к.т.н., доц. Бардик Є.І.; асистент Болотний М.П., магістрант Яскевич Д.В.

Національний технічний університет України "Київський політехнічний інститут", кафедра електричних станцій

Оцінка технічного стану силового трансформатора за результатами ХАРГ з використанням адаптивної системи нейро-нечіткого логічного висновку ANFIS

Постановка задачі. В процесі експлуатації СТ піддається різним тепловим, електричним і механічним впливам. Вони можуть викликати зародження дефекту, зношення або навіть відмову СТ. Для запобігання даним аварійним ситуаціям потрібне своєчасне виявлення дефектів на початкових етапах їх розвитку. На даний час метод хроматографічного аналізу розчинених в трансформаторній оливі газів (ХАРГ) є важливим інструментом для оперативного моніторингу СТ [1,2].

Однак існують певні обмеження при використанні даних методів. У разі наявності більше одного дефекту, в представлених базах знань визначення дефекту виявляються тільки дефекти, ознаки яких є домінуючими. Істотним недоліком даних методів прийнятих для оцінки технічного стану є те, що відношення концентрацій виявлених газів мають чітко визначені граничні межі в базах знань, а насправді їх значення є нечіткими. Таким чином, аналіз результатів за даними методами можуть привести до хибної ідентифікації технічного стану, і як наслідок, до раптових аварійних відмов СТ.

Для вирішення цих проблем необхідна розробка математичних моделей діагностування ТС СТ за результатами ХАРГ та ідентифікації їх параметрів на основі реальних експлуатаційних даних.

Матеріали і результати досліджень. Об’єктивно існуюча неповнота інформації щодо технічного стану СТ, а також нечіткість критеріальних значень параметрів технічного стану СТ, потребує використання методу експертних оцінок, теорії нечітких множин і нечіткої логіки для об’єктивного діагностування технічного стану СТ.

У відповідності з методикою [3] була побудована нечітка модель СТ за результатами ХАРГ, яка містить наступні вхідні лінгвістичні змінні концентрації пар газів з відповідними термами, представленими на рис.1: А = {Т_н¹, Т_с¹, Т_в¹} → C₂H₂/C₂H₄; B= {Т_н², Т_с², Т_в²} → CH₄/H₂; С= {Т_н³, Т_с³, Т_в³} → C₂H₄/C₂H₆.

а)

б)

в)

Рисунок 1 - Функції належності для лінгвістичних змінних:

а) C₂H₂/C₂H₄; б) CH₄/H₂; в) C₂H₄/C₂H₆

Нечітка база знань для оцінки технічного стану трансформатора за результатами ХАРГ містить 9 продукційних правил, зведених в табл.1.

Таблиця 1 - Діагностичні критерії та терм-множини для визначення характеру дефектів, що розвиваються в СТ

А	В	С	Характер прогнозованого дефекту	Терм-множина дефектів
Тн^1	Тс^2	Тн^3	Нормально	D1
Тн^1	Тн^2	Тн^3	ЧР з низькою щільністю енергії	D2
Тс^1	Тн^2	Тн^3	ЧР з високою щільністю енергії	D3
Тс^1 , Тв^1	Тс^2	Тс^3, Тв^3 Тв^3	Розряди малої потужності	D4
Тс^1	Тс^2	Тв^3	Розряди великої потужності	D5
Тн^1	Тс^2	Тс^3	Термічний дефект низької температури (< 150 °C)	D6
Тн^1	Тв^2	Тн^3	Термічний дефект у діапазоні низьких температур (150-300ºC)	D7
Тн^1	Тв^2	Тс^3	Термічний дефект у діапазоні середніх температур (300-700ºC)	D8
Тн^1	Тв^2	Тв^3	Термічний дефект високої температури ( > 700°С)	D9

Розв’язку задачі діагностування технічного стану відповідає той діагноз D_j^,, що має максимальне значення функції належності:

Специфіка умов експлуатації СТ певної потужності і класу напруги конкретної енергосистеми, а також відсутність достатньої ретроспективної інформації щодо діагностичних даних потребує налаштування моделі (визначення параметрів функцій належності) з використанням діагностичної інформації по аналогічним об’єктам співрозмірних потужностей, класу напруги і однотипної конструкції.

Найбільш ефективним методом налаштування систем нечіткого логічного висновку на сьогодні є апарат адаптивних систем нечіткого логічного висновку ANFIS (Adaptive Neuro-Fuzzy Inference System).

Вирішення поставленої задачі передбачає визначення числа, виду і параметрів функцій належності на основі сформованої навчальної і тестової вибірках.

Навчальна вибірка щодо оцінки технічного стану формувалася на основі ретроспективних даних представлених в табл.2.

Таблиця 2 - Навчальна вибірка для оцінки стану силових масляних трансформаторів 110 кВ

№ з/п	C2H2/C2H4	CH4/H2	C2H4/C2H6	Діагноз виду виявленого дефекту
1	0,234375	2,72	1,939394	7
2	0,2	2,6	1,911765	7
3	0,171429	2,7	2,121212	7
4	0,13	2,8	2,941176	8
5	0,135922	2,84	2,452381	8
6	0,5	0,2	1	3
7	0,36	3,04	1,068376	5
8	0,3125	0,6	0,571429	3
9	0,05	0,2	50	5
10	0,038462	0,28	10	3
11	0,041667	0,38	9,230769	3
12	0,03937	1,117647	10,58333	4
13	0,045455	0,5	7,333333	4
14	0,050505	0,52	9,9	3
15	0,051546	0,6	9,7	3
…	…	…	…	…
100	0,045455	0,084158	7,333333	4

Середня похибка навчання мережі становить 0,077 використанні трапецієвидних функцій належності. Результати навчання адаптивної системи нейро-нечіткого логічного висновку зображено на рис.4.

Рисунок 4 – Діалогове вікно результатів навчання адаптивної системи нейро-нечіткого логічного висновку

Висновок. Проведена оцінка технічного стану силового трансформатора з використанням тестових вибірок для трансформаторів різної конструкції та номінальної потужності класом напруги 110 кВ підтверджує адекватність розробленої нечіткої моделі. Запропонований підхід і модель визначення оцінки технічного стану СТ за результатами ХАРГ є складовою комплексної нечіткої моделі оцінки ризику експлуатації СТ, докладно описаної в [1].

Перелік посилань

1. Костерев Н. В., Бардик Е. И. Нечеткое моделирование электрооборудования для оценки технического состояния и принятия решений о стратегии дальнейшей эксплуатации // Технічна електродинаміка. Темат. вип. «Проблеми сучасної електротехніки». – 2006. – Ч. 3. – С. 39 – 43.

2. Є.І. Бардик, М.В. Костерєв, М.П. Болотний. Нечітке моделювання силового трансформатора для оцінки ризику відмови за наявності дефекту //Пр. Ін-ту електродинаміки НАН України: Зб. Наук. Пр. – К.:ІЕД НАНУ. – 2013. – с.189-198.

3. Штовба С. Д. Проектирование нечетких систем средствами MATLab. – М. : – Телеком, 2007. – 288 с.