.5 kv
<170 kv
>175 kv
Teneur en eau
40
20
0.5
0.5
0.5
0.02
0.02
0.02
1 (selon
1 (selon
0.2 (selon
constructeur)
constructeur)
constructeur)
Min 0.2
Min 0.2
Min 1
Min 15
Min 15
Min 15
> 30
> 40
> 50
Indice d'acide
(mg KOH/mg)
Sdiments en
dpts (%)
Tg
Rsistivit
90C ( GM)
Tension
intrfaciale
(Mn/m)
Rigidit
Tab.1 Valeurs limites pour l'huile en service.
119
Annexe B
3. Conclusion:
Evalu en terme de risques, la ncessit de surveiller les transformateurs en service, est
dune premire importance. Les techniques actuelles les plus puissantes pour valuer
ltat dun transformateur sont fondes sur lanalyse physico-chimique des diffrentes
proprits de lhuile. En effet, pour assurer la continuit de fonctionnement de lappareil,
lhuile isolante doit avoir les qualits suivantes :
Forte rigidit dilectrique ;
Stabilit thermique dans une large gamme de temprature ;
Grande puret, ce qui entrane une homognit et une bonne reproductibilit de

la rigidit dilectrique ;
Non polaire, ce qui conduit une faible dissociation despces et conduit une
faible contamination ;
Non toxique et biodgradable, et donc conforme la loi en vigueur sur la

protection de lenvironnement ;
Grand indice daromaticit, ce qui lui confre de bonnes proprits de gassing.
120
Annexe C
Survol sur les RNA
Annexe C
Survol sur les RNA
1-
Introduction
Lors de lmergence dune nouvelle technique, lingnieur se demande naturellement

en quoi elle peut lui tre utile. Si elle est dote dun nom plus mtaphorique que
scientifique ce qui est videmment le cas pour les rseaux de neurones, la rponse
cette question doit tre particulirement prcise et motive. Cest la raison pour
laquelle ce travail est consacr un expos des arguments thoriques et pratiques qui
justifient lutilisation des rseaux de neurones.
La mise en oeuvre des rseaux de neurones est gnralement simple ; la tentation
peut tre grande dappliquer cette technique dune manire irrflchie ou inadapte,
ce qui ne peut conduire qu des dceptions. Voil pourquoi on ne cherchera pas
expliquer en dtail, dans ce chapitre, comment on met en oeuvre les rseaux de
neurones, Mais plutt pourquoi ils peuvent tre mis en oeuvre de prfrence
dautres outils, et Dans quel but.
Nous commencerons par introduire les dfinitions essentielles : nous expliquerons ce
quest
un
neurone
(formel),
ce
quest
un
rseau
de
neurones,
ce
quest
lapprentissage des rseaux de neurones (nous prciserons notamment les diffrents

types dapprentissage supervis et non supervis), et nous introduirons la distinction
fondamentale entre rseaux de neurones non boucls et rseaux de neurones boucls
(ou rcurrents)
Et dans ce qui suit on donne un brve historique sur les rseaux de neurones :
Le champ des rseaux neuronaux va dmarrer par la prsentation en 1943 par
W.MCCulloch et W.Pitts du neurone formel qui est une abstraction du neurone
physiologique. Le retentissement va tre norme. Par cette prsentation, ils veulent
dmontrer que le cerveau est quivalent une machine de Training, la pense
devient alors purement des mcanismes matriels et logiques. Il dclara en 1955
"Plus nous apprenons de choses au sujet des organismes, plus nous sommes amens
121
Annexe C
Survol sur les RNA
conclure qu'ils ne sont pas simplement analogues aux machines, mais qu'ils sont
machines." La dmonstration de McCulloch et Pitts sera un des facteurs importants de
la cration de la cyberntique.
En 1949, D. Hebb prsente dans son ouvrage "The Organization of Behavior" une
rgle d'apprentissage. De nombreux modles de rseaux aujourd'hui s'inspirent
encore de la rgle de Hebb.
En 1958, F. Rosenblatt dveloppe le modle du Perceptron. C'est un rseau de
neurones inspir du systme visuel. Il possde deux couches de neurones : une
couche de perception et une couche li la prise de dcision. C'est le premier
systme artificiel capable d'apprendre par exprience.
Dans la mme priode, Le modle de L'Adaline (ADAptive LINar Element) a t
prsent par B. Widrow, chercheur amricain Stanford. Ce modle sera par la suite
le modle de base des rseaux multicouches.
En 1969, M. Minsky et S. Papert publient une critique des proprits du Perceptron.
Cela va avoir une grande incidence sur la recherche dans ce domaine. Elle va
fortement diminuer jusqu'en 1972, o T. Kohonen prsente ses travaux sur les
mmoires associatives. Et propose des applications la reconnaissance de formes.
C'est en 1982 que J. Hopfield prsente son tude d'un rseau compltement reboucl,
dont il analyse la dynamique.
Aujourd'hui, les rseaux neuronaux sont utiliss dans de nombreux domaines (entre
autres, vie artificielle et intelligence artificielle) cause de leur proprit en
particulier, leur capacit d'apprentissage, et qu'ils soient des systmes dynamiques.
2-
Le neurone biologique
Lhomme est certainement la machine la plus complexe et la plus fascinante qui a t

cre ce jour. Bien des scientifiques ont voulu percer son fonctionnement sans y
parvenir. Cest dans les annes 1940, que deux scientifiques ont eu lide de copier le
fonctionnement du systme nerveux, le connexionnisme tait n. Ils crrent le
premier neurone artificiel.
Pour aller de la biologie au connexionnisme, il va falloir donner quelques informations
sur le contexte de lapproche neuromimtique en apportant tout dabord quelques
notions rudimentaires sur la biologie du systme nerveux.
122
Annexe C
Survol sur les RNA
2-1- Structure du neurone biologique.

Le neurone se compose dun corps cellulaire ou soma et de deux types de
prolongements cellulaires plus ou moins ramifis : les dendrites et laxone.
a) Soma
Le soma possde un noyau qui contient linformation gntique de lorganisme dont le
neurone est issu, et un cytoplasme qui contient la machinerie de synthse des
protines constitutives ou rgnratrices de ces neurones (membrane et squelette
cytosquelette de la cellule, mais aussi neurotransmetteurs, ). Diamtre de la
cellule : 0.01 - 0.05 mm, (Figure 2.1) (Corps cellulaire) formes variables (gn.
sphriques), 20 mm de diamtre, contient le noyau, entoure dune membrane de 5
nm d'paisseur.
b)
Axone
Unique aux cellules nerveuses, diamtre : 1-25 mm (humain), 1 mm (poulpe),

longueur : 1 mm to 1 m. (!!!), connexion vers les autres neurones (synapses), permet
la transmission d'information.
c)
Dendrites
Reoivent les signaux des autres neurones, chacune couverte de centaines de

synapses.
Figure. (B-1) neurone

2.2.- Le cerveau.
Le cerveau humain est compos de trois couches qui sont successives : Le cerveau
reptilien qui est la couche la plus ancienne, gre le niveau le plus instinct.
Lhippocampe (ou cerveau archaque) est le sige de lmotivit et de la sensibilit. Le
cortex (couche la plus rcente) est propre aux mammifres, cest le sige du
123
Annexe C
Survol sur les RNA
raisonnement et de la pense conceptuelle. Le cerveau peut aussi tre dcompos en

un certain nombre de rgions, tant sur le plan morphologique que fonctionnel. Si la
plupart des fonctions sont rparties de manire symtrique sur les deux hmisphres
du cerveau, un certain nombre de fonctions de haut niveau ne sont en fait
affectes qu' un seul hmisphre. Il est aussi important de noter que plusieurs types
de neurones peuvent exister au niveau du cortex (pyramidaux, stellaires, en panier,
...) et sont structurs la fois horizontalement et verticalement.
La notion de Population de Neurones dfinie par Hebb a permis de dcrire une sorte
de Coopration entre neurones. Chacun des neurones de cette population est
ncessaire pour maintenir lactivation des autres. On retrouve loppos de cette notion
pour dcrire des neurones ayant un fonctionnement concurrentiel. Lorsque dans un
ensemble de neurones concurrentiel seul un neurone reste actif, on dit quil y a eu un
choix ou un phnomne de type winner takes all ou le gagnant prends tout. Le
systme nerveux est aussi capable de sadapter, cest dire de modifier les efficacits
synaptiques. La rgle de Hebb qui renforce les corrlations les plus importantes est
lune des premires avoir t formalise. Cette rgle semble dailleurs tre utilise
dans le cerveau.
Le cerveau nest donc pas compos dun seul type de neurones mais au contraire de
plusieurs types de neurones avec des topologies et des ensembles de connexions
varis en relation avec la fonction du neurone (oue, vue, mmoire, ...).
2.3.- Modlisation du neurone.

2.3.1- Le neurone Formel.
a) Structure.
Un neurone formel est la reprsentation mathmatique dun neurone biologique. Il
comporte une arborisation dendritique en contact synaptique avec dautres neurones.
Lenvoi dun potentiel daction par un de ces neurones se prsente par le signal xi. Il
provoque
une
modification du potentiel de membrane damplitude wi*xi, wi
reprsentant lefficacit synaptique . On considre que le signal dentr du neurone

est la combinaison linaire des wi*xi (on place souvent une entre supplmentaire
pour reprsenter le seuil dactivation membranaire, caractrise par un signal
constant et un poids figurant le seuil).
124
Annexe C
Survol sur les RNA
La sortie (potentiel mis dans laxone) est assimile une fonction de lentre
(somme des wi*xi), souvent de type sigmode. Figure. (B.2)
Figure (B-2) neurone Formel

b) Comportement.
On distingue deux phases. La premire est habituellement le calcul de la somme
pondre des entres (p) selon l'expression suivante :
p =x1 * W1 + x2 * W2 + x3 * W3 +..... + xn * Wn..................... (A2.1)
A partir de cette valeur, une fonction de transfert calcule la valeur de l'tat du
neurone. C'est cette valeur qui sera transmise aux neurones avals.
Il existe de nombreuses formes possibles pour la fonction de transfert. Les plus
courantes sont prsentes sur les figures suivant ce paragraphe. On remarquera qu'
la diffrence des neurones biologiques dont l'tat est binaire, la plupart des fonctions
de Transfert sont continues, offrant une infinit de valeurs possibles comprissent dans
l'intervalle [0, +1] (ou [-1, +1]).
125
Annexe C
Survol sur les RNA
F(x)
F(x)
F(x)
1
-1
-1
Signe
Echelon
Sigmode [-1 1]
F(x)
F(x)
F(x)
-1
-1
Linaire (x=y)
Satur
-1
Sigmode
Figure (B-3) les fonctions de Transfert

Nous constatons que les quations dcrivant le comportement des neurones artificiels
n'introduisent pas la notion de temps. En effet, et c'est le cas pour la plupart des
modles actuels de rseaux de neurones, nous avons affaire des modles temps
discret, synchrone, dont le comportement des composants ne varie pas dans le
temps.
2.3.2. Les connexions

La topologie des rseaux de neurones peut tre trs varie. On peut concevoir
plusieurs types de rseaux seulement en modifiant les rgles de connexion. Mais
qu'est ce qu'une connexion ?
126
Annexe C
Survol sur les RNA
Par analogie la biologie, on peut dire que les connexions reprsentent l'axone et les
diffrentes dendrites qui relient le neurone aux autres neurones. La particularit de la
connexion est d'tre pondre. On simule ainsi la relation entre les neurones, c'est
dire l'influence de l'activation (dsactivation) d'un neurone sur un autre. Dans la
majorit des cas, les connexions servent calculer l'entre du neurone tandis que les
fonctions d'activation dtermineront la sortie.
2.4. Les Rseaux de Neurones Artificiels.

Lutilit du Rseaux de Neurones Artificiels (R.N.A) rside dans le fait que la rsolution
de certains problmes qui par des mthodes classiques est trs longue et trs dure,
peut tre facilite, et amliore. Les problmes peuvent tre de toutes sortes, de
lanalyse de signaux la prise de dcision.
Les RNA, ns il y a environs une soixantaine dannes, ont volus jusqu
aujourdhui. Leurs volutions nont pas toujours t dactualit car les premiers RNA
ne peuvent pas excuter de fonction XOR, mais seul quelques scientifiques tels que
Aderson, Albus, Kohonen et W.Willsha. Y ont cru. Kohonen dveloppa le SOM, qui est
une carte auto organisatrice.
Cest dans les annes 80 que les RNA revinrent au got du jour grce ALBUS et
surtout Kohonen.
Principe
- Graphe orient : interconnexion d'lments simples (Les neurones).
- change d'information via les connexions.
- Calcul distribu et coopratif.
Utilisation :
- systme de dcision.
- approximation de fonctions.
- rsolution de problmes.
- mmorisation et compression.
Avantages :
- Tolrance par rapport aux fautes (limination d'un neurone...).
- Apprentissage automatique des poids.
- Capacit de gnralisation.
127
Annexe C
Survol sur les RNA
Inconvnients :
- Reprsentation complexe.
- Paramtres difficiles interprter physiquement (boite noire).
2.4.1-. Types d'architectures courantes.
2.4.1.1. Les rseaux "feed-forward" ou unidirectionnels.
a)
Le Perceptron mono-couche
C'est historiquement le premier RNA, le perceptron de Rosenblatt est un rseau

simple, puisquil ne se compose que d'une couche d'entre et d'une couche de sortie.
Il est calqu, la base, sur le systme visuel et de ce fait a t connu dans un but
premier de reconnaissance des formes. Cependant, il peut aussi tre utilis pour faire
de la classification et pour rsoudre des oprations logiques simples (telle "ET" ou
"OU"). Sa principale limite est qu'il ne peut rsoudre que des problmes linairement
sparables. Il suit gnralement un apprentissage supervis selon la rgle de
correction (ou selon la rgle de Hebb).
b)
Le Perceptron multi-couches (PMC)
C'est une extension du prcdent, avec une ou plusieurs couches caches entre
l'entre et la sortie. Chaque neurone dans une couche est connect tous les
neurones de la couche prcdente et de la couche suivante, et il n'y a pas de
connexions entre les cellules d'une mme couche. Les fonctions d'activation utilises
dans ce type de rseaux sont principalement les fonctions seuil ou sigmode. Il peut
rsoudre des problmes non linairement sparables et des problmes logiques plus
compliqus, et notamment le fameux problme du XOR. Il suit aussi un apprentissage
supervis selon la rgle de correction de l'erreur.
Architecture
Les units caches ralisent une transformation non linaire des entres. Dans un
espace o une sparation/rgression linaire devient possible, cette solution linaire
tant ralise par la dernire couche de poids du rseau (Assimilable un Perceptron
monocouche). Dans le cadre de la classification supervise : ralisation d'une
projection Discriminante non linaire gnralisant le modle de Fisher, Chaque unit
cache peut tre interprte grossirement comme un facteur discriminant non
linaire. (Figure B-4)
128
Annexe C
Survol sur les RNA
Sortie
Transformation
linaire
classes
Transformation
non-linaire
Couche
Entres
Figure (B-4) LArchitecture dun MLP
Approximateur universel
On peut (dans le cadre gnral de l'approximation de Fonction) dmontrer qu'un
rseau MLP muni d'une seule couche Cache (avec activation sigmodale) est
"thoriquement" apte modliser (Avec une prcision arbitraire) n'importe quelle
fonction "entre-sortie",Pour autant qu'il y ait suffisamment d'units caches.
c)
Les rseaux fonction radiale (RBF)
Ce sont les rseaux que l'on nomme aussi RBF (pour "Radial Basis Functions").
L'architecture est la mme que pour les MLP cependant, les fonctions de base utilises
ici sont des fonctions Gaussiennes. Les RBF seront donc employs dans les mmes
types de problmes que les MLP savoir, en classification et en approximation de
fonctions. Les rseaux RBF sont des rseaux avec une couche cache dont les
fonctions
d'activation
des
units
caches
sont
des
fonctions
radiales
(RBF)
(gnralement gaussiennes), dont les paramtres (mj et sj pour j) sont

dterminer lors de l'apprentissage. [Rodrigue]
Les sorties ralisent une combinaison linaire des fonctions radiales :
p
j =1
j =1
y K (x ) = W jk F j (x ) +W 0K =W jk F j (x )
(Avec 0(x)=1)..(A2-2)
O wkj est le poids de la connexion entre l'unit cache j et la sortie yk.

Les poids de connexion sont des paramtres adapter (en plus des paramtres des
j) lors de la phase d'apprentissage, afin que les sorties du rseau soient proches des
sorties dsires.
129
Annexe C
Survol sur les RNA
Une couche cache poids variables : vecteur de paramtres pi dterminant la

position des prototypes dans l'espace des entres et, si modle non comptitif,
l'tendue de leur zone d'influence. Couche de sortie (pas tjrs reprsente) : poids
binaires et fixes indiquant l'allocation des prototypes aux diffrentes classes. (Figure
B-5)
Sorties
Poids binaires (fixs)

Prototype
Poids adaptatifs
Entres
Figure. (B-5) LArchitecture dun rseau RBF
Approximateur universel :
Comme un MLP, un rseau RBF (muni de suffisamment d'units caches) est capable
d'approcher toute fonction entre-sortie. Il est apte modliser un classificateur
baysien. (Mme rle jou par les units caches que celles d'un MLP).
2.4.1.2- Les rseaux "feedback" ou rcurrents.

a)
Les cartes auto organisatrices de Kohonen
Ce type de rseau, aussi appel SOM (je pense pour : "Self Organised Maps"), est un
rseau apprentissage non supervis qui tablit une carte discrte, ordonne topo
logiquement, en fonction de patterns d'entre. Le rseau forme ainsi une sorte de
treillis o, chaque noeud du treillis est un neurone associ un vecteur de poids. La
correspondance entre chaque vecteur de poids est calcule pour chaque entre. Par la
suite, le vecteur de poids ayant la meilleure corrlation, ainsi que certains de ses
voisins, vont tre modifis afin d'augmenter encore cette corrlation. Figure (B-6)
Les LVQ (pour "Learning Vector Quantization") sont un cas particulier des SOM, o
seul le noeud ayant la meilleure corrlation est adapt. On parle, pour ce type de
rseau o seul le "vainqueur" est slectionn, de rseaux comptition
130
Annexe C
Survol sur les RNA
Figure. (B-6) Les cartes auto-organisatrices
b)
Les rseaux de Hopfield
Les rseaux de Hopfield sont donc des rseaux rcurrents et entirement connects.
Dans ce type de rseau, chaque neurone est connect chaque autre neurone et il
n'y a aucune diffrenciation entre les neurones d'entre et de sortie. Ils fonctionnent
comme une mmoire associative non linaire et sont capables de trouver un objet
stock en fonction de reprsentations partielles ou bruites. L'application principale
des rseaux de Hopfield est l'entrept de connaissances mais aussi la rsolution de
problmes d'optimisation. Le mode d'apprentissage utilis ici est le mode non
supervis.
c)
Les ART
Les rseaux ART (pour "Adaptative Resonnance Theorie") sont des rseaux
apprentissage par comptition. Le problme majeur qu'il se pose dans ce type de
rseaux est le dilemme stabilit/plasticit . En effet, dans un apprentissage par
comptition, rien ne garantit que les catgories formes vont rester stables.
La seule possibilit, pour assurer la stabilit, serait que le coefficient d'apprentissage
tende vers zro, mais le rseau perdrait alors sa plasticit. Les ART ont t connus
spcifiquement pour contourner ce problme. Dans ce genre de rseaux, les vecteurs
de poids ne seront adapts que si l'entre fournie est suffisamment proche, d'un
prototype dj connu par le rseau. On parlera alors de rsonance. A l'inverse, si
l'entre s'loigne trop des prototypes existants, une nouvelle catgorie va alors se
131
Annexe C
Survol sur les RNA
crer, avec pour prototype, l'entre qui a engendre sa cration. Il est noter qu'il
existe deux principaux types de rseaux ART : les ART-1 pour des entres binaires et
les ART-2 pour des entres continues. Le mode d'apprentissage des ART peut tre
supervis ou non.
2.5-. Lapprentissage.
Lun des grands attraits des rseaux de neurone est en effet leur facult
dapprentissage .le besoin dapprentissage se manifeste lorsque linformation que
possde un rseau de neurone Est reprsente dans les poids de connexions entre les
neurones lapprentissage consiste donc ajuster des poids de telles faons que le
rseau prsente certains comportement dsirs .mathmatiquement lapprentissage
est dfinit par :
W
=0
t
2.5.1- Apprentissage supervis.

On fournit lalgorithme une srie dexemples (x) + rsultats (y), trouver W tel que
y = FW(x) (+ bonne gnralisation).
Ex : mthodes de gradient stochastique en discrimination linaire.
2.5.2- Apprentissage semi supervis (renforcement).

On fournit des exemples et des indications sur le rsultat (vrai|faux).
2.5.3- Apprentissage non supervis.

On fournit seulement les exemples (x), trouver W tel que les x soient correctement
groups selon FW (+ Bonne gnralisation).
Remarque : suite a notre choix dutiliser les deux types de rseaux de neurones MLP
et RBF nous allons tudier brivement leurs deux algorithmes.
132
Annexe C
Survol sur les RNA
2.6- Algorithme d'apprentissage pour les (MLP).

La Mthode de descente de gradient est utilise pour minimiser le critre de
performance (algorithme de rtro propagation de l'erreur).
Principe de l'algorithme de rtro propagation : adaptation pratique de la

descente de gradient dans un rseau multicouche.
Pour un critre d'erreur minimiser : chaque couche de connections contribue
l'erreur calcule en sortie.
Pour chaque vecteur d'entre x :
Propagation du signal de couche en couche :
L +1
K
ni l +1 l
( x ) = F w ik y i ( x ) ..(A2-3)
i =1
Avec y
l
i
= sortie de la i
m e
unit de la couche l
w ikl +1
=poids de connections entre i
Et K
m e
m e
unit de la couche
unit de la couche ( l + 1)
Lerreur calcule en sortie, est "rtro propage" jusqu'aux units dentres, avec
modification des poids en commenant par la dernire couche.
dK
Couche l+1
WikL+1
Dwikl =-h
E
wikl
Couche l
L'adaptation finalement ralise correspond :

- Pour la rgression (approximation de fonction : y = F(x)) :
La mthode de descente de gradient pour minimiser le critre des moindres carrs.
133
Annexe C
Survol sur les RNA
- Pour la classification supervise : mme type d'algorithme, ou Mieux : sorties

munies de fct. Softmax et minimisation (par mthode de Gradient) du critre de logvraisemblance (comme en rgression logistique) :
c = -y *(x (i ) )log(y i (x (i ) )) ...(II-4)

i
2.7- Algorithme d'apprentissage pour les (RBF).

Deux ensembles de paramtres adapter durant l'apprentissage : les paramtres
dterminant les fonctions RBF (centres et rayons, ou matrice var.-covar., des
gaussiennes) et les poids wjk de la combinaison linaire Dterminant les sorties.
Contrairement au MLP (un seul type de paramtre), ces deux ensembles de
paramtres jouent des rles diffrents et peuvent tre adapts sparment.
[Decaestecker]
Procdure en 2 tapes gnralement conseille :
Dterminer les positions et rayons (ou matrices var.-covar.) des RBF,

Par exemple, par une mthode non supervise (comme "k-means")
- Dcoupage de l'espace des entres en "clusters"
- Chaque cluster reprsent par une unit RBF (centre et rayon, ou Matrice var.
/covar.) Dans le cas de la classification : il est conseill d'effectuer le processus de
clustering par classe (pour garantir une bonne reprsentation de Chaque classe).
Calculer les poids de la combinaison linaire des RBF

(Couche de Sortie) par minimisation du critre des moindres carrs (calcul de Matrice
pseudo inverse, cf. rgression linaire multiple). Dans le cadre de la classification,
possibilit d'appliquer le modle de Rgression logistique en sortie.
134
Annexe C
Survol sur les RNA
3. Les fonctions Matlab utilises dans notre application

Pour les Rseaux de Neurones Artificiels:
Newff : (new feed-forward backpropagation network) Cre un rseau de neurones de
type Perceptron Multi Couche, et la mthode dapprentissage est la rtropropagation
du gradient.
Premnmx : Traite les donnes de telle faon que les entres et les valeurs dsires
soient comprises entre 1 et +1.
Minmax : Pour avoir deux colonnes des minimums et des maximums dune matrice.
Init : Pour initialiser les diffrentes couches (entres, sorties, et internes).
Trainlm : Fonction dapprentissage du rseau de neurones ; elle fait la mise jour
des poids suivant loptimisation de Levenberg-Marquardt.
Train : Pour lancer lapprentissage.
Sim : Pour simuler les sorties du rseau qui a t appris.
Postmnmx : Pour convertir les sorties normalises par Premnmx des valeurs relle
comme elles ont t originalement.
Tansig : Fonction dactivation sigmod.
Purelin : Fonction dactivation linaire.
Newrb: conception un rseau a base radial (RBF).
135
Annexe D
Survol sur logique floue
Annexe D
1-
Introduction:
Les recherches et les applications concernant la logique floue datent de plus dune
trentaine dannes. Elle a t introduite pour la premire fois par Lotfi.A.Zadeh (professeur
luniversit de Californie Berkeley), internationalement connu pour ses travaux en
automatique et thorie des systmes, qui a prouv le besoin de formaliser la prsentation
et le traitement des connaissances imprcises ou approximatives, afin de pouvoir traiter
des systmes de grandes complexits.
La logique floue reprsente une extension de la logique classique, dans le but de raisonner
sur des connaissances imparfaites. Elle a pour proccupation principale le raisonnement
approximatif, dans le contexte de lanalyse, de la reprsentation des connaissances, de la
classification des formes et des systmes experts (un systme expert est tout systme
capable de prendre des dcisions), et plus rcemment (les deux dernires dcades),
lattention a commenc se dplacer vers le contrle, et elle a prouv une grande
efficacit grces aux proprits suivantes quelle offre:Souplesse, Facilit de ralisation et
Rentabilit.
2-
Pourquoi la logique floue?
La logique floue est considre comme un outil de plus, ajout la panoplie des outils
traditionnellement disponibles (logique classique, automatique, recherche oprationnelle,
etc.). Elle ne doit tre considre priori comme devant apporter une solution la
ralisation de toute application, mais il convient de se demander si la ralisation
effectuer prsente des caractristiques telles que la logique floue soit intressante.
Il convient dutiliser la logique floue lorsque :
Les connaissances concernant le systme raliser sont imparfaites, cest dire que
certaines
dentre
elles
sont soumises
des
136
imprcisions, ventuellement des
Annexe D
incertitudes. Par exemple, des donnes sont fournies par des instruments dobservation
dont la prcision nest pas absolue.
Certaines des connaissances sont exprimes avec des termes du langage naturel, par
un expert ou un observateur humain. Le traitement simultan de connaissances

numriques et symboliques sur les mmes variables nest ralisable de faon simple que
dans le cadre de la logique floue.
Il existe des connaissances graduelles sur le systme.
Il existe des classes aux limites mal dfinies, dont les frontires ne peuvent pas tre
indiques prcisment ou des catgories mal spares qui se chevauchent partiellement.
Une grande flexibilit est recherche, soit dans la prcision de la prsentation afin de
sadapter aux conditions dobservation, soit dans ladaptation aux conditions dutilisation du
systme ralis.
Il nexiste pas de modle rigoureux du problme que lon traite ou il est dune trs
grande complexit.
Notre faon naturelle de laborder passe par une vue globale de certains de ses
aspects. En effet, certain cas demandent un simple raisonnement humain sans avoir aucun
modle mathmatique lesprit, alors que lutilisation dun modle mathmatique serait
trop lourde.
Pour mettre au profit cet outil (la logique floue), il a fallu introduire une nouvelle thorie
capable de complter linsuffisance de la logique classique (standard). Cette thorie doit
tre en mesure de traiter la partie vague de nos perceptions et dutiliser un processus de
raisonnement baser sur un langage naturel.
3-
Thorie des sous-ensembles flous:
3.1- Concept de sous-ensemble flou:

Le concept de sous ensembles flous t introduit pour viter les passages brusques dune
classe une autre (ex : de la classe noire la classe blanche) et dautoriser des lment
nappartenir compltement ni lune ni lautre ( tre gris par exemple), ou encore
appartenir partiellement chacune (avec un fort degr la classe noire et un faible degr
la classe blanche dans le cas du gris fonc).
La dfinition dun sous-ensemble flou rpond au besoin de reprsenter des connaissances
imprcises, soit parce quelles sont exprimes en langage naturel par un observateur qui
nprouve pas le besoin de fournir des prcisions ou nen est pas capable, soit parce
137
Annexe D
quelles sont obtenues avec des instruments dobservation qui produisent des erreurs de
mesures.
Le caractre graduel des sous-ensembles flous correspond lide que, plus en se
rapproche de la caractrisation typique dune classe, plus lappartenance cette classe est
forte.
La notion des sous ensembles flous permet de traiter :
des catgories aux limites mal dfinies
des situations intermdiaires entre le tout et le rien.
le passage progressif dune proprit une autre.
des valeurs approximatives.
des classes en vitant lutilisation arbitraire de limites rigides.
3.1.1. Ensemble classique et fonction caractristique:

Un ensemble classique est un ensemble dont les limites sont bien dfinies. La notation
classique qui dsigne linclusion dun sous ensemble A dans un ensemble X est : AX
Cette
notation a pour valeur 0 pour les lments x de X nappartenant pas A, et la
valeur 1 pour ceux qui appartiennent A.

On peut reformuler cette notation en utilisant une fonction caractristique, soit mA(x) cette
fonction:
1 pour xA
mA(x) =
0 pour xA
Comme exemple, on peut prendre la figure C-1 qui schmatise un ensemble classique.
mA(x)
1
x
A
X
Fig. (C-1) Reprsentation dun ensemble classique
138
Annexe D
3.1.2. Sous-ensemble flou et fonction dappartenance:

Un sous-ensemble flou A de X est dfini par une fonction dappartenance qui associe
chaque lment x de X, le degr fA(x), compris entre 0 et 1, avec lequel x appartient A.
Donc A sera dfini par le couple x et fA(x), et on note :
A = {x, fA(x)}
avec
xX et 0 fA(x)1
Dans le cas particulier o fA(x) ne prend que des valeurs gales 0 ou 1, le sousensemble A est un sous-ensemble classique de X. Donc un sous-ensemble classique est un
cas particulier de sous-ensemble flou.
Les lments x de X qui constituent lensemble A, doivent satisfaire une proprit
commune entre eux, cest dire que chaque lment de A doit possder cette proprit,
soit de faon absolue, soit partiellement en indiquant avec quel degr il la possde, et cest
cette proprit qui va caractriser le sous-ensemble flou A. Elle est note Prop(A)
Ainsi, un lment x de X pourrait ne pas appartenir A (fA(x) = 0 ), appartenir un peu A
(fA(x) voisine de 0), appartenir assez A (fA(x) voisine de 1), et enfin appartenir A
(fA(x)= 1).
La figure c-2 reprsente quelques formes que peut prendre une fonction dappartenance
fA(x).
fA(x)
fA(x)
fA(x)
1
x
fA(x)
fA(x)
1
x
Fig.(C-2) Quelques fonctions dappartenances
139
Annexe D
On cite quelques exemples de sous ensemble flous :

Ex1 :
Soit A un sous ensemble flou dlment x ;
Soit Prop(A) = de la rgion oranaise ;
x reprsente une ville de la rgion oranaise.
Il est claire que plus la distance dune ville Oran augmente plus elle nappartient pas la
rgion oranaise.
Dans ce cas, A peut tre reprsent par :
fA(x)
Distance
Prop(A) = de la rgion oranaise
Ex2 :
Soit maintenant deux sous-ensembles flous A1 et A2 avec :
Prop(A1) = proche
Prop(A2) = loign
Les proprits proche et loign seront values par rapport un repre. Les sous
ensembles peuvent tre reprsents comme suit :
fA(x) , fB(y)
Prop(A1)= proche
Prop(A2)= loign
distance
140
Annexe D
Ex 3 :
Considrons maintenant A1, A2, A3 tel que
Prop(A1)= proche
Prop(A2)= moyennement distant
Prop(A3)= loign
Dans ce cas on peut avoir le schma suivant :
proche
fA1, fA2, fA3
loign
moyennement distant
distance
3.2. Variable linguistique

Toutes les variables que lon considre, en physique ou en conomie, par exemple,
prennent une valeur unique dans leur ensemble de dfinition X dans une situation donne
(la distance est gale 232 mtres, le prix de revient est de 252 357 dinars). Nanmoins,
les conditions dobservation ne permettent pas toujours de connatre parfaitement cette
valeur unique. Dans bien de cas, la valeur est seulement approximative (environ 250 000 )
ou values grossirement ( entre 200 et 250 mtres), linstrument de mesure est
lgrement imprcis (252 mtres 1% prs), ou elle est dcrite de faon qualitative la
distance est faible . Une variable linguistique sert modliser les connaissances
imprcises ou vagues sur une variable dont la valeur prcise peut tre inconnue.
Dfinition : Une variable linguistique est un triplet (V,X,TV) dans lequel V une variable
dfinie sur un ensemble de rfrence X. Lensemble TV={A1,A2,..}, fini ou infini, contient
des sous ensembles flous normaliss de X, utilisables pour caractriser V.(un sous
ensemble flou normalis de X , est un sous ensemble flou dont la valeur maximale que
peut prendre sa fonction dappartenance est gale 1).
141
Annexe D
Les sous-ensembles flous de TV dfinissent des restrictions des valeurs que prend V dans
X. Pour simplifier, on note Ai la fois le terme linguistique ( faible , cher ) et le
sous-ensemble flou qui lui est associ.
Prenons lexemple suivant :
Considrons lnergie dun signal comme variable V, dfinie sur lensemble X des rels
positifs
TV={trs petite, Petite, Moyenne, Grande, trs grande} ;
Donc notre variable linguistique sera dfinie par :
V = Energie.
X =+
TV={ trs petite, Petite, Moyenne, Grande, trs grande }.
On pourra choisir la fonction dappartenance sous forme trapzodale. Cette situation est
reprsente sur la figure C-3.
Fonction dappartenance
Tp
Tg
x
Fig.(C-3) Exemple dune variable linguistique
utilise pour dcrire lnergie dun signal
Selon le type et le besoin de lutilisation, le nombre des lments de TV est plus ou moins
grand, ce qui veut dire que la description de V est plus ou moins fine.
3.3. Propositions floues:

3.3.1. Propositions floues lmentaires:
Une proposition lmentaire est dfinie partir dune variable linguistique (V,X,TV) par la
qualification V est A , o A est une caractrisation floue appartenant TV.
3.3.2. Propositions floues gnrales:
Une proposition floue gnrale est obtenue par lutilisation conjointe de propositions floues
lmentaires.
142
Annexe D
Gnralement, on peut construire des propositions floues par conjonction, disjonction ou

implication portant sur des propositions floues quelconques.
3.3.2.1. La conjonction:
Si x et y sont des lments des ensembles X et Y respectivement, la conjonction sexprime
par x est A et y est B . Cette dernire prend ses valeurs dans lensemble X Y avec
des degrs de flous calculs partir dune fonction dappartenance fAB(x,y), o la forme
gnrale de fAB(x,y) est :
fAB(x,y) = min ( fA(x), fB(y) )
3.3.2.2. La disjonction:
Elle est exprime par : x est A ou y est B .
La fonction dappartenance la plus simple qui peut tre associe la disjonction est de la
forme :
fAB(x,y) = max( fA(x) , fB(y) ).
3.3.2.3. Limplication:
Une implication entre deux propositions floues lmentaires dfinit aussi une proposition
floue que lon peut exprimer par x est A implique y est B ou si x est A alors y est B .
Une proposition floue utilisant une implication floue est appele rgle floue , cette
notation est trs utilise en logique floue surtout en ce qui concerne la prise des dcisions
et lextraction des conclusions.
Considrons la rgle floue suivante si v est A alors w est B , ou v est A est appele
prmisse, et w est B est appele conclusion. Cette rgle est construite partir des
deux variables linguistiques ( v, X, Tx ) et ( w, Y, Ty). Elle dfinit une relation R dfinie sur
XY entre les valeurs prises par v et celles prises par w. Comme ces variables sont
restreintes par les caractristiques floues A et B, la relation est elle mme floue. Elle
mesure la force entre la prmisse v est A et la conclusion w est B de cette rgle,
mettant en vidence linfluence du fait que la prmisse soit satisfaite, (cest dire que v
soit effectivement caractrise
par A), sur le fait que la conclusion que la rgle soit
satisfaite (cest dire que w soit caractrise par B). De mme que la valeur de vrit de
la prmisse v est A est dfinie par une fonction dappartenance A, limplication floue
est dfinie par une fonction dappartenance de R, pour cela plusieurs fonctions
dappartenances existent, par exemple:
fR(x , y) = 1 fA(x) + fA(x) fB(y)
..(Reichenbach).
143
Annexe D
fR(x , y) = max( 1 fA(x) , min(fA(x) , fB(y) ) ) .(Willmot).

fR(x , y) = fA(x) fB(y) ..(Larsen).
1 si fA(x) fB(y)
fR(x , y) =
.(Brouwer-Godel)
fB(y) sinon.
4. Infrence floue et raisonnement approximatif:

La logique floue est une extension de la logique classique. Les propositions floues dfinies
partir dun ensemble L de variables linguistiques (v, X, Tv). Dans le cas particulier o
toutes les propositions floues sont boolennes, cest dire o elles sont absolument vraies,
soit absolument fausses, la logique floue est identique la logique classique.
De mme, le raisonnement en logique floue est une extension du raisonnement en logique
classique conventionnelle.
4.1. Raisonnement en logique classique conventionnelle:

De manire gnrale, le raisonnement en logique classique stablit sous la forme de ce
quon appelle le Modus Ponens, qui se traduit de la faon suivante :
Rgle :
si x est A
Le fait observ :
conclusion
Alors
y est B
x est A
y est B
Dans cette logique une conclusion ne peut tre tablie que lorsque x correspond
exactement A, cest dire seulement lorsque la prmisse est absolument vraie.
4.2. Raisonnement en logique floue par gnralisation du Modus Ponens:

Dans la logique classique, le Modus Ponens ne permettrait dobtenir une conclusion que
lorsque la prmisse est vraie ; il convient donc dlaborer une forme assouplie du Modus
Ponens pour rpondre nos besoins, lorsque x est lgrement diffrent de A, par exemple.
Le Modus Ponens se gnralise de la faon suivante : Que dduire de la rgle si x est A
alors y est B , pour un fait x est A ? (A est plus au moins diffrent de A) ; dans ce
cas on procde comme suit :
Rgle
si
x est A
alors
y est B
144
Annexe D
Fait observ :
Conclusion :
x est A
y est B
B le rsultat de linfrence floue, sera lui aussi un sous-ensemble flou.
4.3. Raisonnement en logique floue multidimensionnelle (MFR):

(Multidimensionnelle Fuzzy Reasonning)
Ce raisonnement est utilis lorsque le systme traiter, prsente comme entre plusieurs
variables indpendantes, o chacune a son propre
domaine de variation. Dans un cas
pareil, on fait appel ce type de raisonnement en utilisant des rgles floues

multidimensionnelles,
ces
dernires
sont
gnres
par
des
implications
floues
multidimensionnelles.
4.3.1. Implication floue multidimensionnelle (MFI):

Soit limplication floue multidimensionnelle (MFI, Multidimensionnelle Fuzzy Implication)
suivante :
si x est A et y est B alors z est C
O :
A, B, et C sont des sous-ensembles flous.
x, et y sont deux variables linguistiques indpendantes, donc dans ce cas on a
seulement deux dimensions.
Z tant le rsultat de la MFI, soit disant sa valeur de vrit.
Pour calculer la valeur de vrit dune telle implication floue MFI; cette dernire peut tre
dcompose en plusieurs autres implications simples (unidimensionnelle). Une fois la
dcomposition est tablie, on traite chacune des implications rsultantes part. C'est
dire de calculer la valeur de vrit de chacune delle. Par la suite, on fait le travail inverse.
C'est dire, faire lassemblage des diffrentes valeurs de vrits, pour en sortir une valeur
globale, qui sera considre comme tant la valeur de vrit de limplication floue
multidimensionnelle. Pour cela il existe plusieurs techniques, dont les plus connues sont les
suivantes.
1- Pour Tsukamoto(1979) limplication prcdente peut tre dcompose de la faon
suivante :
145
Annexe D
si x est A
alors
z est C , soit le rsultat de cette implication C ..(1)
si y est B
alors
z est C , soit le rsultat de cette implication C ..(2)
Lintersection entre C et C (C C) sera considre comme tant le rsultat final.

2- une autre approche plus, rcente est utilise ; Elle est reprsente comme suit :
si x est A
alors
z est C1, soit son rsultat C1 .(3)
si y est B
alors
z est C2, soit son rsultat C2 .(4)
o :
C1 C2 = C
..(5)
C1 est le rsultat infr partir de limplication (3)

C2 est la rsultat infr partir de limplication (4)
La valeur finale sera donne par C1 C2.
La diffrence essentielle qui existe entre les deux modles rside dans la partie
consquence
de
chaque
implication
floue
dcompose
(DFI,
Decomposed
Fuzzy
Implication) ; Daprs Tsukamoto, les parties consquences des DFI (quations 1 et 2)

sont identiques, tandis que dans le deuxime modle propos, les parties consquences
(C) est lintersection des deux parties consquences C1 et C2 (quations 3, 4, 5). Donc
dans
le
deuxime
modle,
loprateur
linguistique
de
conjonction
ET
une
interprtation logique pour lintersection plus significative que celle donne dans le
premier modle.
Cest le deuxime modle qui fera lobjet de notre application ; Une fois le modle est
choisi.
4.3.2. Le vecteur flou:

Considrons toujours limplication floue multidimensionnelle (MFI) prcdente si x est A
et y est B alors z est C , pour mieux manipuler les variables linguistiques dun systme
qui utilise une telle rgle, on introduit la notion du vecteur flou.
Les lments qui constituent le vecteur flou, sont les parties antcdentes des implications
floues dcomposes (DFI). Ces derniers sont des variables linguistiques floues, par
exemple, x est petit, y est moyen etc., o petit et moyen etc. sont reprsents par
des sous-ensembles flous .
Dans cet exemple, le vecteur flou est VF = ( x y )T, o T dsigne le transpos. Cest ce
vecteur flou qui sera par la suite lensemble des donnes dentres.
146
Annexe D
5. La chane de traitement de donnes en logique floue:

Pour traiter les donnes acquises, il faut passer par plusieurs tapes. Ces dernires sont
rsumes dans lorganigramme de la figure C-4.
La toute premire opration dun systme dinfrence flou, est la fuzzification,
elle consiste convertir les entres crispes (brutes) en leurs reprsentations floues. Dans
cette tape, les domaines de variation des variables dentre sont diviss en sousensembles flous caractriss par les proprits linguistiques, cette conversion est ralise
simplement en calculant les degrs dappartenance des entres chaque sous-ensemble
flou.
La deuxime tape consiste faire passer les entres floues dans la base de
rgle qui comporte les connaissances concernant le procd.
Les dcisions sont effectues par le traitement des rgles floues. Ces rgles sont
actives ds que leurs propositions lmentaires initiales (prmisses) ont un degr

dappartenance non nul.
La dernire opration, la dfuzzification, a pour rle la conversion des infrences
floues en donnes de sortie non floue, cest dire directement utilisables. Ces donnes de
sortie sont choisies partir des sous-ensembles flous. Ce choix peut tre ralis par
plusieurs mthodes, la plus utilise consiste calculer le centre de gravit des valeurs
obtenues par la base de rgle.
Entres crispes
Interface de fuzzification
Base de
rgles
Interface de
dfuzzification
Sorties
crispes
Fig. (C-4) Chane de traitement en logique floue
147
Annexe E
Lexique
Annexe E
Lexique
Arc lectrique: dcharge lectrique de longue dure produisant une flamme brillante.
Boucle de courant dans le noyau: courant circulant entre le noyau et la cuve. Cette
dfectuosit se produit lorsque le noyau est accord ou est en contact lectrique avec la
cuve deux endroits. Dans cette condition, un courant de boucle prend place et cre
gnralement un chauffement localis.
Chromatographie en phase gazeuse: technique d'extraction des gaz dissous dans
l'huile afin de connatre la nature des gaz dissous ainsi que la quantit dissoute.
Contaminant: terme utilis pour indiquer un compos chimique que l'on ne retrouve
pas normalement dans l'huile. L'eau, les particules de cuivre, les fibres de cellulose sont
des contaminants.
Cellulose: compos de base (le papier que l'on retrouve tous les jours, est compos de
cellulose)
utilis
dans
presque
toute
la
fabrication
des
pices
isolantes
d'un
transformateur.
Dcharges partielles: le phnomne de dcharge partielle se produit, dans un
quipement, dans l'endroits o l'isolation est insuffisante ou lorsqu'un manque
homognit existe dans un milieu isolant. Par exemple, des manques se produisent
lorsque des bulles d'air sont emprisonnes dans l'isolation. Dans certaine condition, ces
bulles se trouvent dans un champ lectrique suffisamment grand pour provoquer un
tincelage entre les parois de l'espace cr par la bulle d'air.
Dfaut latent:toutes conditions qui prvalent l'intrieur d'un transformateur pouvant
conduire ventuellement un arrt du transformateur.
148
Annexe E
Lexique
Dfaillance spire spire: un dbris d'isolation qui se situe dans un bobinage de

transformateur entre deux spires adjacentes. Ce type de bris est souvent occasionn
suite une contrainte mcanique soit lors du dplacement du transformateur ou lors
d'un court circuit sur un circuit en aval. L'effet de ces deux cas est souvent amplifi si le
transformateur est relativement g en raison de la perte de flexibilit de la cellulose
(papier).
Effet couronne: l'effet couronne se produit lorsque le champ lectrique est trop intense
pour le milieu isolant environnant. Il se forme une ionisation locale qui se manifeste par
la prsence d'tincelage. L'effet couronne peut tre aperu, la noirceur, autour des
pointes des conducteurs partir d'une tension de 10000volts, comme une lumire
bleute de faible intensit.
Etincelage: dcharge lectrique unique d'une dure infrieure 1 microseconde.
Furannes: sous produits de dcomposition de la cellulose. La prsence de furannes est
un indicateur du vieillissement de l'isolation solide et directement reli l'valuation de
la vie restante d'un transformateur (du moins c'est ce que les recherches actuelles
tendent d'obtenir).
Gaz combustibles: les gaz combustibles que l'on considre dans l'analyse des gaz
dissous sont: Hydrogne (H2), mthane (CH4), actylne (C2H2), thylne (C2H4), thane
(C2H6), monoxyde de carbone et dioxyde de carbone (CO et CO2).
Gaz de dfaut: gaz dissous dans l'huile de transformateur suite une condition
lectrique, chimique ou thermique conduisant la formation de gaz.
Gaz dissous dans l'huile: tous les fluides ont une certaine capacit dissoudre
d'autres composs. Le terme gaz dissous dans l'huile rfre cette proprit de l'huile
dissoudre les gaz.
Gaz cls: gaz que l'on associe des dfauts types ayant lieu dans un transformateur.
Par exemple la prsence de CO est associe une surchauffe thermique gnrale du
bobinage.
149
Annexe E
Lexique
Huile minrale: voir huile isolante.

Huile isolante: huile minrale de base naphtnique utilise comme fluide de
refroidissement et d'isolation dans les appareils lectriques.
Huile parafinique: gnralement dcrite comme des chanes droites hydrocarbones
satures. Se fige plus basse temprature que l'huile naphtnique. Les sous produits
d'oxydation apparaissent plus rapidement que dans le cas de l'huile naphtnique.
Huile naphtnique: chanes fermes d'atome de carbone non aromatique. Cette huile
est la base de la composition de l'huile isolante.
IEEE: Institute of Electrical and Electronic Engineers.
Papier Kraft: papier utilis dans l'isolation des conducteurs qui servent la fabrication
des bobines de transformateurs.
Ppm: concentration exprime en partie par million. Un ppm (volume/volume) de gaz
implique que 1mm3 de ce gaz est dissous dans 1 litre d'huile isolante une pression de 1
atmosphre (101.3 kilopascal).
Point chaud: surchauffe localise. Des dfauts peuvent atteindre 500celsius.
TDCG: total dissolved combustible gaz. Total des gaz combustibles dissous dans l'huile.
TGC: total gaz content. Contenu total en gaz.
L'huile utilis: l'huile isolante la plus couramment utilise dans les appareils lectriques
est le produit VOLTESSO 35 fabriqu uniquement par Exxon pour IMPERIAL OIL.
L'industrie devra trouver d'autres fournisseurs puisque le fabriquant amricain de
VOLTESSO a annonc ses intentions de discontinu cette ligne de prouduits. On peut
rencontrer l'occasion le produit UNIVOLT 60 commercialis aux Etats-Unis par Exxon
ou du DIALA A de SHELL. L'huile fournie par les fabricants de transformateurs sous
d'autres noms gnriques ont essentiellement les mmes caractristiques.
150
Annexe E
Lexique
Le logiciel Delta-X: est un outil pertinent et essentiel pour une entreprise parce quil
permet d'optimiser la valeur de son immobilisation ainsi que la fiabilit de ces
installations. Il:
Organise et types d'quipements d'information et de donnes de test.
Interprte de gaz dissous et les donnes d'essai des fluides isolants pour
transformateurs de puissance et d'autres remplies de liquide des appareils lectriques.
Fournit une varit de rapports et de graphiques l'appui de base de test, d'valuation
de l'tat, et les tches de maintenance
Spectacles de l'quipement qui a rcemment reu ou les donnes d'essai et de
l'quipement, mai exiger davantage d'attention ou de test.
Prise en charge d'examen des rsultats des essais et crire protge-rviseur
remarques.
Fournit des prts l'emploi, l'analyse des normes et soutient le dveloppement et
l'utilisation de ses propres normes par abonn.
Prise en charge alternative populaire isolants liquides
Le delta X d'analyse de donnes comprend:
L'analyse des gaz dissous (AGD)
analyse de la qualit de l'huile
L'humidit dans l'huile
Furans (y compris les 5 mesur furannes)
De particules et de particules de statistiques
Mtaux et oligo-lments dans l'huile
PCB dans l'huile
L'analyse des gaz dissous et analyse de la qualit de l'emploi fluide mise jour des
mthodes qui ont t mathmatiquement amlior pour tenir compte de la mesure
bruit souvent prsent dans les donnes de la DGA. Les tendances et les taux de
change sont inclus dans l'analyse.
151
Annexe F:
Fiches des Rapports
d'analyse des gaz
dissous de
SONELGAZ GRTE
Rapport
11/02/2009
Gaz dissous
Informations sur l'quipement
ID:
TR 1
No. srie:
Empl.:
AKBOU
S.station:
Type: Transformateur
Anne: 2004
Fabricant:
Scell:
C0092A
Fluide isolant:
EFACEC
Non
Litre:
Tension prim.(V):
Puiss.(MVA):
Huile
70 000
220 000
120,000
Informations sur la dernire analyse

Date de saisie:
11/02/2009
Laboratoire:
DTE/EC
Charge (MVA):
Lieu:
Cuve Princ. -Bas
Motif:
Prventif
No. contrat:
quipement d'essai:
agilent
Diagnostic:
Gaz combustibles ,hydrogne ,mthane ,thane ,thylne ,concentration dangereuses :Dfaut thermique de haute
temprature ( T> 700 C ) .
Recommandations:
Mettre hors service IMMDIATEMENT et planifier une inspection interne
Donnes
Date
Hydrogne-H2 (ppm)
Oxygne-O2 (ppm)
Azote-N2 (ppm)
CO (ppm)
11/02/2009
53,0
1931,0
11373,0
101,0
Mthane-CH4 (ppm)
CO2 (ppm)
611,0
1307,0
thylne-C2H4 (ppm)
1644,0
thane-C2H6 (ppm)
Actylne-C2H2 (ppm)
725,0
< 1,0
Temp. d'huile (C)
32,0
0,00
Rapport
11/02/2009
Gaz dissous
Informations sur l'quipement
ID:
TR2 DTE 763
No. srie:
C00285A
Fluide isolant:
Empl.:
SETIF
S.station:
S/BEY
Type: Transformateur
Anne: 2005
Fabricant:
Scell:
EFACEC
Non
Litre:
Tension prim.(V):
Puiss.(MVA):
Huile
70 000
220 000
120,000
Informations sur la dernire analyse

Date de saisie:
11/02/2009
Laboratoire:
DTE/EC
Charge (MVA):
Lieu:
Cuve Princ. -Bas
Motif:
Prventif
No. contrat:
quipement d'essai:
agilent
Diagnostic:
Gaz dissous en volution ,dfaut thermique de haute temprature
Recommandations:
Mettre hors service IMMDIATEMENT et planifier une inspection interne.
Donnes
Date
17/05/2007
20/05/2008
11/02/2009
Hydrogne-H2 (ppm)
6,0
230,0
72,0
Oxygne-O2 (ppm)
0,0
0,0
1007,0
0,0
0,0
6414,0
25,0
90,0
53,0
Mthane-CH4 (ppm)
CO2 (ppm)
9,0
290,0
402,0
600,0
278,0
610,0
thylne-C2H4 (ppm)
10,0
579,0
629,0
thane-C2H6 (ppm)
Actylne-C2H2 (ppm)
4,0
< 1,0
176,0
< 1,0
289,0
< 1,0
30,0
40,0
20,0
Azote-N2 (ppm)
CO (ppm)
Temp. d'huile (C)
0,00
Rsum: Le transformateur de puissance est llment le plus critique dans le Systme de transport
dlectricit. Sa fiabilit n'affecte pas uniquement la disponibilit en nergie lectrique, mais aussi
conduit des pnalits technico-conomiques, trs lourdes en consquences (techniques, financires,
commerciales, environnementales) ; do la ncessit de dtecter et didentifier ds les premiers
stades les dfauts latents pour une ventuelle action prventive. L'analyse des gaz dissous (AGD, en
anglais Dissolved Gases Analysis) est l'une des techniques les plus efficaces pour surveiller l'tat des
transformateurs. Elle permet travers la nature et la concentration des gaz didentifier lexistence du
dfaut latent ou le mode de dfaillance touchant le transformateur par un simple prlvement. Les
quantits dinformations, leur complexit, lexistence simultane de plusieurs dfauts, labsence
dquations qui les rgissent, imposent le recours des systmes plus performants de diagnostic tels
que les techniques dintelligences artificielles (rseaux de neurones RNA, systmes experts, systmes
flous, techniques baysiennes, .).
Dans ce travail, fruit dune troite collaboration avec Sonelgaz-GRTE de SETIF, nous prsentons une
tude mene dans le but de la surveillance des transformateurs en service par la dtection et
lidentification des dfauts en se basant sur les techniques dAGD utilises dans les normes (IEEE;
ICE;) et une technique moderne (RNA) qui nous avons dvelopp via des programmes utilisant le
MATLAB. La comparaison des rsultats obtenus est faite par rapport un logiciel DELTA X utilis dans
les laboratoires de SONELGAZ-GRTE ou les donnes de part et dautres sont examines pour voir les
convergences tablies . Cette banque de donnes des diagnostics faite sur le parc des transformateurs
de la rgion de SETIF, nous a permis de voir la sensibilit de notre programme et le niveau de sa
reproductibilit.
Mot clfs:Transformateur de puissance, analyse de gaz dissous (AGD), rseaux de neurone (RNA).
Abstract: The power transformer is the most critical item in the transmission system of electricity.
Its reliability does not affect only the availability of electricity, but also lead to technical and economic
penalties, with severe consequences and hence, the need to detect and to identify earlier any latent
defects for a possible preventive action. The dissolved analysis of gases (DGA) is one of the most
effective techniques to monitor the condition of transformers. It allows, through the nature and
concentration of gas to identify the existence of a latent defect or failure mode affecting the
transformer by a simple sampling. The amount of informations, their complexity, the existence
simultaneously of multiple defects, the lack of equations that govern them, require the use of more
efficient systems for diagnostic techniques such as artificial intelligence (neural networks ANN , expert
systems, fuzzy systems, baysian techniques, ....).
In this work, witch the fruit of a closed collaboration with Sonelgaz GRTE-SETIF, we present a
conducted study for the purpose of monitoring transformers in service by the detection and the
identification of defects based on the techniques of DGA used in the standards (IEEE; ICE ...) and a
modern technique (ANN) developed within our programs by MATLAB. The comparison of results is
made against of a DELTA X software used in laboratories at SONELGAZ GRTE and then it's examined
for the established convergency. This database of diagnosis made on transformers fleet in the region of
SETIF, helped us compare the sensitivity of our program and the level of its reproducibility.
Key word: Power transformer, dissolved analysis of gases (DGA), neural networks (ANN).
T^eso? nce:atfo lyon het avl

in t h e r e
ine)3:d 4tn=@:fe
nei)d+: 7=4n@:eItf lony het
QH G
e%"n:)+ 714:=fIet@
o e s n 4 :t
G AGD e)i:nd3 4tn=:
en
"ned:+)1
d"ne+): 147I=e@ft: yoln ~ thejaplv
~ e i dn :
e"n%+:)1
N
o s e n o t f :a e c o yn l t h e av
Q H G T ? ^
eni):3d 4n=:tfec onl y eth av l iyt o f celt riy, bu
en:3di)4n
= ne"%:)+ 417:
e)n+"%: 1
=
CEI IEEE onezagl TGRE(.+ 4be7TBd

N A Q H G z g n e o al E " R G
L ET A
NEOLAGZ GTER(.+ 47CeTBd^h
. T ^ ?
eN a % 2 7 r h g d j
e o s n
oelnzag GRE"(+
Q H G
eind:)3 ~ n=:4@tfIe noly teh a

QH G
e : % n "
negazl o(GRTE +e7bBTdghj

QH G
^ ?T
DELTA
ONEGZAL RTG(E +.47C
e o s nt o
n i the er
Q H G G
ne
=
eind):+
=
^?T
"n e
RNA Q H G
N Q H G
)ne+:"% 41:7
Sonelgaz GRTEtca7:+BTebdh
DGA R onlezga ERTG(+
oelnazg E(TGR +
NA MATLAB =
n i th e r e
RNA oelnzag RG
SONELGAZ GRTEenlogaz GR"E(+.47
E LA T e a
LTAE
X
EA LT

Projet Modélisation Moteur Asynchrone

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Projet Modélisation Moteur Asynchrone

Transféré par

Droits d'auteur :

Formats disponibles

A-PDF Merger DEMO : Purchase from www.A-PDF.

com to remove the watermark

MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE

DIAGNOSTIC DES TRANSFORMATEURS DE

M.C. Universit de Stif

Acronymes & Abrviations

Analyse des Gaz Dissous (Dissolved Gas-in oil Analysis)

Arc ou dcharge a base nergie (High Energy Discharge)

Commission lectrotechnique internationale (International

Conseil international sur les grands systmes lectriques

Institut de recherche d'nergie lectrique (The Electric Power

Institut d'ingnieur d'lectricit et lectronique (Institute of Electrical

Multi couche perceptron (Multi Layer Perceptron)

Etat non identifie

Rgleur en charge (On-Load Tap Changer)

Concentration exprime en partie par million. Un ppm

Rseaux de neurone artificiel (Artificial Neural Network)

Total des gaz combustibles dissous dans l'huile (Total dissolved

Contenu total en gaz (Total gaz content).

2.2.1.4 - Mode de Dfaillance lie la contamination .....................

2.3.2.1 - IEEE ..........................................................................

Conclusions gnrales & Perspectives

A : Constitution des transformateurs de puissance (IEEE)

transport dlectricit. Son infiabilit n'affecte pas uniquement la disponibilit en nergie

du transformateur est souvent ralise travers les diagnostics effectus. Le vecteur

imposent le recours des systmes plus

performants de diagnostic tels que les techniques dintelligences artificielles (rseaux de

(IEEE; ICE;) et une technique moderne (RNA) que

nous avons dvelopp.

sur les techniques de diagnostic des

transformateurs de puissance via lutilisation de lhuile minrale avec le dveloppement

RNA o une application a t dveloppe dans ce but.

Revue sur le diagnostic des transformateurs de puissance

consquences : techniques, financires, commerciales, environnementales. Do la

1.2. Importance du diagnostic de transformateur de puissance et

transformateur de puissance peut conduire des pertes directes et indirectes qui

Revue sur le diagnostic des transformateurs de puissance

1.2.1. Dfaillance du transformateur de puissance:

La prsence des forces mcaniques;

L'application d'une tension;

Revue sur le diagnostic des transformateurs de puissance

Revue sur le diagnostic des transformateurs de puissance

Comme il est difficile de dterminer de manire univoque la fin de vie d'un

Vitesse de vieillissement [%]=

q hs : Temprature du point chaud.

Revue sur le diagnostic des transformateurs de puissance

spcifications exiges. Son rle fondamental est dassurer lisolation dilectrique et le

Point d'inflammabilit lev

Point de conglation bas

Rigidit dilectrique leve

Bonne rsistance l'lectrification statique

Tendance au gassing. [Hua_02]

1.2.3. Mcanismes de gnration des gaz :

Revue sur le diagnostic des transformateurs de puissance

Revue sur le diagnostic des transformateurs de puissance

1.3. Introduction a lAnalyses des Gaz Dissous (AGD) comme outil de

Les gazes- Hydrocarbure et hydrogne: mthane (CH4), thane (C2H6), thylne

Les oxydes de Carbone: carbone monoxyde (CO) et carbone dioxyde (CO2).

l'oxygne (O2) et l'azote (N2) (atmosphre). [Hua_02]

1.3.1. Historique de AGD:

Revue sur le diagnostic des transformateurs de puissance

Le dveloppement de: la chromatographie, la spectromtrie de masse, les techniques

Molcules Libres des Gaz Hydrocarbure