. Si, Acidité est Douteuse) et (IFT est Excellent) alors

. Si, Acidité est Douteuse) et (IFT est Acceptable) alors

. Si, Acidité est Vulnérable) et (IFT est Vulnérable) alors (QualitéHuile est Vulnérable)

. Si, Acidité est Vulnérable) et (IFT est Acceptable) alors (QualitéHuile est Vulnérable)

. Si, Acidité est Vulnérable) et (IFT est Excellente) alors (QualitéHuile est Vulnérable)

. Si, Acidité est Vulnérable) et (IFT est Douteuse) alors (QualitéHuile est Vulnérable)

. Si, Acidité est Excellente) et (IFT est Vulnérable) alors (QualitéHuile est Vulnérable)

. Si, Acidité est Excellente) et (IFT est Acceptable) alors

. Si, Acidité est Excellente) et (IFT est Excellente) alors

. Si, Acidité est Excellente) et (IFT est Douteuse) alors

. Si, Acidité est Acceptable) et (IFT est Vulnérable) alors (QualitéHuile est Vulnérable)

. Si, Acidité est Acceptable) et (IFT est Acceptable) alors (QualitéHuile est Acceptable

. Si, Acidité est Acceptable) et (IFT est Excellente) alors

. Si, Acidité est Acceptable) et (IFT est Douteuse) alors

. Si, Acidité est Douteuse) et (IFT est Vulnérable) alors

, Les différentes actions proposées à ce niveau sont de deux ordres

, Avec la recherche de l'implication du papier dans le défaut, ce qui pourrait tout aussi déboucher à la vérification des furanes

, De procéder à l'analyse du taux des gaz combustibles à partir du TDCG (entrée B). À ce niveau, l'investigation à souvent recours à d'autres échantillons d'huile pour la confirmation de

. De-vérifier-systématiquement-le-monoxyde-de-carbone, CO) (entrée C) et d'enclencher la vérification de l'état de l'huile. Il faut signaler ici que dans une stratégie de maintenance correcte, la vérification de tous ces paramètres rentre dans un plan de maintenance systématique. Les analyses relatives à la connaissance de l'état d'isolation et de l'état d'oxydation de l'huile sont programmées avec une fréquence indiquée

, Ce rapport indique une probable implication

, Notamment, la couleur de l'huile, qui se vérifie d'ailleurs en même temps qu'on envoie des échantillons d'huile au laboratoire pour les tests physico-chimiques. Mais l'organigramme propose une approche simple et efficace applicable avec les paramètres qui s'obtiennent facilement. Les mesures électriques et d'autres mesures qu'on enclenche lorsque le transformateur est en arrêt ne sont pas intégrées dans cette approche

X. M. López-fernández, H. B. Ertan, and J. Turowski, Transformers: analysis, design, and measurement, vol.609, pp.978-979, 2013.

A. Schenk, « Surveillance continue des transformateurs : application des méthodes d'intelligence artificielle, infosciences.epfl, pp.29-33, 2000.

Y. Harumoto, « Development of 275 KV EHV Class Gas-Insulated Power Transformer, IEEE Transactions on Power Apparatus and Systems. septembre 1985, vol.104, pp.2501-2508

A. R. Said, Case study on GIS defects and new possibilities for preventive maintenances, vol.41, p.25, 1997.

T. Hasegawa, « Development of a 275-kV liquid cooling-type gas-insulated transformer, Eng. Jpn. 1 janvier 1992, vol.112, pp.84-92

S. V. Kulkarni and S. A. Khaparde, Transformer engineering: design, technology, and diagnostics, vol.730, pp.978-979, 2013.

A. Schenk, « Surveillance continue des transformateurs de puissance par réseaux de neurones auto-organisés, 2001.

A. Schenk, Surveillance continue des transformateurs de puissance par réseaux de neurones autoorganisés, 2001.

Y. Hadjadj, Exploration de techniques physicochimiques et conception d'un capteur en ligne pour le diagnostic des transformateurs de puissance, 2015.

, ASTM D1533-12. ASTM D1533-12. Standard Test Water un Insulating Liquids By Coulometric Karl Fischer Titration. < www.astm.org >

. Ieee-standar, « IEEE Guide for Failure Investigation, Documentation, Analysis, and Reporting for Power Transformers and Shunt Reactors, Revision of IEEE Std C57, vol.57, pp.1-84, 2015.

J. Jagers and S. Tenbohlen, « Evaluation of transformer reliability data based on national and utility statistics, 16th International Symposium on High Voltage Engineering, 2009.

. Cigré, An international survey on failures in large power transformers, p.88

L. Chmura, Statistical analysis of subcomponent failures in power transformers, 2011 Electrical Insulation Conference (EIC). 2011 Electrical Insulation Conference (EIC), p.205, 2011.

J. Singh, Condition Monitoring of Power Transformer-Bibliography Survey 2, International Journal of Engineering Science Invention Research & Development, vol.III, 2016.

. Cigré, Aschwanden New-condition-assessmet-methods transformers" e-cigré.pdf, 1998.

«. Ieee-standard and . Ieee-sa--c57, 125-2015 -IEEE Guide for Failure Investigation, Documentation, Analysis, and Reporting for Power Transformers and Shunt Reactors

M. Wang, A. J. Vandermaar, and K. D. Srivastava, Review of condition assessment of power transformers in service, IEEE Electrical Insulation Magazine . Novembre, vol.18, pp.12-25, 2002.

Y. Huang, Condition assessment of power transformers using genetic-based neural networks », Measurement and Technology . 1 janvier 2003, vol.150, pp.19-24

B. H. Ward, A survey of new techniques in insulation monitoring of power transformers, IEEE Electrical Insulation Magazine, vol.17, pp.16-23, 2001.

D. Chu and A. Lux, On-line monitoring of power transformers and components: a review of key parameters, Proceedings: Electrical Insulation Conference and Electrical Manufacturing and Coil Winding Conference (Cat. No.99CH37035), pp.669-675, 1999.

B. Amidou, Impacts de la qualité du système d'isolation sur la condition et l'efficacité des transformateurs de puissance, 2015.

, NF CEI 296 : «spécification des huiles minérales isolantes neuves pour transformateurs et appareillage de connexion

H. Provencher, Analyse de la réponse diélectrique du complexe papier-huile dans les transformateurs de puissance. Masters. Montréal : École de technologie supérieure, vol.158, 2008.

, Cigré: « Recent developments by CEGB to improve the prediction and monitoring of transformers performance, 1984.

J. Jalbert, M. Lessard, and M. Ryadi, « Cellulose chemical markers in transformer oil insulation Part 1: Temperature correction factors, IEEE Transactions on Dielectrics and Electrical Insulation. 2013, vol.20, pp.2287-2291

B. García, D. Urquiza, and J. C. Burgos, Investigating the influence of moisture on the 2FAL generation rate of transformers: A new model to estimate the DP of cellulosic insulation ». Electric Power Systems Research, Novembre, vol.140, p.206, 2016.

, Furanic Compound Standard Deviation High Performance Liquid Chromatography ». Working group D1 01

:. Cigré,

A. Bakar, N. Abu-siada, A. Islam, and S. , Review on Chemical Diagnosis Techniques for Transormer Paper Insulation Degradation, 2013.

P. Maleewat, « Oil-immersed transformer temperature monitoring by ANSI/IEEE C57.91 model, pp.1092-1096, 2007.

L. Cheim, « Furan analysis for liquid power transformers, IEEE Electrical Insulation Magazine. Mars, vol.28, pp.8-21, 2012.

T. V. Oommen and T. A. Prevost, Cellulose insulation in oil-filled power transformers: part II maintaining insulation integrity and life, IEEE Electrical Insulation Magazine . Mars, vol.22, pp.5-14, 2006.

. Chendong, Monitoring paper insulation ageing by measuring furfural contents in oil, Seventh International Symposium on High Voltage Engineering, 1991.

A. B. , K. M. Kelly, and J. , « Creating a preliminary model for estimating degree of polymeriza-tion of thermally upgraded paper based on furan concentrations in transformer oil, 1999.

C. Lin, B. Zhang, and Y. Yuan, « The Aging Diagnosis of Solid Insulation for Oil-Immersed Power Transformers and Its Remaining Life Prediction ». 2010 Asia-Pacific Power and Energy Engineering Conference, pp.1-3, 2010.

, Transformer ageing research on furanic compounds dissolved in insulating oil, 2002.

F. Ortiz, Estimating the age of power transformers using the concentration of furans in dielectric oil, Renewable Energy and Power Quality Journal . Mai, pp.1011-1015, 2016.

A. Abu-siada, S. P. Lai, and S. Islam, « Remnant life estimation of power transformer using oil UV-Vis spectral response, IEEE, pp.1-5, 2009.

. Nf-en-60599, Matériels électriques remplis d'huile minérale en service -Lignes directrices pour l'interprétation de l'analyse des gaz dissous et des gaz libres, 2016.

C. Ieee-std, 104-2008. IEEE Guide for the Interpretation of Gases Generated in Oil-immersed Transformers. 2 février, 2009.

D. Bhalla, R. K. Bansal, and H. O. Gupta, « Application of artificial intelligence techniques for dissolved gas analysis of transformers-A Review, World Academy of Science, Engineering and Technology, vol.62, pp.221-229, 2010.

Y. C. Huang and H. C. Sun, Dissolved gas analysis of mineral oil for power transformer fault diagnosis using fuzzy logic, IEEE Transactions on Dielectrics and Electrical Insulation, vol.20, pp.974-981, 2013.

T. K. Saha and P. Purkait, « Dissolved Gas Analysis Interpretation and Intelligent Machine Learning Techniques, Transformer Ageing:Monitoring and Estimation Techniques, p.448, 2017.

D. A. Mansour, Development of a new graphical technique for dissolved gas analysis in power transformers based on the five combustible gases, IEEE Transactions on Dielectrics and Electrical Insulation. Octobre, vol.22, pp.2507-2512, 2015.

A. Samy, S. A. Ward, and M. N. Ali, Conventional Ratio and Artificial Intelligence (AI) Diagnostic methods for DGA in Electrical Transformers

D. Zhou, Examining acceptable Dissolved Gas Analysis level of in-service transformers, High Voltage Engineering and Application (ICHVE), 2012 International Conference on IEEE, pp.612-616, 2012.

A. Betie, Contribution à l'amélioration de l'interprétation des techniques de diagnostic des transformateurs de puissance par spectroscopie diélectrique, vol.155, 2012.

. Power-transformer-brochure, , 2017.

. D00vec31 and . Pdf,

S. Alsuhaibani, « A Review of Frequency Response Analysis Methods for Power Transformer Diagnostics, vol.9, p.879, 2016.

V. Sokolov, ON-SITE PARTIAL DISCHARGE MEASUREMENT OF TRANSFORMERS, p.19

. Elt_241_7 and . Pdf,

, Main Power transformer, Hydropower Adavancement Project

, 30 "Transformers Maintenance, Facilities Standard Instructions, Standard, And Techniques, vol.3, 0208.

, Cigré: Guide for transformer maintenance, pp.978-980, 2011.

, 31 "Transformers Maintenance, Facilities Standard Instructions, Standard, And Techniques, vol.3, 2002.

G. , Recommandations de Maintenance sur Transformateur de Puissance

, Instruction Manual and Technical Documentation, for oilimmersed distrubution transformers with off-load voltage regulation, 2003.

C. Ieee-std, 106-2002): IEEE Guide for Acceptance and Maintenance of Insulating Oil in Equipment, Revision of IEEE Std C57, pp.106-2006, 2006.

. Iec-standard, International Electrotechnical Commission, International Electrotechnical Commission, Technical Committee 10. Mineral insulating oils in electrical equipment--supervision and maintenance guidance = Huiles minérales isolantes dans les matériels électriques--lignes directrices pour la maintenance et la surveillance, Geneva : International Electrotechnical Commission, 2013.

I. I. Committee, IEEE recommended practice for grounding of industrial and commercial power systems, 1982.

Q. «-haute, Vapeur Phase Séchage Sous Vide Usine De Ehv Transformateurs

V. Venkatasubramanian, A review of process fault detection and diagnosis Part I: Quantitative model-based methods, Computers & Technical Engineering, 2003.

N. Laouti, Diagnostic de défauts par les Machines _a Vecteurs Supports : application à differents systèmes mutivariables nonlinéaires, 2012.

P. Dubuisson, Diagnostic et reconnaissance des formes », traités des nouvelles technologies, 1990.

O. Ondel, Diagnostic par reconnaissance des formes: Application à un ensemble convertisseur-machine asynchrone, 2006.
URL : https://hal.archives-ouvertes.fr/tel-00113102

J. W. Grzymala-busse, W. J. Grzymala-busse, and L. K. Goodwin, Coping With Missing Attribute Values Based on Closest Fit in Preterm Birth Data: A Rough Set Approach ». Computational Intelligence 1 août, vol.17, pp.425-434, 2001.

D. B. Rubin and . Frontmatter, Multiple Imputation for Nonresponse in Surveys, 1987.

A. P. Dempster, N. M. Laird, and D. B. Rubin, Maximum Likelihood from Incomplete Data via the EM Algorithm, Journal of the Royal Statistical Society. series B (Methodological), vol.39, 0111.

J. C. Devaux, P. Gouton, and F. Truchetet, « Karhunen-Loeve transform applied to regionbased segmentation of color aerial images, Optical Engineerin. 1 juillet, vol.40, 2001.

G. Roffo, S. Melzi, and M. Cristani, « Infinite Feature Selection, 2015 IEEE International Conference on Computer Vision (ICCV), pp.4202-4210, 2015.

X. He, D. Cai, and P. Niyogi, « Laplacian score for feature selection ». Advances in neural information processing systems, pp.507-514, 2006.

D. Cai, C. Zhang, and X. He, Unsupervised feature selection for Multi-Cluster data, vol.333, 2010.

S. Tufféry, Data mining et statistique décisionnelle: l'intelligence dans les bases de données. Editions TECHNIP, vol.404, pp.978-980, 2005.

A. , Feature selection using Sequential Forward Selection and classification applying Artificial Metaplasticity Neural Network», IECON, vol.2010, p.36

, Annual Conference on IEEE Industrial Electronics Society, 2010.

A. Jain and D. Zongker, « Feature selection: evaluation, application, and small sample performance, IEEE Transactions on Pattern Analysis and Machine Intelligence

C. R. Rao and «. The, Use and Interpretation of Principal Component Analysis in Applied Research on JSTOR, The India Journal of Satatistics, series A, vol.26, pp.329-358, 1964.

B. Escofier and «. , Analyses factorielles simples et multiples ». Cours et études de casLivre Mathématiques. Dunod
URL : https://hal.archives-ouvertes.fr/hal-00382085

G. Roffo, « Feature Selection Library, 2016.

, Fan Chung « Spectral Graph Theory»

F. Carmagnac, P. Héroux, and E. Trupin, « Classification Semi-Supervisée basée sur des Algorithmes de CAH multi-métriques ». Conférence Internationale Francophone sur l'Ecrit et le Document, 2004.

M. Amini, Apprentissage Machine: de la théorie à la pratique, 2015.

S. Eke, « Characterization of the operating periods of a power transformer by clustering the dissolved gas data ». Diagnostics for Electrical Machines, 2017 IEEE 11th International Symposium on, pp.298-303

. Erwin, Content based image retrieval for multi-objects fruits recognition using kmeans and k-nearest neighbor, 2017 International Conference on Data and Software Engineering (ICoDSE), pp.1-6

F. Malo and T. Toulkeridis, An Unsupervised K-means based Clustering Method for Geophysical Post-Earthquake Diagnosis, Computational Intelligence, 2017.

E. Nader, Enhancing Stock Prediction Clustering Using K-Means with Genetic Algorithm, 13th International, pp.27-28, 2017.

J. A. Hartigan and M. A. Wong, Algorithm AS 136: A K-Means Clustering Algorithm, Journal of the Royal Statistical Society. Series C (Applied Statistics). 1979, vol.28, pp.100-108

T. Kanungo, « An efficient k-means clustering algorithm: analysis and implementation, IEEE Transactions on Pattern Analysis and Machine Intelligence. juillet 2002, vol.24, pp.881-892

J. Beauville, Fatima-Zohra Kettaf, « Bases théoriques pour l'apprentissage et la décision en reconnaissance des formes, CEPADUES-EDITIONS, 2005.

J. Dunn, Separeted clusters and optimal fuzzy partitions, journal of Cybernetics, vol.4, pp.95-104, 1974.

P. J. Rousseeuw, Silhouettes: «A graphical aid to the interpretation and validation of cluster analysis, J. Comput. Appl. Math. 1 novembre, vol.20, pp.53-65, 1987.

D. L. Davies and D. W. Bouldin, A Cluster Separation Measure, IEEE Trans. Pattern Anal. Mach. Intell. avril 1979, vol.1, pp.224-227

S. Saitta, B. Raphael, and I. F. Smith, A bounded index for cluster validity, Int. Workshop Mach. Learn. Data Min. Pattern Recognit, pp.174-187, 2007.

S. Eke, « Condition monitoring of oil-filled transformers using unsupervised classification techniques, 2017 IEEE Conference on Electrical Insulation and Dielectric Phenomenon (CEIDP, pp.189-192, 2017.

J. C. Bezdek, R. Ehrlich, W. «. Full, and . Fcm, The fuzzy c-means clustering algorithm, Comput. Geosci. 1 janvier, vol.10, pp.191-203, 1984.

R. Krishnapuram and J. M. Keller, « A possibilistic approach to clustering, IEEE Trans. Fuzzy Syst. mai 1993, vol.1, pp.98-110

M. Masson, T. Denoeux, and «. Ecm, Evidential c-means algorithm», Pattern Recognition, vol.41, pp.1384-1397, 2008.
URL : https://hal.archives-ouvertes.fr/hal-00400273

L. Laurence, B. Elisa, . Smith, . Reconnaissance, and . Formes, Théorie et Pratique sous MATLAB, issue.211, 2013.

.. N. Jiji and . Mahalakshmi, «Survey of Exact String Matching Algorithm for Detecting Patterns in Protein Sequence», Advances in Computational Sciences and Technology, vol.10, issue.8, pp.2707-2720, 2017.

C. T. Zahn, Graph-Theoretical Methods for Detecting and Describing Gestalt Clusters, IEEE Trans. Comput. janvier 1971, vol.20, pp.68-86

. Dubuisson and . Bernard, Traité des nouvelles technologies, série Diagnostic et Maintenance, Diagnostic et reconnaissance des formes, 1990.

A. Charpentier and . Le-cercle, des corrélations en ACP

C. M. Verrelli, On-line identification of winding resistances and load torque in induction machines, IEEE Transactions on Control Systems Technology, vol.22, pp.1629-1637, 2014.

. Ieee-standard, « IEEE Guide for Loading Mineral-Oil-Immersed Power Transformers Up to and Including 100 MVA with 55 C or 65 C Average Winding Rise, 1981.

C. Cocozza-thivent, Processus de renouvellement markovien Processus de Markov déterministes par morceaux

M. Duval and A. Depabla, « Interpretation of gas-in-oil analysis using new IEC publication 60599 and IEC TC 10 databases, IEEE Electrical Insulation Magazine. Mars, vol.17, pp.31-41, 2001.

M. Duval, « A review of faults detectable by gas-in-oil analysis in transformers, IEEE Electrical Insulation Magazine. Mai, vol.18, pp.8-17, 2002.