Галяутдинова Алсу Ренатовна – аспирант, преподаватель кафедры «Электроснабжение промышленных предприятий» (ЭПП)
г. Казань
Alsu R. Galyautdinova
Kazan
Ившин Игорь Владимирович – докт. техн. наук, профессор, проректор по науке и коммерциализации, профессор кафедры «Электроснабжение промышленных предприятий» (ЭПП)
г. Казань
Igor V. Ivshin
Kazan
Соловьев Сергей Анатольевич – канд. физ.-мат. наук, доцент, заведующий кафедрой «Информационные технологии и интеллектуальные системы» (ИТИС)
г. Казань
Sergei A. Solovev
Kazan
АКТУАЛЬНОСТЬ исследования заключается в разработке новой системы оценки технического состояния силового маслонаполненного трансформаторного оборудования распределительных сетей.ЦЕЛЬ. Повысить точность оценки технического состояния силового маслонаполненного трансформаторного оборудования (СМТО) распределительных сетей за счет применения методов машинного обучения. В настоящее время увеличение объема анализируемой информации о состоянии СМТО распределительных сетей ведет к существенным изменениям при выборе методов обработки данных. Использование методов машинного обучения связано как с необходимостью применения эксплуатационного опыта (в виде экспертных оценок), так и получения объективных оценок состояния трансформаторного оборудования распределительных сетей из контрольно-измерительных приборов (КИП) и датчиков.МЕТОДЫ. В данной работе используются такие методы исследования как математическое моделирование, метод парных сравнений. В качестве примера рассматривается силовой маслонаполненный трансформатор ТМН-6300, его диагностические параметры, внешние и режимные параметры. Проводится оценка технического состояния трансформатора ТМН-6300 и создается прогнозная модель на базе существующей системы мониторинга, методов машинного обучения, которые позволяют формализовать экспертные знания и автоматизировать процесс обработки и анализа данных.РЕЗУЛЬТАТЫ. Для оценки и прогнозирования технического состояния СМТО распределительных сетей сформирована база данных. Алгоритм прогнозирования технического состояния СМТО в виде модели искусственной нейронной сети был апробирован в разработанной системе оценки.ЗАКЛЮЧЕНИЕ. Полученные в данной работе результаты оценки и прогнозирования технического состояния СМТО распределительных сетей доказывают безусловную взаимосвязь между параметрами СМТО и внешними, режимными параметрами. Данные, получаемые в результате моделирования, помогают повысить точность прогнозирования технического состояния и определить долгосрочные перспективы функционирования СМТО, своевременное проведение технического обслуживания и ремонта в горизонте по годам и месяцам.
RELEVANCE the research is to develop a new system for assessing the technical condition of power oil-filled transformer equipment of distribution networks.OBJECT. To increase the accuracy of assessing the technical condition of power oil-filled transformer equipment (POTE) of distribution networks through the use of machine learning methods. Currently, an increase in the volume of analyzed information about the state of the management system of distribution networks leads to significant changes in the choice of data processing methods. The use of machine learning methods is associated both with the need to apply operational experience (in the form of expert assessments) and to obtain objective assessments of the condition of transformer equipment of distribution networks from instrumentation and sensors.METHODS. This work uses research methods such as mathematical modeling and the method of paired comparisons. As an example, we consider the oil-filled power transformer TMN-6300, its diagnostic parameters, external and operating parameters. The technical condition of the TMN-6300 transformer is assessed and a predictive model is created based on the existing monitoring system and machine learning methods, which make it possible to formalize expert knowledge and automate the process of data processing and analysis.RESULTS. A database has been created to assess and predict the technical condition of POTE of distribution network management systems. The algorithm for predicting the technical condition of POTE of the technical equipment in the form of an artificial neural network model was tested in the developed assessment system.CONCLUSION. The results of assessing and predicting the technical condition of POTE of the metering system of distribution networks obtained in this work prove the unconditional relationship between the parameters of the metering system and external, operating parameters. The data obtained as a result of modeling helps to increase the accuracy of forecasting the technical condition and determine the longterm prospects for the functioning of POTE the equipment management system, timely maintenance and repairs over the course of years and months.
The authors declare that there are no conflicts of interest present.