Ученые ЮФУ разработали умную систему диагностики силовых трансформаторов

Интеллектуальная платформа исключает несчастные случаи в энергетических хозяйствах предприятий из-за аварий и повреждений силовых трансформаторов, своевременно выявляет развития дефекта и прогнозирует безаварийный срок эксплуатации высоковольтного оборудования.

С развитием регионов и городских агломератов создаются градообразующие предприятия отраслей народного хозяйства, развиваются транспортные системы пассажирских и грузовых перевозок, возникает потребность в увеличении мощностей энергетических систем. Энергетическая система России представляет собой разветвлённую структуру, которая насчитывает сотни тысяч силовых трансформаторов. По словам ученых Международного института интеллектуальных материалов ЮФУ, в основном трансформаторы средней мощности, это около 65% от общего числа, уже исчерпали свой ресурс, который был установлен заводом-изготовителем – 25 лет.

«Следует также отметить, что устаревшее силовое электрооборудование было рассчитано на одну нагрузку, а наращивание энергетических мощностей современных предприятий приводит к тому, что устаревшее оборудование работает также на пределе своих возможностей», – отметил ведущий научный сотрудник лаборатории технологий искусственного интеллекта и больших данных для нанодиагностики материалов МИИ ИМ ЮФУ Андрей Чернов.

Работы в области повышения надёжности силовых трансформаторов являются востребованными во всех отраслях народного хозяйств, поскольку безаварийная работа напрямую связана с безопасным обслуживаем и эксплуатацией силовых трансформаторов, а также исключает возможность возникновения несчастных случаев.

«Доля несчастных случаев от выхода из строя электрооборудования составляет 6 % от общего числа на энергетических хозяйствах промышленных предприятий, особенно при авариях силовых трансформаторов, которые сопровождаются большими величинами токов короткого замыкания, взрывом и пожаром», – рассказал Андрей Чернов.

По изменению параметров силовых трансформаторов можно не только определить место повреждения, но и скорость нарастания дефекта, спрогнозировать состояние силового электрооборудования, а самое главное - предотвратить выход из строя дорогостоящего оборудования. По словам ученых, в некоторых случаях, особенно при отсутствии наработок при диагностике, возникает необходимость в разработке средств интеллектуальной поддержки принятия решений. Предложенный гибридный подход deep learning and HDLSS позволил получить адекватное решение по прогнозированию изменения параметров силовых трансформаторов, а также при анализе дополнительных факторов определить остаточный ресурс трансформаторов.

«Разработанная экспертная система принятия решений на основе искусственного интеллекта является современным решением по анализу многофакторных результатов диагностики силовых трансформаторов и параметров текущего контроля состояния. Данная система решает две задачи: во-первых, она позволит спрогнозировать состояние силовых трансформаторов по основным параметрам, выявить развитие дефекта, определить остаточный ресурс для проведения своевременного ремонта и замены силового трансформатора; вторая задача – исключить вероятность аварии из-за повреждения высоковольтного оборудования, которые сопровождаются электрической дугой, воспламенением трансформаторного масла и др», – дополнил Андрей Чернов.

Разработка ученых МИИ ИМ ЮФУ является востребованной и актуальной в энергетических хозяйствах предприятий всех сфер деятельности, а также значимой для разработки отечественных систем поддержки приятия решений. С учётом стоимости силового трансформатора, данная методика даст возможность экономически эффективно подойти к решению по замене или ремонту силовых трансформаторов.

Проект был представлен на международной конференции «RelStat-2021», по итогам которой была опубликована научная работа ученых Южного федерального университета с результатами исследования.

Исследование проводилось в рамках гранта РФФИ (19–00246-а) сотрудниками МИИ ИМ ЮФУ под руководством ведущего научного сотрудника лаборатории технологий искусственного интеллекта и больших данных для нанодиагностики материалов МИИ ИМ ЮФУ Андрея Чернова.