Использование гибридных сетей для получения трендов процессов в изоляции кабельных линий Текст научной статьи по специальности «Электротехника, электронная техника, информационные технологии»

УДК 621.311

ИСПОЛЬЗОВАНИЕ ГИБРИДНЫХ СЕТЕЙ ДЛЯ ПОЛУЧЕНИЯ ТРЕНДОВ ПРОЦЕССОВ В ИЗОЛЯЦИИ КАБЕЛЬНЫХ ЛИНИЙ

© 2018 В. И. Бирюлин1, Д. В. Куделина2

'канд. техн. наук, доцент кафедры электроснабжения

e-mail: birl956@mail.ru 2старший преподаватель кафедры электроснабжения e-mail: mary_joy@mail.ru

Юго-Западный государственный университет (г. Курск)

В статье показано, что состояние изоляции кабельных линий зависит от большого количества факторов, часть из них является неполными, неопределенными и, соответственно, не могут быть выражены в количественных значениях. Предложено для прогнозирования состояния изоляции кабельных линий применять нечеткие нейронные или гибридные сети, обеспечивающие возможности совместной обработки как количественной, так и качественной информации, что позволяет получать более обоснованные результаты по сравнению с использованием только данных, выраженных в количественном виде.

Ключевые слова: гибридная сеть, нечеткая нейронная сеть, изоляция, электрическая прочность, пробой, прогнозирование, кабельные линии, старение изоляции.

Кабельные линии служат для передачи и распределения электрической энергии. Основным их элементом служат силовые кабели, которые конструктивно включают в себя жилы, по которым протекает ток, изоляцию, оболочки и защитные покровы. Также в составе конструкции могут быть экраны, нулевые жилы, жилы защитного заземления и заполнители.

Необходимое электрическое сопротивление жил кабеля относительно друг друга и заземленной оболочки или земли обеспечивается изоляцией. Изоляция кабелей разделяется на расположенную непосредственно на токоведущей жиле (изоляция жил) и наложенную между изолированными жилами, или поясную изоляцию.

К изоляционным защитным материалам, применяемым в производстве кабелей, предъявляются жесткие требования. Они должны иметь высокую механическую прочность, чтобы выдерживать без повреждений многочисленные изгибы при размещении на барабанах и выполнении работ при прокладке, обеспечивать необходимую долговечность, так как при возникновении повреждений кабельных линий, особенно проложенных в траншеях или блоках, возникают продолжительные перерывы в электроснабжении, а также необходимы довольно длительные и дорогостоящие работы по нахождению и устранению повреждений.

Электропроводность кабельной изоляции создается благодаря существованию в ней небольшого количества свободных зарядов, к которым относятся электроны и ионы. Образование свободных зарядов происходит под действием многих причин -повышенные значения температуры, нахождение в электрическом поле и т.д.

Пробой изоляции представляет собой резкое возрастание электрического тока через нее из-за образования проводящего канала. Это явление возникает по нескольким причинам, более подробно будет рассматриваться ниже.

Характерные особенности кабельной изоляции:

- сложный характер зависимости электрической прочности от напряженности поля при длительном воздействии напряжения;

- сильная зависимость электрической прочности от механических, тепловых и других факторов, таких как увлажнение, загрязнение и т.п., в результате действия которых развиваются процессы старения и разрушения изоляции;

- практически для всех видов кабельной изоляции, включая комбинированную, возникновение электрического пробоя является необратимым.

Материалы, применяемые для создания изоляции кабельных линий, достаточно уязвимы к различным факторам, воздействующим на нее в течение всего срока работы. Одним из наиболее важных факторов, оказывающих сложное по своему характеру воздействие на электроизоляционные материалы, является температура. Когда температура возрастает, то химические реакции, происходящие между материалом изоляции, его внутренними включениями, окружающей средой, влагой, ускоряются. Это снижает электрофизические свойства изоляции, что может привести к пробою изоляционного промежутка или механическому разрушению изоляции.

При реальной эксплуатации на состояние кабельных линий воздействует множество факторов, вызывающих в изоляции этих линий сложные процессы.

Разделим эти факторы на следующие группы.

Первая группа факторов связана с применяемыми проектными решениями, включая глубину и траекторию прокладки линий, их пересечение с существующими подземными коммуникациями и дорожной сетью. Эти факторы на протяжении срока службы рассматриваемой кабельной линии изменяются достаточно редко, так как существующая кабельная сеть либо постоянная, либо редко изменяется при проведении работ при реконструкции или благоустройстве города [4; 8].

Анализ источников [3; 4; 8] показывает, что такие факторы, как глубина и траектория прокладки кабелей, могут существенно влиять на срок службы её изоляции. Это объясняется тем, что на протяжении года регулярно возникают подвижки грунта, которые неизбежно приводят к появлению механических воздействий на кабели в траншеях. Поэтому движения грунта во время весенне-осенних оттаивании и замерзании грунта могут приводить к повреждаемости кабельных линий.

Эти механические воздействия на кабели будут самыми опасными при поворотах трассы, которые ограничены величиной допустимого радиуса изгиба, применяемого для прокладки кабеля. В этом случае. кроме сил, которые возникают на изгибе кабеля и работают на сжатие или растяжение, происходит дополнительно его кручение. Известна информация, что количество пробоев изоляции на изгибах или поворотах кабелей, относящееся к 1 км длины, может до 1,5 раз быть большим по сравнению с количеством пробоев, также относящихся к 1 км длины, на прямых участках [8].

Вторая группа факторов связана с процессами нагрева токами в нормальном режиме работы и токами коротких замыканий, вероятными повреждениями при проведении различных земляных и надземных работ. Воздействие токов коротких замыканий на изоляцию большей частью является неопределенной величиной, так как значение тока короткого замыкания определяется местом его возникновения, которое предсказать заранее невозможно.

Но следует учитывать, что на процесс старения влияет расположение кабелей в схеме электроснабжения. Известно, что по значениям среднего времени наработки изоляции кабелей до пробоя на головных кабельных линиях оно меньше (примерно 186 месяцев), чем для остальных линий (примерно 200 месяцев) [1; 3; 4; 5], что объясняется более частым и более интенсивным термическим воздействием токов коротких замыканий. Это означает, что ресурс кабелей зависит не только от собственного состояния изоляции, но и от состояния изоляции кабелей, которые расположены дальше от головных участков в схеме электрической сети.

Третья группа - параметры, которые зависят от персонала электрических сетей. Эти факторы отражают квалификацию персонала, работающего с рассматриваемыми линиями на всех этапах - монтаж линий, обслуживание линий, проведение ремонтных работ. В общем случае выполнение всех этих работ может производиться различными работниками, поэтому при составлении модели, отражающей действие этих факторов, целесообразно рассматривать упомянутые факторы по отдельности.

Поэтому прогнозирование развития процессов старения изоляции и изменения ее электрических свойств является задачей, для решения которой должны использоваться как количественные данные, так и качественные, часть из которых будет неизбежно иметь нечеткий или неопределенный характер.

В настоящее время математический аппарат нечетких нейронных, или же гибридных, сетей считается одним из наиболее востребованных при решении подобных слабо или плохо структурированных задач [7]. Гибридная сеть в общем случае представляет собой многослойную нейронную сеть, содержащую специальные структуры, не имеющие обратных связей [6].

Для работы такой сети используются обычные (не являющиеся нечеткими величинами) данные, веса и функции их активации. Выполнение такой сетью операции суммирования производится с использованием неизменной Т-нормы или же некоторой другой непрерывной операции, например, Т-конормы. В такой сети все значения входов, выходов и весов гибридной, или нечеткой, нейронной сети - это вещественные числа из отрезка [0, 1].

Основной идеей, применяемой для работы гибридных сетей, является следующая: использовать существующую выборку исходных данных рассматриваемой задачи для определения составляющих функции принадлежности, которые являются наиболее подходящими для работы некоторой системы нечеткого вывода. Существует класс гибридных сетей, которые функционально эквивалентны системам нечетких рассуждений. Такая архитектура называется ANFIS (Adaptive Network Based Fuzzy Inference System - в переводе адаптивная сеть нечеткого вывода). ANFIS представляет один из первых вариантов гибридных нейро-нечетких сетей -нейронную сеть прямого распространения сигнала особого типа. Архитектура нейронечеткой сети изоморфна нечеткой базе знаний.

Данные о переменной за определенный интервал времени составляют образ (временной ряд), который определяется ее значением в некоторый момент времени за пределами данного промежутка, то есть значением переменной через интервал прогнозирования. Примем допущение, что текущая величина рассматриваемого временного ряда имеет зависимость от предыдущих значений или же процесс изменения свойств изоляции может выражаться как регрессионная модель.

Считаем, что все переменные, используемые для создания такой регрессионной модели, могут выражаться через нечеткие множества {A} и для этих множеств при разработке модели можно задать функции принадлежности этих переменных к нечетким множествам. Поэтому для осуществления оценки интенсивности процесса старения изоляции следует найти набор нечетких множеств { A} и определить параметры функций принадлежности.

При выборе вида функций принадлежности надо учитывать то, чтобы степени принадлежностей граничных значений интервала изменения переменных крайним термам были приблизительно равны единице. Тогда будет выполняться наглядное правило, утверждающее, что чем меньше или больше значение рассматриваемой переменной, тем в большей степени оно будет соответствовать крайним термам «очень низкий» («very low») или «очень высокий» («very high»), поэтому для функции принадлежности крайних термов были выбраны трапециевидные формы.

Разрабатываемая нейронная сеть должна иметь всего один выход, на котором формируется оценка, и столько входов, сколько предыдущих значений мы хотим использовать для оценки, например, 5 последних значений.

Обучающая выборка для созданной сети составляется так: входными значениями для работы сети будут значения за 5 выбранных моментов времени, а выходным значением будет являться известное значение в следующий момент времени за выбранными входными величинами. Для того чтобы составить обучающую выборку, нужно скопировать данные в 4 столбца и сдвинуть второй столбец на 1 ячейку вверх, третий столбец - на 2 ячейки вверх и т.д.

Работа гибридной сети при выполнении задач прогнозирования состоит в предсказании будущих значений на выходе системы, основываясь на ее предшествующем поведении. Имея исходную информацию по значениям изучаемой переменной х в определенные моменты времени, предшествующие процессу прогнозирования, эта сеть формирует наиболее вероятное значение прогнозируемой переменной в заданный момент времени t.

Практическая реализация нечеткой нейронной сети для решения задач прогнозирования состояния изоляции кабельных линий выполнялась с использованием пакета расширения системы научно-технических расчетов MATLAB Fuzzy Logic Toolbox, или нечеткой логики. В этом пакете нечеткие нейронные сети представлены в форме адаптивных систем нейронечеткого вывода ANFIS.

При создании нечеткой нейронной сети для целей прогнозирования могут применяться два наиболее часто применяемых на практике алгоритма нечеткого вывода: алгоритм Мамдани и алгоритм Сугено. Для разработки гибридной сети выбран алгоритм Сугено, потому что нечеткая нейронная сеть на основе данного алгоритма Сугено имеет меньшую ошибку как обучения, так и прогнозирования [6; 7].

На рис. 1 приведена структура ANFIS сети, использующей для своей работы два правила, которые отражены в формулах (1) и (2) [8]:

ЕСЛИ xi = Ai И х2 = Bi, ТО yi = cii xi + 012x2; (1)

ЕСЛИ xi = А2, И х2 = В2, ТО у2 = 02ixi + с22х2. (2)

Выходное значение сети определяется по формуле

y=(roi yi+ Ю2 у2)/( Mi + Ю2). (3)

С одной стороны, гибридную сеть ANFIS можно представить как нейронную сеть с одним выходом и несколькими входами, которые работают с нечеткими лингвистическими переменными. Термы входных лингвистических переменных формируются стандартными функциями принадлежности, а термы выходной переменной представляются либо линейной, либо постоянной функцией принадлежности.

Рис. 1. Структура сети АОТШ

Рассмотрим процесс создания и работы с нечеткой моделью гибридной сети для решения задачи оценки состояния изоляции кабельных линий Q. Смысл данной задачи состоит в том, чтобы зная динамику изменения Q за некоторый интервал времени, оценить значение этого параметра на определенный, заданный момент времени в будущем.

В качестве исходных данных воспользуемся информацией о динамике изменения Q за некоторый временной интервал. Данную информацию для удобства дальнейшей работы представим в табличной форме в ограниченном объеме (таблица 1). За начало отсчета примем время I = 0.

Таблица 1

Динамика изменения Q_

Т, месяц Q

1 90,0

2 89,8

3 89,8

4 89,7

5 89,6

6 89,4

7 89,3

8 89,2

9 89,1

10 89,0

Предположим, что нечеткая модель гибридной сети будет содержать 4 входных переменных. При этом первая входная переменная будет соответствовать Q на текущее время, вторая - Q на предыдущее время, то есть на время (/ - 1), где через / обозначено текущее время. Тогда третья входная переменная будет соответствовать Q на время (/ - 2), а четвертая Q на (/ - 3). Соответствующие обучающие данные сведены в отдельную таблицу обучающей выборки, часть которой приведена в таблице 2.

Таблица 2

Обучающая выборка__

Значения входных переменных Значение выходной переменной

1 2 3 4

89.7 89.8 89.8 90.0 89.7

89.6 89.7 89.8 89.8 89.6

89.4 89.6 89.7 89.8 89.4

89.3 89.4 89.6 89.7 89.3

89.2 89.3 89.4 89.6 89.2

89.1 89.2 89.3 89.4 89.1

89.0 89.1 89.2 89.3 89.0

88.9 89.0 89.1 89.2 89.0

88.8 88.9 89.0 89.1 88.8

Сохраним обучающую выборку во внешнем файле под именем proba_Q.dat. После этого откроем редактор АОТК, в который загрузим этот файл с обучающими данными. Внешний вид редактора АЫБК с загруженными обучающими данными изображен на рисунке 2.

Рис. 2. Графический интерфейс редактора АОТШ после загрузки обучающей выборки

Перед генерацией структуры системы нечеткого вывода типа Сугено после вызова диалогового окна свойств зададим для каждой из входных переменных по 3 лингвистических терма, а в качестве типа их функций принадлежности выберем треугольные функции. В качестве типа функции принадлежности выходной переменной зададим линейную функцию. Для обучения гибридной сети воспользуемся гибридным методом обучения с уровнем ошибки 0, а количество циклов обучения зададим равным 100. После обучения гибридной сети можно визуально оценить структуру построенной нечеткой модели (рис. 3).

H Anfis Model Structure

Рис. 3. Структура созданной нечеткой модели

Выполним проверку функционирования построенной нечеткой модели гибридной сети. Для этой цели сделаем ретроспективный прогноз значения Q на будущее время, например на 25-й месяц, считая для этого случая текущим 24-й месяц.

Для этой цели воспользуемся функцией в командной строке evalfis. В качестве аргументов этой функции укажем вектор значений Q на текущее время и 3 предшествующих. Полный формат вызова этой функции будет следующим:

q1 = evalfis([87.4 87.5 87.6 87.8], рrognoz12), (4)

где q1 - наименование выходной переменной; 87.4 - значение Q за 24 месяца; 87.5 -значение Q за 23 месяца; 87.6 - значение Q за 22 месяца; 87.8 - значение Q за 21 месяц; prognoz12 - имя структуры FIS, предварительно загруженной в рабочую область системы MATLAB.

После выполнения этой команды с помощью разработанной нечеткой модели будет получено значение выходной переменной для будущего времени, равное 87.2.

Представленные результаты наглядно показывают, что использование современных информационных технологий, в частности гибридных (нечетких) нейронных сетей, может обеспечивать получение обоснованных прогнозных оценок состояния изоляции кабельных линий.

Работа таких сетей позволяет использовать как количественные данные, получаемые при проведении испытаний кабельных линий, так и качественные данные, в том числе и экспертные оценки. Поэтому результаты работы таких сетей по прогнозированию состояния изоляции способствуют принятию более обоснованных

решений по эксплуатации кабельных линий, по сравнению с использованием только количественных оценок.

Библиографический список

1. Гутов И.А. Прогнозирование состояния электродвигателей на основе использования многофакторных моделей старении изоляции: дис... канд. техн. наук. Барнаул, 1997. 265 с.

2. Дьяконов В. П., Круглов В. В. МайаЬ 6.5 8Р1/7/7 БР1/7 БР2 + БтиИпк 5/6. Инструменты искусственного интеллекта и биоинформатики. М.: СОЛОН-ПРЕСС, 2006. 456 с.

3. Коржов А.В. Метод оценки значимости влияния проектных и эксплуатационных факторов на срок службы изоляции силовых кабелей 6(10) кВ городских электрических сетей // Вестник ЮУрГУ. Серия «Энергетика». 2014. Т. 14. № 1. С. 31-34.

4. Коржов А.В. Оценка теплового режима работы изоляции в 2D-модели звена «кабель 6(10) кВ - грунт» в ANSYS с учётом подвижек грунта и уставок устройств релейной защиты // Вестник ЮУрГУ. Серия «Энергетика». 2013. Т. 13. № 1. С. 39-45.

5. Коржов А.В., Томашева Е.В. Причины старения бумажно-масляной изоляции силовых кабелей // Электробезопасность. 2006. № 1. С. 12-17.

6. Манусов В.З., Бирюков Е.В. Краткосрочное прогнозирование электрической нагрузки на основе нечеткой нейронной сети и ее сравнении с другими методами // Известия Томского политехнического университета. 2006. Т. 309. № 6. С 153-158.

7. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы / пер. с польск. И.Д. Рудинского. М.: Горячая линия -Телеком, 2004. 452 с.

8. Юрченко Е.Ю. Оценка состояния изоляции городских кабельных линий напряжением 6-10 кВ с разработкой рекомендаций по улучшению условий электробезопасности: дис. ... канд. техн. наук. Челябинск, 2009. 147 с.