Совершенствование моделей предиктивной диагностики и оценки состояния трансформаторного оборудования энергообъектов

В современных экономических условиях важной задачей электроэнергетики остается обеспечение надежности электроснабжения потребителей. Повышенные требования по надежности предъявляются ко всей системе передачи и распределения электрической энергии, важнейшим элементом которой служит трансформаторное оборудование. Силовые трансформаторы (CT) электростанций и электрических сетей представляют собой критически важное оборудование электроэнергетической системы (ЭЭС) в силу своей сложности, высокой стоимости и функциональной ответственности. Поддержание эксплуатационной надежности и предотвращение аварийных отключений трансформаторов призвана обеспечивать система технического обслуживания и ремонтов по фактическому техническому состоянию. Вполне очевидным фактом сегодня является то, что эффективная эксплуатация объектов ЭЭС базируется на эффективной диагностике электрооборудования (в том числе и трансформаторного). Современные задачи эффективной диагностики не ограничиваются: выбором комплекса информативных контролируемых параметров оборудования, качественным их измерением в условиях эксплуатации и достоверной интерпретацией полученных результатов. Благодаря цифровой трансформации отрасли эти задачи получили значительное расширение в направлении: рационального сочетания методов on-line и off-line мониторинга СТ энергообъектов, включая технологии удаленного мониторинга, интегральной оценки состояния и прогнозирования отказа и остаточного эксплуатационного ресурса СТ, формирования математических моделей предиктивной аналитики на основе методов искусственного интеллекта и машинного обучения, разработки систем принятия решений и выбора эффективных эксплуатационных воздействий. Целью работы является Совершенствование математических моделей оценки технического состояния силовых трансформаторов и алгоритмов принятия решений по их надежной эксплуатации в составе энергообъектов ЭЭС, отличающихся свойствами предиктивности (предсказательности) и адаптивности (приспосабливаемости). В диссертационной работе использовались методы теории вероятности и математической статистики, методы Байесовской теории принятия решений, методы теории распознавания образов и нечеткие логики. Практическая ценность работы заключается в том, что полученные в ходе исследования результаты могут быть направлены на улучшение качества диагностирования высоковольтного маслонаполненного электрооборудования, в частности: 1) разработанные адаптивные модели предиктивной диагностики и оперативной оценки технического состояния силовых трансформаторов, а также методика их формирования и алгоритм принятия решений по управлению техническим состоянием представляют собой эффективное специализированное приложение к существующей системе мониторинга трансформаторного оборудования Новосибирской ГЭС, филиала ПАО «РусГидро»; 2) вычислительные модели и алгоритмы для расчета текущих значений индекса технического состояния единиц основного энергетического оборудования подстанций разных типов и классов напряжения (силовых трансформаторов, асинхронных двигателей, др.), а также значений их остаточного эксплуатационного ресурса нашли отражение в нормативно методических документах ПАО «Газпром нефть». Они применяются при оптимизации планирования ТОиР энергооборудования с учетом его фактического технического состояния для повышения обоснованности принятия решений по объемам и периодичности технических воздействий; 3) разработанное прикладное программное обеспечение, реализующее усовершенствованные математические модели и алгоритмы оценки технического состояния маслонаполненного трансформаторного оборудования и выбора воздействий по поддержанию его работоспособности, доступны в учебном процессе подготовки магистров направления «Электроэнергетические системы и сети» по дисциплине «Эксплуатация электрических сетей».