CC BY
41
УДК 621.311.088.3 Шр8:/Мо1.о^/10.18503/2311-8318-2017-4(37)-45-52
|Коваленко Ю.П| 1, Одинцов К.Э.1, Никифоров Г.В.2, Мугалимов Р.Г.1
1 Магнитогорский государственный технический университет им. Г.И. Носова
2 Магнитогорскгазстрой
Методика идентификации неисправных измерительных приборов в промышленных электрических сетях
Повышение точности и оперативности выявления неисправностей измерительных систем промышленных предприятий необходимо для получения достоверных сведений об объемах электроэнергии, распределяемой между производственными подразделениями и технологическими агрегатами. Эта задача приобретает особую актуальность в условиях энергообмена металлургических предприятий, имеющих собственные электростанции, с энергосистемой. Основными источниками данных, на основании которых производятся финансовые взаиморасчеты, являются счетчики электрической энергии, установленные вблизи границ разграничения балансовой принадлежности участников энергообмена. Поэтому в условиях развивающегося рынка энергоресурсов необходим автоматизированный контроль их технического состояния. На примере ПАО «Магнитогорский металлургический комбинат» (ПАО «ММК») показано, что одной из причин неэффективного контроля измерительных систем является отсутствие доступных инженерных методик, обеспечивающих оперативное выявление конкретного источника искаженных измерений. На основе анализа графиков энергопотребления в узлах заводской сети обоснована процедура поиска источника ошибок, основанная на анализе небалансов мощности. Предложена методика формализованного анализа небалансов мощности, использующая критерии эмпирического распределения: среднего, стандартного отклонения и коэффициента парной корреляции между небалансом и нагрузкой каждого из присоединений подстанции. Выполнен анализ характерных графиков небаланса мощности. Представлены аналитические зависимости для расчета эмпирических критериев. Приведен пример контроля состояния средств учета электроэнергии на присоединениях секции 10 кВ подстанции металлургического комбината. Представлены результаты идентификации распространенных дефектов измерительных комплексов, установленных в местах присоединения электростанций и подстанций ПАО «ММК».
Ключевые слова: металлургическое предприятие, потребление электроэнергии, измерительные комплексы, техническое состояния, небаланс мощности, контроль, методика, эмпирические критерии, неисправности, идентификация, применение.
Введение
Основой технико-экономических расчетов, выполняемых при анализе ежемесячного электропотребления предприятия и при подготовке документов статистической отчетности, являются сведения об объемах электроэнергии, распределяемой по заводской сети между производственными подразделениями и технологическими агрегатами. Количество электроэнергии вычисляется по показаниям измерительных комплексов. Технические устройства, из которых они состоят, вносят погрешность в измерения, а частичное повреждение или полный отказ в работе приводят к грубым искажениям показателей энергоучета [1, 2]. Поэтому необходимость в постоянном обеспечении достоверности первичных данных измерений является очевидной.
Принимаемые в настоящее время меры определены рамками технического обслуживания, метрологического контроля и надзора за средствами учета электроэнергии. Но, как показывает практика, этого недостаточно, чтобы исключить или ослабить влияние грубых ошибок в измерениях на точность количественных показателей электропотребления. В дополнение к перечисленным мероприятиям представляется важным организовать раннее обнаружение фактов нарушения достоверности учетных данных, обеспечить точность идентификации дефектного измерительного комплекса и оперативность при замене поврежденного технического устройства. Решение этих задач относится к разряду сложных, поскольку оно обусловлено большими размерами измерительной системы, невысоким уровнем ее технического состояния и недостаточной полнотой методического обеспечения.
© Коваленко Ю.П., Одинцов К.Э., Никифоров Г.В., Мугалимов Р.Г., 2017
Постановка задачи
Для учета электроэнергии на металлургическом заводе используются десятки, а если предприятие крупное, то сотни и тысячи электросчетчиков, различающихся по типу. Большинство из них электромеханические, они имеют нормативную погрешность 1-2%. Современные микропроцессорные приборы с классом точности 0,28 и 0,58 представлены в малом количестве. Например, коммерческий и технический учет электроэнергии в ПАО «ММК» выполняется по показаниям более 6 000 электросчетчиков. Электронные счетчики типа «Альфа», «СЭТ-4ТМ-03...», «Меркурий 230», «ПСЧ-4...» составляют менее 20% от списка. Все другие первичные приборы - индукционные счетчики, уступают современным образцам по многим позициям (многофункциональность, точность, самодиагностика, широкий набор интерфейсов, защита информации).
Достоверность измерений также зависит от погрешностей трансформаторов тока и напряжения, при помощи которых электросчетчик подключается к высоковольтному присоединению. Известно, что ухудшение магнитоэлектрических характеристик этих устройств со временем, а также под воздействием аварийных токов короткого замыкания сопровождается ростом погрешностей. Поэтому требуется метрологическое подтверждение соответствия средств измерений установленным техническим требованиям. Однако, если плановая поверка измерительных трансформаторов, занятых в коммерческом учете, проводится строго в нормативные сроки, то калибровка подобного оборудования, предназначенного для технического учета, выполняется редко. Поэтому истинная величина погрешности оказывается неизвестной, а в расчетах используются ее паспортные или справочные значения.
Снижению точности замеров способствует нестационарный характер процессов электропотребления металлургических агрегатов. Инерционная механика индукционных счетчиков реагирует с запаздыванием на изменения токов от резкопеременной нагрузки, создаваемой электрическими машинами прокатных станов и электротехнологическими установками сталеплавильных цехов [3-8].
В настоящее время контроль достоверности энергоучета осуществляется по балансовому методу [9]. Он позволяет обнаружить сам факт присутствия ошибок в данных и оценить размеры искажения. Для этого ежемесячно составляется баланс поступления и отпуска электроэнергии на подстанциях по показаниям счетчиков на 24:00 ч последних суток отчетного периода. Значение фактического небаланса не должно превышать допустимую величину. Следует отметить, что появление «плохих» данных в измерениях можно обнаружить и в ранние сроки, если контрольные функции исполнять неоднократно на протяжении месяца. Такую вычислительную процедуру осуществить несложно при наличии у предприятия автоматизированной системы контроля и учета электроэнергии (АСКУЭ).
Основные затруднения при достоверизации учетных данных возникают на этапе поиска неисправного измерительного комплекса. Как правило, специалисты не располагают типовой методикой выявления конкретного источника искаженных измерений. Поэтому задача разработки доступной инженерной методики идентификации неисправных измерительных комплексов является актуальной. Оригинальный, малозатратный вариант ее решения рассматривается в представленной публикации.
Методы исследования
Для решения обозначенной задачи можно воспользоваться известным топологическим методом оценивания состояния энергосистем [10]. Его динамический и статистический алгоритмы разработаны в предположении, что измерения содержат только случайные ошибки с нормальным распределением, имеющим нулевое математическое ожидание и известное значение дисперсии [11]. Следовательно, перед их использованием необходимо убедиться в достоверности этого предположения по отношению к эмпирическим распределениям небалансов мощности.
Такая проверка выполнена в системе учета электроэнергии ПАО «ММК» по критериям Колмогорова-Смирнова, «омега-квадрат» и «кси-квадрат» при помощи программы «Stadia» [13]. Выборки содержали значения небалансов мощности, усредненной на 30-минутных интервалах в пределах расчетного периода. Балансовые уравнения составлены как для (под)станций в целом, так и для отдельных секций шин распределительных устройств.
Результаты тестирования выборочных распределений на соответствие нормальному закону представлены в таблице. Их анализ показал, что результирующие уровни значимости трех критериев нормальности, в основном, не позволяют принять эту гипотезу. Предварительные преобразования числовых массивов, в т.ч. нормировка, не всегда приводят к нормализации. Если соответствие формы все-таки получено, то оно достигнуто ежемесячным подбором индивидуальной стандартной функции для конкретного временного ряда небалансов.
Тестирование распределений небалансов мощности в сети ПАО «ММК»
Электростанция, подстанция Напряжение, кВ Распределение отличается от нормального Нормализующее преобразование
функция критерий
ПС №4 220 да неизвестна -
ПС №30 220/110 нет - -
ПС №60 220/110/35/10 да sin(X) Х2
ПС №64 110/10 да неизвестна -
ПС №77 110 да неизвестна -
ПС №86 220/10 да tg(X) Х2
ПС №87 110/10 нет - -
ПС №90 220/110 нет - -
ПС №96 110/35/10 да sin(X) Х2
ТЭЦ 110/35/10 да 1/Х Х2
ТЭЦ 10 да ln(X) Колмогоров
ТЭЦ 35 нет - -
ТЭЦ 110 да неизвестна -
ЦЭС 10 да sin(X) Х2
ЦЭС 110 да ln(X) Х2
Таким образом, условие, конкретизирующее область применения указанных выше алгоритмов, не находит гарантированного подтверждения в выборках небалансов мощности на подстанциях ПАО «ММК». Тем самым ставится под сомнение целесообразность практического обращения к этим методическим разработкам при достоверизации измерительной информации в системе учета электропотребления металлургического предприятия.
Вместе с тем процедура поиска источника ошибок может быть построена на анализе небалансов мощности без привлечения статистических критериев, опирающихся на нормальный закон распределения. Для формализованного анализа небалансов мощности целесообразно применить критерии, не требующие подтверждения соответствия распределения нормальному закону. Они подготовлены на основе трех известных выборочных характеристик эмпирического распределения: среднего, стандартного отклонения и коэффициента парной корреляции между небалансом и нагрузкой каждого из присоединений подстанции, представленных в балансовом уравнении. Сущность предложения заключается в целенаправленном отслеживании показателей динамики этих характеристик во времени по конфигурации графиков скользящих значений.
Вычислительная операция скользящего усреднения применена для выделения тренда путем подавления «мешающих» компонент в исследуемых графиках [14]. Известно, что многие временные ряды небалансов мощности в узлах заводской сети представляют собой широкие вариации значений при средней за расчетный период величине, равной или меньшей допустимого пока-
зателя. Например, все энергообъекты, перечисленные выше в таблице, за исключением ТЭЦ и ЦЭС, имеют графики небалансов с коэффициентом вариации, превышающим 0,33. При этом фактический небаланс в отдельные моменты времени может быть больше его допустимого значения, как показано на рис. 1, а. Не исключена и обратная ситуация, когда текущие значения фактического небаланса, возросшие по причине выхода из строя счетчика, по-прежнему находятся в допустимых границах (рис. 1, б). Следовательно, скользящее сглаживание не устраняет полностью статистические колебания тренда, но делает его более наглядным и упрощает вычисления при формировании индикаторов.
Предлагаемая методика основана на предположении, что все вышеперечисленные выборочные характеристики распределения небаланса мощности существенно изменяются при отказе в работе измерительного комплекса. Идентификационный признак проявляется в форме монотонного и практически прямолинейного роста параметра по абсолютной величине
dP, %
в течение времени, равного половине или полной ширине окна усреднения. Эти формальные признаки могут быть объединены и представлены комплексным критерием для оперативного обнаружения грубых ошибок в измерениях и места искажения информации в технической системе учета электроэнергии.
Процедура достоверизации данных, проводимая с его помощью, является более строгой и четкой, чем в случае использования расчетной величины допустимого небаланса в качестве порогового значения.
Для полноты анализа следует обратиться еще и к последовательности скользящего коэффициента парной корреляции между небалансом и нагрузками каждого из присоединений подстанции, которые введены в расчеты временными рядами. Линейная кросс-корреляция предназначена для исследования динамики взаимных регуляций временных рядов, т.е. для выявления величины и направления скрытой «шумом» причинно-следственной связи между небалансом и нагрузками.
Небаланс фактический (2с РУ-10кВ пс. №80)
100 ' 200 ' 300 ' 400
500
600 700 800 900 1000 1100 1200 1300 1400
Небаланс фактический (2с РУ-10кВ пс. №80)
Рис. 1. Небаланс мощности: а - усредненной на 3-минутных интервалах; б - усредненной на 30-минутных интервалах
dP, кВт
300
200
Небаланс Среднее значение небаланса
Среднеквадратичное отклонение
-л-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-г
20 40 60 80 100 120 140 160 180 200 220 240 260 280 300
Рис. 2. Характерные графики при небалансе мощности
г 0,2
0 -0,2 -0,4 -0,6 -0,8 -1,0
Рис. 3.
Л К » Кам.
1_j V VW4. ч/
_ f
и
t, интервалы
20 40 60 80 100 120 140 160 180 200 220 240 260 280 300 320
Коэффициент парной корреляции небаланса мощности с нагрузкой присоединения с дефектным счетчиком
Если измерительная система соответствует метрологическим правилам и нормам, то графики этих трех последовательностей, построенные по оси времени, фиксируют наличие знакопеременных и малых по величине приращений статистических параметров (рис. 2, фрагменты графиков между интервалами №21 и 131 на оси времени). Причем теснота корреляционной связи небаланса с нагрузками каждого из присоединений подстанции находится, в основном, на уровне «слабая» и «очень слабая».
Возникшая неисправность в каком-либо измерительном комплексе автоматически проецируется на динамику скользящих параметров. Абсолютные величины среднего и стандартного отклонения монотонно увеличиваются с течением времени при сохранении неизменным знака у приращения. Устойчивое проявление этих количественных и качественных признаков сигнализирует о присутствии грубых ошибок в учетной информации. Существенно большие изменения происходят с величиной коэффициента парной корреляции между небалансом и нагрузкой присоединения с дефектным измерительным комплексом (рис. 3). Она возрастает от 0,2-0,4 до 0,8-0,9 и более, тогда как корреляция для других присоединений сохраняется на прежнем низком уровне. Переход к «сильной» и «очень сильной» корреляции с последующим ее ослаблением (вид «шипа» на графике) указывает на возможное место генерации искажений в
измерениях расхода электроэнергии. Контрольный отрезок времени для анализа скользящего среднего равен ширине окна, а для стандартного отклонения и коэффициента корреляции - в 2 раза меньше (на рис. 2, 3 фрагменты графиков между интервалами № 131154 и № 265-290 на оси времени).
Таким образом, с высокой вероятностью можно утверждать, что источник грубых ошибок в данных энергоучета окончательно выявлен, если совпадает во времени начало «кризисных» изменений на графиках скользящих значений среднего, стандартного отклонения, коэффициента парной корреляции и нагрузки присоединения предположительно с дефектным измерительным комплексом.
Изложенный алгоритм формально представляется нижеследующими математическими выкладками.
Пусть первичными числовыми рядами X и У служат временные ряды длиной N, (I = 1, 2, ..., N с равноотстоящими значениями двух переменных:
- небаланса мощности АР ={АРЬ АР2,..., АРт ..., ЛРМ-ь АРМ| (ряд X);
- мощности нагрузки одного из присоединений подстанции, показания счетчика которого участвуют в уравнении баланса, Р = {Р1, ..., Рт ..., Рм| (ряд У).
Тогда скользящие средние арифметические значения х и у , стандартные отклонения £х и £у , коэффициент парной корреляции гху при фиксированной ширине к (1 < к < N прямоугольного окна вычисля-
ются по известным формулам [13]:
х1 =1Ех<+1-1; ^ =\1 х-+1-1 -1, (1)
I=1
_ 1 к
у> = к Е У-+1 -1 ; =
к I=1
1 к —
к Е у+1-1- у} )2
к 1=1
1 к 1 _ _
г*у, = к Е (х+1-1- х1 )(у+1-1- у1)-
к 1=1 3х]3у]
(2)
(3)
где 1 - номер текущего значения вычисляемой величины.
Значения коэффициентов парной корреляции гху , рассчитанные для всех интересующих нас 1 (1 < 1 < И-к+1), составляют функцию кросскорреляции.
Важно отметить, что скользящие значения выборочных характеристик распределения небаланса мощности, в том числе и функции кросскорреляции, существенно изменяются при отказе в работе измерительного комплекса. Типичность поведения проявляется в форме монотонного и практически прямолинейного роста параметра по абсолютной величине в течение времени, равного половине или полной ширине окна усреднения, т.е.
V 1 < р < 1 + к; Хр+1 - Хр > О V г+1 - Хр < 0; (4)
V 1 <р< 1+3хр+1-3хр >0;
(5)
V1 <р< 1+2; гхур+1-гхур >0Vгхур+1-гхур <0; (6)
гху . к > 0,8 .
ху 1+— 2
(7)
где р - номер текущего значения величины внутри окна усреднения.
Эти формальные признаки (4)-(7) могут быть представлены в качестве единого комплексного критерия для оперативного выявления грубых ошибок в измерениях и места искажения информации в технической системе учета электроэнергии. Процедура достовери-зации данных, проводимая с его помощью, является более строгой, четкой и конкретной, чем в случае применения расчетной величины допустимого небаланса в качестве порогового значения.
Результаты
Ниже приведен пример отслеживания достоверности данных учета электроэнергии на присоединениях секции 10 кВ подстанции металлургического комбината с использованием выражений (4)-(7).
В каждый момент текущего времени ? вычисляются небалансы мощности ({ДР;}, 1< 1< И) с дискретностью в 0,5 ч на глубину архива Т (ч) по информации, поступившей в АСКУЭ от счетчиков. Его значения образуют конечный временной ряд АР ={АРь ДР2,..., АР[ ..., Дрч-ь АРм}, где N = 2Т. Члены этого ряда используются для расчета двух последовательностей -скользящего среднего и стандартного отклонения небаланса при ширине окна усреднения к < N [14]. Раз-
мер окна выбирается в пределах от 3 до 12 ч, что соответствует 6-24 интервалам при 30-минутных значениях мощности в графике небаланса. В нашем примере к=12. Для каждого из 18 присоединений (®) балансируемого узла сети из базы данных АСКУЭ извлекается фрагмент непрерывного графика нагрузки {р®}, ограниченный рамками того же интервала времени Т. Вычисляется последовательность значений коэффициента парной кросскорреляции между небалансом и нагрузками присоединений.
Если измерительная система соответствует метрологическим правилам и нормам, то графики этих трех последовательностей фиксируют наличие знакопеременных и малых по величине приращений статистических параметров. Это подтверждается зависимостями, представленными на рис. 4. Участок графиков между метками №1 и 40 оси времени подтверждает исправное состояние технической системы учета. Здесь следует отметить, что теснота корреляционной связи небаланса с нагрузками каждого из присоединений подстанции находится, в основном, на уровне «слабая» и «очень
слабая» (|г| < 0,2), тогда как критическая величина
этого коэффициента находится в диапазоне 0,45-0,55 при числе степеней свободы у=11 и доверительной вероятности ^=0,95 [15].
Неисправность, возникшая в измерительном комплексе присоединения ф. 70-46, автоматически отражается на динамике скользящих параметров. Среднее и стандартное отклонение небаланса монотонно увеличиваются, начиная с метки 73, при сохранении неизменным знака у приращения. Устойчивое проявление этих количественных и качественных признаков сигнализирует о присутствии грубых ошибок в учетной информации.
Характерные изменения происходят с абсолютной величиной коэффициента парной кросскорреляции между небалансом и нагрузкой этого присоединения. Этот коэффициент возрастает от 0,2-0,4 до 0,8-0,9 и более, тогда как корреляционная связь для других присоединений (с исправными приборами учета) сохраняется на прежнем низком уровне. Переход к «сильной» и «очень сильной» корреляции с последующим ее глубоким ослаблением (вид «шипа» на графике) указывает на возможное место генерации искажений в измерениях расхода электроэнергии. Контрольный отрезок времени для анализа скользящего среднего равен ширине окна между метками 73-85, а для стандартного отклонения и коэффициента корреляции - в 2 раза меньше (между метками 73-79).
С высокой вероятностью можно утверждать, что источник грубых ошибок в данных энергоучета окончательно выявлен, если совпадает во времени начало «кризисных» изменений на графиках скользящих значений среднего, стандартного отклонения, коэффициента парной кросскорреляции и нагрузки присоединения предположительно с дефектным измерительным комплексом. Так был выявлен поврежденный счетчик ф. 70-46. При дефектологическом исследовании этого прибора обнаружена причина его неисправности - заклинивание счетного механизма на переходе с числа 9999,9. Дополнительно следует отметить, что первые проявления эпизодических сбоев в работе счетного механизма, предшествующие остановке счетчика, можно
увидеть только на графике коэффициента кросскорре- ляции. Они располагаются между метками 42 и 67.
Остановка счетчика ф. 70-46 по причине заклинивания счетного механизма
рстг
2.
20 40 60
Рис. 4. Статистические характеристики
Заключение 1
Изложенный в статье алгоритм используется длительное время для нахождения места возникновения грубых ошибок в измерениях электропотребления ПАО «ММК». С его помощью в АСУ «Энергоучет» предприятия осуществляется ежесуточная проверка достоверности данных автоматизированного учета электроэнергии на присоединениях 3 (6, 10), ..., 220 кВ двух электростанций, 40 заводских и 9 цеховых подстанций. Успешно идентифицируются измерительные комплексы с такими распространенными проявлениями дефектов, как:
• остановка счетчика под нагрузкой;
• отказ счетчика в работе в момент подачи напряжения на электроприемник;
• монотонно возрастающая сверх допустимого значения погрешность устройств, предназначенных для измерения и учета электроэнергии, например, «затирание данных» индукционным счетчиком, пропуски импульсных сигналов или избыточное «мерцание» телеметрического блока счетчика, ослабление контактов измерительных цепей в клеммных коробках и др.;
• размыкание одной фазы вторичных измерительных цепей «трансформатор напряжения - счетчик» контактами блокировки аварийных секционных переключателей;
• включение на параллельную работу трансформаторов и ЛЭП в сетях низкого напряжения (на цеховых подстанциях потребителя).
Сроки устранения дефектов в измерительных комплексах сокращены до 2-3 дней от момента возникновения неисправности. Исключены превышения фактических небалансов мощности и электроэнергии над допустимыми значениями по итогам распределения электроэнергии между электроустановками комбината за календарный месяц.
Список литературы
4.
5.
6.
7.
8.
10.
11.
80 100 при небалансе мощности
Кочнева Е.С., Паздерин А.В., Самойленко В.О. Использование методических подходов теории оценивания состояния для расчета и достоверизации потоков электрической энергии в сетях // Электричество. 2014. №10. С. 12-21.
Egorov A.O., Kochneva E.S., Pazderin A.V. Detection of systematical errors of AMR system complexes // Advanced Materials Research. 2014. № 960-961. P. 1342-1346. Improving electric power quality within the power supply system of wide-strip hot-rolling mill stand / A.S. Karandaev, G.P. Kornilov, V.R. Khramshin, T.R. Khramshin // Procedia Engineering. 129. 2015. P. 2-8. doi 10.1016/j.proeng.2015.12.002. Управление реактивной мощностью в системах электроснабжения с мощными тиристорными преобразователями прокатных станов / Г.П. Корнилов, А.Н. Шеметов, Т.Р. Храмшин и др. // Промышленная энергетика. 2008. № 1. С. 39-44.
Способы управления электрическим режимом электродуговых печей / Ю.П. Журавлев, Г.П. Корнилов, А.А. Николаев и др. // Известия вузов. Электромеханика. 2006. № 4. С. 76-81.
Корнилов Г.П., Шеметов А.Н., Осипов А.В. Современные проблемы электромагнитной совместимости в системах электроснабжения с резкопеременными и нелинейными нагрузками // Известия вузов. Электромеханика. 2006. № 4. С. 89-93.
Карандаев А.С. Совершенствование автоматизированных электроприводов агрегатов прокатного производства // Машиностроение: сетевой электронный научный журнал. 2014. №1. С. 3-15.
Алгоритм расчета скоростных и нагрузочных режимов электроприводов клетей прокатного стана при прокатке толстых полос / В.В. Галкин, А. С. Карандаев, В.В. Головин, А.А. Радионов, В.Р. Храмшин, В.Р. Гасияров, О.А. За-логин // Известия ТулГУ. Технические науки. Вып. 3: в 5 ч. Тула: Изд-во ТулГУ, 2010. Ч. 2. С. 12-17. Типовая инструкция по учету электроэнергии при ее производстве, передаче и распределении: РД34.09.101-94. М.: Служба передового опыта ОРГРЭС, 1995. 41 с. Гамм А.З. Обнаружение недостаточно достоверных данных при оценивании состояния ЭЭС с помощью топологического анализа // Электричество. 1978. № 4. С. 1-8. Колосок И.Н., Евдокимов Е.Ю. Повышение достоверно-
сти измерительной информации в системе учета электроэнергии крупного промышленного предприятия на основе статистических методов обработки данных // Промышленная энергетика. 2009. № 12. С. 27-34.
12. Кулаичев А.П. Методы и средства анализа данных в среде Windows Stadia 6.0. М.: InCo НПО «Информатика и компьютеры», 1998. 268 с.
13. Налимов В.В. Применение математической статистики при анализе вещества. М.: Физматгиз, 1960. 430 с.
14. Дуброва Т.А. Статистические методы прогнозирования. М.: ЮНИТИ-ДАНА, 2003. 206 с.
15. Львовский Е.Н. Статистические методы построения эмпирических формул. М.: Высшая школа. 1982. 224 с.
Поступила в редакцию 22 сентября 2017 г.
Information in English
Detection Technique of Faulty Metering Instruments in Industrial Electric Networks
Yurii P. Kovalenko
Ph.D. (Eng.), Magnitogorsk, Russia. Konstantin E. Odintsov
Ph.D. (Eng.), Associate Professor, department of electric power supply of industrial enterprises, Nosov Magnitogorsk State Technical University, Magnitogorsk, Russia. E-mail: [email protected].
Gennady V. Nikiforov
D.Sc (Eng.), Chairman of Board of Directors, Magnitogorskgazstroy LLC, Magnitogorsk, Russia. Rif G. Mugalimov
D.Sc (Eng.), Associate Professor, department of electric power supply of industrial enterprises, Nosov Magnitogorsk State Technical University, Magnitogorsk, Russia.
Improved accuracy and efficiency at detection of industrial measuring system failures are required to have relevant data of power amounts distributed between departments and process units. This challenge is especially relevant at power exchange between iron and steel works with auxiliary power station and the general power system. Main inputs for mutual settlements are supplied by electric meters installed near the boundaries delimiting power balance sheet participants. Thus, automated control of their technical condition is required at emerging market of power resources. The authors use the example of PJSC Magnitogorsk Iron and Steel Works to demonstrate that one of the causes of ineffective control of metering systems is the lack of available engineering procedures providing timely revealing a certain source of corrupted metering data. Based on the analysis of diagrams of power consumption of plant network nodes, the troubleshooting procedure based on power imbalance assessment is substantiated. The authors propose a formalized assessment of power imbalances using empiric distribution criteria: average standard deviation and coefficient of pair correlation between imbalance and loads of all substation connections. Specific diagrams of power imbalance are also analyzed. The paper provides analytical dependencies for calculation of empiric criteria. It gives an example of electric meter condition control at connections of the 10 kV section of the iron and steel works substation. The authors consider results of identification of common faults of metering systems installed at wiring points of power stations and substations of PJSC Magnitogorsk Iron and Steel Works.
Keywords: Iron and steel works, power consumption, metering systems, technical condition, power imbalance, control, methods, empiric criteria, failures, faults, identification, use.
References
1. Kochneva E.S. Pazderin A.V., Samoylenko V.O. Methodological approaches of condition estimation theory for calculation and verification of power fluxes in networks. Elektrichestvo [Electricity], 2014, no. 10, pp. 12-21. (In Russian)
2. Egorov A.O. Kochneva E.S., Pazderin A.V. Detection of systematical errors of AMR system complexes. Advanced Materials Research, 2014, no. 960-961, pp. 1342-1346.
3. Karandaev A.S., Kornilov G.P., Khramshin V.R., Khramshin
T.R. Improving electric power quality within the power supply system of wide-strip hot-rolling mill stand. Procedia Engineering, 2015, no. 129, pp. 2-8. doi 10.1016/j.proeng.2015.12.002.
4. Kornilov G.P., Shemetov A.N., Khtamshin T.R. and others. Control of reactive power in power supply systems equipped with powerful thyristor converters of rolling mills. Promyshlennaya ehnergetika [Industrial Power Engineering], 2008, no. 1, pp. 39-44. (In Russian)
5. Zhuravlev Yu.P., Kornilov G.P., Nikolaev A.A. and others. Methods of power mode control of arc furnaces. Izvestiya vuzov. Elektromekhanika [Higher School Bulletin. Electromechanics], 2006, no. 4, pp. 76-81. (In Russian)
6. Kornilov G.P., Shemetov A.N., Osipov A.V. Contemporary issues of electromagnetic compatibility in power supply systems with abruptly fluctuating and non-linear loads. Izvestiya vuzov. Elektromekhanika [Higher School Bulletin. Electromechanics], 2006, no. 4. pp. 89-93. (In Russian)
7. Karandaev A.S. Improvement of automated electric drives of rolling mills. Mashinostroenie: Setevoj ehlektronnyj nauchnyj zhurnal [Machine Building: Online Scientific Journal], 2014, no. 1. pp. 3-15. (In Russian)
8. Galkin V.V., Karandaev A.N., Golovin V.V., Radionov A.A., Khramshin V.R., Gasiyarov V.R., Zalogin O.A. Algorithm for calculation of speed and load modes of electric drives of rolling mill stands at rolling thick strips. Izvestiya TulGU. Tekhnicheskie nauki [Bulletin of Tula State University. Engineering Sciences]. Issue 3: 5 parts. Tula: Publishing House of Tula State University, 2010, pt. 2, pp. 12-17. (In Russian)
9. Tipovaya instrukciya po uchetu ehlektroehnergii pri ee proizvodstve, peredache i raspredelenii: RD34.09.101-94 [Standard Operating Procedure for Electric Power Metering at its Production, Transmission and Distribution: RD34.09.101-94]. Moscow, ORGRES Best Practices Service, 1995, 41 p. (In Russian)
10. Gamm A.Z. Obnaruzhenie nedostatochno dostovernykh dannykh pri otsenivanii sostoyaniya EES s pomoschyu topologicheskogo analiza [Detection of insufficiently relevant data at estimation of electrical power system condition using topological analysis]. Elektrichestvo [Electricity], 1978, no. 4, pp. 1-8. (In Russian)
11. Kolosok I.N., Evdokimov E.Yu. Improvement of metering data relevance in the power metering system of a large industrial plant based on statistical data processing. Promyshlennaya ehnergetika [Industrial Power Engineering], 2009, no. 12, pp.27-34. (In Russian)
12. Kulaichev A.P. Metody i sredstva analiza dannyh v srede Windows Stadia 6.0 [Methods and Tool of Data Analysis in Windows Stadia 6.0]. Moscow, InCo Informatics and Computers SPA, 1998. 268 p. (In Russian)
13. Nalimov V.V. Primenenie matematicheskoj statistikipri analize
veshchestva [Application of Mathematical Statistics at Substance Analysis]. Moscow, Fizmatgiz, 1960. 430 p. (In Russian)
14. Dubrova T.A. Statisticheskie metody prognozirovaniya [Forecast Statistical Methods]. Moscow, UNITY-DANA, 2003. 206 p. (In Russian)
15. Lvovsky E.N. Statisticheskie metody postroeniya ehmpiricheskih formul [Statistical Methods of Empiric Formula Construction]. Moscow, Higher School, 1982. 224 p. (In Russian)
Методика идентификации неисправных измерительных приборов в промышленных электрических сетях / Коваленко Ю.П., Одинцов К.Э., Никифоров Г.В., Мугалимов Р.Г. // Электротехнические системы и комплексы. 2017. № 4(37). С. 45-52. Ь«р8:/Мо1.о^/10.18503/2311-8318-2017-4(37)-45-52
Kovalenko Yu.P., Odintsov K.E., Nikiforov G.V., Mugalimov R.G. Detection Technique of Faulty Metering Instruments in Industrial Electric Networks. Elektrotekhnicheskie sistemy i kompleksy [Electrotechnical Systems and Complexes], 2017, no. 4(37), pp. 45-52. (In Russian). https://doi.org/10.18503/2311-8318-2017-4(37)-45-52
