Применение алгоритма дерева решений для оценки результатов хроматографического анализа трансформаторного масла

DOI: 10.47026/1810-1909-2023-4-74-84

УДК 621.314

ББК 31.264-08

А.А. ДИМИТРИЕВ, Г.М. МИХЕЕВ, Х.У. КАЛАНДАРОВ

Ключевые слова

силовые трансформаторы, диагностирование, трансформаторное масло, эксплуатационный персонал, хроматографический анализ растворенных газов, алгоритм дерева решений

Аннотация

Силовой маслонаполненный трансформатор является основным звеном в процессе преобразования и передачи электрической энергии в электрических сетях практически на всех классах напряжений. На данный момент в нашей стране эксплуатируется со значимым превышением срока эксплуатации более 50% из них, что повышает требования к их надлежащему техническому контролю и полноценной диагностике всех его основных узлов.

Цель исследования – рассмотрение способов упрощения и автоматизации процесса технического диагностирования силового маслонаполненного оборудования посредством применения методов искусственного интеллекта, а именно алгоритма дерева решений для оценки результатов хроматографического анализа трансформаторного масла.

Материалы и методы. В качестве исходных данных рассмотрены и проанализированы результаты хроматографического анализа растворенных газов в трансформаторном масле, проведенные в течение периода времени с 11 декабря 2009 г. по 12 декабря 2020 г. для двух силовых трансформаторов классом напряжения 110 кВ, установленных в энергосистеме одного из регионов страны. В качестве программного приложения, используемого для диагностирования технического состояния силового трансформатора с помощью методов искусственного интеллекта, нами выбрано бесплатное приложение Deductor Academic 5.3 Build 0.46.

Результаты исследования. В статье рассмотрено применение перспективного метода (алгоритма дерева решений) интерпретации данных, получаемых по результатам хроматографического анализа растворенных газов в трансформаторном масле. Данные анализа подвергались обработке посредством методов искусственного интеллекта, результатом работы которых являлись достоверность и точность определения технического состояния силового маслонаполненного трансформатора.

Выводы. По результатам исследования можно отметить, что для внедрения искусственного интеллекта при решении задачи диагностики силового трансформатора с помощью применения результатов хроматографического анализа предложен алгоритм дерева решений.

Литература

1. Алексеев Б.А., Коган Ф.Л., Мамиконянц Л.М. Объём и нормы испытаний электрооборудования. М.: Изд-во НЦ ЭНАС, 2003. 256 с.
2. Алексеев Б.А. Контроль состояния (диагностика) крупных силовых трансформаторов. М.: НЦ ЭНАС, 2002. 216 с.
3. Баталыгин С.Н., Михеев Г.М., Шевцов В.М. Инженерные инновации в региональной электроэнергетике // Электрооборудование: эксплуатация и ремонт. 2011. № 5. С. 36–40.
4. Баталыгин С.Н., Михеев Г.М., Шевцов В.М. Комплексное обследование силовых трансформаторов // Кибернетика электрических систем: сб. материалов XXVI сессии Всероссийского семинара «Диагностика энергооборудования». Новочеркасск: Южно-Российский гос. техн. ун-т, 2004. С. 14–16.
5. Елтышев Д.К. Интеллектуальные технологии в организации процесса эксплуатации электротехнического оборудования // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. 2022. № 43. С. 119–135. DOI: 10.15593/2224-9397/2022.3.07.
6. Димитров В.П., Борисова Л.В., Хубиян К.Л. Моделирование знаний в задаче поиска причин неисправностей // Инженерные технологии и системы. 2021. Т. 31, № 3. С. 364–379. DOI: 10.15507/2658-4123.031.202103.364-379.
7. Кильчанов С.В., Коротченков М.В., Щербатов И.А. Применение деревьев решений при диагностике оборудования энергетики // Информационные технологии. Проблемы и решения. 2019. № 4(9). С. 32–36.
8. Михеев Г.М. Трансформаторное масло. Чебоксары: Изд-во Чуваш. ун-та, 2003. 156 с.
9. Михеев Г.М. Электростанции и электрические сети. Диагностика и контроль электрооборудования. Саратов: Профобразование, 2017. 297 с.
10. Панасов В.Л. Применение деревьев решений в экспертных системах диагностики // Материалы 58-й научной конференции профессорско-преподавательского состава РГУПС, Ростов-на-Дону, 20–22 апреля 1999 года / Ростовский государственный университет путей сообщения. – Ростов н/Д., 1999. С. 28.
11. Платформа Loginom. Официальный сайт компании BaseGroup Labs [Электронный ресурс]. URL: https://basegroup.ru/deductor/description/ (дата обращения: 23.06.2023).
12. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы: пер. с польск. М.: Горячая линия-Телеком, 2013. 384 с.
13. Селютин В.Е., Бодрилов П.А., Савиных В.А. Применение искусственного интеллекта в сфере энергетики // Моя профессиональная карьера. 2021. Т. 1, № 28. С. 100–103.
14. Хальясмаа А.И. Машинное обучение как инструмент повышения эффективности управления жизненным циклом высоковольтного электрооборудования // Вестник Иркутского государственного технического университета. 2020. Т. 24, № 5(154). С. 1093–1104. DOI: 10.21285/1814-3520-2020-5-1093-1104.
15. Lee C.T., Horng S.C. Abnormality Detection of Cast-Resin Transformers Using the Fuzzy Logic Clustering Decision Tree. , 2020, vol. 13(10), pp. 2546–2550. DOI: 10.3390/en13102546.
16. Loskutov A., Pelevin P., Vukolov V. Improving the Recognition Of Operating Modes In Intelligent Electrical Networks Based On Machine Learning Methods. E3S Web of Conferences., 2020, vol.216, 1034–1041. DOI: 10.1051/e3sconf/202021601034.

Сведения об авторах

Димитриев Антон Анатольевич – аспирант кафедры электроснабжения и интеллектуальных электроэнергетических систем имени А.А. Федорова, Чувашский государственный университет, Россия, Чебоксары (Meterling21@mail.ru).

Михеев Георгий Михайлович – доктор технических наук, профессор кафедры электроснабжения и интеллектуальных электроэнергетических систем имени А.А. Федорова, Чувашский государственный университет, Россия, Чебоксары (mikheevg@rambler.ru; ORCID: https://orcid.org/0000-0003-2208-9723).

Каландаров Хусейджон Умарович – кандидат технических наук, доцент кафедры транспортно-энергетических систем, Чебоксарский институт (филиал) Московского политехнического университета, Россия, Чебоксары (huseinjon.86@mail.ru).

Формат цитирования

Димитриев А.А., Михеев Г.М., Каландаров Х.У. Применение алгоритма дерева решений для оценки результатов хроматографического анализа трансформаторного масла // Вестник Чувашского университета. – 2023. – № 4. – С. 74–84. DOI: 10.47026/1810-1909-2023-4-74-84.

Загрузить полный текст статьи