Система непрерывного контроля изоляции энергетических объектов Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 621.311

СИСТЕМА НЕПРЕРЫВНОГО КОНТРОЛЯ ИЗОЛЯЦИИ ЭНЕРГЕТИЧЕСКИХ ОБЪЕКТОВ

© 2017 Д. В. Куделина

старший преподаватель кафедры электроснабжения e-mail: [email protected]

Юго-Западный государственный университет

В статье рассмотрены вопросы прогнозирования ресурса работы электрооборудования с использованием математического аппарата нечёткой логики. Приведенная в статье модель оценки состояния изоляции на основе применения нечеткого логического вывода позволяет получать данную оценку с учетом разнородной входной информации, количественной и качественной, при этом учитывается неполнота и неопределенность части исходной информации, что позволяет получать более достоверные результаты по сравнению с применением моделей, ориентированных на обработку только количественных исходных данных.

Ключевые слова: энергетическая система, прогнозирование, нечеткая логика, математическая модель, оценка состояния изоляции, неполнота информации.

Обязательным требованием к энергетическим системам является надежность электроснабжения подключенных потребителей. Один из основных факторов обеспечения отсутствия перерывов в электропитании - надежность работы электрооборудования, во многом зависящая от его текущего технического состояния. При работе энергетических объектов они постоянно подвергаются воздействию самых разнообразных неблагоприятных факторов. Это неизбежно приводит к тому, что в процессе работы происходит снижение качественного состояния электрооборудования, и это увеличивает вероятность возникновения различных отказов.

Для заблаговременного выявления начинающихся отказов требуется проведение постоянного контроля оборудования. Получение на основе данных непрерывного контроля адекватных оценок состояния объектов в энергетике становится особенно актуальным в настоящее время. Важность этой задачи объясняется тем, что большая часть основного оборудования энергетических предприятий и организаций выработала свой ресурс или срок эксплуатации, определенный в различных нормативных документах, и используется, по существу, на пределе своих возможностей [Федяков 2011; Хальясмаа и соавт. 2013].

В настоящее время известны различные устройства, осуществляющие контроль и оценку состояния электрооборудования на энергопредприятиях от простейших до сложных, представляющих собой комплексы аппаратных и программных средств для осуществления мониторинга различных энергетических объектов. Такие комплексы должны производить в автоматическом режиме постоянный сбор разнообразной информации о параметрах контролируемого электрооборудования и его составных частей, текущих условиях их работы, а также обеспечивать анализ текущего состояния оборудования и выполнение некоторых других задач.

В энергетических системах используется много информационных систем, методов и средств контроля и диагностики технического состояния электрооборудования [Ушаков 2008]. Но существует потребность в непрерывном совершенствовании существующих и разработке новых технологий и практических

методов, которые обеспечивали бы получение обоснованных оценок технического состояния электрооборудования.

Важным направлением, существенно влияющим на повышение качества применения информационных технологий для контроля и оценки технического состояния энергетических объектов, следует считать интеллектуализацию процессов обработки диагностической информации с использованием современных методов, в частности экспертных систем, которые способны обеспечить повышение качества оценки и прогнозирования технического состояния и ресурса объекта.

Применение таких передовых технологий позволит не только определять с достаточной точностью техническое состояние электрооборудования в текущий момент, но и прогнозировать техническое состояние контролируемого объекта и изменение его ресурса в дальнейшем, чтобы можно было своевременно планировать и реализовывать различные мероприятия по предотвращению возникновения отказов [Бирюлин, Куделина 2015].

При прогнозировании ресурсов работы электрооборудования применяются исходные данные, полученные различными способами. Эта информация имеет значительную степень неопределенности, обусловленную, с одной стороны, неизбежным фактором случайности, а с другой - фактором нечеткости в применяемых данных. Также создает значительные сложности большой объем обрабатываемой при этом информации.

В связи с этим задача прогнозирования работы электрооборудования имеет плохо формализуемый и неструктурированный характер, связанный с существованием неполноты и неоднозначности исходных данных, сложностью определения взаимных связей между значениями параметров оборудования и признаками проявления дефектов, необходимостью применения экспертных знаний для повышения достоверности результата оценки. Все это ограничивает возможность применения методов, рассчитанных на обработку количественной информации и предполагающих обработку больших объемов статических данных [Стеклов, Подковырин 2015].

Данные проблемы в настоящее время успешно преодолеваются при использовании математического аппарата нечетких систем или нечеткой логики. В последнее время применение подобных методов исследования сложных объектов относится к наиболее перспективным направлениям исследований сложных организационно-технических систем.

Математический аппарат нечёткой логики более соответствует по своим основам и применению к мышлению человека, чем широко известные математические методы, направленные на обработку количественной информации. Он служит эффективным средством учета и обработки в разрабатываемых математических моделях неопределённости и неточности, характерных для окружающего нас, реального мира [Куделина 2016]. Такие модели могут создаваться для различных объектов, в том числе и энергетических.

Применение нечеткой логики для оценки технического состояния электрооборудования не является самоцелью, а объясняется значительным объемом обрабатываемой информации и необходимостью использовать не только количественные исходные данные, но и качественные, учитывая также при этом существование неопределенности и неполноты данной информации. Дополнительно использование математического аппарата нечеткой логики позволяет достаточно адекватно формализовать знания экспертов, которые также могут быть неполными или носить субъективный характер [Леоненков 2005].

Следует учитывать, что любая математическая модель может быть аппроксимирована системой, основанной на нечеткой логике, согласно теореме о

нечеткой аппроксимации [Серебровский и соавт. 2014]. На этой основе с помощью качественных или лингвистических высказываний типа <Если - то> с последующей обработкой данных выражений средствами теории нечеткой логики можно обеспечивать адекватное отображение сколь угодно сложной рассматриваемой системы, без использования громоздких систем линейных и дифференциальных уравнений.

Надежность работы систем электроснабжения или бесперебойное обеспечение электроэнергией потребителей во многом зависит от состояния элементов, образующих подобные системы. Известно, что возникновение повреждений электроэнергетического оборудования, требующее вывода их из работы, в большинстве случаев является следствием отказов изоляции, как наиболее слабой их части [Воропай 2006; Конюхова 2001].

В процессе эксплуатации энергетических объектов на изоляцию электрооборудования действует целый комплекс разрушающих воздействий, к ним относятся разнообразные электрические, тепловые, механические и другие нагрузки. Совместное действие данных факторов на изоляцию обеспечивает возникновение и развитие сложных процессов, приводящих к постепенному ухудшению свойств изоляции или старению.

Количественное моделирование воздействия всех возможных нагрузок на электрическую изоляцию является трудноформализуемой задачей, что объясняется многообразием характера проявления этих нагрузок и сложностью учета проявления внешних условий, например, теплообмена изоляции с окружающей средой. Но получение обоснованной оценки степени снижения характеристик электрической изоляции в процессе эксплуатации имеет важное практическое значение, так как текущее состояние изоляции во многом определяет надежность работы электрооборудования, а значит, и бесперебойность электроснабжения потребителей электроэнергии.

Эффективное решение подобных задач можно осуществить на основе применения аппарата нечеткой логики, позволяющей более полно учитывать многообразие механизмов воздействия на изоляцию различных нагрузок и внешних условий по сравнению с математическими моделями, основанными на применении систем алгебраических и дифференциальных уравнений. Для решения поставленной задачи разрабатываем модель на основе использования системы нечеткого логического вывода (НЛВ).

В процессе создания системы НЛВ все имеющиеся знания по рассматриваемому объекту используются в виде некоторой формальной логической системы. В самом общем случае любая формальная логическая система может задаваться четверкой составляющих компонентов вида

М =< Т, Р, А, В >, (1)

где Т - множество базовых элементов, на основе которого строятся все выражения разрабатываемой системы, для этого множества Т должен существовать способ определения принадлежности какого-либо произвольного изучаемого элемента к множеству Т; Р - множество синтаксических правил, выделяющих среди всех возможных выражений из множества базовых элементов только те, которые являются формулами или синтаксически правильными совокупностями; А - множество аксиом, то есть формул, признаваемых априорно истинными, эти аксиомы являются ядром предметной области; В - разработанные правила вывода результатов, они являются самой сложной частью формальной логической системы.

При практическом применении формальных логических систем целесообразно выполнять замену этих систем нечеткими продукционными моделями. При разработке нечетких продукционных моделей они представляются согласованным множеством отдельных нечетких продукционных правил вида <Если - то> и заключением, следующим из данного правила, в виде нечетких высказываний. Структура разрабатываемой нечеткой продукционной модели определяется решаемой задачей, в том числе и исходной информацией.

Входной информацией для разрабатываемой модели будут являться причины и факторы, приводящие к старению изоляции. Наиболее распространенными причинами и факторами являются:

- электрическое старение, во многом вызываемое возникающими частичными разрядами в изоляции при работе под напряжением, близким к номинальному или повышенному значению;

- тепловое старение изоляции, создаваемое нагревом протекающими по токоведущим частям электрооборудования токами, а также вследствие дополнительного нагрева токами высших гармоник, появляющихся в сети при снижении качества электроэнергии;

- окисление материала изоляции вследствие химических процессов, протекающих в ней;

- возрастание содержания влаги в изоляции.

Также снижение диэлектрических свойств изоляции может происходить вследствие других причин: внешних механических воздействий, проявления электродинамических усилий при протекании токов короткого замыкания, влияния возникающей при работе оборудования вибрации, действия агрессивных веществ и т.д.

Выходной величиной создаваемой модели будет являться оценка степени снижения ресурса электрической изоляции или степени ее износа. Поэтому в нашем случае будем работать в рамках М180-системы со многими („) входными переменными и одной выходной переменной (много входов - различные входные данные, один выход - оценка степени износа изоляции.

Подобные системы реализуют отображение вида

где у - выходная величина, в нашем случае оценка степени износа изоляции; х1, х2, х3,...х„ - входные величины или исходные данные.

Совокупность исходных данных может быть представлена вектором X, заданным на декартовом произведении областей определения входных величин Х1хХ2хХ3х....хХ„. Функция/осуществляет отображение данного вектора Хна область значений выходной величины У.

Области определения входных величин используются для задания нечетких

множеств А1, А2, А3 ,..., А„ . В соответствии с принципом обобщения на выходе

рассматриваемой системы получается нечеткое множество В = ](А1, А2, А3,....А„), представляющее результат отображения нечетких множеств входных величин:

Нечеткуюмодель для определения степени износа изоляции разрабатываем на основе модели Мамдани [Леоненков 2005; Серебровский и соавт. 2014]. Эта модель в

У = f (Х2> X3>'"Xn X

(2)

(3)

настоящее время является наиболее часто используемой. В ней отображение нечетких множеств входных величин, характеризующих воздействие на электрическую изоляцию, в выходное множество значений определяет существование некоторой поверхности, называемой поверхностью отображения в пространстве X*Y. Каждое правило, используемое в разрабатываемой модели, задает в пространстве X* Y определенную точку, определяющую особенности поведения рассматриваемой системы.

Факторы, действующие на изоляцию, представляем как некоторое свойство рассматриваемой в математической модели системы, оцениваемое на качественном уровне, например: «уровень нагрева изоляции от протекания по токоведущим частям тока частотой 50 Гц», «интенсивность возникновения частичных разрядов». Каждому фактору при этом устанавливается в соответствие своя лингвистическая переменная, характеризуемая терм-множеством Т1={Т1г, Т2г,...Тт}, термы которого представляют собой нечеткие оценки возможных состояний изучаемого фактора, например «низкая», «средняя», «высокая»; синтаксическими и семантическими правилами.

Рассматриваемая система нечеткого вывода реализует следующие основные этапы обработки исходной информации.

Фаззификация входных переменных проводится на основе функций принадлежности. Для выполнения этой операции необходимо предварительно задать функции принадлежности для исходных данных вида цА (х1), цА (х2),.......цА (х„).

Цель данного этапа состоит в установлении соответствия между определенным количественным значением той или иной входной переменной системы и значением выбранной функции принадлежности соответствующего терма входной лингвистической переменной. Значения, полученные с помощью измерительных приборов или другими способами, являются входными количественными данными. Эти данные преобразуются по заданным в системе функциям принадлежности, и четкое множество входных количественных данных становится нечетким множеством, которое затем используется в виде лингвистических переменных.

Для относительно небольших объемов имеющейся информации целесообразно использовать простые функции принадлежности, состоящие из прямолинейных участков - многоугольные функции. Для подобных функций легко обеспечивается выполнение условия, что сумма степеней принадлежности для каждого элемента рассматриваемого нечеткого множества должна равняться 1 [Серебровский и соавт.

С учетом этого используем функции принадлежности [Леоненков 2005], имеющие вид асимметричной трапеции, которые могут быть представлены в виде

где н,1, ^з - интервалы по оси х; а, Ь, с, ё - точки на оси х, определяющие вид трапеции.

Далее производится операция нечеткого вывода. Результатом выполнения является результирующая функция принадлежности выходного значения. Она имеет сложную форму и определяется в итоге при проведении вычислений. Для корректного выполнения операции вывода разрабатываемая система должна включать в себя следующие составляющие:

- база правил;

- механизм вывода;

- функции принадлежности выходного значения у.

2014].

(4)

В свою очередь, механизм вывода реализует три дальнейших шага.

Первым шагом на выводе выполняется агрегирование подусловий в нечетких правилах продукций, что обеспечивает вычисление степени выполнения сложных условий, являющихся комбинацией простых. Для двух нечетких множеств А и А* агрегирование производится по формуле

к = МАХЫ1Ы(рА(х), (х)), (5)

Для случая агрегирования нескольких нечетких множеств в формуле (5) увеличивается число составляющих элементов.

На втором шаге определяются активизированные функции принадлежности заключений по отдельным правилам на основании степени выполнения их условий. Это действие выполняется с использованием оператора нечеткой импликации Мамдани, базирующимся на предположении, что степень истинности заключения /лВ (у) не может быть выше, чем степень выполнения условия /лА (х) [5]:

(X, у) = мт{цл (х), цв (у)). (6)

Третий шаг осуществляет композицию подзаключений, объединение исходных нечётких множеств в одно нечёткое множество, представляющее собой фаззифицированное значение выходного параметра или оценки эффективности Q.

Результатом объединения нечеткого множества А с областью определения х и нечеткого отношения двух аргументов Я, заданных на области определения хху, является третье нечеткое множество В с областью определения у и следующей функцией принадлежности:

(у)=ылхыт (х, у), (у)), (7)

где А**(х,у) - цилиндрическое продолжение множества А(х) на область определения хху.

Дефаззификация. Эта операция обеспечивает нахождение четкого значения выходного параметра. Для этого выбираем метод центра тяжести, так как он задействует все активизированные функции принадлежности заключений или активные правила. Это обеспечивает более высокую чувствительность создаваемой нечеткой модели к изменению входных сигналов по сравнению с методами первого максимума, последнего максимума, среднего максимума.

Значение выходного параметра Q определятся как

к

У х— (х)

е = , (8)

¿—Л (Хг )

где хг - рассматриваемые переменные; 1лА(хг) - функция принадлежности результирующего нечеткого множества.

Созданная модель реализует следующее отображение входных величин на выходной параметр Q:

X = (х1,...,Хы)- е[0Д00]. (9)

При формировании выходного параметра его значениям соответствуют следующие отношения по общему состоянию изоляции:

- от 0 до 20 - уровень состояния изоляции «очень низкий», требуется срочный вывод оборудования в ремонт для предотвращения аварии;

- от 20 до 40 - уровень состояния изоляции «низкий», требуется техническое обслуживание, возможен мелкий ремонт оборудования;

- от 40 до 60 - уровень состояния изоляции «средний», требуется техническое обслуживание без вывода оборудования в ремонт;

- от 60 до 80 - уровень «выше среднего», рекомендуется дополнительная обработка исходных данных для уточнения состояния изоляции;

- от 80 до 100 - уровень «высокий», изоляция находится в нормальном состоянии, не требующем выполнения никаких дополнительных действий.

При формировании базы нечетких правил используются как априорные данные, которые поступают от экспертов, так и данные, получаемые в результате измерений.

Изначально каждому примеру из выборки ставится в соответствие отдельное правило. Множество таких примеров обучающей выборки задается следующим образом:

(х?5, х?5, х?5, X?5, X?5... X*5, у), к = 1,..., К, (10)

где х1(-к), х2(к), х3(к), х4(к), х5(к) ...... хп(к) - значения п входных переменных; у - значение

выходной переменной у в к-м примере; К - общее количество примеров в обучающей выборке.

Для каждого такого примера определяются степени принадлежности заданных значений переменных к соответствующим нечетким множествам. Далее каждому обучающему примеру в соответствие ставятся нечеткие множества, к которым у соответствующих значений переменных из данного примера степени принадлежности являются максимальными.

Сформированные таким образом правила и составляют начальную базу нечетких правил рассматриваемой системы нечеткого вывода. Иногда начальная база может являться избыточной, содержать противоречия (правила с одинаковыми предпосылками, но разными заключениями). В этом случае набор правил необходимо оптимизировать. Это можно сделать на основе получения информации от экспертов либо путем адаптации обучающей выборки.

Заключение. Модель оценки состояния электрической изоляции с применением системы нечеткого логического вывода позволяет получать данную оценку с учетом разнородной входной информации, как количественной (в первую данные различных измерений), так и качественной (в основном экспертные оценки). В процессе нахождения значения оценки состояния учитывается неполнота и неопределенность части исходной информации. Данный подход к построению таких моделей обеспечивает получение более достоверных результатов выходного параметра или же оценки текущего состояния изоляции электрооборудования по сравнению с применением моделей, ориентированных на обработку только количественных исходных данных.

Библиографический список

Бирюлин В.И., Куделина Д.В. Система нечеткого вывода оценки эффективности региональной энергетики // Научные ведомости Белгородского государственного университета. Серия: Экономика Информатика. Белгород, 2015. № 13 (210). С. 128-132.

Воропай Н.И. Надёжность систем электроснабжения: конспект лекций. Новосибирск: Наука, 2006. 205 с.

Конюхова Е.А. Надёжность электроснабжения промышленных предприятий. М.: Энергопрогресс, 2001. 92 с.

Куделина Д.В. Прогнозирование развития региональной энергетической системы // Научные ведомости Белгородского государственного университета. Серия: Экономика Информатика. Белгород, 2016. № 9 (230). С. 129-134.

Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб.: БХВ-Петербург, 2005. 736 с.

Серебровский В.В., Филист С.А., Шаталова О.В., Черепанов А.А. Информационная система детектирования ишемических кардиоциклов с использованием нечеткой логики // Научные ведомости Белгородского государственного университета. Серия: История, Политология, Экономика, Информатика. Белгород, 2014. № 8 (179). С. 71-75.

Стеклов А.С., Подковырин Д.С. Нейро-нечеткая модель диагностирования технического состояния синхронного генератора // Главный энергетик. 2015. №11-12. С. 55-59.

Ушаков В.Я. Современная и перспективная энергетика: технологические, социально-экономические и экологические аспекты. Томск, ТПУ, 2008. 469 с.

Федяков И. Износ оборудования системная проблема всей электроэнергетической отрасли // Электротехнический рынок. Электронный журнал. Великие Луки, 2011. 3 (39). URL: http://market.elec.ru/nomer/36/iznos-oborudovaniya-sistemnaya-problema-vsej-elekt/ (дата обращения: 12.04.2017)

Хальясмаа А.И., Дмитриев С.А., Кокин С.Е., Осотова М.В. Вопросы реализации оценки технического состояния силового оборудования на электрических подстанциях. Вопросы современной науки и практики. 2013. №1 (45). С. 289-300.