Содержание к диссертации
Введение
ГЛАВА 1. Аналитический обзор современного состояния проблемы. анализ методов и моделей прогнозирования. научная постановка цели и задач исследований 14
1.1 Аналитический обзор современного состояния проблемы 14
1.2 Анализ математических методов и моделей прогнозирования 19
1.3 Критерии точности математических моделей прогнозирования 35
1.4 Постановка цели и задач научных исследований 43
Основные результаты главы 45
ГЛАВА 2. Концептуальная модель системы поддержки принятия оперативных управленческих решений 46
2.1 Принципы построения концептуальной модели системы поддержки принятия оперативных управленческих решений 46
2.2 Формализация структурно-информационных уровней концептуальной модели системы поддержки принятия оперативных управленческих решений 49
2.3 Аналитическое описание правил нечеткой логики 53
2.4 Принятие оптимальных управленческих решений на основе правил нечеткой логики 56
Основные результаты главы 67
ГЛАВА 3. Методика принятия решений при управлении фактическим техническим состоянием электротехнического оборудования на основе адаптивной комплексной модели краткосрочного прогнозирования .68
3.1 Методика расчета оптимальных начальных условий 69
3.2 Адаптивная комплексная модель краткосрочного прогнозирования 76
3.3 Обоснование адаптивных предикторов в составе адаптивной комплексной модели краткосрочного прогнозирования
3.3.1 Модель Тейла-Вейджа 84
3.3.2 Модель Брауна 86
3.3.3 Модель Тригга-Лича
3.3.4 Полиномиальные модели многократного сглаживания 89
3.3.5 Модель Хольта-Винтера 91
3.3.6 Определение областей применения адаптивных моделей 92
3.3.7 Тестирование адаптивной комплексной модели краткосрочного прогнозирования 95
3.4 Методика принятия решений при управлении фактическим техническим
состоянием электротехнического оборудования 98
Основные результаты главы 100
ГЛАВА 4. Опытно-промышленная апробация системы поддержки принятия решений при управлении фактическим техническим состоянием электротехнического оборудования 101
4.1 Постановка прикладной задачи и научного эксперимента. Краткое описание технических характеристик объектов апробации 101
4.2 Формализация и прогнозирование изменения ключевых параметров силового маслонаполненного трансформатора средней мощности 102
4.3 Практическая реализация концептуальной модели системы поддержки принятия оперативных управленческих решений 125
Основные результаты главы 135
Заключение 136
Список использованных источников
- Анализ математических методов и моделей прогнозирования
- Формализация структурно-информационных уровней концептуальной модели системы поддержки принятия оперативных управленческих решений
- Обоснование адаптивных предикторов в составе адаптивной комплексной модели краткосрочного прогнозирования
- Формализация и прогнозирование изменения ключевых параметров силового маслонаполненного трансформатора средней мощности
Введение к работе
Актуальность темы. Исследования процессов эксплуатации множества электротехнических объектов с учетом отечественного и мирового опыта показали, что проведение жестко регламентированных планово-предупредительных ремонтов, как правило, приводит к ощутимым затратам временных, денежных, трудовых и материальных ресурсов предприятия. Поэтому особую роль и значимость приобретают методы и модели обслуживания электротехнического оборудования (ЭО) по фактическому техническому состоянию, составляющие основу системы поддержки принятия решений (СППР) оперативно-ремонтного персонала, которая позволяет сократить время простоев оборудования, улучшить его показатели надежности и повысить таким образом эффективность эксплуатации.
Основными характерными свойствами процессов эксплуатации ЭО является их разнородность, взаимозависимость, многопараметричность, иерархичность, а также территориальная распределенность. При этом эффективность эксплуатации оборудования во многом определяется стратегией его обслуживания, что, в свою очередь, обусловливает необходимость решения актуальной научной задачи для предприятий энергетических отраслей - разработки СППР, направленной на реализацию обслуживания ЭО с учетом его фактического технического состояния (ТС).
Применяемые методы и модели поддержки принятия решений должны обеспечивать реализацию функции управления ТС ЭО, заключающуюся в формировании обоснованных управляющих воздействий на объекты эксплуатации в виде перечня определенных мероприятий, выполнение которых обеспечивает устранение выявленных в процессе эксплуатации оборудования дефектов и снижение общего числа аварийных ситуаций. При этом на базе современных методов и средств измерения значений различных технических параметров ЭО СППР должна основываться на учете разнородных информационных потоков, которые могут носить характер неопределенных, то есть связанных с недостатком информации и ее нечеткостью. Поэтому возникает необходимость в формализации механизмов принятия оперативных управленческих решений на основе использования возможностей математического аппарата адаптивного краткосрочного прогнозирования и теории нечетких множеств, связанных с повышением достоверности прогнозных оценок значений технических параметров, характеризующих работу ЭО и определяющих в целом эффективность использования его эксплуатационного ресурса.
К настоящему времени накоплен достаточно богатый опыт эксплуатации крупных ответственных энергетических объектов и систем в энергетике (Е.Ю. Барзилович, Б.В. Гнеденко, В.В. Болотин и др.). Однако проблема создания СППР не нашла должной проработки на системном уровне с учетом малых выборок исходных эмпирических данных о ТС ЭО и их нечеткости. Существуют определенные ограничения в использовании предлагаемых решений, которые связаны преимущественно с необходимостью обработки разнородной статистической информации, а также требуют знания законов распределения
4 различных характеристик оборудования. Эти обстоятельства затрудняют процесс формирования адекватных оперативных управленческих решений.
Вопросами реализации стратегии обслуживания ЭО по фактическому техническому состоянию и СППР на теоретическом и прикладном уровнях занимаются научно-исследовательские коллективы ведущих вузов и научно-производственных предприятий страны. Однако приходится констатировать отсутствие значимых результатов в области разработки концептуальных моделей и алгоритмов принятия оперативных управленческих решений в условиях неопределенности исходной информации, обеспечивающих возможности адаптивного комплексного краткосрочного прогнозирования.
Известные адаптивные модели прогнозирования (К).П. Лукашин, К.Д. Льюис, R.G. Brown и др.) носят, как правило, локальный характер применения, поскольку допустимый уровень их точности ограничивается конкретными формами временных рядов. Поэтому требует развития и совершенствования методика принятия решений при управлении ТС ЭО на основе разработки адаптивной комплексной модели краткосрочного прогнозирования (АКМ), включающей в себя использование обоснованных механизмов формирования оптимальных начальных условий и адаптивных предикторов, позволяющих повысить достоверность прогнозных оценок комплексной модели.
Объект исследования - процессы эксплуатации высоковольтного электротехнического оборудования.
Целью диссертационной работы является разработка СППР при управлении фактическим техническим состоянием электротехнического оборудования предприятий энергетических отраслей на основе адаптивного краткосрочного прогнозирования изменения технических параметров и правил нечеткой логики, обеспечивающих повышение эффективности использования оборудования в условиях неопределенности исходной информации.
В соответствии с поставленной целью решались следующие задачи:
Определение состава СППР и анализ моделей краткосрочного прогнозирования изменения технических параметров ЭО.
Разработка концептуальной модели системы поддержки принятия оперативных управленческих решений (КМПР) при обслуживании ЭО по фактическому техническому состоянию в условиях неопределенности исходной информации.
Разработка АКМ и методики принятия решений при управлении фактическим техническим состоянием ЭО, включающих:
векторные критерии селекции оптимальных моделей начальных условий и адаптивных предикторов;
методику расчета оптимальных начальных условий (НУ), повышающую достоверность прогнозных оценок значений технических параметров;
алгоритм функционирования АКМ и ее программную реализацию.
4. Апробация СППР и входящей в ее состав АКМ.
Методы исследований основаны на использовании положений теории прогнозирования, теории аппроксимации временных рядов, теории надежности, теории нечетких множеств, теории оптимизации, а также методов математического моделирования и объектно-ориентированного программирования.
5 Кроме того, применялись программные среды, такие как MATLAB, MATHCAD, STATISTICA, и отдельные надстроечные модули MICROSOFT EXCEL. Научная новизна результатов работы заключается в следующем:
при разработке КМПР впервые формализованы комплексные критерии принятия решений и импликации нечетких множеств, основанные на правилах нечеткой логики;
предложены векторные критерии селекции оптимальных моделей начальных условий и адаптивных предикторов, научная новизна которых состоит в комплексном учете различных показателей точности прогноза и качества аппроксимации эмпирических данных;
в рамках проработки аппарата адаптивного краткосрочного прогнозирования ТС ЭО впервые предложена методика расчета оптимальных начальных условий на основе множества нелинейных математических моделей, позволяющих повысить достоверность прогнозных оценок;
разработана АКМ, новизна которой основывается на использовании множества отобранных в результате критериального анализа адаптивных предикторов;
- впервые реализован алгоритм функционирования адаптивной ком
плексной модели краткосрочного прогнозирования, который был положен в
основу разработки программного обеспечения.
Практическая значимость работы состоит в том, что применение разработанного программного продукта для анализа и адаптивного прогнозирования технического состояния ЭО позволяет повысить эффективность использования ресурса оборудования в процессе эксплуатации на основе получения более достоверных прогнозов времени проведения профилактических мероприятий. Реализация АКМ в программной среде «FMA» и формализованный на основе КМПР механизм принятия оперативных управленческих решений позволяют выстроить на предприятии эффективную СППР при профилактическом обслуживании оборудования по фактическому техническому состоянию.
Результаты диссертационной работы в виде инструмента анализа временных рядов и АКМ, в том числе реализованные программно, имеют практическую значимость для научно-образовательных процессов вуза. Получено свидетельство о государственной регистрации программы для ЭВМ.
Внедрение результатов работы. Предложенная КМПР, методика и алгоритмы принятия решений приняты к использованию в производственной деятельности Пермского регионального управления (ПРУ) ООО «ЛУКОЙЛ-ЭНЕРГОСЕТИ» (г. Пермь) как основа практической реализации концепции эксплуатации ЭО по фактическому техническому состоянию.
Результаты работы нашли свое практическое применение в научно-образовательных процессах кафедры «Микропроцессорные средства автоматизации» Пермского национального исследовательского политехнического университета в рамках проведения практических занятий по дисциплинам «Диагностика и надежность автоматизированных систем» и «Оптимизация и моделирование энергетических систем».
Основные положения и результаты диссертационной работы также были отражены в отчетной документации по гранту Президента РФ для государст-
венной поддержки молодых российских ученых № МК-2773.2011.8 «Управление техническим состоянием электроэнергетических объектов с целью повышения параметров их энергоэффективности». На защиту выносятся:
- концептуальная модель системы поддержки принятия оперативных
управленческих решений;
АКМ и методика принятия решений при управлении фактическим техническим состоянием ЭО;
алгоритмы поддержки процессов оперативного управления техническим состоянием ЭО и программное обеспечение;
- результаты апробации СППР, включающей АКМ.
Достоверность и обоснованность результатов и выводов обеспечиваются корректным применением известного математического аппарата и методологии общей теории прогнозирования, теории аппроксимации временных рядов, теории нечетких множеств, математического моделирования. Основные соотношения и результаты работы подтверждены удовлетворительным совпадением результатов моделирования с экспериментальными данными.
Апробация работы. Основные положения и результаты диссертационного исследования докладывались и обсуждались на научно-практической интернет-конференции «Молодежная наука Верхнекамья» (г. Пермь, 2008), VI Всероссийской школе-семинаре молодых ученых «Управление большими системами» (г. Ижевск, 2009), XVI конференции-семинаре по проблемам общей и прикладной ценологии (г.Москва, 2011), V Всероссийской научно-технической интернет-конференции «Энергетика. Инновационные направления в энергетике. СALS-технологии в энергетике» (г.Пермь, 2011), научно-техническом семинаре кафедры «Компьютерные системы автоматизации производства» (РК9) МГТУ им. Н.Э. Баумана.
Публикации. По теме диссертационного исследования опубликовано 10 научных работ, из них 5 статей в ведущих рецензируемых научных изданиях, присутствующих в Перечне ВАК.
Структура и объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы из 164 наименований и 11 приложений. Общий объем работы - 167 страниц машинописного текста, в том числе 138 страниц основного текста, содержащего 39 иллюстраций и 19 таблиц.
Анализ математических методов и моделей прогнозирования
В сравнении с трудоемкой системой ППР [33, 150, 152], основанной на периодическом контроле и профилактике, обслуживание электротехнического оборудования по фактическому техническому состоянию в настоящее время приобретает особую значимость, несмотря на существование концепции данной технологии в 80-90-х годах прошлого столетия [20, 33-35, 41, 102, 125]. Обусловлено это тем, что разработка и внедрение систем эксплуатации технических устройств по состоянию осуществлялись преимущественно в авиации, которая отличалась от других областей деятельности человечества высоким научно-техническим уровнем и жесткими требованиями, предъявляемыми к показателям надежности. Также данное направление развивалось в энергетике, включающей в себя крупные ответственные установки (тепловые, гидравлические, атомные электростанции, системы дальней передачи энергии и др.). Тем не менее, в последние десятилетия наблюдается тенденция экстраполяции накопленного опыта эксплуатации важных энергетических объектов (установок) в область систем обслуживания электротехнического оборудования малой и средней мощности.
Для определения состава и основных направлений реализации СППР при управлении фактическим техническим состоянием ЭО проведем аналитический обзор процессов эксплуатации оборудования на примере предприятий энергетических отраслей Пермского края.
Так, например, в 2010 году наибольший удельный вес в структуре затрат на проведение ремонта основных средств (оборудования и зданий) в филиале «Пермэнерго» ОАО «МРСК Урала» занимали воздушные линии (ВЛ) 0,4 и 6 15 ЮкВ (в силу их протяженности), а также силовое под станционное оборудование 35-110 кВ (рис. 1.1).
При этом средний износ всего оборудования филиала за 2010 год составил порядка 55 %. Если рассматривать данный показатель в разрезе конкретных электротехнических объектов, то можно констатировать факт наибольшего износа подстанционного оборудования 35-110 кВ (66%) и трансформаторных подстанций 6-10/0,4 кВ (74 %).
В результате анализа 624-х комплектных трансформаторных подстанций ПРУ ООО «ЛУКОЙЛ-ЭНЕРГОСЕТИ» был выявлен средний показатель выработки ресурса для данной группы объектов, который составил порядка 76 % с учетом нормативного срока службы оборудования - 25 лет [16].
Анализ причин аварийных отключений ЭО за период 2009-2011 гг. в данной энергоснабжающей организации (рис. 1.2) показал, что наибольшее количество инцидентов связано с недостатками системы обслуживания оборудования: отсутствием комплексной оценки объектов эксплуатации и механизмов выработки обоснованных управленческих решений на системном уровне (СППР), обеспечивающих своевременное определение и устранение дефектов и снижение общего числа аварийных ситуаций. Аварийные 70 отключения
Незначительное снижение числа аварийных ситуаций за период 2009-2011гг. по причине несовершенства системы обслуживания оборудования (рис. 1.2) обусловлено реализацией на предприятиии отдельных метоприятий по усовершенствованию системы котроля ТС ЭО, которые носили фрагментарный (локальный) характер.
Кроме того, по результатам обследования группы предприятий: ООО «ЛУКОЙЛ-Пермнефтеоргсинтез», ООО «Пермнефтегазопереработка», ООО «ЛУКОЙЛ-ПЕРМЬ», ООО «УралОйл», в 2010 году были выявлены факты перегрева трансформаторного оборудования 35/6 кВ (порядка ПО единиц). Анализ по степени критичности данных нагревов показал, что около 50 % от их общего числа являются дефектными и требуют проведения первоочередных мероприятий по устранению причин неисправностей.
С учетом полученных результатов статистической обработки информации [22,31,32], связанной с эксплуатацией высоковольтного ЭО, можно заключить, что основными ответственными узлами электрических сетей, несомненно, являются силовые трансформаторы, вопросам повышения эффективности эксплуатации которых необходимо уделять особое внимание. Данное оборудование, как правило, имеет масляное исполнение и входит в состав подстанций 35-110 кВ, а также в состав комплектных трансформаторных подстанций 6/0,4 кВ.
Как было показано выше, системы оценки ТС ЭО на предприятиях функционируют фрагментарно и уровень их эффективности низок, что в свою очередь обуславливает необходимость перехода к полноценному варианту обслуживания оборудования по фактическому техническому состоянию на базе методов и средств мониторинга и диагностики технического состояния.
Таким образом, вопросы принятия обоснованных управленческих решений на основе комплексной оценки ТС ЭО с использованием возможностей аппарата краткосрочного прогнозирования [40, 59, 73, 96, 98-101, 131, 148, 153-155] являются значимыми, в особенности для ответственных электротехнических объектов с большим сроком службы. При этом возникает необходимость в разработке СППР, позволяющей принимать оптимальные управленческие решения с позиции множества критериев, учитывающих специфику процессов эксплуатации ЭО:
С учетом обозначенной специфики и объективной необходимости повышения эффективности эксплуатации ответственного ЭО СППР должна включать в себя КМПР и входящую в ее состав АКМ, направленные на реализацию общей функции управления ТС оборудования.
На рис. 1.3 приведена обобщенная структура управления техническим состоянием ЭО: Z - вектор задания значений ключевых технических параметров (предписанные нормативные значения); U - вектор управляющих воздействий в виде перечня определенных профилактических мероприятий; F -возмущающие воздействия, представленные естественными причинами старения оборудования, а также человеческим фактором и несовершенством системы обслуживания ЭО; Y - вектор ключевых технических параметров (управляемых величин), характеризующих ТС ЭО; YK- контрольный вектор ключевых технических параметров.
Формализация структурно-информационных уровней концептуальной модели системы поддержки принятия оперативных управленческих решений
Все поступающие данные в модель разделены на два параллельных потока: модельно-параметрический (блоки № 2 и № 4) и количественно-качественный параметрический (блоки № 3 и № 5). Данные потоки объединяются в составе комплексных критериев принятия решений, которые используются для оценки объектов эксплуатации в условиях неопределенности исходной информации (блок № 7) на базе правил нечеткой логики.
Опишем блоки КМПР каждого из уровней:
1. Блок № 1 связан с детализацией объекта управления с точки зрения выделения отдельных систем, подсистем и элементов ЭО, техническое состояние которых необходимо контролировать в процессе эксплуатации. Также могут быть использованы различные модели физических процессов, протекающих в оборудовании [15, 50, 56, 57, 61, 112, 117, 123].
2. Блок № 2 связан с формализацией параметров конкретных математических моделей (например, для асинхронного двигателя (АД) -активные сопротивления ротора и статора, угловая скорость идеального холостого хода, параметр скольжения и др.).
3. Блок№3 связан непосредственно с формализацией ключевых диагностических количественно-качественных параметров, характеризующих работу ЭО [10, 13, 14] (например, для силового маслонаполненного трансформатора - уровень масла в основном баке, состояние индикаторного силикагеля и др.).
4. Блок № 4 связан с формированием расчетных модельных параметров (например, для АД - электродинамический момент).
5. Блок №5 связан с агрегированием количественно-качественных параметров [39, 108] (например, параметр состояние газовой защиты силового маслонаполненного трансформатора агрегирует в себе показатели состояния газового реле Бухгольца и струйного реле).
6. Блок № 6 включает в себя АКМ, позволяющую получать прогнозные оценки значений технических параметров ЭО.
7. Блок № 7 включает в себя реализацию функции принятия решений при управлении фактическим ТС ЭО [145] на основе комплексных критериев {ХІ} (і = \...п) с учетом правил нечеткой логики [43, 45, 76, 111, 119, 146, 151].
В разработанной КМПР используются правила нечеткой логики, позволяющие на основе лингвистических конструкций (импликаций) [38,43,75] учесть разносторонние аспекты эксплуатации ЭО, в том числе неопределенность исходной информации. Модель учитывает возможность адаптации (уточнения) под конкретный вид электрооборудования, и динамику ее работы следует рассматривать в контексте обобщенной структуры управления ТС ЭО (рис. 1.3).
Ответственное ЭО представляет собой, как правило, многопараметрический объект управления, контроль технического состояния которого базируется на ключевых диагностических параметрах. Измерение данных параметров в процессе эксплуатации осуществляется с помощью определенного комплекса технических средств и методов органолептической диагностики.
Таким образом, поток данных с уровня I на уровень II (рис. 2.2) связан непосредственно с поступлением первичной информации о ТС оборудования. На уровне III происходит агрегирование ключевых диагностических признаков, заключающееся в расчете параметров {CPj} согласно используемым моделям и объединении сходных ключевых количественно-качественных параметров ЭО {РІ} в группы (например, с помощью булевой логики). На данном уровне используется АКМ для прогнозирования изменения управляемых величин (совокупности технических параметров), характеризующих ТС оборудования.
Далее происходит формирование комплексных критериев и осуществляется принятие решений на основе правил нечеткой логики, то есть определяются приоритеты значимости для объектов эксплуатации в целях проведения профилактических мероприятий, представляющих собой управляющие воздействия на ЭО (аналог сигнала U, рис. 1.3).
Комплексные критерии принятия решений (блок № 7) по своей сути также являются агрегированными параметрами по отношению к показателям Ш-го уровня КМПР.
В последующих главах и параграфах диссертационной работы будем использовать приведенное выше понимание работы КМПР. Модель является применимой к целому многообразию электроэнергетических объектов: электрическим машинам, силовым трансформаторам, трансформаторам тока и напряжения, подстанциям и др.
Опишем правила нечеткой логики, на основе которых в дальнейшем будет формализован блок принятия решений концептуальной модели (IV уровень, блок № 7, рис. 2.2).
Приведем аналитическое описание правил нечеткой логики в целях использования их при формировании оптимальных управленческих решений в контексте рассмотренной ранее КМПР.
Рассмотрим процедуру многокритериального выбора альтернатив на основе композиционного правила агрегирования описания рассматриваемых вариантов с учетом информации о предпочтениях лиц принимающих решения (экспертов), заданных, как правило, в виде нечетких суждений [43, 76, 111]. Введем множество исследуемых элементов (вариантов) U. Символом А обозначим его нечеткое подмножество, степень принадлежности элементов которого определена на интервале [0,1]. Подмножество А представляет собой значения лингвистической переменной X, то есть лингвистические термы.
Множество решений охарактеризуем набором определенных критериев Х\,Х2, ...,Хп. Например, Х\ = «Стоимость проведения работ по восстановлению ЭО» может иметь значения «ВЫСОКАЯ», «СРЕДНЯЯ», «НИЗКАЯ» и т.п. Переменная Y «Удовлетворительность» также является лингвистической. Тогда пример лингвистического высказывания запишется следующим образом: б/,: «Если Хх = НИЗКАЯ, то 7= ВЫСОКАЯ» di: « Если Xi = Ay, иХ2 = Ау и ... Хп = A„j то Y= Bi», (2.1) где i-\,q, q — количество логических конструкций (высказываний); j = і, к, к -количество лингвистических термов, оценивающих переменную X; В/ -нечеткое подмножество единичного интервала /; l \,m, т - количество лингвистических термов переменной Y «Удовлетворительность». При принятии управленческих решений, как правило, не ограничиваются лишь только одним оценочным критерием, как это было рассмотрено выше. Обозначим пересечение X/ = АупХ2 = A2j r\...nXn =Anj через X=Mh Согласно операции пересечения нечетких множеств получим нахождение минимума их функций принадлежности [43,45, 75,111]:
Обоснование адаптивных предикторов в составе адаптивной комплексной модели краткосрочного прогнозирования
Заключительный блок № 16 представляет собой формальную процедуру последующего прогнозирования временного ряда согласно ранее найденным оптимальным коэффициентам адаптации, НУ и АМП в течение некоторого периода времени, по истечении которого осуществляется переход на начало работы алгоритма и производится повторная адаптация АКМ к изменяющимся эмпирическим данным.
Разработанная комплексная модель позволяет осуществлять плавные переключения между предикторами множества FM согласно критерию (3.6). В результате становится возможным получать непрерывные адаптивные прогнозные оценки значений технических параметров, характеризующих работу ЭО. Кроме того, предложенное алгоритмическое обеспечение адаптировано для реализации на ПЭВМ.
Обоснование адаптивных предикторов в составе адаптивной комплексной модели краткосрочного прогнозирования
В целях обоснования адаптивных предикторов в составе АКМ и методики определения оптимальных НУ, проанализируем реакцию моделей множества FM на различные тестовые входные воздействия (сигналы), которые возможно наблюдать в процессе эксплуатации электроэнергетических объектов.
В качестве тестовых входных воздействий, имитирующих собой изменение реальных процессов, было сгенерировано [87] множество следующих сигналов Test (рис. 3.4): гармонический стационарный (HarmS), гармонический линейно-аддитивный (HarmLA), гармонический линейно-мультипликативный (HarmLM), пилообразный стационарный (SawS), пилообразный линейно-аддитивный (SawLA), пилообразный линейно-мультипликативный (SavvLM), линейный (L), экспоненциальный (Ех), гармонический импульсный (НагтГ). HarmLA HarmLM
Аналогами приведенных выше сигналов на практике могут быть, например, нагрузочные токи оборудования, которые в разрезе различных временных интервалов с учетом дискрета измерений принимают разнообразные формы: SawS, SawLA и SawLM (рис. 3.4). При использовании определенных механизмов аппроксимации [29, 55, 70] можно наблюдать гармоническую составляющую, в том числе со случайными выбросами (например, кратковременные токи короткого замыкания). Сигналы линейной и экспоненциальной форм могут быть связаны с изменением во времени параметров сопротивления обмоток силовой части трансформаторного оборудования, содержания растворенных газов в масле [103], влагосодержания и др. [10].
На рис. 3.5 представлен алгоритм проведения экспериментов надАКМ, процессные блоки которого соответствуют обобщенным блокам разработанного ранее алгоритма функционирования АКМ (рис. 3.3).
На вход поочередно подаются тестовые воздействия (блок№1), осуществляется обработка исходных данных (блок № 2), в том числе корреляционный анализ в целях выявления тенденции временного ряда, после чего производится формирование оптимальных НУ (блок № 3) и прогнозирование временного ряда с последующей оценкой адекватности адаптивного предиктора эмпирическим данным (блок № 4).
На множестве остальных тестовых воздействий (рис. 3.4) для моделей TV были получены оптимальные значения параметров адаптации а{ и а2 (градиент оптимума), расположенные в сходственных областях численных значений близких к единице (рис. П. 1.1-П. 1.5). В случае подачи на вход линейного или экспоненциального сигнала (рис. 3.5) область оптимальных значений параметров адаптации существенно расширяется (рис. П. 1.4 и П. 1.5).
На рис. П. 1.6 приведено сопоставление моделей TV\ и TV2 по точности прогнозов различных временных рядов. Провал поверхностей в отрицательные значения связан с меньшей ошибкой прогнозирования модели TV2 по сравнению с моделью TV\. В большинстве случаев наблюдалось преимущество адаптивного предиктора TV2, которое при стремлении параметров а} и а2 к единице было менее значимым. Исключением явилась экспоненциальная форма тестового входного сигнала (рис. П. 1.6, ё).
Результаты тестирования моделей на множестве входных сигналов пилообразной формы (Saw) не приводятся, поскольку проведенные эксперименты показали их близость к результатам реакции моделей на гармонические воздействия. При этом пилообразная форма в определенных точках пространства является частным случаем гармонического сигнала.
Согласно второму и третьему этапам проведения экспериментов, используя нелинейные математические модели множества IM (преимущественно гиперболические первого порядка - hyp і), были определены оптимальные НУ, которые оказались отличными от результатов классических методик расчета [24, 71, 86, 98-100] и показали свое преимущество, заключающееся в повышении достоверности прогнозных оценок (табл. 3.4).
По результатам экспериментов наилучшими реакциями моделей TV\ и TVi по точности оказались реакции на линейное воздействие L ( т = 0,0117). То есть в случае входных данных линейной и монотонной формы (без скачков) модели являются также адекватными экспериментальным данным, как и обычные полиномы [62, 86, 148]. Кроме того, применять модель Тейла-Вейджа можно к временным рядам с периодической (сезонной) и трендовой компонентами, а также со стохастической зависимостью [81, 98, 100, 127]. Незначительным преимуществом в ряде случаев обладает модель TV2 с модификацией Муира.
Формализация и прогнозирование изменения ключевых параметров силового маслонаполненного трансформатора средней мощности
На основе формуляров обследования двух силовых трансформаторов ТМН-6300/35 (Т № 1 и Т № 2), включающих признаки табл. 4.1, были получены диагностические параметры в двоичном представлении: Т № 1 - х\ = (0010001), Т№2 - х2 = (0010000). Для распознавания ТС объектов х\ и х2 использованы выражения (4.4)-(4.6): Т№1: /,2 - /(2} (х,, ах) = 1; /2 = /(21} (х,, я2) - 2; /2 = /21} (х,, а3) = 5; = 0,78; & =0,19; =0,03. TJM:/N/(i) 2)«1) = 2;/2=/(21)(x2,a2) = 3;/32=/(21)(x2,a3) = 6; ft = 0,64; =0,29; 3 =0,07. Из приведенных расчетов следует, что объекты апробации согласно диагностическим признакам имеют незначительные отклонения от нормативных значений и поэтому их следует отнести к диагнозу ах с коэффициентами распознавания 0,78 (Т № 1) и 0,64 (Т № 2). 109 С целью устранения дефектов СМТ, обнаруживаемых в процессе эксплуатации, формализуем управляющие воздействия (табл. 4.4). Таблица 4.4 Формализация управляющих воздействий на СМТ средней мощности с естественным масляным охлаждением типа М и Д Обозначение параметра, табл. 4.1 Рекомендуемаяпериодичностьконтроля параметра Меры, принимаемые в случае выхода значенияпараметра за нормативные границы, табл. 4.3:О - требуется отключение. pi (температура охлаждающей среды) 8 раз в сутки синтервалом в 3 ч. X Р2 И ръ (уровень масла в основном баке и в баке устройства РПН) Не реже 1 раза в месяц (при отсутствии дежурного персонала). Устанавливается руководителем. Наружный осмотр с целью определения мест утечек масла. Замена мембраны и маслоуказателя в случае их повреждения (О). Испытание бака на плотность (О). Выявление причин ненормального перегрева СМТ (в том числе в соответствии с параметрами / ю). Р4 яръ (температура верхних слоев масла в основном баке и в устройстве РПН) Не реже 1 раза в месяц Проверка системы охлаждения и термосигнализатора (термометра). Выявление причин ненормального перегрева СМТ (в том числе в соответствии с параметрами рю) ре (рабочая нагрузка) Почасовые данные Оптимизация нагрузки трансформатора pi и ps (состояние газового и струйного реле) Не реже 1 раза в месяц Наружный осмотр и выяснение причин. Разгрузка и отключение трансформатор за минимальное время. Отбор газа из реле для анализа и проверки на горючесть (О). Замена реле в случае его неисправности (О). Проверка изоляции цепей (О). Р9.1 И 9.2 (предельное состояние контактов и число переключений устройства РПН) Не реже 1 раза в месяц Отбор пробы масла для анализа (не реже 1 раза вгод).Замена контактов переключателя нагрузки (О).Обязательное проведение ревизии переключателянагрузки (не реже 1 раза в год, О). Замена масла (О). Рі0:Р\0Л,РіО.2,Р\О.%РШ4,Р\0.5,РЮ6 (нагрев контактных токоведущих частей и др.) 1 раз в 1-2 года либо устанавливается руководителем [12]. Меры формируются в соответствии с перечнем выявленных дефектов согласно табл. 4.5 р\ і (шум, вибрация) Не реже 1 раза в месяц Проверить электромагнитные пускатели устройства РПН (О). Очистить от грязи рабочие поверхности электромагнита (О). Р\2 (утечки масла) Не реже 1 раза в месяц Наружный осмотр трансформатора с целью определения мест утечек масла. Испытание бака с радиатором (О) [10]. рп (сост. индикаторного силикагеля) Не реже 1 раза в месяц Замена сорбента. Отбор проб масла. / 14 (состояние мембраны выхлопной трубы) Не реже 1 раза в месяц Замена мембраны (О). Проведение ревизии переключателя нагрузки (О) согласно руководству по эксплуатации. р\5 (состояние изоляторов) Не реже 1 раза в месяц Чистка или замена изоляторов (О). / 16 (состояние контрольных кабелей) Не реже 1 раза в месяц Испытания (О). Замена (О). рп (состояние элементов заземления) Не реже 1 раза в месяц Проверка надежности крепления заземляющих проводников к заземлителю и корпусу (О). Испытания и измерения (О) [10]. по Дополнительно в рамках мониторинга ТС оборудования и в ходе устранения выявленных дефектов осуществляется проверка работы различных систем (подсистем) трансформатора в соответствии с руководствами (инструкциями) по эксплуатации. Результаты данной проверки по решению оперативного обслуживающего персонала могут быть включены в формуляр мониторинга СМТ в одну из групп параметров (табл. 4.2) с учетом степени их важности. Отдельно рассмотрим вопрос дополнительного комплексного термографического обследования СМТ средней мощности (табл. 4.5).
Следует отметить, что существует еще один достаточно важный параметр, представляющий собой термический износ изоляции, количественную оценку которого возможно произвести в процессе эксплуатации оборудования, что является крайне важным в рамках построения СППР при профилактическом обслуживании ЭО по фактическому техническому состоянию.
Изоляция является наиболее ответственной частью трансформатора, поскольку надежность его работы определяется в основном надежностью изоляции [15, 18, 23, 25, 51-53, 74, 123]. Основной изоляцией в нашем случае является масло в сочетании с твердыми диэлектриками (преимущественно бумагой, электрокартоном). Поэтому далее используем параметр термического износа изоляции, который в целом определяет запас ресурса ЭО. При этом задача оценки ресурса СМТ может быть решена посредством использования расчетных методов и известных математических моделей, использующих широко известное понятие температуры наиболее нагретой точки (ТННТ) [15, 88,123], а также ряд других важных факторов, речь о которых пойдет ниже.
Для оценки износа изоляции ряд специалистов-исследователей [51, 54, 56, 60, 89, 113, 133] рекомендует использовать более точные методы, связанные с измерением показателей влагосодержания изоляции (w), кислотности масла (К) и содержания в нем кислорода (02), сопротивления обмоток трансформатора угла диэлектрических потерь (tg S), степени полимеризации образцов изоляции (СП) и др. Учет всех факторов действительно обеспечит повышение достоверности определения степени износа изоляции, но возможности непосредственного ее измерения в процессе эксплуатации оборудования крайне ограничены. Кроме того, в ряде случаев данная процедура измерения является достаточно трудоемкой, поскольку необходимо производить разгерметизацию активной части СМТ, слив масла, отбор образцов изоляции, как правило, из труднодоступной зоны обмоток, восстановление поврежденной в месте отбора образцов изоляции и т.д. [10]. Поэтому такие работы при условии незначительного термического старения изоляции лишены практического смысла, и особую значимость приобретают расчетные (косвенные) методы, позволяющие на основе статистических данных оценить состояние изоляции трансформатора.
