Распределенная система предиктивного управления состоянием оборудования электрических сетей по наработке на дефект

Актуальность. В условиях цифровой трансформации электроэнергетики возрастает актуальность разработки распределённых систем управления состоянием оборудования электрических сетей, основанных на прогнозировании наработки на дефект с определением адаптивной периодичности профилактического воздействия.

Цель. Обосновать целесообразность создания и применения подобной системы управления ремонтами электроустановок на основе статистики тепловизионного контроля (ТВК) как альтернативы локальным системам on-line мониторинга на базе различных температурных датчиков. Разработать предиктивную математическую модель для определения времени наработки на развитый дефект в оборудовании. Сформировать методику расчета адаптивной периодичности вывода оборудования в ремонт по техническому состоянию.

Методы. В исследовании применялись методы статистической обработки данных и проверки статистических гипотез, формирования однородных Марковских моделей с непрерывным временем, численного моделирования в программной среде MathCAD.

Результаты. В статье раскрыта актуальность темы, изложены методические аспекты распределенной предиктивной системы управления ремонтами оборудования электрических сетей, показаны её преимущества перед локальными системами контроля на базе современных температурных датчиков, предложены модели прогнозирования наработки на развитый дефект в оборудовании и периодичности его профилактических ремонтов по фактическому техническому состоянию. Приведен расчёт периодичности профилактического обслуживания трансформаторов КТП-6/0,4 кВ одного из электрохозяйств на основе прогноза наработки на развитый дефект, иллюстрирующий возможности заявленной методики.

Заключение. Предложенная система распределенного предиктивного управления техническим состоянием оборудования электрических сетей по наработке на дефект в отличие от локальных систем температурного контроля на основе современных датчиков имеет бόльшую функциональность при существенной экономии затрат. Её применение гарантированно обеспечивает эффективность управления профилактикой оборудования за счет высокой достоверности прогноза наработки на дефект и определения адаптивной периодичности профилактического воздействия.

1. Ermakova D. A., Fateev V. A. Information System for Predicting the Technical Condition of Electrical Equipment Devices, BIO Web of Conferences 63, 02007 (2023) ASE-2023. https://doi.org/10.1051/bioconf/20236302007.

2. Timothy L. J., Shantala A. R., Kevin E. W., Condition Prediction for Manufacturing Electrical Equipment, IFAC Proceedings Volumes, Vol. 37, Issue 4, 2004, pp. 373-382, https://doi.org/10.1016/S1474-6670(17)36145-1.

3. Shcherbatov I., Lisin E., Rogalev A., Tsurikov G., Dvoˇrák M. and Strielkowski W. Power Equipment Defects Prediction Based on the Joint Solution of Classification and Regression Problems Using Machine Learning Methods, Electronics 2021, 10, 3145. https://doi.org/10.3390/electronics10243145.

4. Левин В.М., Гужов Н.П., Боярова Д.А. Риск-ориентированный подход к выбору стратегии управления производственными активами энергетической компании // Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ. 2023, Т.25. № 6. С. 29-42. doi:10.30724/1998-9903-2023-25-6-29-42.

5. Шпиганович А.Н., Шпиганович А.А., Петров А.Р., Грачева Е.И. Тепловизионный контроль электрооборудования промышленных предприятий // Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ. 2024, № 26(2). С. 68-77. https://doi.org/10.30724/1998-9903-2024-26-2-68-77.

6. Laib dit Leksir Y., Mansour M., Moussaoui A. Localization of thermal anomalies in electrical equipment using Infrared Thermography and support vector machine // Infrared Physics & Technology, Vol. 89, 2018, pp. 120-128. https://doi.org/10.1016/j.infrared.2017.12.015.

7. Balakrishnan G.K., Yaw C.T., Koh S.P., Abedin T., Raj A.A., Tiong S.K., Chen C.P. A Review of Infrared Thermography for Condition-Based Monitoring in Electrical Energy: Applications and Recommendations // Energies 2022, 15, 6000. https://doi.org/10.3390/en15166000.

8. Левин В.М. Управление надежностью и техническим состоянием оборудования в задачах эксплуатации электрических сетей: монография / В.М. Левин, Д.В. Танфильева. – Новосибирск: Издво НГТУ, 2023. – 240 с.

9. Прокопов Е.С., Высогорец С.П., Лесив А.В. Инновационная технология в области обнаружения дефектов контактных соединений и контактов комплектных распределительных устройств. – Энергетика и нефтегазохимический комплекс Татарстана в начале XXI века, 2020, № 16. Доступно по: https://energoneftegazhim.ru/cat/89/1038/ (дата обращения 05.09.2024).

10. Высогорец С.П., Лесив А.В. Мониторинг состояния контактной системы электрооборудования в сетях 0,4-10 кВ системой «ТермоСенсор». – Информационный справочник. Вып. 2. Проектирование, монтаж, наладка и эксплуатация электрооборудования, 2018. – С. 30–45.

11. Охлопков А.В., Сигитов О.Ю., Битнев В.Д., Лапухин С.Н., Куницкий А.Г. Технические решения по обнаружению перегрева элементов распределительных устройств напряжением 0,4–10 кВ // Электричество 2022, №3. https://doi.org/10.24160/0013-5380-2022-3-58-66.

12. Ситкин М.К. , Строганов К.А. , Люлин Б.Н. , Попова. Е.М. , Шубарев В.А. Применение беспроводных систем мониторинга температуры ПАВ-Термо производства ОАО «Авангард» в электрических шкафах. Доступно по: https://mwelectronics.etu.ru/assets/files/2023/novoe/574-578.pdf (дата обращения 05.09.2024).

13. Гаврилов А.В. Комплекс мониторинга температуры ПАРМА КМТ // Электроэнергия. ПЕРЕДАЧА И РАСПРЕДЕЛЕНИЕ. 2023, №3(78). – С. 126-127.

14. Топильский Д.В. Создание системы управления ремонтами энергетического оборудования на основе риск-ориентированного подхода на базе информационной системы «Управление планово-предупредительными ремонтами энергооборудования (УППРЭ)» // Известия Санкт-Петербургского государственного экономического университета. 2023, № 2(140). С. 94-102.

15. Ephraim Y. and Merhav N. Hidden Markov processes in IEEE Transactions on Information Theory, Vol. 48, № 6, pp. 1518-1569, June 2002, doi: 10.1109/TIT.2002.1003838.

16. Bouguila N., Fan W., Amayri M. Hidden Markov Models and Applications // Springer 2022, ISBN 978-3-030-99141-8. https://doi.org/10.1007/978-3-030-99142-5.

17. Смирнов Н.В., Белугин Д. А. Теория вероятностей и математическая статистика в приложении к геодезии. – М.: Недра, 1969. – 379 с.

18. Левин В.М., Лукьянова Е.А., Сорокин И.В. Адаптация периодичности технического обслуживания оборудования электрических сетей по наблюдаемой частоте неисправностей. В кн. Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования: материалы X Международной научнотехнической конференции. – Вологда: ВоГУ, 2015. С. 101-105.