Интеллектуальная система оценки технического состояния трансформаторной подстанции 35/6(10) кВ

ЦЕЛЬ. Целью данной работы является создание интеллектуальной системы оценки технического состояния трансформаторной подстанции 35/6(10) кВ, которая в режиме реального времени будет мониторить состояние параметров и оценивать техническое состояния оборудования трансформаторной подстанции.

МЕТОДЫ. Методика онлайн оценки технического состояния трансформаторной подстанции основывается на определении интегрального показателя технического состояния оборудования, а также используется метод парных сравнений. При принятии решений в системном анализе применяется метод декомпозиции.

РЕЗУЛЬТАТЫ. Рассмотрена структура интеллектуальной системы. Создана программная часть данной системы, которая в режиме реального времени рассчитывает коэффициенты экспресс-анализа оборудований трансформаторной подстанции.

ЗАКЛЮЧЕНИЕ. Разработанная интеллектуальная система позволяет провести дистанционное наблюдение, снизить вероятность появления аварийных ситуаций, осуществить контроль состояния действующего оборудования, спрогнозировать изменения технического состояния и перейти к организации технического обслуживания и ремонта основного энергетического оборудования по фактическому состоянию.

1. Rozhentcova N.V., Galyautdinova A.R., Khayaliev R.A. et al. Automated Diagnostic System for Power Transformers using a QR Code // International Journal of Technology. 2020. Т.11(8). С. 1519-1527.

2. Приказ Министерства энергетики РФ от 26 июля 2017г. №676 «Об утверждении методики оценки технического состояния основного технологического оборудования и линий электропередачи электрических станций и электрических сетей».

3. Byerly J.M., Schneider C., Schloss R et al. Real-time circuit breaker health diagnostics // 70th Annual Conference for Protective Relay Engineers (CPRE), 2017. pp.1-6.

4. Khalyasmaa A., Matrenin P., Eroshenko S. Averaged Errors as a Risk Factor for Intelligent Forecasting Systems Operation in the Power Industry // Proceedings of the 2021 UralSiberian Smart Energy Conference, USSEC 2021. 2021. pp.192-196.

5. Ившин И.В., Галяутдинова А.Р., Владимиров О.В., Низамиев М.Ф., Усманов И.К. Методика онлайн оценки технического состояния трансформаторной подстанции 35/6(10) кВ по коэффициенту экспресс-анализа // Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ. 2021. Т. 23. № 4. С. 14-26.

6. www.edu.tltsu.ru Метод анализа иерархий (метод Т.Л. Саати).

7. Денисова А.Р., Спасов Д.П., Галяутдинова А.Р. и др. Исследование работоспособности и качества функционирования трансформаторного оборудования электротехнических систем // Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ 2020. Т. 22. №3. С. 23-35.

8. Khruslov L., Rostovikov M., Shishov V. Web-based power quality monitoring system of smart transformer substation RTP-34 MPEI for engineering education // Proceeding of the International Scientific and Practical Conference – INFORNO-2016. 2016.pp 639-642.

9. Галяутдинова А.Р., Владимиров О.В., Низамиев М.Ф. и др. Разработка системы мониторинга технического состояния основного оборудования трансформаторной подстанции 35/6(10) кВ // Материалы Международной молодежной научной конференции Тинчуринские чтения - 2021 «Энергетика и цифровая трансформация», Казань, 28-30 апреля 2021. Т.1. С. 97-101.

10. Nikulin S.A., Karnavsky E.L. Optimization of modes of installations of electrochemical protection // Control systems and information technologies. 2014. No. 3 (57).pp. 64-68.

11. Li Z., Yang J., Zhang Z. et al. Real Time Evaluation Algorithm for Measurement Performance of Substation Voltage Transformer Based on Artificial Neural Network // 2nd IEEE Conference on Energy Internet and Energy System Integration (EI2), 2018. pp. 1-4.Gao Q., Zhong C., Wang Y., Wang P., Yu Z., Zhang J. Defect analysis of the same batch of substation equipment based on big data analysis algorithm // 3rd International Conference on Green Energy and Sustainable Development. 2021. 651. pp.1-8.

12. Gao Q., Zhong C., Wang Y., Wang P., Yu Z., Zhang J. Defect analysis of the same batch of substation equipment based on big data analysis algorithm // 3rd International Conference on Green Energy and Sustainable Development. 2021. V. 651. pp.1-8.

13. Eroshenko, S.A., Khalyasmaa, A.I., Snegirev, D.A., Dubailova, V.V., Romanov, A.M., Butusov, D.N. The impact of data filtration on the accuracy of multiple time-domain forecasting for photovoltaic power plants generation // Applied Sciences (Switzerland), 10(22), art. no. 8265, 2020. pp.1-22.

14. Farhadi M., Mollayi N. Application of the least square support vector machine for point-to-point forecasting of the PV power // International Journal of Electrical and Computer Engineering. August 2019.V.9(4). pp. 2205-2211.

15. Alimi, O.A., Ouahada, K., Abu-Mahfouz, A.M. A Review of Machine Learning Approaches to Power System Security and Stability // IEEE Access, 8, art. no. 9121208. 2020. pp. 113512-113531.