Research output: Contribution to journal › Article › peer-review
Research output: Contribution to journal › Article › peer-review
}
TY - JOUR
T1 - ПРИМЕНЕНИЕ ТЕХНОЛОГИИ ЦИФРОВОГО ДВОЙНИКА ДЛЯ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ СОСТОЯНИЯ ТРАНСФОРМАТОРНОГО ОБОРУДОВАНИЯ
AU - Хальясмаа, Александра Ильмаровна
AU - Ревенков, Иван Сергеевич
AU - Сидорова, Алена Владимировна
PY - 2022
Y1 - 2022
N2 - ЦЕЛЬ: Данная статья посвящена совершенствованию системы оценки технического состояния трансформаторного оборудования за счёт применения алгоритмов машинного обучения. Сегодня, в связи с появлением большого числа методов и систем для оценки технического состояния, вопросы анализа и прогнозирования технического состояния трансформаторного оборудования стоят достаточно остро, так как в большинстве систем не учитывается чувствительность к различным схемно-режимным параметрам энергосистемы (ЭЭС). МЕТОДЫ: В данной работе основным методом исследования является математическое моделирование. В качестве расчетного примера проводится комплексная оценка технического состояния трансформаторов тока и создание прогнозной модели на базе существующей системы мониторинга состояния (датчиков), методов на основе технологии цифровой двойник и машинного обучения, которые позволяют формализовать экспертные знания, определить неявные корреляции и автоматизировать процесс принятия решения. Предложен алгоритм прогнозирования состояния с возможностью построения моделей линейной регрессии, «дерево решений» и «случайный лес». В качестве анализируемого оборудования выбраны группа однофазных трансформаторов тока 110 кВ типа ТФНД-110М II одной из ячеек ОРУ 110 кВ. РЕЗУЛЬТАТЫ: для прогнозирования скорости развития термического дефекта внутренней изоляции группы трех однофазных трансформаторов тока создана база данных. Алгоритм прогнозирования технического состояния в виде моделей линейной регрессии, «дерева решений» и «случайного леса» показал, что лучшие показатели точности модели были получены у алгоритма линейной регрессии. ЗАКЛЮЧЕНИЕ: Полученные в данной статье результаты прогнозирования технического состояния трансформаторного оборудования говорят о том, что в существующих системах низкая чувствительность к различным схемно-режимным параметрам ЭЭС. Решение таких задач возможно с помощью методов на основе технологии цифровой двойник и машинного обучения. Данные, получаемые в результате моделирования, помогают повысить точность рекомендации по недопущению развития дефекта и продлению срока службы оборудования.
AB - ЦЕЛЬ: Данная статья посвящена совершенствованию системы оценки технического состояния трансформаторного оборудования за счёт применения алгоритмов машинного обучения. Сегодня, в связи с появлением большого числа методов и систем для оценки технического состояния, вопросы анализа и прогнозирования технического состояния трансформаторного оборудования стоят достаточно остро, так как в большинстве систем не учитывается чувствительность к различным схемно-режимным параметрам энергосистемы (ЭЭС). МЕТОДЫ: В данной работе основным методом исследования является математическое моделирование. В качестве расчетного примера проводится комплексная оценка технического состояния трансформаторов тока и создание прогнозной модели на базе существующей системы мониторинга состояния (датчиков), методов на основе технологии цифровой двойник и машинного обучения, которые позволяют формализовать экспертные знания, определить неявные корреляции и автоматизировать процесс принятия решения. Предложен алгоритм прогнозирования состояния с возможностью построения моделей линейной регрессии, «дерево решений» и «случайный лес». В качестве анализируемого оборудования выбраны группа однофазных трансформаторов тока 110 кВ типа ТФНД-110М II одной из ячеек ОРУ 110 кВ. РЕЗУЛЬТАТЫ: для прогнозирования скорости развития термического дефекта внутренней изоляции группы трех однофазных трансформаторов тока создана база данных. Алгоритм прогнозирования технического состояния в виде моделей линейной регрессии, «дерева решений» и «случайного леса» показал, что лучшие показатели точности модели были получены у алгоритма линейной регрессии. ЗАКЛЮЧЕНИЕ: Полученные в данной статье результаты прогнозирования технического состояния трансформаторного оборудования говорят о том, что в существующих системах низкая чувствительность к различным схемно-режимным параметрам ЭЭС. Решение таких задач возможно с помощью методов на основе технологии цифровой двойник и машинного обучения. Данные, получаемые в результате моделирования, помогают повысить точность рекомендации по недопущению развития дефекта и продлению срока службы оборудования.
UR - https://www.elibrary.ru/item.asp?id=49607384
M3 - Статья
VL - 14
SP - 99
EP - 113
JO - Вестник Казанского государственного энергетического университета
JF - Вестник Казанского государственного энергетического университета
SN - 2072-6007
IS - 3 (55)
ER -
ID: 31584177