CC BY
15
ЭНЕРГЕТИКА
УДК 621.311
ПРОБЛЕМЫ ИНТЕРПРЕТАЦИИ РЕЗУЛЬТАТОВ МОНИТОРИНГА СОСТОЯНИЯ ИЗОЛЯЦИИ ИЗМЕРИТЕЛЬНЫХ ТРАНСФОРМАТОРОВ АВТОМАТИЗИРОВАННЫМИ СИСТЕМАМИ
А.И. Хальясмаа
Уральский федеральный университет имени первого Президента России Б.Н. Ельцина, г. Екатеринбург, Россия Новосибирский государственный технический университет, г. Новосибирск, Россия
ORCID* '.https://orcid.org/0000-0001-5327-6076, [email protected]
Резюме: ЦЕЛЬ. Выявить основные проблемы интерпретации результатов мониторинга состояния изоляции измерительных трансформаторов автоматизированными системами. Сформировать рекомендации и возможные пути решения для решения описанной проблемы. МЕТОДЫ. При решении представленных задач применялись методы математического моделирования физических процессов и общие подходы системного анализа, а также методические положения системных исследований в энергетике. РЕЗУЛЬТАТЫ. В рамках данной научно-исследовательской работы была проанализирована возможность применения систем мониторинга частичных разрядов и анализ эффективности ее применения для маслонаполненных трансформаторов тока и напряжения на реальном энергетическом объекте. Также в рамках представленной работы были проанализированы современные методы реализации измерения частичных разрядов в изоляции высоковольтного оборудования и обосновано применение электрического метода идентификации частичных разрядов для решения задач их мониторинга в изоляции маслонаполненных высоковольтных измерительных трансформаторов. ЗАКЛЮЧЕНИЕ. Современные автоматизированные системы мониторинга состояния оборудования чаще всего разрабатываются для конкретного вида оборудования и их применение на других типах оборудования требует значительной доработки не столько с технической точки зрения, сколько именно с точки зрения формирования базы данных (библиотеки) дефектов. эффективность систем мониторинга может быть достигнута за счет трансформирования таких систем в самообучающиеся интеллектуальные системы. Под самообучением в данном случае понимается не автономность в явном виде, а возможность самонастройки системы по средствам самомодифицирующихся правил. Такой подход позволяет унифицировать не только сами математические модели, за cчет отсутствия необходимости разработки индивидуальных моделей для каждого вида, типа оборудования с учетом особенностей их конструкций, но и оптимизировать применение таких моделей в информационной среде предприятия улучшая самих себя за счет накопленного опыта.
Ключевые слова: частичный разряд, система мониторинга, трансформатор тока, трансформатор напряжения, изоляция.
THE PRIMARY BARRIERS FOR MONITORING SYSTEMS IMPLEMENTATION OF INSTRUMENT TRANSFORMERS INSULATION
AI. Khalyasmaa
Ural Federal University named after the first President of Russia B. N. Yeltsin
Ekaterinburg, Russia Novosibirsk State Technical University, Novosibirsk, Russia
ORCID*: https://orcid.org/0000-0001-5327-6076, [email protected]
Abstract: THE PURPUSE. To identify the main problems of automated monitoring results interpretation associated with instrument transformers ' insulation state assessment. To formulate recommendations and possible solutions to solve the described problem. METHODS.
Mathematical modeling of physical processes and general approaches of system analysis, as well as methodological provisions for systemic studies in the energy sector were used. RESULTS. Within the framework of the study, the possibility of using partial discharge monitoring systems was analyzed together with its implementation effectiveness analysis for oil-filled current and voltage transformers at a real power network facility. Also, within the framework of the presented work, modern methods of partial discharges measurement in the high-voltage power equipment insulation were analyzed and the application of the electric method for identifying partial discharges in the insulation of oil-filled high-voltage instrument transformers was substantiated.
CONCLUSION. Modern automated systems for technical state monitoring are most often developed for a specific type of power equipment and their application for other types of equipment requires significant improvement not so much from a technical point of view, but from the point of view of defect database development. High effectiveness of monitoring systems application can be achieved by transforming such systems into self-learning intelligent systems. Self-learning in this case does not mean explicit autonomy, but the possibility of self-adjustment of the system by means of self-modifying rules. This approach makes it possible to unify not only the mathematical models themselves, since there is no need to develop individual models for each type ofpower equipment, taking into account the peculiarities of design and construction, but also to optimize the application of such models in the information network of the enterprise, improving themselves through the accumulated experience.
Keywords: partial discharge, monitoring system, current transformer, voltage transformer, insulation.
Введение
В России и мире в последнее время наблюдается тенденция перехода от планово-предупредительных ремонтов к ремонту по фактическому состоянию оборудования [1]. Для возможности реализации обслуживания оборудования по фактическому состоянию ведутся активные разработки и внедрение автоматизированных комплексных систем диагностики и мониторинга, позволяющие в различных режимах без вывода оборудования из эксплуатации, оценивать его текущее техническое состояние [2, 3]. Такие системы помогают выявлять различного вида дефекты, некоторые - формировать технические рекомендации по управлению жизненным циклом, планировать сервисное обслуживание и ремонтные циклы.
Важными отличительными особенностями любой системы мониторинга или диагностирования является наличие встроенных алгоритмических экспертных систем, работающих на основе стандартных и унифицированных моделей. Большинство математических моделей для каждой системы является уникальной разработкой фирм-производителей и действительно являются эффективными как представлено в примере в данной работе. Но эффективность работы таких систем можно еще повысить за счет обеспечения систем мониторинга свойством самообучения на базе алгоритмов машинного обучения, так как они являются достаточно эффективными методами мониторинга и управления различного рода динамическими системами, как например в данном случае систем оценки технического состояния высоковольтного электрооборудования.
При некорректной эксплуатации или вследствие старения в изоляции оборудования могут возникать частичные разряды (ЧР), которые могут привести к появлению искровых разрядов или дуговым пробоям в изоляции, поэтому анализ уровня частичные разряды позволяет вовремя выявлять такие дефекты1.
Сегодня, согласно нормативным документам2'3 в РФ предусматриваются только периодические испытания для выявления ЧР в изоляции высоковольтного энергетического оборудования с выводом его из рабочего состояния.
В настоящий момент отсутствует нормативно-техническая документация, регламентирующая контроль и диагностику состояния оборудования на основе анализа частичных разрядов (ЧР) под рабочим напряжением.
Оценка интенсивности ЧР может быть реализована как в офлайн, так и в онлайн режимах. При офлайн диагностике оборудование отключается от сети на время испытаний, при онлайн - оборудование остается в работе. Второй способ является более точным, поскольку измерение параметров происходит в реальном режиме работы [4-5].
1 РД 153-34.0-20.363-99 (СО 34.0-20.363-99) Основные положения методики инфракрасной диагностики электрооборудования и ВЛ : дата введ. 2000-02-01. СПО ОРГРЭС, 2000.
2 ГОСТ Р 55191-2012 (МЭК 60270:2000) Методы испытаний высоким напряжением. Измерения частичных разрядов : дата введ. 2014-01-01. Москва :Стандартинформ, 2014. 69 с.
3 СТО 56947007- 29.240.133-2012 Изоляция электроустановок в районах с загрязненной атмосферой. Эксплуатация и техническое обслуживание: дата введ. 2012-10-29. ОАО «ФСК ЕЭС», 2012. 77 с.
Методы определения частичных разрядов в изоляции оборудования
На сегодняшний день наиболее распространенными методами определения ЧР в изоляции являются акустический, электромагнитный и электрический методы [6-11].
Акустический метод
Акустический метод основан на измерении упругих колебаний в объекте контроля. По способу взаимодействия с объектом датчики разделяют на активные и пассивные. Активные датчики имеют электронные устройства для измерения и преобразования сигналов, пассивные датчики не имеют усилителя, а выходы измерительных элементов соединены с передающим контактом.
При нахождении зоны возникновения ЧР устанавливают датчики одинаковой чувствительности на расстоянии не менее 50 см друг от друга. Измерения акустических сигналов ЧР осуществляется методом трехмерной акустической локации [12].
По регистрируемым частотам акустические датчики разделяют на зарезонансные и резонансные. Зарезонансные датчики регистрируют сигналы на частотах, больших частоты собственного резонанса пьезокристалла. Выходной сигнал зарезонансного датчика имеет ту же частоту, что и регистрируемые колебания конструкции оборудования. Резонансные датчики работают на частоте собственного резонанса пьезокристалла (примерно 40 кГц) [12].
Электромагнитный метод
Методика измерения ЧР электромагнитным методом основан на детектировании резонансных частот. Датчики для определения ЧР разделяют на контактные и бесконтактные
[13].
Бесконтактные датчики
Бесконтактные датчики представляют собой антенны для удаленной бесконтактной регистрации ЧР в оборудовании. Датчики работают в UHF (ультравысокие частоты) диапазоне частот. Данный вид датчиков широко распространен по следующим причинам:
- большинство дефектов в изоляции сопровождается ЧР до 1000 пКл, которые генерируют импульсы диапазона UHF;
- измерение ЧР в изоляции высоковольтного оборудования производится в этом диапазоне бесконтактно.
Контактные датчики
Для проведения диагностики используют датчики RFCT - датчики трансформаторного типа, работающие в HF (высокие частоты) диапазоне частот. [12]
Датчики делятся на три типа:
- неразъемные стационарные датчики кольцевой конструкции, монтируемые на заземляющих проводах и шинах на отключенном оборудовании;
- датчики с разъемным сердечником, монтируемые на проводниках и шинах работающего объекта контроля, используемые для проведения оперативных измерений ЧР. Подключение датчиков производится с помощью коаксиального кабеля;
- модульные датчики ЧР, предназначенные для измерений в слаботочных цепях, включаемые в разрыв соединительного провода на отключенном объекте контроля [12-15].
Электрический метод
Электрический метод основан на регистрации параметров электрического поля, взаимодействующего с объектом контроля или возникающего в результате внешнего взаимодействия [9]. Данный метод является наиболее чувствительным к появлению ЧР, так как датчики подключаются непосредственно к высоковольтной шине объекта контроля или измерительным выводам высоковольтных вводов. Необходимость установки датчиков на исследуемый объект, является ключевым недостатком метода относительно остальных методов диагностики ЧР. Среди преимуществ можно выделить возможность отстройки от наводимых помех, проведение анализа в штатном рабочем режиме (без подачи повышенного напряжения). Данный метод является единственным методом, применяемым для измерения ЧР в маслобарьерной изоляции [14].
Для измерения электрическим методом используют высоковольтные конденсаторы связи, представляющие собой большое количество последовательно включенных конденсаторов. Измерительные конденсаторы применяются для регистрации ЧР в: электрических генераторах и двигателях; высоковольтных выключателях; ячейках комплектных распределительных устройствах (КРУ) и подходящих к них кабельным линиям; силовых трансформаторах на стороне низшего напряжения (НН) (6-35 кВ) [14].
Общий обзор
Диагностическое оборудование для регистрации ЧР, вне зависимости от используемого метода, может быть стационарным или переносным.
Высоковольтные конденсаторы связи устанавливаются стационарно и применяются для регистрации импульсов ЧР в изоляции высоковольтного оборудования. Высокочастотные трансформаторы тока применяются как для стационарного мониторинга, так и для периодического.
Электромагнитные антенны UHF диапазона применяются для установки внутри корпусов комплектных распределительных устройств с газовой изоляцией (КРУЭ) или для использования с переносными измерительными приборами. Различными производителями оборудования созданы датчики, при помощи которых можно диагностировать оборудование на станции или подстанции в любом диапазоне частот [15-19]. Возможность работы в трех диапазонах частот обусловлена использованием датчиков различных типов:
- акустических датчиков для регистрации ЧР в LF (низкочастотном) диапазоне частот
от 30 до 300 кГц;
- высокочастотных трансформаторов тока для регистрации ЧР в HF диапазоне частот
от 0,5 до 30 МГц;
- электромагнитные антенны для регистрации ЧР в UHF диапазоне от 200 до 1500 МГц [20].
Такие приборы применимы для экспресс-диагностики состояния изоляции оборудования путем использования качественной оценки наличия ЧР, периодического контроля состояния изоляции группы высоковольтного оборудования и углубленного экспертного анализа ЧР в контролируемом оборудовании[17].
Материалы и методы. Система мониторинга частичных разрядов в изоляции измерительных трансформаторов
В рамках данной научно-исследовательской работы была спроектирована структура и смонтирована система мониторинга ЧР в изоляции трансформаторов тока и напряжения (Рис. 1) на реальном энергетическом объекте на базе приборов одного из отечественных производителей приборов.
Система состоит из устройства присоединения, устройства контроля температуры окружающей среды, устройства контроля влажности, нагревателя для обеспечения требований УХЛ1, кабеля РК-50-3-34 в нержавеющем металлорукаве РЗН для датчиков и комплекта монтажных частей, а также центрального сервера, коммутационного оборудования и ВОЛС, со специальным программным обеспечением и перенастройкой в ходе реализации НИОКР его алгоритмов настройки, анализа, хранения и передачи данных, включая программирование удаленной возможности управления и анализа состояния оборудования.
Данная система была установлена на ОРУ-110 кВ реальной электрической станции на территории Российской Федерации для трех трансформаторов тока и трех трансформаторов напряжения. Проектирование системы мониторинга ЧР в изоляции измерительных тока потребовалось в связи с тем, что готовые системы мониторинга для измерения ЧР разработаны в основном для контроля силовых трансформаторов [20-23] и кабельных линий
Рис. 1. Шкаф на стойке трансформатора тока 110 кВ
Результаты
Результаты работы система мониторинга ЧР в изоляции измерительных трансформаторов и напряжения производились на протяжении 6 месяцев под нагрузкой и представляют научную ценность, как с точки зрения регистрации количества и величины ЧР, а также его характеристик, так и с точки зрения подтверждения гипотезы о том, что регистрация ЧР в изоляции (как дефектов на ранней степени их развития), в силу скорости их развития, не может быть в равной степени идентифицирована другими методами технического диагностирования, поэтому применение системы мониторинга ЧР целесообразно в случае особо ответственного оборудования или оборудования, работающего с перегрузом. Данная гипотеза была верифицирована реализацией дополнительных методов неразрушающего контроля: ультрафиолетовым контролем (с помощью переносного электронно-оптического дефектоскопа «Филин-6»), отбором проб масла из анализируемого оборудования для хроматографического анализа растворенных в масле газов, а также тепловизионным контролем (с помощью тепловизора).
Для установки систем мониторинга ЧР были выбраны три трансформаторы тока и три трансформатора напряжения с наиболее выраженными превышениями допустимых эксплуатационных параметров изоляции, выявленных из числа всех трансформаторов тока и трансформаторов напряжения на ОРУ-110 кВ на основе анализа результатов хроматографического анализа растворенных в масле газов с помощью программного комплекса «Альбатрос», разработанного во ФГАОУ ВО УрФУ (Россия, Екатеринбург).
Разработанная система способна идентифицировать несколько видов основных дефектов, где зарегистрированные частичные разряды могут диагностироваться как:
- периодически повторяющиеся разряды;
- коронные разряды в воздухе;
- проводник под "плавающим" потенциалом";
- частичные разряды в изоляции вблизи земляного электрода.
Соответствующие виды дефектов представлены на рисунках 2-5.
-
II 1
1 1 1 \\niuh * м1
1 [
1 1 кышМ
26.01-2019 02,02.2019 09,02.2019 1ЫИ.2019 23.02.2019
оям» аоооо ойнй оооюо наш
Рис. 2. Периодически повторяющиеся разряды
26.01.2019 O2.lH.Z019 09.02.2019 16.02.2019 23.022019 0:00:00 ОЛХЮО 0:00:00 0*00:00 0(00:00
Рис. 3. Коронные разряды в воздухе
Рис. 4. Проводник под "плавающим" потенциалом"
Рис. 5. Частичные разряды в изоляции вблизи земляного электрода
Несмотря на наличие автоматизированной системы распознавания образов (библиотека образов) в базе экспертной системы, особый интерес с точки зрения процессов ЧР в изоляции представляют именно амплитудно-фазовые распределения, которые не соответствуют типовым образам дефектов в базе экспертной системы.
В рамках данного исследования производился анализ таких дефектов, выявленных в изоляции трансформаторов тока и трансформаторов напряжения, как например представлено на Рис.6 (синий цвет - полная мощность импульсов, мВт; красный цвет - мощность ЧР, бордовый цвет - усредненная мощность ЧР, мВт), а также анализировалась зависимость между температурой, влажностью и мощностью импульсов ификсировались случаи обнаружения нескольких видов дефектов одновременно.
Рис. 6. График изменения интенсивности ЧР для ТТ 110 кВ за период 20.01-01.03
Частичные разряды такого типа (не соответствуют типовым образам дефектов в базе экспертной системы) зарегистрированы в 33% замеров. Не обнаружена зависимость между температурой и мощностью импульсов. Не обнаружена зависимость между влажностью и мощностью импульсов. Распределение ЧР во времени для изоляции одного из анализируемых трансформаторов тока представлено на рисунке 7. Мощность частичных разрядов: 15,35 мВт, амплитуда (202): 4,33 нКл.
is- W IK" ISO" 225* ?КГ 315' МО*
Рис. 7. Распределение ЧР во времени для изоляции
Обсуждение
Полученные результаты говорят о том, что такой объем измерений, не соответствующих типовым образам дефектов в базе экспертной системы, вряд ли можно считать выбросами. Несмотря на то, что представленная система и разработанная экспертная система эффективна для анализа ЧР для маслонаполненных силовых трансформаторов, что на протяжении многих лет доказано производителем аппаратуры, в той же мере она не показала эффективность, например, для измерительных трансформаторов.
В соответствии с полученными результатами, автор данной статьи считает, что большая эффективность систем мониторинга может быть достигнута за счет трансформирования таких систем в самообучающиеся интеллектуальные системы. Под самообучением в данном случае понимается не автономность в явном виде, а возможность самонастройки системы по средствам самомодифицирующихся правил. Такой подход позволяет унифицировать не только сами математические модели, за чет отсутствия необходимости разработки индивидуальных моделей для каждого вида, типа оборудования с учетом особенностей их конструкций, но и оптимизировать применение таких моделей в информационной среде предприятия улучшая самих себя за счет накопленного опыта.
Другими словами, в результате обучения системы автоматически строятся обобщенные правила или функции, определяющие принадлежность ситуаций классам, которыми обученная система пользуется при интерпретации новых возникающих ситуаций.
Таким образом можно автоматически формировать базу данных, используя при решении задач классификации состояния или кластеризации отдельных видов дефектов. Эта база данных в дальнейшем периодически автоматически может корректироваться по мере накопления опыта реальных ситуаций, что позволит сократить затраты на ее создание и обновление.
Заключение
Обеспечить свойства интеллектуальности такой системы возможно за счет применения методов искусственного интеллекта, в частности алгоритмов машинного обучения и на их базе создания самомодифицирующих правил распознавания дефектов и состояния оборудования.
Использование методов машинного обучения для решения представленных задач позволит уменьшить их размерность, сократить время их решения, уменьшить негативное влияние неоднородности и/или большого объема первичных данных, а также благодаря свойствам самообучения и самонастройки повысить точность обработки данных по средствам учета индивидуальных свойств каждой единицы оборудования и одновременно обеспечить автоматизированные системы мониторинга свойством универсальности.
Литература
1. Яхья А.А., Левин В.М. Байесовский классификатор как средство повышения эффективности распознавания дефектов в силовых трансформаторах. Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ. 2019. №21(6). С.11-18.
2. Васев А.Н., Мисбахов Р.Ш., Зиганшина А.И., и др. Н.Комбинированные системы сбора и передачи технологической и диагностической информации асутп электроустановок // Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ. 2018. №20(11-12). С.16-26. .
3. Кубарев А.Ю., Акирова А.Б., Кубарев Ю.Г. Методы исследования свойств дефектного электрооборудования. // Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ. 2018. №20 (3-4). С.108-115.
4. Русов В.А. Измерение частичных разрядов в изоляции высоковольтного оборудования. Екатеринбург : Издательство УрГУПС, 2011. 368 с.
5. Yan-Bo Wang.,Ding-Ge Chang.; Yu-Hang Fan., et al. Acoustic localization of partial discharge sources in power transformers using a particle-swarm-optimization-route-searching algorithm. doi: 10.1109/TDEI.2017.006857// IEEE Transactions on Dielectrics and Electrical Insulation, 2017. V. 24, no. 6. pp. 3647-3656.
6. W. Si, C. Fu and P. Yuan. An Integrated Sensor With AE and UHF Methods for Partial Discharges Detection in Transformers Based on Oil Valve. doi: 10.1109/LSENS.2019.2944261 // IEEE Sensors Letters, 2019. V. 3, no. 10.
7. Комплексный подход к мониторингу трансформаторных вводов с твёрдой RIP-изоляцией. // Компания Димрус: Доступно по: URL: https://dimrus.ru/texts/comprip.html Ссылка активна на: 04.10.2018.
8. Калачев А.В., Кострикина И.А., Солодимова Г.А. Оценка качества изоляции высоковольтного оборудования с использованием характеристик частичных разрядов // Материалы 9 Междунар. студ. научной конф. «Студенческий научный форум». 2017. Доступно по URL: https://scienceforum.ru/2017/article/2017036169. Ссылка активна на: 04.10.2018.
9. Голенищев-Кутузов А.В., Ахметвалеева Л.В., Еникеева Г.Р и др. Дистанционная диагностика дефектов в высоковольтных изоляторах. // Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ. 2020. №22(2). С.117-127.
10. AR700 - прибор для локализации дефектов в изоляции высоковольтного оборудования при помощи акустических датчиков. // Компания Димрус: Доступно по URL: https://dimrus.com/ar700.html Ссылка активна на: 02.09.2018.
11. ADM-9 - система контроля изоляции высоковольтного обоурдования по частичным разрядам при помощи акустических датчиков. Текст:электронный // Компания Димрус: Доступно по: URL: https://dimrus.com/adm.html. Ссылка активна на 02.09.2018.
12. Методы и средства оценки состояния энергетического оборудования. Современные технологии оценки технического состояния высоковольтного электрооборудования на основе измерения частичных разрядов. // Компания Quadro Electric Technologies: Доступно по URL: https://quadro-electric.ru/loaded/files/Statya.pdf . Ссылка активна на: 03.10.2018.
13. Каталог датчиков для переносных и стационарных систем контроля состояния высоковольтного оборудования. // Компания Димрус: Доступно по URL: https://dimrus.ru/manuals/sensors.pdf. Ссылка активна на: 03.10.2018.
14. Белявский О.А., Идиатуллов Р.М. Измерение частичных разрядов при контроле изоляции оборудования // Электрические сети: Доступно по: URL: http://leg.co.ua/stati/podstancii/izmerenie-chastichnyh-razryadov-pri-kontrole-izolyacii-oborudovaniya.html. Ссылка активна на: 04.10.2018.
15. Измерение частичных разрядов в изоляции трансформаторного оборудования // Компания Димрус: Доступно по: URL: https://dimrus.ru/texts/measpd.html Ссылка активна на: 04.10.2018.
16. PowerDiagnostixSystemsSPECcompact. // Компания ПЕРГАМ. Доступно по URL: https://www.pergam.ru/catalog/electrical_equipment/partial_discharges/SPECcompact.htm Ссылка активна на: 05.10.2018.
17. DIM-Loc - универсальный прибор оперативного контроля изоляции высоковольтного оборудования по частичным разрядам // Компания Димрус: Доступно по URL: https://dimrus.com/dimloc.html Ссылка активна на: 05.10.2018.
18. PicoScope 5000 Series. // PicoTechnology: Доступно по URL: https://www.picotech.com/oscilloscope/5000/flexible-resolution-oscilloscope7hpc 1. Ссылка активна на: 05.10.2018.
19. Hao L., Lewin P.L., Tian Y, et al. Application of electro-optic modulation technique for PD monitoring of power transformers. doi: 10.1109/ELINSL.2006.1665345 // Conference Record of the 2006 IEEE International Symposium on Electrical Insulation. 2006. P. 412-415.
20. Yan-Bo Wang, Ding-Ge Chang, Shao-Rui Qin. Separating Multi-Source Partial Discharge Signals Using Linear Prediction Analysis and Isolation Forest Algorithm. doi: 10.1109/TIM.2019.2926688 // IEEE Transactions on Instrumentation and Measurement. 2019. pp. 2734-2742.
21. Feng X., Xiong Q., Gattozzi A., et al. Cable commissioning and diagnostic tests: The effect of voltage supply frequency on partial discharge behavior // 2018 12th International Conference on the Properties and Applications of Dielectric Materials (ICPADM). 2018. pp. 373-376.
22. Khalyasmaa AI., Stepanova A.I., Davidenko I.V. High-voltage Equipment State Assessment Method Based on the Integrated Use of Advanced Non-Destructive Technologies doi: 10.1109/EIConRus.2019.8657305 // 2019 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus). 2019. P. 988-991.
Автор публикации
Хальясмаа Александра Ильмаровна - канд. техн. наук, доцент, доцент кафедры «Автоматизированные электрические системы» Уральского энергетического института, УрФУ имени первого Президента России Б.Н. Ельцина; доцент кафедры Электрических станций, Новосибирский государственный технический университет.
References
1. Yahya АА, Levin VM. Bayesian classifier is the tool of increasing the efficiency of defects recognition in power transformers. Power engineering: research, equipment, technology. 2019; 21 (6): 11-18. https://doi.org/10.30724/1998-9903-2019-21-6-11-18.
2. Vasev AN, Misbakhov RS, Ziganshina AI. Combine communications optical network of scada of electric power station and substation. Power engineering: research, equipment, technology. 2018; 20(11-12):16-26. https://doi.org/10.30724/1998-9903-2018-20-11-12-16-26.
3. Kubarev AYu, Zakirova AB, Kubarev YuG. Research methods of the properties of defective electrical equipment. Power engineering: research, equipment, technology. 2018; 20(3-4):108-115. https://doi.org/10.30724/1998-9903-2018-20-3-4-108-115.
4. Rusov VA. PD measurements in high-voltage equipment insulation. Ekaterinburg: Publisher UrGUPS, 2011. 368 p.
5. Khalyasmaa A.I., Dmitriev S.A, Kokin SE., et al. Power plant and substation equipment technical diagnostics: academic quidelines. Ekaterinburg : Publsiher Ural University, 2015. 64 p.
6. Yan-Bo Wang, Ding-Ge Chang, Yu-Hang Fan, et al. Acoustic localization of partial discharge sources in power transformers using a particle-swarm-optimization-route-searching algorithm. doi: 10.1109/TDEI.2017.006857. IEEE Transactions on Dielectrics and Electrical Insulation, 2017; 24(6):3647-3656.
7. W. Si, C. Fu and P. Yuan. An Integrated Sensor With AE and UHF Methods for Partial Discharges Detection in Transformers Based on Oil Valve. doi: 10.1109/LSENS.2019.2944261. IEEE Sensors Letters, 2019;3(10):3502003.
8. Integrated approach to state monitoring of high-voltage bushings of power transformers with RIP-insulation. Dimrus company: URL: https://dimrus.ru/texts/comprip.html (date of access 04.10.2018).
9. Kalachev AV, Kostrikina IA, Solodimova GA. Quality assessment of high-voltage equipment insulation by analysing PDs characteristics. Materials of the 9 Intern. stud. scientific conf. StudentScientificForum. 2017. Available at: URL: https://scienceforum.ru/2017/article/2017036169 Accessed to:04.10.2018.
10. Golenishchev-Kutuzov AV, Akhmetvaleeva LV, Enikeeva GR. Remote testing for defects in service high-voltage insalators. Power engineering: research, equipment, technology. 2020;22(2):117-127. https://doi.org/10.30724/1998-9903-2020-22-1-117-127.
11. Kapranov BI. Acoustic control methods of technical diagnostocs. Part 1: academic guidelines. Tomsk : Publisher Tomsk Polytechnic university, 2008. 186 p.
12. AR700 - PD meter for high-voltage equipment defect identification baed on acoustic sensors. Available at: Dimrus company :Available at URL: https://dimrus.com/ar700.html. Accessed to:02.sept.2018.
13. ADM-9 - high-voltage equipemnt technical state monitoring system based on acoustic sensors Dimrus company: Available at URL: https://dimrus.com/adm.html Accessed to: 02 sept.2018.
14. Methods and means of assessing the state of power equipment. Modern technologies for assessing the technical state of high-voltage electrical equipment based on partial discharge measurements. Quadro Electric Technologies company: Available at URL: https://quadro-electric.ru/loaded/files/Statya.pdf Accessed to: 03 oct. 2018.
15. PD measurements in power transformers insulation. Dimrus company: Available at URL: https://dimrus.ru/texts/measpd.html. Accessed to: 04 oct. 2018.
16. Power Diagnostix Systems SPECcompact. Pergam company: Available at URL: https://www.pergam.ru/catalog/electrical_equipment/partial_discharges/SPECcompact.htm Accessed to: 05 oct 2018.
17. DIM-Loc - universal tool for online high-voltage power equipment insulation testing. Dimrus company: Available at URL: https://dimrus.com/dimloc.html Accessed to : 05. Oct. 2018.
18. PicoScope 5000 Series. Pico Technology. Available at URL: https://www.picotech.com/oscilloscope/5000/flexible-resolution-oscilloscope7hpc1 Accessed to 05. Oct. 2018.
19. Hao L., Lewin P.L,. Tian Y. Application of electro-optic modulation technique for PD monitoring of power transformers. doi: 10.1109/ELINSL.2006.1665345. Conference Record of the 2006 IEEE International Symposium on Electrical Insulation. 2006. P. 412-415.
20. Yan-Bo Wang, Ding-Ge Chang, Shao-Rui Qin. Separating Multi-Source Partial Discharge Signals Using Linear Prediction Analysis and Isolation Forest Algorithm. doi: 10.1109/TIM.2019.2926688 // IEEE Transactions on Instrumentation and Measurement. 2019. pp. 2734-2742.
21. Feng X, Xiong Q, Gattozzi A, et al. Cable commissioning and diagnostic tests: The effect of voltage supply frequency on partial discharge behavior. 2018 12 th International Conference on the Properties and Applications of Dielectric Materials (ICPADM). 2018. pp. 373-376.
22. Khalyasmaa AI, Stepanova AI, Davidenko IV. High-voltage Equipment State Assessment Method Based on the Integrated Use of Advanced Non-Destructive Technologies. doi: 10.1109/EIConRus.2019.8657305. 2019 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus). 2019. P. 988-991.
Author of the publication
Alexandra. I. Khalyasmaa - Ural Federal University named after the first President of Russia B. N. Yeltsin Ekaterinburg, Russia, Novosibirsk State Technical University, Novosibirsk, Russia.
Получено 21 октября 2020г.
Отредактировано 05 ноября 2020г.
Принято 09 ноября 2020г.
10
