Файл: Диссертация на соискание ученой степени.docx

4. 
   Выводы:
   

В основе разработки оценки технического состояния сложного объекта электрической сети, такого как подстанция, положено комплексное исследование, которое подразумевает одновременное и согласованное изучение показателей работоспособности подобъектов и их составных элементов с точки зрения общей системной организации. Каждый показатель характеризует тот или иной физический процесс, оказывающий влияние на состояние объекта, подобъекта и элемента или их совокупности с позиций функционирования в рамках единой электроэнергетической системы.

Системная организация электросетевого комплекса определяет взаимное влияние смежных объектов, подобъектов и элементов, которое отражается как в определении их работоспособности, так и в вычислении обобщенной оценки совокупного состояния группы объектов, представляющих энергообразование (часть общей энергосистемы) более высокого уровня иерархии.

Принцип декомпозиции, использованный в настоящей работе для оценки отдельных подобъектов и их составных элементов, дает возможность определения индивидуальных характеристик работоспособности каждого из них, тогда как последующая их агрегация обеспечивает учет эмерджентных свойств системы.

Реализация разработанной системы с помощью OLAP-технологий позволит интегрировать данные различных объектов (от элементарных до комплексных), проектировать отчеты без участия программистов, анализировать данные по любым категориям и показателям в темпе процесса на любом уровне детализации, производить мониторинг и прогнозирование

---

ключевых показателей работоспособности объектов произвольного уровня иерархии и детализации.

В настоящем разделе диссертационного исследования описана разработка архитектуры системы оценки технического состояния электрооборудования на ПС напряжением 35-220 кВ, а также определена

структура информационной модели, на базе которой выполняется оценка его технического состояния.

---

3 РАЗРАБОТКА МОДЕЛИ СИСТЕМЫ ОЦЕНКИ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ЭЛЕКТРООБОРУДОВАНИЯ

Настоящий раздел диссертационной работы посвящен разработке и выбору структурной модели оценки технического состояния электросетевого оборудования на основе доступной информации о его функциональных параметрах и их взаимосвязи (с учетом их полноты и достоверности). Также в данном разделе рассматриваются вопросы, связанные с оценкой точности разработанной модели и способов ее повышения.

1. 
   Определениеструктурноймоделиоценкитехническогосостоянияэлектрооборудования
   

Определение структурной модели оценки технического состояния подразумевает анализ возможных путей решения данной проблемы: адаптация существующих методов или поиск и выявление новых.

Использование стандартных математических методов на жесткой алгоритмической основе для решения задачи оценки технического состояния электросетевых объектов и принятия решений об их дальнейшей эксплуатации может дать неудовлетворительные результаты. Это связано со сложностью анализируемых объектов и тем, что при решении поставленных задач приходится оперировать большим объемом входных данных не только числового формата, но и лингвистического, для которых характерны неопределенность, неполнота и отсутствие возможности формальной структуризации.

Для решения поставленных задач необходимы методы, способные

---

реализовать такую функцию человеческого интеллекта, как выбор оптимального решения на основе ранее полученного опыта и рационального анализа всей доступной информации об объекте исследования. Существуют различные интеллектуальные системы, но наиболее распространенными можно назвать следующие 62:

• 
  Искусственные нейронные сети (ИНС) -математическая модель биологических нейронных сетей и нейронов человеческого мозга, описывающая принципы их организации и функционирования 63;
  
• 
  Системы эвристического поиска (генетические алгоритмы) – это алгоритмы, используемые для решения задач оптимизации и моделирования, основанные на генетических процессах, аналогичных для биологических организмов 64;
  
• 
  Системы, основанные на знаниях (экспертные системы; системы логического вывода), т. е. системы, построенные на правилах, хранящихся в базе знаний, с помощью которых на основе совокупности исходных фактов осуществляется поиск решений и заключений из этих фактов 65.
  

Среди перечисленных методов наибольший интерес для поставленных в работе задач представляют системы, основанные на знаниях, поскольку речь идет о необходимости заключений из исходных фактов и поиски решений для контроля электросетевого оборудования 66.

Системы логических выводов условно можно разделить на два основных направления – четкие и нечеткие выводы 67. Четкие логические выводы построены на теории четких множеств. Нечеткие логические выводы (нейро-нечеткие логические выводы) построены на теории нечеткой логики, и представляют собой процессы получения нечетких заключений с помощью

---

нечетких условий или предпосылок об объекте исследования на основе информации о его текущем состоянии 68. Нечеткое множество – это математическая формализация нечеткой информации, представленная множеством элементов, обладающих общим свойством в различной степени и принадлежащих к данному множеству с различной степенью 69.

Нейро-нечеткий логический вывод – один из немногих методов, который допускает неточность, неопределенность и неполную истинность

обрабатываемых данных и реализуется на основе обобщенного использования методов нечеткой логики и методов искусственных нейронных сетей (ИНС).

Применение методов нечеткой логики обусловлено прикладным характером задачи оценки технического состояния оборудования, когда необходимо оперировать не только численными данными, но и лингвистическими, например такими, как «состояние оборудования» и т.п. Классификация состояний, их количество и представление могут различаться в зависимости от назначения.

Кроме того, использование аппарата нечетких множеств позволяет адекватно формализовать знания экспертов, которые могут быть неполными и/или субъективными 70.

Использование методов ИНС обусловлено их основным преимуществом – возможностью обучения (самообучения), что позволяет путем объединения в обучающей выборке экспертных знаний и аналитических зависимостей при оценки состояния идентифицировать неоднозначные параметры (диагнозы) электрооборудования.

Такая структура позволяет воспользоваться

---