В ЮФУ разработали умную систему диагностики силовых трансформаторов
Интеллектуальная платформа исключает несчастные случаи в энергетических хозяйствах предприятий из-за аварий и повреждений силовых трансформаторов, своевременно выявляет развитие дефекта и прогнозирует безаварийный срок эксплуатации высоковольтного оборудования.
С развитием регионов и городских агломератов создаются градообразующие предприятия отраслей народного хозяйства, развиваются транспортные системы пассажирских и грузовых перевозок, возникает потребность в увеличении мощностей энергетических систем. Таковая в России представляет собой разветвленную структуру, которая насчитывает сотни тысяч силовых трансформаторов. По словам ученых Международного института интеллектуальных материалов ЮФУ, в основном трансформаторы средней мощности (это около 65 процентов от общего числа), уже исчерпали свой ресурс, который был установлен заводом-изготовителем – 25 лет.
«Следует также отметить, что устаревшее силовое электрооборудование было рассчитано на одну нагрузку, а наращивание энергетических мощностей современных предприятий приводит к тому, что устаревшее оборудование работает также на пределе своих возможностей», – отметил ведущий научный сотрудник лаборатории технологий искусственного интеллекта и больших данных для нанодиагностики материалов МИИ интеллектуальных материалов ЮФУ Андрей Чернов.
Работы в области повышения надежности силовых трансформаторов востребованы во всех отраслях народного хозяйств, поскольку безаварийная работа напрямую связана с безопасным обслуживаем и эксплуатацией силовых трансформаторов, а также исключает возможность возникновения несчастных случаев.
«Доля таковых, связанных с выходом из строя электрооборудования составляет шесть процентов от общего числа несчастных случаев на энергетических хозяйствах промышленных предприятий, особенно при авариях силовых трансформаторов, которые сопровождаются большими величинами токов короткого замыкания, взрывом и пожаром», – рассказал Андрей Чернов.
По изменению параметров силовых трансформаторов можно не только определить место повреждения, но и скорость нарастания дефекта, спрогнозировать состояние силового электрооборудования, а самое главное — предотвратить выход из строя дорогостоящего оборудования. По словам ученых, в некоторых случаях, особенно при отсутствии наработок при диагностике, возникает необходимость в разработке средств интеллектуальной поддержки принятия решений. Предложенный гибридный подход deep learning and HDLSS позволил получить адекватное решение по прогнозированию изменения параметров силовых трансформаторов, а также при анализе дополнительных факторов определить остаточный ресурс трансформаторов.
«Разработанная экспертная система принятия решений на основе искусственного интеллекта — современный подход к анализу многофакторных результатов диагностики силовых трансформаторов и параметров текущего контроля состояния. Система решает две задачи: во-первых, позволит спрогнозировать состояние силовых трансформаторов по основным параметрам, выявить развитие дефекта, определить остаточный ресурс для проведения своевременного ремонта и замены силового трансформатора. Во-вторых, исключить вероятность аварии из-за повреждения высоковольтного оборудования, которые сопровождаются электрической дугой, воспламенением трансформаторного масла и так далее», – дополнил Андрей Чернов.
Разработка ученых МИИ ИМ ЮФУ уже востребована и актуальна в энергетических хозяйствах предприятий всех сфер деятельности, а еще значима для разработки отечественных систем поддержки приятия решений. С учетом стоимости силового трансформатора, эта методика даст возможность экономически эффективно подойти к решению по замене или ремонту силовых трансформаторов.
Проект представлен на международной конференции RelStat-2021, по итогам которой опубликована научная работа ученых Южного федерального университета с результатами исследования. Работа проводилась в рамках гранта РФФИ сотрудниками МИИ ИМ ЮФУ под руководством ведущего научного сотрудника лаборатории технологий искусственного интеллекта и больших данных для нанодиагностики материалов МИИ ИМ ЮФУ Андрея Чернова.