وصف البحث
يُعدّ الكشف عن التفريغ الجزئي (PD) أمرًا بالغ الأهمية لتجنب الأعطال في المحطات الفرعية الكهربائية. تركز هذه الورقة البحثية على تصنيف أنواع التفريغ الجزئي في كلٍ من المحطات المعزولة بالهواء (AIS) والمحطات المعزولة بالغاز (GIS). ولتحقيق هذه الغاية، تم تطوير طريقتين من طرق الذكاء الاصطناعي، وهما آلة المتجهات الداعمة (SVM) والغابة العشوائية (RF). تقدم الورقة الإطار الرياضي الكامل لمصنفين متميزين للتعلم الآلي (ML) مصممين خصيصًا لتحليل الطرح. وقد تعرفت النماذج، أثناء التدريب، على المصادر الثلاثة الرئيسية للتفريغ الجزئي: التفريغ الهالي، والتفريغ السطحي، والتفريغ الداخلي. تتحقق الدراسة من صحة خصائص التفريغ الجزئي من خلال تحليل وعرض أشكال موجية مميزة في المجال الزمني وأطياف في المجال الترددي لكل نوع من أنواع التفريغ في ظل ظروف التشويش، مما يوفر أساسًا فيزيائيًا قويًا لتصنيف الذكاء الاصطناعي. حقق مصنف الغابة العشوائية دقة مثالية بلغت 99.6%. كما أظهر مصنف آلة المتجهات الداعمة دقة عالية بلغت 97.78%. تُظهر النتائج أن الذكاء الاصطناعي قادر على توفير إنذار مبكر موثوق به لصيانة المحطات الفرعية. يُسهم ذلك في تحسين سلامة وموثوقية شبكات الطاقة. ويُقدّم البحث إطاراً عملياً لتطبيق هذه الأساليب في قطاع الطاقة المصري.
