ПРОГНОЗИРОВАНИЕ РЕСУРСА КАБЕЛЬНЫХ ЛИНИЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДА ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ

Н. К. Полуянович; М. Н. Дубяго

Н. К. Полуянович Южный Федеральный Университет
М. Н. Дубяго Южный Федеральный Университет

Ключевые слова: Искусственный интеллект, нейронные сети, термофлуктуационные процессы, изоляционные материалы, прогнозирование, надежность систем энергоснабжения

Аннотация

Статья посвящена исследованиям термофлуктуационных процессов в соответствии с теорией теплопроводности для решения задач диагностики и прогнозирования остаточ-ного ресурса изоляционных материалов на основе неразрушающего температурного ме-тода. Обоснована актуальность задачи создания нейросетей для оценки пропускной спо-собности, расчёта и прогнозирования температуры жил СКЛ в режиме реального времени на основе данных системы температурного мониторинга, с учетом изменения токовой нагрузки линии и внешних условий теплоотвода. Рассматриваются вопросы создания диаг-ностики и прогнозирования термофлуктуационных процессов изоляционных материалов силовых кабельных линий (СКЛ) электроэнергетических систем на основе таких методов искусственного интеллекта, как нейронные сети и нечеткая логика. Разработана нейро-сеть для определения температурного режима токоведущей жилы силового кабеля. Про-веден сравнительный анализ экспериментальных и расчетных характеристик распределе-ний температуры, при этом исследовались различные нагрузочные режимы работы и функции изменения тока кабеля. При анализе данных было определено, что максимальное отклонение данных, полученных от нейросети от данных обучающей выборки, составило менее 10% что является вполне приемлемым результатом. Для повышения точности ис-пользовалось большое количество входных и выходных данных при обучении сети, а также некоторая доработка ее структуры. Разработанное цифровое аппаратное устройство осуществляет измерение температуры поверхности и окружающей среды силового кабе-ля, а затем в режиме реального времени позволяет выполнять расчет его внутренних тем-ператур и решать задачи раннего выявления развивающихся в нем повреждений. Основная область применения разработанной нейросети для определения температурного режима токоведущей жилы заключается в диагностике и прогнозировании ресурса электроизоля-ции (ЭИ) силового кабеля. Модель позволяет оценивать текущее состояние изоляции и прогно-зировать остаточный ресурс СКЛ. Разработка интеллектуальной системы прогнозирова-ния температуры жилы СКЛ способствует планированию режимов работы электросети с целью повышения надежности и энергоэффективности их взаимодействия с объединен-ной энергосистемой.

Литература

1. Полуянович Н.К. Разработка алгоритма релейной защиты распределительной сети на основе математической модели // Известия ЮФУ. Технические науки. – 2009. – № 1 (90). – С. 240-245.
2. Dubyago M.N. Mathematical description of interaction of the elements in the power network system // 2013 International Conference on Renewable Energy and Environmental Technology (ICREET 2013) Applied Mechanics and Materials. – Switzerland: Trans Tech Publications, 2014. – Vol. 448-453. – P. 2455-2460.
3. Дубяго М.Н. Разработка модели старения и определение остаточного ресурса изоляции силовых кабелей // Известия ЮФУ. Технические науки. – 2014. – № 4 (153). – С. 107-114.
4. Дубяго М.Н., Полуянович Н.К. Пшихопов В.Х. Оценка и прогнозирование изоляционных материалов силовых кабельных линий // Известия ЮФУ. Технические науки. – 2015. – № 7 (168). – С. 230-237.
5. Дубяго М.Н., Полуянович Н.К. Метод селекции сигнала ЧР с помощью Вейвлет-преобразования // Известия ЮФУ. Технические науки. – 2013. – № 2 (139). – С. 99-104.
6. Poluyanovich N.K. Dubyago M.N. Study of characteristics of partial discharge for assessment of condition of electrical insulating materials of power supply system // 2013 4th International Conference on Applied Mechanics and Mechanical Engineering (ICAMME 2013), October 11-12, 2013, Singapore, Applied Mechanics and Materials. Vols. 459. Trans Tech Publications, Switzer-land, 2014. – P. 70-75.
7. Dubyago Marina N., Poluyanovich Nikolay K. Analysis of Insulation Materials of Cable Sys-tems by Method of Partial Discharges // Advances in Materials Science and Applications. – Mar. 2015. – Vol. 4, Iss. 1. – P. 23-32.
8. Dubyago M.N. and Poluyanovich N.K. Prediction of residual life of isolating materials in the process of thermal power equipment deterioration // International Conference on Advances in Energy, Environment and Chemical Engineering (AEECE 2015), September 26-27, 2015 in Changsha, China. Published by Atlantis Press. – P. 49-54. – ISSN: 2352-5401.
9. Dubyago M.N. & Poluyanovich N.K. Thermal processes of the isolating materials in problems of nondestructive diagnostics of the main and distributive power stations // IOP Conference Series: Materials Science and Engineering. 229. – 2017.
10. Dubyago M.N. and Poluyanovich N.K. Prediction of residual life of isolating materials in the process of thermal power equipment deterioration // 2017 2nd International Conference on Advanced Materials Research and Manufacturing Technologies (AMRMT 2017) 2–5 August 2017, Phuket, ThailandIOP Conference Series: Materials Science and Engineering. – 2017. – Vol. 229. 012036/. – ISSN:1757-899X. 11. Dubyago M.N., Poluyanovich N.K. Thermal processes of the isolating materials in problems of nondestructive diagnostics of the main and distributive power stations. EAI Endorsed Transac-tions on Energy Web and Information Technologies 18(16): e3. ж. SJR SCImago Journal & Coutry Rank.
12. Dubyago Marina N. and Poluyanovich Nikolay K. Estimation of Insulating Materials Depreciation and Forecasting the Residual Cable Resource Considering the Current Core Temperature // Interna-tional Journal of Materials, Mechanics and Manufacturing. – 2019. – Vol. 7, No. 1. – P. 415-420.
13. Шумилова Г.П., Готман Н.Э., Старцева Т.Б. Прогнозирование электрических нагрузок ЭЭС с использованием методов искусственного интеллекта // Сб. трудов Российского национального симпозиума по энергетике. Казань, 10–14 сент. 2001 г. – М.: КГЭУ, 2001. – С. 103-106.
14. Хайкин С. Нейронные сети: полный курс. – 2-е изд. – М.: Изд. дом «Вильямс», 2006. – 1104 с.
15. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: пер. с польск. И.Д. Рудинского. – М.: Горячая линия – Телеком, 2008. – 452 с.
16. Лавренков Ю.Н. Исследование и разработка комбинированных нейросетевых техноло-гий для повышения эффективности безопасной маршрутизации информации в сетях связи: дисс. … канд. техн. наук. – М.: МГТУ, 2014. – C. 17-21.
17. Короткевич М.А., Курачинский В.В. Прогнозирование электрической нагрузки энерго-системы на следующие сутки с использованием метода искусственных нейронных сетей // Энергетика. Известия высших учебных заведений и энергетических объединений СНГ.– 2010. – № 2. – С. 5-11.
18. Финаев В.И. Модели систем принятия решений. – Таганрог: Изд-во ТРТУ, 2005. – 118 c.
19. Гайдук А.Р. Системы автоматизированного управления. Примеры, анализ и синтез. – Таганрог: Изд-во ТРТУ, 2006. – 414 с.
20. Шутенко О.В., Загайнова А.А., Сердюкова Г.Н. Анализ влияния условий и режимов эксплуатации на техническое состояние основной изоляции высоковольтных вводов различной конструкции // Электротехника и электромеханика. – 2019. – № 1. – С. 57-65.