Применение искусственных нейронных сетей для мониторинга параметров устойчивости промышленной электротехнической системы

АКТУАЛЬНОСТЬ исследования заключается в решении важной проблемы повышения устойчивости и надежности работы промышленных электротехнических систем. ЦЕЛЬЮ работы является сокращение числа вынужденных отключений электрооборудования при провалах напряжения, обусловленных короткими замыканиями, неизбежными при эксплуатации электрических сетей. Рассмотрены вопросы выбора параметров защит минимального напряжения в промышленных электротехнических системах. В результате анализа эксплуатационных данных и имитационного моделирования провалов напряжения установлено, что при использовании защит минимального напряжения (ЗМН) с независимыми характеристиками свыше 50% срабатываний защиты с отключением нагрузки происходит необоснованно. Основанием для отключения нагрузки является нарушение устойчивости электротехнической системы (ЭТС). МЕТОДЫ. Применение ЗМН с зависимой характеристикой времени срабатывания от величины остаточного напряжения, приближенной к границе устойчивости, снижает долю необоснованных срабатываний ЗМН, но не исключает их полностью. Для максимального снижения числа необоснованных срабатываний защиты необходима адаптация параметров характеристики ЗМН к зависящей от нагрузки и режима источника питания границе устойчивости. Для мониторинга параметров границы устойчивости ЭТС в процессе эксплуатации предложено применение алгоритмов искусственных нейронных сетей. РЕЗУЛЬТАТЫ. Апробированный алгоритм Левенберга-Марквардта (LM) показал приемлемую точность мониторинга устойчивости по измеряемым в ходе эксплуатации электрическим параметрам ЭТС. Показано, что применение зависимой характеристики ЗМН, параметры которой адаптируются к нагрузке и режиму источника питания с помощью алгоритмов нейронных сетей, позволяет примерно в два раза снизить число необоснованных отключений нагрузки и повысить устойчивость работы ЭТС непрерывных производств.

1. Ершов М.С., Егоров А.В., Трифонов А.А. Устойчивость промышленных электротехнических систем. – М.: ООО «Издательский дом Недра», 2010. – 319 с.

2. Дзюин Д.В., Скопин Г.А., Комков А.Н., Дмитриева В.В. Применение динамического компенсатора искажений напряжения в системе многодвигательного электропривода ленточного конвейера // Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ. 2025. Т. 27. № 2. С. 49-62. doi: 10.30724/1998-9903-2025-27-2 49-62.

3. Саттаров Р.Р., Гарафутдинов Р.Р. Исследование работы группы асинхронных двигателей при кратковременных провалах напряжения для условий нефтяной промышленности // Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ. 2020. Т. 22. № 6. С. 92-100. doi:10.30724/1998-9903-2020-22-6-92-100.

4. Ершов М.С., Комков А.Н., Блюк В.В. Процедуры расчета показателей устойчивости многомашинных электротехнических систем промышленных производств/Промышленная энергетика. – 2021, №9. – С. 18-26.

5. Blyuk V., Ershov M., Komkov A. Models and algorithms for quick calculation of electromechanical transition process of multi-machine electrotechnical systems/ Proceedings 2019 1st International Conference on Control Systems, Mathematical Modelling, Automation and Energy Efficiency, SUMMA 2019. P. 686-689.

6. Галеева Р.У., Куксов С.В. Алгоритм моделирования самозапуска группы асинхронных электродвигателей с короткозамкнутым ротором // Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ. 2021. Т. 23. № 3. С. 181-193. doi:10.30724/1998-9903-2021-23-3-181-193.

7. Liu A., Wang Y., Zhu Y., Park S.-J. Research on power quality improvement system based on dynamic voltage restorer // IET Power Electron. 2024. Vol. 17. Pp. 1399–1410. DOI: 10.1049/pel2.12696.

8. Иванов И.Ю., Новокрещенов В.В., Иванова В.Р. Современное состояние проблем функционирования комплексов релейной защиты и автоматики, применяемых в активно-адаптивной сети // Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ. 2022. Т.24. № 6. С. 102-123. doi:10.30724/1998-9903-2022-24-6 102-123.

9. Шарыгин М. В., Вуколов В. Ю., Петров А. А. Разработка алгоритма автоматической адаптации параметров срабатывания многомерной интеллектуальной релейной защиты к конфигурации распределительных электрических сетей // Вестник НГИЭИ. 2020. № 11 (114). С. 65– 78. DOI: 10.24411/2227-9407-2020-10106.

10. Viktorovich, V.M., Vasilyevich, D.A., Vladimirovich, M.K. and Nikolaevich, S.V. Comprehensive Automation of Microprocessor Protection Relay Terminals Operated on AC Railways// Journal of Applied Mathematics and Physics. 2022. №10. – P/ 491-503. https://doi.org/10.4236/jamp.2022.102037.

11. Ершов М.С., Ноздря Е.Г. Адаптация показателей и идентификация нарушения устойчивости промышленных электротехнических систем/ Промышленная энергетика. 2018. -№12. – С. 2-5.

12. Меньшов Б.Г., Ершов М.С., Егоров А.В. Определение эквивалентных параметров питающей сети для расчета тока короткого замыкания узла нагрузки/Электричество. – 1993. - №10. – С. 19-22.

13. Ting Yang, Xiyang Qian and Liqing Ren. Application of Artificial Intelligence Algorithm in Relay Protection of Distribution Network// International Transactions on Electrical Energy Systems Volume 2022, Article ID 7138367, 12 p. https://doi.org/10.1155/2022/713836714.

14. Zozan Saadallah Hussain, Ahmed J. Ali, Ahmed A. Allu, Rakan Khalil Antar. Improvement of protection relay with a single-phase auto reclosing mechanism based on artificial neural network// International Journal of Power Electronics and Drive System (IJPEDS). Vol. 11, No. 1, March 2020, pp. 505- 514. ISSN: 2088-8694. DOI: 10.11591/ijpeds.v11.i1.pp505-514 .

15. Huo, C., Rong, X.-T., Huang, Z.-W., Han, Z.-X., Fan, Y.-P., Wang, Z.-J., & Fu, J.-R. (2025). A Novel Static Voltage Stability Region Boundary Generation Method Combining Analytics with Predictive Correction. Journal of Electrical Engineering & Technology, 20(5), 2977–2991. https://doi.org/10.1007/s42835-025-02206-5

16. Ahmad, H., Yousif, M., Shah, M., & Ullah, N. (2023). Monitoring Transient Stability in Electric Power Systems Using a Hybrid Model of Convolutional Neural Network and Random Forest. Electric Power Components and Systems, 52(6), 946–958. https://doi.org/10.1080/15325008.2023.2237034

17. Umair Shahzad. Probabilistic Transient Stability Assessment of Power Systems Using Artificial Neural Network// Journal of Electrical Engineering, Electronics, Control and Computer Science – JEEECCS. 2021, Volume 8, Issue 27, pages 35-42.