Добавлен: 26.10.2023
Просмотров: 318
Скачиваний: 6
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
СОДЕРЖАНИЕ
Продолжение таблицы 6
Элемент | Вид дефекта | Метод диагностирования |
Твердая изоляция | Частичные разряды | Хроматографический анализ масла |
Снижение индекса полимеризации | Оценка по наличию фурановых соединений в масле и оценка по степени полимеризации | |
Масло | Влагосодержание | Хроматографический анализ масла и физико-химический анализ масла |
Содержание механических примесей | ||
Содержание шлама | ||
Изменение электрических характеристик масла (пробивное напряжение; тангенс угла диэлектрических потерь) | ||
Изменение кислотного числа | ||
Изменение температуры вспышки в закрытом тигле | ||
Изменение тангенса угла диэлектрических потерь | ||
Изменение содержания водорастворимых кислот и щелочей | ||
Содержание ионола | ||
Изменение газосодержания | ||
Система охлаждения | Повреждение изоляции обмотки статора двигателя электронасоса | Измерение сопротивления изоляции после отключения |
Износ подшипников электронасосов | Прослушивание и измерение уровней шумов и вибраций | |
Загрязнение трубок охладителей | Измерение перепада температуры масла на охладителе |
Продолжение таблицы 6
Элемент | Вид дефекта | Метод диагностирования |
Высоков. вводы | Трещины и сколы фарфоровых изоляторов | Тепловизионный контроль |
Загрязнение внешней поверхности изоляторов | ||
Течь масла (герметичность) | Испытание избыточным давлением | |
Изменение состава и содержания масла в вводах | Тепловизионный контроль | |
Изменение электрических характеристик (тангенс угла диэлектрических потерь, емкости) | Хроматографический анализ масла; физико-химический анализ масла | |
Частичные разряды | Контроль под рабочим напряжением | |
Увеличение емкости основной изоляции (С1) | ||
Бак и вспомогат. системы | Течь бака по сварным швам и уплотнениям | Испытание бака на плотность; тепловизионный контроль |
Повышенный нагрев составных частей | Тепловизионный контроль | |
Наличие короткозамкнутых контуров | Измерение сопротивления изоляции между составными частями и баком | |
Коррозия, нарушение лакокрасочного покрытия | Внешний осмотр | |
Дефекты цепей защитной и контрольно-измерительной аппаратуры, установленной на трансформаторе | Испытания защитной и контрольно-измерительной аппаратуры, установленной на трансформаторе | |
Система регулиров. под нагрузкой | Течь масла | Тепловизионный контроль; измерение уровня масла |
Ухудшение характеристик масла и увлажнение изоляции | Определение влагосодержания масла |
Продолжение таблицы 6
Элемент | Вид дефекта | Метод диагностирования |
Система регулиров. под нагрузкой | Нарушение контактов | Измерение сопротивления постоянному току |
Внешние контактные соединения | Нагревы контактов в местах крепления (соединения) к вводу | Тепловизионный контроль |
На основе представленного анализа подтверждается правильность выбранной детализации подобъекта трансформатор 110 кВ, так как для каждого возможного вида неисправности существует метод его диагностирования, что позволяет выполнить оценку каждого элемента подобъекта, и на основе совокупности оценок всех элементов выполнить оценку состояния подобъекта.
-
Модельданных
В ходе эксплуатации и обслуживания электросетевого оборудования на ПС накапливаются большие объемы данных разной природы, поэтому такого рода системы, базирующиеся на их анализе, предполагают разработку модели этих данных.
Модель данных предназначена для описания структуры информационных объектов, их функциональных взаимосвязей, необходимых для выполнения заданных действий. Можно выделить три основных (традиционных) типа моделей данных – иерархический, сетевой и реляционный 53, а также ряд нетрадиционных моделей – постреляционную, объектно-ориентированную, многомерную и пр. 54. Основное отличие моделей между собой – метод определения связей между данными.
Иерархическая модель данных имеет
древовидную структуру, в которой узлы – элементы данных – соединены с помощью вертикальных связей. В иерархической модели данные жестко подчинены друг другу. Использование иерархической модели для данных со сложными логическими
связями затрудняет доступ нижним уровням иерархии, а также делает ее громоздкой для обработки информации.
В сетевых моделях между узлами существуют не только вертикальные, но и горизонтальные связи. Сетевая модель является расширенной иерархической моделью, поэтому как и иерархическая модель обладает теми же недостатками – сложностью и жесткостью модели.
В реляционных моделях совокупность данных реализуется в виде наборов двумерных таблиц. Данная модель является простой и достаточно эффективной, но и она обладает рядом некоторых недостатков: строгость структур делает реляционную модель негибкой, а сильная зависимость модели от состава и структуры данных в случае их изменения заставляет менять структуру самой модели 55.
Постреляционная модель является расширенной версией реляционной и дает возможность устранить ограничение неделимости данных в таблицах. Формирование совокупности связанных реляционных таблиц осуществляется через одну постреляционную таблицу, что позволяет сделать информацию наглядной и повысить эффективность ее обработки, при этом возникают проблемы целостности и непротиворечивости хранимых данных 56.
Объектно-ориентированные модели дают возможность идентифицировать
отдельные объекты базы, но не создано достойного алгоритма, позволяющего работать с объектно-ориентированной модели на вменяемых временных промежутках 57.
Многомерные модели используются при анализе больших многомерных массивов данных (гиперкубов) с целью поддержки принятия решения 58. В отличие от реляционной многомерная модель является более наглядной и информативной.
Для решения поставленной задачи – построения модели данных для системы оценки технического состояния электросетевого оборудования – оптимальной является многомерная модель данных, так как она позволяет
анализировать большие массивы данных о состоянии электросетевого оборудования для поддержки принятия решений о его дальнейшей эксплуатации.
В выполненной работе многомерная модель данных представлена в виде интеллектуального анализа кубов OLAP (On-line Analytic Processing)
59 – технологии, подразумевающей анализ многомерных данных для оперативной обработки информации, включая динамическое построение отчётов в различных разрезах, анализ данных, мониторинг и прогнозирование ключевых показателей 60.
Выбор вида информационной системы в виде OLAP-кубов обусловлен возможностью формирования оценок состояния электросетевого оборудования в различных разрезах и с произвольной глубиной детализации. В качестве метода интеллектуального анализа выбран метод нейро-нечеткого логического вывода.
В связи с ограниченностью данных для оценки состояния элемента объекта или даже о самом объекте не каждая ячейка в OLAP-кубе будет содержать значение – могут существовать пересечения, не имеющие данных. В рамках решаемой задачи пустые
ячейки возникают в кубах достаточно часто. Поскольку пустые ячейки могут искажать результаты перекрестных соединений, подсчетов и т. п., данная модель обеспечивает возможность пропуска пустых ячеек в вычислительных целях [61].
OLAP-кубы в разработанной системе содержат показатели работоспособности по каждому простому элементу подобъекта, например, для силового трансформатора 110 кВ к данным технической диагностики и испытаний можно отнести следующие показатели:
-
хроматографический анализ газов (характеризует состояние масла), -
потери холостого хода (характеризует состояние магнитопровода), -
сопротивление изоляции (характеризует состояние твердой изоляции), -
год выпуска трансформатора, -
год выполнения капитального ремонта (характеризуют общее состояние обмоток) и т. д.
Показатели, используемые для анализа и принятия решений, хранятся в кубах не в виде простых таблиц, а в разрезах, представляющих собой основные категории системы оценки технического состояния (Рис. 8):
-
принадлежность объекта (к району электрических сетей (РЭС), ПС (ЭС)), -
вид электросетевого оборудования, -
время и пр.
В разработанной системе использование интеллектуального анализа с помощью OLAP-кубов дает возможность анализировать большие массивы информации и автоматически выявлять закономерности в исследуемых данных, учет которых поможет повысить качество принимаемых решений.
РЭС
Западный РЭС
Восточный РЭС
Южный РЭС