WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

 

На правах рукописи

Давиденко Ирина Васильевна

РАЗРАБОТКА  СИСТЕМЫ  МНОГОАСПЕКТНОЙ ОЦЕНКИ  ТЕХНИЧЕСКОГО СОСТОЯНИЯ И ОБСЛУЖИВАНИЯ ВЫСОКОВОЛЬТНОГО МАСЛОНАПОЛНЕННОГО ЭЛЕКТРООБОРУДОВАНИЯ

Специальность 05.14.12 - Техника высоких напряжений

АВТОРЕФЕРАТ

диссертации на соискание ученой  степени

доктора  технических наук

Екатеринбург – 2009

Работа выполнена в Государственном образовательном учреждение высшего профессионального образования “ Уральский государственный технический университет -УПИ имени первого Президента России Б.Н. Ельцина”.

Научный консультант:        доктор технических наук, профессор,

  Пластун Анатолий Трофимович

Официальные оппоненты:  доктор технических наук, профессор

Овсянников Александр Георгиевич

доктор технических наук 

Алпатов Михаил Евгеньевич

доктор технических наук, профессор

Васин  Владислав Петрович

Ведущая организация: Московский завод “Изолятор” имени А. Баркова, г. Москва.

Защита диссертации состоится 12 ноября 2009 г. в 10 час. 00 мин. на заседании диссертационного совета Д 212.173.01 при Новосибирском государственном техническом университете по адресу: 630092, г. Новосибирск, пр. К. Маркса, д. 20

С диссертацией можно ознакомиться в библиотеке Новосибирского государственного технического университета.

Автореферат разослан  «____»  ____________2009 года.

Ученый секретарь

диссертационного совета Тимофеев И.П.

  ОБЩАЯ  ХАРАКТЕРИСТИКА  РАБОТЫ

Актуальность темы. В настоящее время возросли требования к эффективности,  оперативности  управления и  организации процесса эксплуатации электрооборудования, что особенно остро чувствуется во время реформирования отрасли. В условиях конкуренции между энергокомпаниями становится более востребованной экономическая оценка тактики эксплуатации.

  Растет понимание экономической целесообразности качественной технической диагностики по следующим причинам: более половины парка маслонаполненного оборудования выработало расчетный ресурс и темпы старения выше темпов обновления парка; вследствие, экономии средств на техническое обслуживание (ТО) и перехода на ремонты по техническому состоянию.

Актуальность данного исследования обусловлена тем, что совершенствование критериев диагностики и методов анализа диагностической информации повышает объективность оценки технического состояния высоковольтного маслонаполненного оборудования, и, следовательно, позволяет планировать и своевременно проводить необходимые операции технического обслуживания и ремонта, что делает надежнее эксплуатацию электрооборудования,  продлевает ресурс его работы, экономит средства, снижает риски ущербов.

В условиях реформирования отрасли обостряется дефицит высоко-квалифицированных специалистов из-за: распыления кадровых ресурсов по новым организационным структурам; нарушения системы повышения квалификации персонала; разрыва в передаче опыта между поколениями.

  Таким образом, создание информационных аналитических систем (ИАС), осуществляющих достоверную, многоаспектную оценку технико-экономического состояния оборудования с использованием новых методов и критериев оценки, которые повышают оперативность и качество организации ТО оборудования и способствуют обучению персонала, является актуальной задачей.

  В диссертации развиты критерии диагностики характеристик жидкой изоляции, так как общепризнанно, что ее параметры содержат до 60% информации о состоянии маслонаполненного оборудования. Большой вклад в диагностику оборудования  по состоянию трансформаторного масла внесли отечественные ученые Липштейн Р.А., Сви П.М., Бида Е.М., Соколов В.В.  Активные исследования в этом направлении продолжили Аракелян В.Г., Бережной В.Н., Васин В.П., Гречко О.Н., Курбатова А.Ф., Калачева Н.И.., Колушев Д.Н., Туркот В.А., Шуварин Д.В. 

  Автор благодарит за информацию о повреждаемости оборудования и богатый практический опыт диагностики, которыми с ним поделились эксперты:  Комаров В.И. (Свердловэнерго), Тихонов А.А. (Красноярскэнерго), Осотов В.Н., Константинов А.Г. (Свердловэнергоремонт), Устинов В.Н., Кокуркин Б.П. (завод Мосизолятор), Храмцов Н.Г. (Когалымские ЭС).

Цель работы.  Совершенствование системы диагностики маслонаполненного электрооборудования высокого напряжения путем создания новых методов и критериев многоаспектной оценки его технического состояния для информационно-аналитической системы, которая позволит обеспечить максимально возможное, экономически оправданное продление срока службы электрооборудования. 

Достижение поставленной цели связывается в диссертации с решением следующих задач:

  1. Улучшить методическую базу  ИАС  диагностики, в том числе:

  • определить требования к ИАС в электроэнергетике по обязательному информационному содержанию, а также необходимому и достаточному перечню выполняемых функций;
  • разработать корпоративную ИАС на структурно-функциональном и информационном уровнях  с учетом выявленной специфики предметной области, база данных которой будет содержать информацию для выполнения многоаспектного технико-экономического анализа маслонаполненного оборудования.
  • предложить единую методологию сбора, обмена, обработки и анализа информации о техническом состоянии оборудования, проводимых эксплуатационных мероприятиях и ремонтах во всех структурных подразделениях корпорации;

2. Обобщить  и формализовать знания по оценке ТО маслонаполненного оборудования следующим образом:

  • разработать логико-математические модели (ЛММ), наиболее полно описывающие техническое состояние объекта и динамику его изменения,  а также влияющие на него факторы в пространстве диагностических признаков с учетом особенностей выбранных видов контроля и видов маслонаполненного оборудования. Логико-математические модели должны обеспечивать интеграцию разнородной информации, ее ‘помехозащищенность’, служить основой для формализации знаний и распознавания класса технического состояния;
  • предложить модель базы знаний (БЗ) для многоаспектной оценки технического состояния маслонаполненного оборудования с учетом выявленной специфики предметной области, осуществляющую вывод решения по оптимальному пути, работающую устойчиво, надежно и выполняющую следующие задачи:

- диагностику по выбранным параметрам контроля технического состояния,

- составление рекомендаций по дальнейшим эксплуатационным мероприятиям,

- обучение персонала и объяснение принятых решений.

3. Расширить и улучшить нормативную базу системы диагностики, в том числе:

  • определить необходимый набор контролируемых параметров для диагностики каждого вида маслонаполненного оборудования в соответствии с современным отечественным и зарубежным опытом эксплуатации;
  • разработать методику получения допустимых и предельно-допустимых значений (ДЗ и ПДЗ) контролируемых параметров и их трендов на основе массива наблюдаемых данных, адаптированную к задачам энергетической отрасли;
  • найти механизм определения факторов, влияющих на ДЗ и ПДЗ контролируемых параметров и их тренды, а также оценки значимости этого влияния для рас-смотрения целесообразности дифференцирования регламентируемых значений;
  • провести исследование многолетних данных эксплуатации по контролю трансформаторного масла с целью определения влияющих на него факторов и оценки степени их влияния;
  • исследовать статистику повреждаемости маслонаполненного оборудования с целью выделения характерных периодов и определения присущих им  потоков повреждаемости;
  • определить значения ДЗ и ПДЗ контролируемых параметров масла, а также их трендов для каждой из групп оборудования согласно найденным факторам влияния и периодам повреждаемости;

4. Предложить новые методы анализа диагностической информации и методики получения критериев диагностики:

  • разработать методику  многоаспектной диагностики для вывода общего решения о состоянии оборудования по совокупности оценок состояния объекта на основании разных видов контроля;
  • предложить модель описания технического состояния объекта по результатам анализа семи газов, растворенных в трансформаторном масле, в виде графического образа, позволяющую выделить область исправного состояния, а также алгоритм идентификации вида дефекта по этой модели с учетом  особенностей  каждого вида высоковольтного маслонаполненного оборудования;
  • разработать методики синтеза описания классов состояния объекта на основе статистики фактов повреждений оборудования и результатов анализа растворенных газов  (АРГ) путем использования характерного набора газов, превышающих регламентируемые значения, и характерных соотношений пар газов, а также в виде графической модели;
  • получить критерии распознавания классов технического состояния высоковольт-ных вводов и измерительных трансформаторов на основе результатов АРГ.

  5. Предложить критерии оценки технико-экономических показателей парка оборудования:

  • разработать методику планирования технического обслуживания и ремонта (ТОиР), а также замены высоковольтного маслонаполненного оборудования путем его ранжирования с учетом оценок технического состояния с помощью ИАС, риска отказа  и оценки  эксплуатационных затрат;
  • предложить процедуры анализа структуры эксплуатационных затрат с целью их минимизации и выбора наиболее выгодных вариантов инвестирования;

разработать методику анализа причин повреждаемости оборудования на основании актов расследования отказов, описаний ремонтов.

6. Реализовать ИАС, включая все ее подсистемы, методики и  алгоритмы  на языке программирования; выработать наиболее эффективную технологию внедрения, сопровождения ИАС; провести аттестацию диагностических возможностей ИАС и анализ эффекта ее использования в энергокомпаниях.

  Предмет исследования – высоковольтное маслонаполненное электрооборудование. В качестве объекта исследований в данной работе выбраны следующие виды маслонаполненного оборудования высокого напряжения: силовые трансформаторы, вводы, трансформаторы тока и напряжения.

  Методы исследования - теория распознавания образов, интегральное исчисление, реляционное исчисление, предикатная логика, нейронные сети, теория вероятности, методы математической статистики, дисперсионный анализ.

Научная  новизна  и  положения,  выносимые  на  защиту.  Установлено:

  1. модель базы знаний должна быть построена в виде иерархической структуры модулей, имитирующих в процессе вывода решения операции логики мышления человека по оценке технического состояния объекта и планированию действий персонала. Модули специализированны на следующих функциях: построении и трансформации пространств диагностических признаков, распознавании технического состояния и выработке рекомендаций по ТОиР оборудования. Выбор необходимых модулей, реализующих  стратегию решения, должен осуществляться самой моделью, а алгоритм принятия решения для вывода общего заключения о состоянии оборудования должен основываться на совокупности оценок состояния объекта, полученных с помощью разных видов контроля;

  2. диагностика технического состояния маслонаполненного оборудования высокого напряжения на основе ДЗ и ПДЗ контролируемых параметров и их трендов обеспечивает достоверность оценки только при учете степени воздействия факторов на значения контролируемых параметров и значений потоков повреждаемости оборудования, соотнесенных со сроком его эксплуатации.

  3. Усовершенствованы  критерии оценки состояния жидкой изоляции маслонаполненного высоковольтного оборудования по результатам АРГ и физико-химического анализа (ФХА) масла, а также их трендов для силовых трансформаторов, высоковольтных вводов, трансформаторов тока и напряжения с учетом их конструктивных особенностей, срока эксплуатации и уровня повреждаемости.

  4.Предложена графическая модель описания технического состояния маслонаполненного оборудования в виде лепестковой диаграммы, построенной по результатам семи растворенных в масле газов, которая позволяет выделить область исправного состояния и показать динамику изменения состояния объекта.

5. Разработан алгоритм распознавания состояния оборудования, отличающийся:

- учетом специфики каждого вида маслонаполненного оборудования путем трансформации образов типовых дефектов принимая во внимание конструктивные особенности объекта, учетом информативности признаков описания дефектов, вероятности  возникновения и опасности дефектов;

- снижением неоднозначности и неустойчивости распознавания посредством  оценки значений меры близости групп дефектов одинакового характера.

  6. Созданы три методики синтеза описания классов состояния объекта на основе статистики фактов повреждений оборудования и результатов АРГ путем анализа  характерного набора газов, превышающих ДЗ, характерных соотношений пар газов, а также в виде графической модели.

7. С помощью предложенных методик получены критерии распознавания:

- десяти классов технического состояния высоковольтных вводов по характерным наборам газов, превышающих ДЗ, и характерным соотношениям пар газов;

- девяти классов технического состояния трансформаторов тока и три класса технического состояния трансформаторов напряжения по образам дефектов в виде лепестковой диаграммы.

  8. Предложена методика планирования необходимых операций ТОиР и приоритетов их выполнения на основе трех интегральных показателей, учитывающих оценки технического состояния, риска ущербов, стоимость эксплуатации оборудования. В методике использовано пять категорий ТО, определенных с учетом соотношения категорий в условиях эксплуатации.

Практическая ценность результатов работы и ее внедрение. Разрабатываемая автором с 1989 г. ИАС многоаспектной оценки технического состояния высоковольтного маслонаполненного оборудования ЭДИС «Альбатрос в настоящее время эксплуатируется в 65 филиалах 28 энергосистем, 19 филиалах 5 МЭС, 10 электрических станциях, 8 заводах в России, а также на 8 предприятиях за рубежом – в Молдавии, Украине, Латвии (всего более 110 предприятий, 200 рабочих мест).  На всех предприятиях МЭС Урала, МЭС Сибири, Тюменьэнерго, Татэнерго, МРСК Центра и Поволжья, ДРСК система ЭДИС «Альбатрос» эксплуатируется как корпоративная, автоматизируя процессы сбора и анализа информации с мест, по 2-3-х уровневой схеме вертикали управления организацией техническим обслуживанием. ИАС ЭДИС «Альбатрос» позволяет построить систему автоматизированной организации ТОиР на основе раннего выявления повреждений и достаточно точной их идентификации.

  Разработанные автором  общие требования к ИАС, которыми должны быть оснащены службы диагностики ОАО «ФСК ЕЭС»” вошли в “Концепцию диагностики электротехнического оборудования подстанций и линий электропередачи электрических сетей ОАО «ФСК ЕЭС»”, которая должна быть реализована до  2012 г.

  Спроектированное хранилище данных диагностической информации по маслонаполненному оборудованию используется в автоматизированной системе управления ТОиР оборудования ОАО «ФСК ЕЭС».

Накопленный в БД десятка энергосистем, использующих ЭДИС «Альбатрос», массив результатов ФХА масла, а также предложенная автором методика получения ДЗ и ПДЗ контролируемых параметров использована при разработке нормативных требований к трансформаторным маслам при пересмотре РД ЭО 0444-2003.

  Критерии обнаружения повреждения на основании АРГ в трансформаторах тока различного типа использовались в 2006г. в ОАО «ФСК ЕЭС» при формировании целевой программы замены трансформаторов тока 110-750 кВ по техническому состоянию.

Ряд МРСК (Центра и Поволжья, ДРСК и др.) включили в стандарты предприятий критерии оценки результатов АРГ силовых трансформаторов 35 кВ, измерительных трансформаторов 110-220кВ и высоковольтных вводов 110-220кВ, а также критерии оценки физико-химического анализа масла, полученные автором. В стандартах предприятий при назначении периодичности профилактического контроля учитываются характерные периоды повреждаемости маслонаполненного оборудования, определенные автором.

Специалисты управлений Тюменьэнерго, ДРСК, МРСК Центра и Приволжья используют предложенную методику анализа причин повреждаемости маслонаполненного оборудования. 

Успешная работа по разработке и внедрению системы отмечена в 2002 г. золотой медалью “Уральских выставок” и  в 2008 г. Дипломом лауреата премии “За обустройство Земли Российской”. 

  На основе материалов, содержащихся в диссертации, подготовлен курс “Системы диагностирования высоковольтного маслонаполненного оборудования”, который читается, в течение последних 5 лет на курсах повышения квалификации работников энергосистем (г.г. Екатеринбург, Набережные-Челны, Новосибирск, Казань, Сургут, Челябинск).

  Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на: всероссийской конференции «Новые  информационные  технологии в исследовании дискретных структур» (Екатеринбург, 1996); научно-практических семинарах Минэнерго «Методы и средства оценки  состояния энергетического оборудования» (С-Петербург, 1997-2008); всесоюзной научно-практической конференции «Диагностика и эксплуатация энергетического оборудования» (Москва, 1998); международном симпозиуме «Состояние, основные направления развития производства, повышение технического уровня и надежности обслуживания трансформаторного оборудования» (Украина, Запорожье, 1998); International Conference of Electrical Insulation - ICEI (Санкт-Петербург, 1999, 2002); научно-техническом семинаре «Современные методы и средства оценки технического состояния и продления сроков эксплуатации высоковольтного оборудования энергосистем» РАО ЕС (Москва, 2001, 2003); всероссийском электротехническом конгрессе с международным участием ВЭЛК-99 «Диагностика и безопасность в

электротехнике и энергетике» (Москва, 1999); международной конференции «Электромеханические и электромагнитные преобразователи энергии и управляемые электромеханические системы» EECCES-2003 (Екатеринбург, 2003); всероссийской научно-технической конференции «Энергосистема: управление, качество, конкуренция» (Екатеринбург, 2004), международном научно-техническом семинаре  «Современные  методы  оценки технического состояния и способы повышения надежности оборудования подстанций» Электроэнергетического Совета СНГ (Москва,  2004); International Conference  IEEE PowerTech-2005  (St.Petersburg, 2005); VIII, IX симпозиумах Электротехника-2010 (Москва,  2005, 2007); XI International Scientific Conference “Transformer Building-2005” (Ukraine, Zaporozhye, 2005); научно-практических конференциях по диагностике  электрических  установок  специалистов  Сибири  и  Востока (Новосибирск,  2004, 2006,  Красноярск, 2007,  Ангарск,  2008, Барнаул, 2009); International Conference on Condition Monitoring and Diagnosis - CMD 2006 (Changwon, Korea,  2006);  ISH 15-th  International Simposium on Higt Voltage Engineering (Ljubljana,  Slovenia, 2007) IVth International Scientific Symposium ELEKTROENERGETIKA-2007 (Star Lesn, Slovak Republic, 2007);  научно-практической конференции «Высоковольтные вводы – современное состояние производства, эксплуатации, диагностирования и ремонта» (Москва, 2008);  The 6-th international forum Power Engineering -2008 (Saint-Petersburg, 2008).

  Достоверность полученных результатов.  Сформулированные в диссертации выводы и рекомендации обоснованы теоретически, базируются на строго доказанных выводах и обширном статистическом материале, собранном при эксплуатации оборудования.

Достоверность полученных критериев обнаружения и идентификации дефектов, а также эффективность и полезность, выполняемых ЭДИС «Альбатрос» функций подтверждена 10 справками с мест внедрения, в которых отмечены случаи подтверждения заключений системы о техническом состоянии силовых и измерительных трансформаторов, а также высоковольтных вводов результатами ремонтов. По результатам тестирования системы экспертами АО «Свердловэнерго» в 1998 г., проведенном на 21 случае выявленных дефектов в трансформаторах, достоверность диагнозов, выдаваемых системой - 96%. В 2004 г. система прошла экспертную проверку ОРГРЭС и рекомендована для использования при оценке и комплексной диагностике электрооборудования. Полученные результаты исследования подтверждены широкой практикой использования разработанных автором методик, методов и алгоритмов для диагностики маслонаполненного оборудования, а также  многократным внедрением ЭДИС «Альбатрос» в отрасли.

  Публикации. Результаты работы опубликованы в 64 научных трудах, из них 11 входят в список изданий, рекомендованных ВАК РФ для докторских диссертаций.  Число публикаций без соавторов - 41, из них 2 патента на полезную модель, 3

свидетельства Роспатента на программу. Личный вклад автора в 20 публикациях с соавторами является определяющим, в четырех – равноправным.

Структура и объем диссертации.  Диссертационная работа выполнена на 407 страницах основного текста  и состоит из введения, шести глав, заключения, 5 приложений, списка использованных источников, который содержит 181 наименование, 61 рисунка и 76 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

  Во введении обоснованы актуальность и практическая значимость работы.

  В первой главе в результате ретроспективы отечественного опыта создания информационно-аналитических систем в энергетике использование информационных технологий (ИТ) предложено разделить на четыре уровня, соответствующих уровням их развития,  обобщения информации и полезного эффекта от их использования: создание базы данных (БД) для упорядоченного хранения информации; создание автоматизированных рабочих мест для автоматизации легко формализуемых действий персонала по оценке оперативных данных; использование систем искусственного интеллекта (ИИ) для решения тактических задач (диагностика оборудования; планирование действий персонала по дальнейшей эксплуатации этого оборудования, прогноз хода событий, обучение персонала); использование систем ИИ для решения стратегических задач (формирование политики ТОиР, в том числе уточнение критериев диагностики, планирование инвестиций, нахождение резервов для снижения издержек без потерь надежности и качества энергоснабжения и т.д.). Для каждого уровня ИТ рассмотрена необходимость его разработки и выполняемые задачи. Перечислены требования к пользователям и эффект от внедрения, присущие каждому уровню. Системы искусственного интеллекта (ИИ) применяются на третьем и четвертом уровнях ИТ.

Рассмотрены стадии разработки систем ИИ и необходимые специальности состава разработчиков. Отмечено, что для создания системы ИИ средней сложности при наличии опытного коллектива разработчиков требуется не менее 5 лет. Предложена классификация систем ИИ применительно к рассматриваемой предметной области: по типу решаемых задач; по типу информационных объектов, на которых они специализированы; по степени проработки предметной области и обработки информации; по времени реакции на изменения, происходящие в окружающей среде; по инструментальным средствам  и стадии разработки. Эта классификация используется для сравнения отечественных и зарубежных ИАС, выполняющих оценку технического состояния высоковольтного маслонаполненного электрооборудования на основании поступающих в систему значений контролируемых параметров. В таблице 1 представлен сравнительный анализ 11 систем, разработанных до  коммерческой стадии, имеющих опыт внедрения, проведенный по информации в открытой печати и в сети Internet на ноябрь 2008 г.. Как видно из таблицы 1, экспертно-

диагностическая система оценки технического состояния маслонаполненного высоковольтного электрооборудования “Альбатрос” (ЭДИС “Альбатрос”), разработчиком которой и является автор  диссертации, была создана одной из первых.

Таблица 1 - ИАС диагностики  маслонаполненного оборудования

Информационные объекты

Выполняемые задачи

Стадия разработки  и опыт работы

Название диагностической системы

Трансформаторы, реакторы

Высоковольтные вводы

Измерительные транс-ры

Выключатели

ОПН, разрядники, кабели

Диагностика

Планирование ТОиР

Интерпретация ХАРГ/ Расчет хроматограмм

Анализ повреждаемости

Справочная  система

Экономическая оценка,

ранжирование

Динамическая система

Коммерческие образцы

Опытные образцы

Начало внедрения

Количество внедрений

“Диана” Чиркова С.А.

+

+

+

+

+

+

+

+

1990

8-10

ДиаХром-2000»/ «Полихром МЭИ

+

+

+

+

/+

+

1991

100

“ЭДИС Альбатрос” УГТУ

+

+

+

+

+

+

+/

+

+

+

1991

200

“Диагностика +” ИГУ

+

+

+

+

+

+

+

+/

+

+

+

1992

20-30

«MultiTest»Владимирэнерго

+

+

+

+

+

+

+

+

1993

20-30

“Трансформатор/ Элхром” ВЭИ

+

+

/+

+

1987/

1995

3-6

“Хроматэк Аналитик/  Энергетик» ЗАО Хроматэк

+

+

+

/+

+

1995

300-400

«Диагностика СТ»

Донецкая ЭС Украина

+

+

+

1995

5-10

«ИС диагностики состояния ЭО» ЭТЛ-Сервис Украина

+

+

+

+

+

+

+

+

2000

7-9

“АС для оценки тех. состояния ЭО” ДонОГРЭС

+

+

+

+

+

+

+

+

+

2001

1

“Диагностика СТ”

ОАО Транснефтьналадка

+

+

+

+

2002

1-3

  Наибольшим арсеналом выполняемых функций обладают 4 системы: “Диагностика +”,  “ЭДИС Альбатрос”, «ИС диагностики состояния ЭО» и “Диана”, среди которых “ЭДИС Альбатрос” выделяется тем, что при решении многих задач используются не только знания открытых информационных источников, но и знания экспертов, и авторские методики. Преимущество ЭДИС «Альбатрос» подтверждается и тем, что среди перечисленных систем, пользователи отдают ей свое предпочтение, о чем свидетельствует ее широкое внедрение. Предложены критерии оценки ИАС путем сравнения информационных и аналитических возможностей, а также, качество организации стадий внедрения и сопровождения систем разработчиками.

  Таблица 2 - Аналитические возможности ИАС диагностики оборудования

Название диагностической системы

Тип

БЗ

Выполняемые задачи

Диагностика

Планирование ТОиР

Интерпретация данных

Анализ повреждаемости

Экономич. оценка, ранжирование

Заполненная БЗ

Оболочка БЗ

ХАРГ

ФХАМ

Характеристики изоляции

Опыт ХХ, ВАХ

Измерение Rом. обмоток

Измерение Z кз

Другие виды контроля

“Диагностика +” ИГУ

+

+

+

+

+

+

+

+

+

+


“ЭДИС Альбатрос” УГТУ

+

+#*

+#

+#

+#

+#

+#

+

+*

+*

+#*

+*

“Диана” автор Чирков С.А.

+

+

+

+

+

+

+

+

+


«ИС диагностики состояния ЭО» ЭТЛ-Сервис

+

+

+

+

+

+

+

+

+


  . . - Формальный подход к анализу параметров

  . . - Углубленный подход к анализу параметров, при котором:  +  - используются открытые источники;

# - используются знания экспертов;  * -используются авторские методики


 

  Одинаковые функционалы ИАС предложено сравнивать по результатам, полученным на тестовых примерах. Изложены подробные перечни критериев сравнения, составляющие четыре группы: информационная часть; аналитическая часть;  поддержка жизненного цикла  и опыт разработчиков; оценка на тестовых примерах.

Во второй  главе  разработаны  требования к информационной и аналитическим частям корпоративной ИАС для служб технической эксплуатации электрооборудования. Система разделена в соответствии с иерархией управления на 3 функциональных уровня: филиал; управление энергокомпании; департамент, отвечающий за техническое состояния оборудования. Каждый уровень обладает своими функциональными и информационными особенностями, уровнем обобщения, анализа и защищенности информации  в соответствии с существующей иерархией организации эксплуатации электрооборудования. Рассмотрены специализация выполняемых задач, требования к защищенности и потокам  движения информации, присущие каждому уровню. Установлено, что с повышением уровня ИАС растет значимость результатов ее работы для предприятия, поэтому отмечены особенности требований к персоналу, работающему с соответствующими функциональными уровнями. Разработаны требования эффективного внедрения и использования ИАС, а также, место  корпоративной ИАС в общей системе диагностики и эксплуатации оборудования.

Уточнена и расширена  терминология, используемых в диссертации основных понятий, рассматривается их взаимосвязь.  Сделан обзор более 30 видов контроля, характеризующих состояние маслонаполненного оборудования. Проводится анализ методов, используемых для диагностики маслонаполненного оборудования, с точки зрения спектра обнаруживаемых дефектов, возможности ранней диагностики и диагностирования без отключения оборудования, наличия отработанных методик диагностики. Определен набор контролируемых

параметров, необходимых для каждого вида высоковольтного маслонаполненного оборудования, который, по возможности, отражает развитие всех дефектов, определяющих ресурс работоспособности оборудования, и измеряется надежными, точными средствами измерений, которыми оснащены службы эксплуатации на местах. Оценка состояния маслонаполненного оборудования в ЭДИС «Альбатрос» строится на результатах следующих контролируемых параметров, объединенных в группы (виды контроля):

  • хроматографический анализ растворенных в  масле семи газов;
  • физико-химический анализ масла, включающий следующие параметры: реакцию водной вытяжки,  кислотное число,  пробивное напряжение, тангенс  угла диэлектрических потерь, температуру вспышки, удельное объемное сопротивление масла, содержание в масле механических примесей, воды, антиокислительной присадки, фурановых соединений,  растворимого шлама, общее газосодержание, дополнительно в эту группу включены степень  полимеризации и влагосодержание твердой изоляции;
  • диэлектрические характеристики твердой изоляции, состоящее из параметров: тангенса угла диэлектрических потерь, емкости и сопротивления изоляции, измеренных  по различным схемам с фиксацией температуры измерения;
  • измерение токов и мощности потерь холостого хода на пониженном напряжении  или характеристики намагничивания;
  • измерение сопротивления обмоток на постоянном токе;
  • измерение сопротивления короткого замыкания; 
  • контроль давления в герметичных вводах.

В итоге, для каждого вида оборудования с учетом его особенностей разработаны схемы функциональной диагностики, показывающие выявление дефектов контролируемыми параметрами с учетом их чувствительности к определенным видам дефектов и выделением диагностических параметров для планово-профилактического систематического контроля.

В третьей главе рассмотрена структурно-функциональная схема ИАС многоаспектной оценки технического состояния высоковольтного маслонаполненного оборудования, жизнеспособность которой проверена многими внедрениями.  Система состоит из следующих основных частей:

  • база данных, которая выполняет  структурированное хранение, обработку и защиту паспортной, оперативной и справочной информации, а также организует обмен данными между иерархическими уровнями корпорации;
  • подсистема  подготовки и верификации информации, которая готовит оперативные данные к анализу (проводит расчет трендов, приведение по температуре и т.д.), тестирует на достоверность, непротиворечивость, тавтологию и полноту поступающие данные и знания, контролирует соблюдение регламента измерений;
  • база знаний (БЗ), которая дает оценку технического состояния оборудования и рекомендации по его дальнейшей эксплуатации, объясняет сделанные выводы;
  • подсистема планирования и мониторинга эксплуатационных мероприятий, которая проводит автоматическое составление и оптимизацию планов эксплуатационных мероприятий по оборудованию, а также мониторинг их выполнения;
  • подсистема анализа состава и технико-экономического состояния парка оборудования, которая осуществляет разносторонний анализ всей получаемой информации с целью выработки тактических и стратегических направлений развития эксплуатации  диагностики, в т.ч. ранжирование парка оборудования с учетом его состояния, риска от ущерба и эксплуатационных затрат;
  • подсистема анализа повреждаемости оборудования, которая проводит автоматический анализ  причин повреждаемости, расчет ее характеристик и выявляет слабые места эксплуатации;
  • подсистема получения новых знаний, которая позволяет определять регламентируемые значения контролируемых параметров, анализировать влияющие на них факторы, получать критерии  идентификации дефектов и  пр. 

  БАЗА Подсистема подготовки и

  ДАННЫХ  верификации информации

 

  Подсистема  планирования, монито-

  ринга мероприятий эксплуатации

 

  Подсистема анализа состава и  тех. 

  состояния парка оборудования  БАЗА 

 

Подсистема получения  ЗНАНИЙ

новых знаний 

 

  Подсистема анализа

  повреждаемости оборудования

Рисунок 1 - Структурная схема ИАС многоаспектной оценки технического состояния высоковольтного маслонаполненного оборудования

 

В диссертации приведена структурно-функциональная схема ЭДИС «Альбатрос», построенная с учетом выявленной специфики предметной области и перечня необходимых функций. Схема содержит 51 функциональный блок, на ней показаны  направления взаимодействия в рамках подсистем и между ними.

Формализация описания технического состояния высоковольтного маслонаполненного оборудования, динамики его изменения, влияющих на него факторов (в том числе проводимых эксплуатационных мероприятий) предложена в виде логико-математических моделей (ЛММ).  Логико-математическая модель

состоит из концептуальной и функциональной части. Функциональная часть строит вектор, описывающий состояние объекта в пространстве диагностических признаков, структура которого задается концептуальной частью. Концептуальная часть ЛММ, используемая для распознавания технического состояния  (ЛММр), имеет вид: 

GDJY=( Kn,  Pn, Vn,  Se,  Hz, Um,  Lb, Ti),

  где  J- вид контроля; Y- вид маслонаполненного оборудования;  n - количество измеряемых  параметров;

Kn - группа  признаков, характеризующая отклонение параметра от  ДЗ и ПДЗ  по абсолютной величине;

Рn - группа диагностических признаков, характеризующая меру изменения параметра по отношению к  базовому замеру  объекта;

Vn - группа диагностических признаков, характеризующая динамику изменения параметра по отношению к  предыдущему замеру;

Se - группа диагностических признаков, характеризующая соблюдение соотношений между параметрами одного вида контроля, e - количество  рассматриваемых соотношений признаков;

  Hz - переменные, которые характеризуют происходящие в объекте процессы (предыстория),  z - количество  рассматриваемых переменных;

  Um - переменные, описывающие события, которые могли повлиять на состояние объекта (эксплуатационные мероприятия, внешние воздействия), m - количество учитываемых факторов;

  Lb - переменные, описывающие особенности измерения (метод измерения, точность прибора), которые могли повлиять на  результаты измерений, b - количество учитываемых особенностей измерения;

  Ti - переменные,  характеризующие конструктивные особенности объекта  и срок его эксплуатации, i- количество учитываемых конструктивных особенностей.

  Концептуальная часть ЛММ, используемая для планирования действий персонала (ЛММП), имеет вид: 

GRJY=( D, Hm, Ti, Cq, Ak, Uz ),

где D  - класс состояния оборудования, распознанный базой знаний;

  Hz - переменные,  характеризующие происходящие в объекте процессы (предыстория), z - количество  рассматриваемых переменных;

  Ti - переменные, характеризующие паспортные характеристики и срок службы оборудования, i - количество учитываемых конструктивных  особенностей;

Cq  - переменные, описывающие действия персонала при контроле  состояния оборудования, q - количество рассматриваемых видов контроля;

Ak - переменные, описывающие действия персонала, проводимые на оборудовании  при его ремонте, k - количество операций по ремонту;

Um - переменные, описывающие внешние факторы, влияющие на оборудование,  в т.ч. режим его эксплуатации, m - количество учитываемых факторов.

Для каждого вида контроля разработана своя ЛММ, описывающая состояние объекта (его системы) в пространстве диагностических  признаков с разных точек зрения: электрической,  магнитной, химической и т.д.  Построение пространства диагностических признаков одного и того же вида контроля для разных видов оборудования имеет свои особенности.

  В левой колонке таблицы 3 приведены названия операций мышления в терминологии раздела логики философии, которые соответствуют содержанию этапов декомпозиции анализа ситуации экспертом, а так же, соответствующие им виды преобразования пространства диагностических признаков функциональной частью ЛММ, обеспечивающие  вывод решения в условиях недостоверной и неполной информации, интеграцию разнородной информации, ее ‘помехозащищенность’.  Преобразование пространства признаков имеет свои особенности, как по видам оборудования, так и по видам контроля. Например, для характеристик изоляции силового трансформатора используется сжатие признакового пространства с 50-ти до 4-х признаков с помощью нейронной сети, а для ФХА масла проводится селекция признакового на подпространства соответствующие одинаковому характеру повреждения.

  База знаний содержит модули распознавания класса технического состояния оборудования РМ (постановки диагноза) и модули планирования мероприятий  по дальнейшей эксплуатации оборудования ПМ (выработки рекомендаций), работающие с отображениями состояния объекта в пространстве диагностических признаков, построенными соответствующими ЛММ. В таблице 3 приведены функции, выполняемые модулями РМ и ПМ и соответствующие последовательности операций этапов мышления эксперта.

Выбор необходимого модуля ЛММ,  модуля распознавания и кластера в нем осуществляется управляющими фокусирующими метазнаниями. Управляющие фокусирующие метазнания (УФМ) разделены на модули по 4 стратам: выдвижение первоначальной гипотезы, проверка ее на непротиворечивость, разработка принятой гипотезы и вывод общего заключения.  Стратегия решения осуществляется управляющими  решающими метазнаниями (УРМ) соответствующей страты, при этом активизация необходимого модуля БЗ выполняется в зависимости от решений, полученных на предыдущем этапе анализа. Модули УРМ выбирают наиболее достоверную гипотезу, дают общее заключение, устраняя синонимию и противоречия, когда результаты одного вида контроля анализируются разными методами, делают вывод общего заключения на основании диагнозов, поставленных модулями распознавания различных видов контроля.

Таблица 3 - Этапы имитации модулями БЗ операций мышления эксперта по анализу ситуации и трансформации пространств диагностических признаков

Операции мышления эксперта

Функции модулей  базы знаний

№ страты

по преобразованию пространства диагностических признаков

по оценке технического состояния

по планированию действий персонала

Поиск

формирование  векторов в пространствах диагностических признаков F1

подготовка

данных к

анализу

формирование рекомендаций по проверке достоверности измерения и проведению повторных измерений Rpl

1

Сравнение

Оценка

Селекция

разбивка исходного пространства на подпространства, коррелированные с появлением дефектов одинакового характера / свертка пространства с помощью нейронной сети F2

Обобщение

Абстракция

проекция характерных, чувствительных симптомов в подпространство меньшей размерности F3

выделение наиболее существенных признаков

Осмысление

постановка предварительного диагноза D1

составление  предварительных рекомендации по проведению  планово-профилактического  Rpl или дополнительного контроля Radd

Подтверждение, опровержение, предпочтение

проекция альтернативного пространства из признаков, наличие/отсутствие которых может опровергнуть гипотезу F4

проверка суждения на непротиворечивость D2

2

Селекция

расширение пространства дополнением признаков, композиция с  проекциями пространств разных видов контроля с учетом разрабатываемой гипотезы F5’, F5”, F5”’

выбор данных для дальнейшего анализа

составление рекомендации по дополнительному  контролю Radd  для уточнения диагноза; определение операций по ремонту Rrep

3

Осмысление,

обобщение,

(уточнение),

обоснование

уточнение характера дефекта D3

определение степени опасности дефекта D3

уточнение рекомендации Radd , Rrep с учетом опасности дефекта

локализация  дефекта D4

уточнение рекомендации  по ремонту Rrep с учетом локализации дефекта

Обобщение

формирование метапространства из проекций пространств разных видов контроля F0

подготовка данных разных видов контроля

к общему выводу

вывод общих рекомендаций Rpl , Radd , Rrep  из набора рекомендаций разных видов контроля

4

Осмысление, предпочтение

вывод общего заключения о  состоянии объекта D0

Процесс принятия решений БЗ, имитирующий операции мышления эксперта по анализу ситуации (таблица 3), представлен на рисунке 2 в виде схемы взаимодействия упомянутых выше модулей.

 

Рисунок 2 - Процесс вывода решения базой знаний ЭДИС «Альбатрос»

Предложенная организация БЗ приводит к следующим результатам: снижению размерности семантического пространства; оптимизации пути вывода решений и выбора необходимого кластера знаний; более удобной модификации БЗ и отладке ее работы; минимуму повторов, избыточности,  синонимии, снижению объема БЗ.  В качестве примера приведем следующий расчет. Рассмотрим постановку диагноза по 15 диагностическим признакам ФХА масла. Пусть применяется четыре значения признака: 0 – параметр не измерялся; 1 – параметр ниже ДЗ; 2 -  параметр выше ДЗ, но ниже ПДЗ; 3 - параметр выше ПДЗ. Число правил продукций, описывающее все возможные комбинации четырех значений  15-ти признаков, составит 415.  В предложенной модели организации БЗ постановка диагноза описывается 40 правилами продукции.

  Кроме того, БЗ разработана таким образом, что обеспечивает вывод решения в условиях недостоверной, неполной информации по недетерминированному набору параметров; учитывает историю и динамику процессов, происходящих в объекте; обеспечивает интеграцию разнородной информации, ее ‘помехозащищенность’, использует немонотонный вывод и многоаспектный анализ.

  Предложена методика  многоаспектной диагностики, использующая процедуру голосования и матрицу сценариев. Методика позволяет принять общее решение о состоянии оборудования по совокупности оценок состояния на основании разных видов контроля либо разных методик распознавания.

Приведены результаты внедрения ЭДИС “Альбатрос” и ее использования в энергокомпаниях в качестве корпоративной системы, в том числе и аттестация ее диагностических и аналитических возможностей, проведенная в Свердловэнерго, Татэнерго, МРСК «Центра и Поволжья». В 10 справках о внедрении ЭДИС “Альбатрос” отмечается регулярное подтверждение оценки технического состояния оборудования, сделанное системой, результатами ремонтов.

  Четвертая глава посвящена критериям обнаружения наличия дефекта. Рассматривается методика получения ДЗ и ПДЗ значений контролируемых параметров и их трендов на основе массива наблюдаемых данных.  В настоящее время в БД энергокомпаний  накоплены большие массивы данных контролируемых параметров оборудования за время его эксплуатации. Программная реализация методики позволяет минимизировать временные затраты этого трудоемкого процесса, а также повысить оперативность получения результатов, в соответствии с происходящими техническими и экономическими изменениями.

  Согласно методике РД 153-34.0-46.302-00, ДЗ контролируемого параметра определяется на уровне 0,9 интегральной функции распределения Fx, которая строится по относительным частотам наблюдения значений концентрации газа на интервалах одинаковой длины, причем в выборку рекомендовано включать все замеры по массиву оборудования, сделанные за последний год.  Так как зачастую относительная частота наблюдения параметра на интервале Рk  распределяется  по интервалам разбиения неравномерно, такой подход к расчету Fx приводит  к искажению результата определения ДЗ. Направление искажения зависит от характера неравномерности.  Предлагается:

-  рассматривать весь массив  измерений парка оборудования  за период его эксплуатации. Для оборудования, находящегося на учащенном контроле, рекомендуется усреднить значения за межконтрольный период;

  - проанализировать диапазон наблюдаемых значений параметра на существование его естественных ограничений с целью его сужения (например, границей чувствительности средства измерения);

- провести “ленивое” сглаживание выбросов на концах диапазона наблюдаемых значений;

- провести сглаживание данных выборок скользящими медианами, где сглаживание  идет по тройкам ранжированных значений;

- распределить данные в выборках медианным способом по максимально возможному количеству интервалов.

В рассматриваемую выборку попадают результаты многолетних измерений контролируемых параметров по всему парку работающего оборудования, в том числе и оборудования с развивающимися дефектами.

Предлагается уровень интегральной функции распределения FХ, для определения ДЗ контролируемых параметров рассчитывать как 1-/100, где

, (1)

где  N - парк трансформаторов;  t - период наблюдения повреждаемости, гг;

Ro - число  отказов; Rd - число браковок.

  Количество единиц забракованного оборудования состоит из  оборудования с быстро развивающимися дефектами или дефектами со средней и медленной скоростью развития в критической стадии (Rdo), требующими незамедлительного проведения необходимых мероприятий,  и оборудования с неопасными дефектами или дефектами со средней и медленной скоростью развития, находящимися в неопасной стадии (Rdd,). Для определения ПДЗ предлагается использовать уровень 1-o/100, где

, (2)

Таким образом, при превышении ДЗ контролируемыми параметрами оборудование может оставаться в эксплуатации, но должно подвергаться учащенному контролю, чтобы не упустить опасную стадию развития дефекта и/или необходимо использовать другой вид контроля для уточнения характера дефекта и стадии его развития. При превышении ПДЗ – необходимо принятие срочных решений и/или действий, например, вывод оборудования из работы во избежание отказа. Заметим, что для расчета и o рекомендуется учитывать повреждения, которые связаны с исследуемыми параметрами  (в нашем случае, с характеристиками масла), исключая случаи, связанные с повреждениями в цепях релейной защиты, воздействием стихийных факторов и т.д.

При расчетах ДЗ и ПДЗ параметров для  оборудования с различными сроками эксплуатации необходимо использовать соответствующие уровни Fx, так как значение уровня повреждаемости оборудования меняется в зависимости от сроков его наработки.

Для оценки влияния конструктивных особенностей оборудования и сроков его эксплуатации на ДЗ и ПДЗ параметров,  предлагается использовать дисперсионный анализ, который сводится к сравнению остаточной и факторной дисперсий по критерию Фишера-Снедекора для определенного уровня значимости. Остаточная дисперсия на каждом уровне фактора находится по выражению:

 

  ,  (3)

где – математическое ожидание i-го уровня фактора; L - количество уровней фактора;  xik – значение признака на i-ом уровне; Ki  - мощность i-го уровня фактора.

  Межгрупповая (факторная) дисперсия определяется как:

  , (4)

где – математическое ожидание всего массива данных.

Согласно критерию Фишера-Снедекора,  если  выполняется неравенство:

  ,  (5)

то фактор оказывает значимое влияние. W0,05 и W0,01 - границы правой критической области критерия для уровней значимости 0,05 и 0,01, зависящие от числа степеней свободы  факторной N-L (N – мощность всего массива данных) и остаточной дисперсий  L-1.

  При расчете регламентируемых значений параметров для национальных, региональных, корпоративных стандартов возникает вопрос о возможности объединений массивов данных различных предприятий, так как в большинстве случаев массивы не однородны. Неоднородность  массивов данных  может быть вызвана: разными по сроку эксплуатации составом и конструктивными особенностями парка оборудования; влиянием климатической зоны и особенностей режимов работы; разной загруженностью оборудования (энергосистемы, обслуживающие сельскохозяйственные предприятия либо предприятия тяжелой промышленности); различием применяемых технологий, методов и средств измерений; разным уровнем организации  и квалификации персонала; различиями в подходах к эксплуатации оборудования.

При делении массива данных на выборки согласно найденным факторам влияния и периодам повреждаемости, их неоднородность уменьшается. Выборки разных предприятий с одинаковыми уровнями факторов влияния проверяются на однородность по  следующему критерию:  если  Zнабл < Zкр,, то сравниваемые выборки данных можно считать однородными, а следовательно, их можно объединить. Наблюдаемое значение критерия рассчитывается по выражению:

,  (6)

где и - средние значения выборок;  D1(x1)  и D2(x2) - дисперсии выборок;

  N1  и N2 – объемы выборок.

Значение критической точки Zкр определяем, используя функцию Лапласа: 

,  (7)

где – уровень значимости (как правило, используются значения 0,05 или 0,01)

  Если выборки не однородны, то ДЗ и ПДЗ в целом по корпорации (отрасли) рассчитываются по ДЗ и ПДЗ, полученным по неоднородным выборкам с учетом их веса:

  , (8)

где ХДЗi  - ДЗ исследуемого параметра для i-го объединения однородных выборок;  Ni - мощность i-ой объединенной выборки; L - количество объединенных выборок.

  На данных результатов АРГ и ФХА масла предприятий ДРСК Востока, Тюменьэнерго, Татаэнерго, Красноярскэнерго, Липецкэнерго, Кубаньэнерго, Свердловэнерго, Коминэнерго, Алтайэнерго и др. были определены факторы, оказывающие значимое влияние на значения этих параметров и их тренды. 

В результате, были сделаны выводы о целесообразности дифференцировать:

1.ДЗ и ПДЗ результатов АРГ по следующим факторам:

  • для силовых трансформаторов по: герметичности конструкции; маркам масла; сроку эксплуатации (до 3 , 3-15, 15-27, 27-37, свыше 37 лет); классу напряжения (35, 110, 220-500, 750, 1150кВ); типу РПН (РС и остальные);
  • для высоковольтных вводов по: герметичности конструкции; классу напряжения (110, 220-330, 500-750, 1150кВ); сроку эксплуатации (до 9 , 9-22, 22-32, свыше 32 лет);  маркам масла; виду назначения (вводы трансформаторов и выключателей);
  • для ТН по: марке масла; сроку эксплуатации (до 3 лет, 3-18 лет, 18-30 лет, свыше 30 лет);
  • для трансформаторов тока (ТТ) типа ТФЗМ по: классу напряжения (110, 220-500 кВ); сроку эксплуатации (до 3 лет, 3-12 лет, 12-20 лет, 20-29 лет, старше 29 лет); марке масла;
  • для ТТ с конденсаторным типом изоляции по: герметичности конструкции;  марке масла; сроку эксплуатации  (до 3 лет, 3-12 лет, 12-20 лет, свыше 20 лет).

Марки масла были поделены согласно особенностям структурно-группового состава и технологии изготовления на 3 группы: первая - ГК, ВГ, АГК; вторая -  ТКп; третья - остальные марки.

2.ДЗ и ПДЗ относительных скоростей роста концентраций газов по следующим факторам:

  • для силовых трансформаторов: по сроку эксплуатации  (до 3 лет, 3-15 лет, 15-37 лет, свыше 37 лет); герметичности конструкции; марке масла (для марки ТКп  по CO  и СН4,  для марки ГК  по Н2, СН4, С2Н4, С2Н6 для трансформаторов со сроком эксплуатации до 10 лет); виду газа на три группы: (C2H2, C2H6 - первая, С2Н4,СН4, Н2 - вторая, СО, СО2 - третья);

для высоковольтных вводов: по герметичности конструкции  для Н2,С2H4, CH4; сроку эксплуатации  (до 9 лет, 9-22 лет, свыше 22 лет); марке масла для H2, CH4, CO; классу напряжения для Н2, СН4, С2H4, C2H6;

    • для трансформаторов напряжения (ТН): по сроку эксплуатации (до 3 лет, 3-18 лет, 18-30 лет, свыше 30 лет для C2H4, CO, CO2); марке масла для Н2, C2H4, CO, CO2;
    • для ТТ типа ТФЗМ: по классу напряжения (110 и 220-500 кВ); сроку эксплуатации (до 3 лет, 3-17 лет, 17-29 лет, свыше 29 лет для всех газов кроме С2Н2);  марке масла для Н2, C2H6, CO, CO2;
    • для ТТ с конденсаторным типом изоляции: по герметичности конструкции; сроку эксплуатации  (до 3 лет, 3-12 лет, 12-20 лет,  свыше 20 лет для C2H4, CO, CO2); марке масла для Н2, C2H4, CO, CO2. 

3.ДЗ и ПДЗ параметров ФХА масла по следующим факторам:

  • для кислотного числа и реакции водной вытяжки: по видам оборудования; сроку эксплуатации; герметичности конструкций; марке масла (кроме ТН);
  • для  тангенса угла диэлектрических потерь масла: по видам оборудования; сроку эксплуатации; герметичности конструкций;
  • для влагосодержания масла: по видам оборудования; сроку эксплуатации, герметичности конструкции, марке масла, классу напряжения;
  • для  пробивного напряжения масла: по герметичности конструкции; марке масла; сроку эксплуатации (кроме ТТ и ТН);

  Далее на основании изучения данных в открытой печати, а также по данным полученным автором от 4 крупных энергосистем за 8-12 лет были определены характерные для каждого вида оборудования периоды повреждаемости и соответствующие им значения уровней повреждаемости (таблица 4).

 

Таблица 4 -  Потоки повреждаемости и уровни интегральной функции распределения, используемые для определения ДЗ и ПДЗ параметров

Виды оборудования

Сроки эксплу-атации, лет

,%

Fх  для ПДЗ

,%

Fх  для ДЗ

Силовые трансформаторы 110-500 кВ

0-3

3,46

0,9654

8,14

0,9186

3-15

1,6

0,984

3,77

0,9623

15-27

3,46

0,9654

8,14

0,9186

27-37

1,6

0,984

3,77

0,9623

Свыше 37

3,46

0,9654

8,14

0,9186

СТ 35  кВ

-

1,4

0,986

4,0

096

Высоковольтные вводы 110-500 кВ

0-9

0,3-0,5

0,997-0,995*

2,5

0,975*

9-22

0,5/1

0,995*

3,7

0,963*

22-32

0,5/1

0,995*

3,7

0,963*

Свыше 32

1

0,99

4.3

0,957*

ТН 110-500 кВ

1,5

0,985*

3,0

0,97

ТТ 110 кВ

0,5-1

0,995*

2,5

0,975*

ТТ 220-750 кВ

2,5

0,975*

5,0

0,95

*-если мощность выборки не позволяет учесть тысячные доли уровня, то значение округляется до сотых.

  На основании проведенного анализа факторов, влияющих на регламентируемые значения и повреждаемости маслонаполненного оборудования на массивах данных 10 энергосистем, содержащих 17048

результатов АРГ из высоковольтных вводов,  7805 – из ТТ, 4842 - из ТН,  65493 – из силовых трансформаторов и автотрансформаторов; 9588 результатов ФХА масла из высоковольтных вводов,  4978 – из ТТ, 2165 - из ТН,  15930 – из силовых трансформаторов и автотрансформаторов, были определены ДЗ и ПДЗ контролируемых параметров жидкой изоляции.

  Подход, при котором для отбраковки оборудования используется только одно значение, страдает формальностью и имеет повышенный риск ошибок 1-го и 2-го рода. Использование ДЗ и ПДЗ позволило разделить развивающиеся дефекты в опасной и неопасной стадии и рекомендовать соответствующие действия персоналу. ДЗ и ПДЗ  концентрации газов в масле маслонаполненного оборудования заметно отличаются в зависимости от конструкции, способа герметизации, марки масла, класса напряжения и срока эксплуатации. Если не дифференцировать ДЗ и ПДЗ по найденным факторам влияния, то при оценке технического состояния оборудования возможны ошибки как «перестраховки», так и «недосмотра». В таблице 5 приведены минимальные и максимальные ДЗ и ПДЗ относительных скоростей роста газов, разделенные согласно найденным факторам влияния, по которым видно, насколько сильно влияние конструктивных особенностей и срока службы. Очевидно, что используя критерий 10% роста скорости в месяц введенный для силовых трансформаторов, либо другой, не дифференцированный критерий, мы получали бы в одних случаях ложную отбраковку, а в других могли пропустить оборудование с повреждением.

Таблица 5 ДЗ, ПДЗ скоростей роста газов герметичных  вводов, ТТ, ТН 110-500кВ 

Значения относительных скоростей роста, %

Виды оборудования

ТН 110-500 кВ

ТТ 110 кВ

Вводы герметичные

ДЗ скорости СН4

1-3

8-20

7-17

ПДЗ скорости СН4

4-11

16-53

16-48

ДЗ скорости СО2

6-17

7-15

4-19

ПДЗ скорости СО2

20-35

12-55

12-45

  Критерий скорости важен для подтверждения наличия развивающегося дефекта и оценки степени его опасности. Применение двух уровней нормирования скоростей ДЗ и ПДЗ позволит выделить объекты с наиболее быстро развивающимися, а значит более опасными дефектами для принятия незамедлительных решений. 

Рассчитанные ДЗ и ПДЗ трендов изменения концентраций можно использовать в системах мониторинга технического состояния маслонаполненного оборудования.

Для оборудования с новыми конструктивными особенностями,  по  которому еще нет репрезентативного массива значений контролируемых параметров и, следовательно, нет возможности рассчитать пороговые значения, можно использовать ДЗ и ПДЗ  контролируемых параметров и их трендов, полученные для оборудования с близкими конструктивными особенностями.

  Исследованиями установлено следующее:

- огибающая распределения значений концентраций углеводородных газов и водорода описывается  формулой:

, (9)

где A- коэффициент, задающий форму огибающей, Q – коэффициент масштабирования, x - значение концентрации анализируемого газа;

  - огибающая  распределения значений концентраций оксидов углерода выражается формулой:

.  (10)

- в формулах функций распределения (9 и 10) с увеличением срока службы оборудования незначительно уменьшается коэффициент А. 

  Если по новому оборудованию со сроком службы t есть репрезентативный массив данных, то для получения ДЗ и ПДЗ углеводородных газов и водорода  для оборудования со сроком службы t+t можно предложить найти верхнюю границу XДЗ  (искомое ДЗ параметра) из выражения определенного интеграла:

  , (11)

где X0 –предела обнаружения концентрации газа хроматографом, объемн.%;  – значение потока повреждаемости, %. Аналогично можно вычислить ДЗ оксидов углерода по верхней границе определенного интеграла, используя формулу 10.

Пятая глава посвящена критериям идентификации вида дефекта. Предложены три  методики синтеза описаний класса технического состояния оборудования на основе фактов повреждения оборудования в эксплуатации и результатов АРГ: с помощью характерных соотношений пар газов и характерного набора газов, превышающих ДЗ, а также в виде графической модели. Методики состоят из этапов классификации статистических данных, синтеза образа дефектов и тестирования результатов. На этапе классификации (одинакового для всех методик) анализируется вся собранная совокупность фактов А={a∈R|a-факт повреждения оборудования} с целью разработки априорного словаря классов состояния ?={?1,..., ?Y} и априорного словаря признаков состояния X={x1,...,xN}. Полученные описания состояний оборудования классифицируются по областям состояний G={G1,...,GK}, которые содержат несколько классов состояния, различаемых по причинам и/или признакам проявления, но имеющих одинаковый характер протекающих в оборудовании процессов {Gk⊆?|k∈K}. Известные факты повреждений классифицируются экспертами по описаниям обнаруженных при вскрытии дефектов из актов браковок и отказов, в соответствии с разработанным словарем классов состояния {?y⊆A|y∈Y}, с отслеживанием искажений информации и внесением необходимых поправок в формулировки причины,

характера, степени развития повреждения. Каждый факт помечается набором меток, характеризующих: степень развития дефекта, его достоверность, а также отмечающих наличие сразу нескольких дефектов (метка “сочетание”). Далее делаются выборки фактов по исследуемому классу ?y состояния (дефекту), взятому из априорного словаря описания классов F?y:(ПрX={x1, xN}А)→А?y.

Суть  первой методики заключается в отборе соотношений пар газов характерных для данного вида дефекта и нахождении их значений позволяющих: определить границы перехода между классами технических состояний в пределах одной области состояний, а также обозначить границу перехода между областями, описывающими различные характеры дефектов.

  Суть второй методики состоит в определении характерного для рассматриваемого дефекта набора концентраций газов, превысивших регламентируемые для них значения, а также характерные уровня превышения этих значений.

  Для обеих методик в пределах выборки фактов по рассматриваемому дефекту для каждого анализируемого признака  определяются границы изменения его значений, рассчитывается математическое ожидание и дисперсия для всей выборки и при отбрасывании крайних значений; определяется доля высоко-достоверных фактов; ранжирование признаков и другие операции, необходимые для конкретной методики. Определение критериев идентификации проходит в несколько итераций с различными значениями меток  “развитие”, “достоверность” и “сочетание”. Например, выборка  фактов с меткой ”сочетание”=1 дает синтез образа дефекта в чистом виде, а с меткой “сочетание”=2  - образ, отражающий развитие сразу двух видов дефектов.

  Для получения критериев распознавания классов технического состояния высоковольтных вводов на основании АРГ была собрана БД из 185 случаев фактов вскрытия вводов. Затем был составлен словарь классов технического состояния маслонаполненных вводов с учетом соответствия между видами дефектов, причинами их возникновения и описанием последствий, обнаруженных после вскрытия оборудования (таблица 6). Далее собранные факты были  проанализированы совместно с экспертами,  отнесены к классам технического состояния и отмечены необходимыми метками. С использованием предложенных методик для каждого вида дефекта автором были определены характерный набор газов, концентрации которых превышают регламентированные для них значения и степень этого превышения, а также характерные отношения пар газов и их значения.  Результаты синтеза описаний классов технического состояния обеими методиками приведены в таблице 6.

  В третьей методике признаками состояния X={x1,...,xN} служат концентрации 7 газов, нормированные относительно взвешенной суммы этих газов.  Сумма газов  находится по формуле:

, (12)

где Ki – значения концентраций углеводородных газов и водорода; KCO , KCO2 – значения концентрации оксида и диоксида  углерода; m – коэффициент масштабирования, зависит от типа оборудования (например, для ТТ m=0,01).

Таблица 6 -Критерии распознавания вида дефекта, развивающегося в маслонаполненном высоковольтном вводе

Кол-во

Название класса состояния

Причины возникновения

Описание вида дефекта по факту вскрытия

Способы идентификации

Характерные газы

Характерные отношения

3

Слабые ЧР

Неровные края металлических деталей, диффузия технологических газов из остова

Не проявляются

Н2*

Н2/СН4>5

37

Сильные ЧР

Увлажнение масла (остова), наличие в нем мех. примесей, волокон бумаги, газов. Зазубрины металлических частей.

Точечные пробои в отдельных слоях бумажной изоляции. Углеродный трекинг на краях обкладок.

Н2**,  СН4*

Н2/СН4<4

CO/CO20.3

21

Слабый разряд

Смещение деталей, их плохое закрепление, вследствие чего происходит образование контуров, появление перемежающихся контактов.

Частицы углерода в месте перемежающегося контакта. Нарушенная изоляция в результате электрического воздействия.

СН4**и/или С2Н2**,  H2*, C2H6*

Н2/СН41

С2Н2/С2Н41

18

Сильный разряд

Путь блуждающего тока, или обрыв, или повреждение измерительного вывода

Цвета побежалости на металлических частях, их оплавление. Частицы углерода в масле.  Разрушение бумаги при нахождении на пути тока дуги или при  перегреве

С2Н2**, С2Н4*,H2*, C2H6*

С2Н2/С2Н41.5

С2Н4/С2Н63

5

Нагрев

Плохие контакты в верхней части ввода, ухудшение охлаждения

Изменение цвета бумажной изоляции, окисление металла.

С2Н4*, Н2*, C2H6*

С2Н4/С2Н60.8

50

Образование желтого налета

Процессы старения в трансформаторных “теплых” вводах с маслом Т-750

Налет в виде желтого мелкодисперсного осадка на фарфоровых покрышках и остове.

Н2**,  CO2*

H2/CH4>6 CO/CO2<0,3

9

Ползущий разряд

Увлажнение бумаги, или неоднородность электрического  поля, или образование осадка и его увлажнение

Науглероженные дорожки и “деревья” как на поверхности остова, так и внутри слоев бумаги

H2**, CH4*, С2H6*

C2H6/CH4>0.3 H2/CH4>6

26

Образование Х-воска

Процессы старения вводов  220 кВ выключателей и ненагруженных  трансформаторов с маслом ГК

Отложения в виде воска между слоями изоляции.

Н2**, C2H6**, CH4*, C2H2”

H2/CH4>5 С2Н4/С2Н6<0,7

6

Увлажнение  остова

Нарушение герметичности (в герметичных), старение и прямое проникновение влаги в негерметичных вводах

Вспучивание остова

С2Н2**, С2H4*, CH4*,H2”, C2H6”

С2Н2/С2Н41 Н2/СН43

13

Тепловой пробой

Увлажнение, загрязнение слоев бумаги, обрыв проводников присоединения нулевой обкладки

Изменение цвета бумажной изоляции. Ее разрушение: прогар слоев изоляции остова.

С2Н4**и/или Н2**,СH4*  C2H2”, С2Н6”

С2Н4/С2Н6>0,8 С2Н2/С2Н4>1 CO/CO2>0,2

** - газ с максимальным превышением порогового значения

* - газ со значительным превышением порогового значения

“ - газ с незначительным превышением порогового  значения

В пределах выборки рассматриваемого дефекта для каждого признака производятся следующие операции: ранжирование признака по возрастанию, определение границ диапазона значений, расчет прироста значений признака относительно предыдущего значения, сглаживание или отбрасывание крайних значений диапазона в зависимости от величины изменения признака; расчет математического ожидания и дисперсии измененной признака.

Далее производится нормировка математических ожиданий 7-ми признаков относительно их суммы. Таким образом, получается образ дефекта, соответствующий определенному классу состояния объекта, описанный в 8-мерном признаковом пространстве состояний (?y`)={x1?y,...,xN?y}.  Если синтез классов состояния производится в первый раз, то далее переходят к выборке фактов, соответствующих следующему  классу технического состояния, взятому из априорного словаря и синтезу образа следующего  дефекта ?y+1. Если образы дефектов уже существовали, то проводится тестирование  полученного образа на непротиворечивость уже имеющимся образам. Для этого проводят проверку на соответствие полученного класса состояния своей области состояний путем вычисления средней по области меры близости по среднеквадратичному критерию, взвешенному в соответствии с образами дефектов по формуле:

  ,  (13)

где  y - номер класса состояния в области состояний;  L – количество дефектов в области состояний; xi?y -  координата  нового образа, описывающего дефект, соответствующая  i-му газу; Qiy - координата  образа y-го дефекта из области состояний, соответствующая i-му газу; hjy - весовой коэффициент,  учитывающий  информативность  i-го газа  для y-го дефекта.

Весовые коэффициенты  первоначально назначаются экспертами,  исходя из характерности генерации газа для данного вида дефекта, затем уточняются с учетом значений дисперсии. При этом соблюдается условие:

  .  (14)

 

  Если синтезированный образ имеет минимальную меру близости по своей области состояния и старому образу своего класса состояния и,  кроме того, дисперсии параметров нового образа не превышают значения дисперсии, полученные при предыдущем его синтезе, то координаты и дисперсии синтезированного нового образа автоматически заносятся в библиотеку графических образов дефектов БЗ. Иначе - синтезированный образ отклоняется,  результаты сравнения выдаются эксперту для анализа. Изложенный выше алгоритм синтеза образа дефекта по результатам АРГ на основе  фактов повреждений оборудования реализован в ЭДИС «Альбатрос».

Состояние объекта на основе результатов АРГ предложено отображать в виде 8-лепестковой диаграммы (рисунок 3), где по 7 лучам откладываются значения концентраций газов, а по восьмому лучу – их сумма в абсолютных значениях S (формула 12). Значения концентраций откладываются от  окружности, показывающей границу обнаружения газов средствами измерения, которая, для удобства, принята равной 2 ppm по всем газам. Полученные при этом точки соседних радиальных лучей соединяются отрезками прямых, в

результате получается образ состояния диагностируемого объекта. Порядок расположения лучей определен таким образом, что в направлении от Н2 до С2Н2 идет нарастание силы проявления дефектов электрического характера, а в

направлении от СО до С2Н2 – термического характера.

Рисунок 3 - Лепестковые диаграммы результатов АРГ

Известные графические методы идентификации дефектов (диаграмма состава газов относительно газа с максимальной концентрацией, предложенная японскими учеными, треугольник Дюваля, прямоугольники Доренбурга, параллелепипеды Кудерка), по сравнению с предложенной моделью, используют меньшее число газов, не описывают область исправного состояния объекта и не учитывают, насколько концентрации газов превышают свои ДЗ.

  На первом этапе диагностики для выявления наличия развивающегося дефекта на лепестковой диаграмме в абсолютных значениях строятся образ состояния диагностируемого объекта по результатом АРГ и соответствующий ему образ ДЗ, зависящий от конструктивных особенностей и срока эксплуатации объекта. Если образ, описывающий диагностируемый объект выходит за пределы области, ограниченной образом ДЗ (заливка серым цветом на рисунке 3), то  предполагается наличие развивающегося дефекта. Динамику роста газов можно увидеть, расположив образы, описывающие состояния объекта по оси времени. Сравнив скорости прироста газов с их ДЗ и ПДЗ, делаем вывод о том, быстро ли  развивается дефект,  и переходим к этапу его идентификации.

  Логично предположить, что если конструктивные особенности оборудования влияют на образ его исправного состояния, то они должны влиять и на образ дефекта.  Образы дефектов хранятся в виде  относительных значений содержания газов, нормированных по взвешенной сумме концентраций семи

газов. Для того чтобы образ дефекта описывал состояние оборудования  более точно, применяется следующая процедура его трансформации. Денормируем  образы дефектов, умножив их на взвешенную сумму выбранного b-го образа исправного состояния SZb, и трансформируем образы дефектов, умножив их координаты на соответствующие коэффициенты трансформации Rib:

, (15)

где Qiy –  i-координата y-го образа дефекта в относительных единицах;

, (16)

где Zib – ДЗ концентрации i–го газа b-го образа исправного состояния в абсолютных величинах;  N  - количество образов ДЗ;  n, b- индексы образов ДЗ.

Затем снова нормируем образы дефектов по взвешенной сумме:

  (17)

где SQ*y –  взвешенная сумма концентраций газов y-го денормированного образа дефекта.

Далее трансформированные образы масштабируются таким образом, чтобы взвешенная сумма газов образа была равна взвешенной сумме газов диагностируемого объекта.

(18)

где SO –  взвешенная сумма концентраций газов  диагностируемого объекта.

Распознавание дефекта производится в геометрической трактовке путем вычисления меры близости по среднеквадратичному критерию, взвешенному в соответствии с образами дефектов по формуле:

, (19)

где xi - координата образа диагностируемого объекта, соответствующая  i-му газу и нормированная по взвешенной сумме газов;  QMiy – i-координата  масштабируемого образа y-го дефекта; hiy - весовой  коэффициент.

  Минимальное значение меры близости укажет нам на дефект в диагностируемом объекте. На заключительном этапе распознавания вводится величина, названная  “мера родства” dF, позволяющая считать меры близости Fy для различных классов типовых дефектов одинаковыми. Это решение учитывает то, что при проведении АРГ хроматографическим методом погрешность измерения может достигать 20% и более, а также то, что существует неустойчивость, неоднозначность распознавания различных

классов состояния по ряду причин: наличия более одного  дефекта; наличия некоторого “фона”, связанного с эксплуатационными причинами (доливка некачественного масла, более жесткий режим работы оборудования, плохая дегазация на заводе-изготовителе и т.д.); нахождения объекта в стадии изменения характера дефекта; нахождения объекта в стадии развития (усугубления) дефекта, т.е. в стадии перехода от одного класса состояния в другой в пределах одной области. Для определения величины “меры родства” dF для каждого класса состояния определяем меру близости Fy координат его образа от координат образов других дефектов из одной  области  состояний. Далее  из всех возможных значений меры близости одной области выбираем минимальное значение, которое и будет искомой мерой родства  dFa для области a:

 

,  (20)

где Qiy, Qiy-1 – i-координаты образов двух дефектов, принадлежащих одной области состояний,  y - номер дефекта; Ua  - общее число значений мер близости Fy, рассчитанное для одной области состояния, которое зависит от L -количества входящих в эту область классов состояния и определяется по формуле:

(21)

 

Используя необходимую величину  “меры родства” dFa, проверяем два дефекта с минимальными мерами близости, следующих за выбранным дефектом F1, могут ли они считаться “одинаково похожими” на образ диагностируемого объекта, т.е. выполняется ли равенство:

  (22)

где - мера родства для областей состояния Gk, которым принадлежат проверяемые классы состояний F2  и F3.

Далее из выбранных образов дефектов, которые считаем "одинаково похожими",  для сведения к минимуму ущерба от ошибочного распознавания дефекта, выбираем типовой  дефект  с  максимальным  коэффициентом  опасности: max(C1,C2,C3). Если после учета коэффициентов опасности неоднозначность в распознавании дефекта осталась, то из дефектов, которые считаем "одинаково похожими и одинаково опасными", выбираем дефект с  максимальным  коэффициентом  вероятности: max(P1,P2,P3).

Значения коэффициентов опасности дефектов определялись на основании экспертных оценок, а коэффициенты вероятности их возникновения рассчитывались на основании статистики повреждаемости данного вида оборудования. Предложенный способ идентификации дефектов с помощью новой графической модели обладает более широкими возможностями по точности и диапазону распознаваемых дефектов, исключает нераспознаваемые состояния объекта. Предложенная графическая интерпретация АРГ,

дополненная алгоритмом распознавания образов и методикой синтеза классов технического состояния, не уступает возможностям нейронной сети с функцией самообучения. Вместе с тем, этот альянс, позволяет эксперту без участия программиста добавлять новые образы, обладает наглядностью, задействует образное мышление человека, а значит, делает процесс анализа информации по диагностике оборудования более эффективным.

Для получения критериев распознавания класса технического состояния ТТ и ТН по результатам АРГ была собрана БД из 98 случаев фактов вскрытия. Далее был составлен словарь классов технического состояния ТТ и ТН с учетом соответствия между видами дефектов, причинами их возникновения и описанием последствий, обнаруженных после вскрытия оборудования. Затем собранные факты были  проанализированы совместно с экспертами, отнесены к классам технического состояния и отмечены необходимыми метками. Используя третью методику были синтезированы 9 классов технического состояния для ТТ и 3 для ТН в виде графических образов, приведенных на рисунках 4-12 для ТТ и 13-15 для ТН. 

 

Рисунок 4 - ЧР низкой энергии, старение

Рисунок 5 - ЧР высокой энергии, и низкотемпературный нагрев Рисунок 6 - ЧР и низкотемпературный нагрев (Х-воск)

Рисунок 7 - ЧР высокой энергии.

Рисунок 8 - Тепловой пробой изоляции

Рисунок 9 - ЧР низкой энергии и высокотемпературный нагрев

Рисунок 10 - Ионизационный пробой изоляции

Рисунок 11 - ЧР высокой энергии и высокотемпературный нагрев

Рисунок 12 - Сильный разряд (дуга)

Рисунок 13 - Сильные разряды и высокотемпературный нагрев

Рисунок 14 - Высокотемпературный нагрев, старение изоляционных материалов

Рисунок 15 - Высокотемпературный нагрев в результате феррорезонанса

  Решение о выводе оборудования из работы должно приниматься на основании определения вида повреждения по результатам АРГ и подтверждения поставленного диагноза, по крайней  мере, еще одним видом контроля.  В главе приведены дополнительные диагностические параметры, необходимые для уточнения причины и вида повреждения в зависимости от характера развивающегося дефекта.  Многоаспектная идентификация дефекта на основании нескольких видов контроля позволяет диагностировать состояние объекта с большей достоверностью.  АРГ вводов, ТТ и ТН позволяет выявить дефект на ранней стадии его развития, своевременно поставить объект на контроль и провести необходимые дополнительные измерения, что предупреждает серьезные необратимые повреждения самого диагностируемого объекта  и связанного с ним оборудования. Предложенные методики и способы идентификации дефектов могут использоваться для диагностики других видов маслонаполненного оборудования.

В шестой главе предложены методики для специалистов, занимающихся подготовкой и обоснованием управленческих решений в области инвестиций, политики ТО, включая диагностику и ремонты,  кадровую политику и т.д.

  Предложена методика планирования работ ТОиР с обозначением приоритетов выполнения на основе трех интегральных показателей, учитывающих оценку технического состояния, риски ущербов при отказе и стоимость эксплуатации оборудования.

  По каждой единице оборудования подсчитывается интегральный показатель технического состояния объекта по формуле:

                       

, (23) 

где di –показатель опасности диагноза по i-му виду контроля, учитывающий скорость развития и тяжесть последствия дефекта (снижение срока службы или катастрофический отказ); ri – показатель весомости рекомендации по i-му виду контроля, учитывающий трудоемкость операции ТО и ее категорию (дополнительный контроль без/с отключением оборудования,  ремонт/замена узла или всего объекта); hJ– весовой коэффициент для учета важности диагноза для оборудования J-го  вида;  gJ– весовой коэффициент для учета важности рекомендации для оборудования J-го  вида; I – количество видов контроля, участвующих в оценке технического состояния единицы оборудования.

Значения используемых в формуле переменных (ci, ri, hJ, gJ) определены путем экспертного оценивания. Далее оборудование с одинаковым значением показателя технического состояния ранжируется с использованием значений потоков повреждаемости и сроков наработки на отказ. При этом учитывается вид маслонаполненного оборудования, срок его эксплуатации и завод-изготовитель. Необходимые для ранжирования показатели берутся из библиотеки критериев оценки повреждаемости ЭДИС «Альбатрос».

Показатель рисков ущербов при отказе объекта рассчитывается по формуле, где величина риска определяется как произведение величины нежелательного события (ущерба) на вероятность его наступления:

, (24)

где pi - вероятность возникновения опасного события i-го класса; ci - величина ущерба при i-ом событии;  ki –  масштабирующий коэффициент; N - количество возможных опасных событий.

Для оценки вероятности возникновения событий использовались данные статистики, подбор аналогии и мнение экспертов.  Коэффициент k введен, чтобы уравнять вес рисков, посчитанный в реальных единицах с рисками, оцененными экспертами по шкале от 1 до 10.

  Показатель, учитывающий на сколько затратно ТО объекта, определяется как:

  , (25)

  где CL – ежегодные затраты на проведение операций ТО объекта;  CJL – ежегодные удельные затраты на проведение ТО по J–й группе однотипного оборудования со сроком эксплуатации L, которые рассчитываются по  формуле: 

 

, (26)

  где cJ – затраты на проведение одной операции ТО для J–й группы оборудования; TL – срок, за который суммируются затраты на ТО, в годах; N – количество единиц в группе. 

  Значения CL, CJL могут рассчитываться как в денежном выражении, так и в единицах трудоемкости. Показатель CJL, по желанию аналитика, может быть выбран по филиалу, корпорации, региону и т.д. 

Далее в системе координат, показанной на рисунке 16, по рассчитанным показателям  технического состояния k и оценки риска r определяется положение каждой единицы оборудования. Если оно попадает в пятую зону, то это означает замену оборудования, если в четвертую зону, то капитальный ремонт, в третью зону – средний и текущий ремонт, во вторую зону - вывод из работы для обследова-ния, в первую зону – учащенный контроль. Далее объекты, попав-шие в одну зону, ранжируются, согласно рассчитанным коэффици-ентам затрат на ТО по объектам S, чтобы минимизировать затраты по объектам, ждущим очереди на ТО.

Рисунок 16 Ранжирование парка оборудования

в зависимости от оценок его технического  состояния и риска  отказа

Затем, по каждому объекту сравнивается код категории ТО, обозначенный рекомендациями ЭДИС и полученный по координатам k и r (рисунок 16).  Базой знаний системы назначается дополнительный контроль, либо операции текущего и среднего ремонта объекта, либо их замена, в зависимости от характера и опасности технического состояния объекта, с учетом его возраста и ранее проведенных эксплуатационных мероприятий. Замена назначается, если невозможно восстановление свойств материалов, функционирования систем, узлов оборудования или это экономически нецелесообразно. Если категория ТО объекта с учетом риска - ремонт, а категория  ТО, определенная БЗ – замена, то оборудование перемещается из IV категории в конец списка V (на замену).

  Заметим, что категории ТО на рисунке 16 имеют разную площадь, соответствующую процентному соотношению категорий ТО в реальных условиях эксплуатации оборудования. В пределах одной категории процедуры

используются ранжирование очередности ТО в зависимости не только от показателей технического состояния и риска ущерба, но и от показателя затратности обслуживания.

Разработанная методика имеет следующие преимущества: объективная автоматизированная оценка технического состояния, проводимая БЗ, учитывающая все возможные факторы; расчет затрат на ТО, учет ремонтопригодности и экономической целесообразности ремонтов; расчет рисков с учетом большого количества взаимосвязанных факторов; и главное - взаимоувязанный анализ  всего выше перечисленного.

Предложены процедуры анализа эксплуатационных затрат с целью их минимизации и определения направлений инвестиций: путем сравнения структуры затрат со средними значениями по предприятию (отрасли), учета динамики и причин ее изменения; путем сравнения экономической эффективности и доходности вариантов денежных вложений с учетом размера инвестируемого сектора в структуре затрат и доли парка оборудования. Выбор объектов в список инвестиций рекомендовано выбирать с максимальными показателями s стоимости и трудоемкости ТОиР и максимальной долей затрат на его эксплуатацию от первоначальной стоимости, соотнесенными со сроком службы. Для  принятия решения, следует ли инвестировать ремонт трансформатора или его замену,  предложено принимать во внимание разницу затрат и прогнозируемую длительность наработки до отказа обоих вариантов. При выборе поставщика кроме стоимости самого оборудования предложено учитывать расходы на ТОиР и длительность наработки до повреждения. У равных вариантов можно сравнить ремонтопригодность и диагностируемость оборудования.

  Разработана методика анализа повреждаемости (браковок и отказов) маслонаполненного оборудования высокого напряжения на основе исследования характеристик объектов, характеристик повреждений и их последствий, характеристик воздействующих факторов и характеристик эксплуатационного и ремонтного персонала. Методика выполняется планами исследования причин повреждаемости в виде эвристик, реализованных концепцией фрейм-представлений, содержащих описательные, выполняемые и управляющие слоты. В результате, получаются отчеты анализа причин повреждаемости и тенденций ее изменения в рассматриваемой корпорации, с указанием наиболее надежных (ненадежных) поставщиков оборудования и его узлов, сильных (слабых ) позиций предприятия в вопросах организации ТОиР, а также набором рекомендаций по улучшению ситуации (например, с помощью применения эффективных методов диагностики, изменений в организации ТОиР, в том числе кадровых и т.д.). 

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

  Разработаны требования к информационной и аналитическим частям корпоративной ИАС для служб технической эксплуатации электрооборудования и критерии сравнения ИАС.

  Рассмотрен вариант организации работы системы в качестве  корпоративной с делением на 3 функциональных уровня с описанием их

функциональных и информационных особенностей и специализацией выполняемых задач.

  Предложена структурно-функциональная схема ИАС многоаспектной оценки технического состояния высоковольтного маслонаполненного оборудования, учитывающая, как особенности эксплуатации и диагностики электрооборудования, так и круг задач, решаемых эксплуатационным персоналам по всей вертикали управления, включая анализ повреждаемости, планирование и мониторинг ТОиР, получение новых знаний, анализ затрат на ТОиР, ранжирование парка оборудования с учетом его состояния, риска от ущерба отказа и эксплуатационных затрат.

Разработана формализация описания технического состояния высоковольтного маслонаполненного оборудования, динамики изменения его состояния,  влияющих на него факторов  в виде логико-математических моделей (ЛММ), как для диагностики состояния объекта, так и для выработки решений по его дальнейшей эксплуатации.

  Приведена схема трансформации признакового пространства по этапам декомпозиции анализа ситуации экспертом и решения преобразования пространства диагностических признаков, обеспечивающие  вывод решения в условиях недостоверной и неполной информации, интеграцию разнородной информации, ее ‘помехозащищенность’.

  Установлено, что модель базы знаний должна быть построена в виде иерархической структуры модулей, имитирующих в процессе вывода решения операции логики мышления человека по оценке технического состояния и планированию действий персонала. Модули специализированы на следующих функциях: построении и трансформации пространств диагностических признаков, распознавании технического состояния и выработке рекомендаций по техническому обслуживанию и ремонту (ТОиР). Выбор стратегии решения осуществляется самой моделью, а алгоритм принятия решения для многоаспектной диагностики по совокупности оценок состояния объекта на основании разных видов контроля основан на процедуре голосования и матрице сценариев.

  Разработана методика получения допустимых  и предельно-допустимых значений (ДЗ и ПДЗ) контролируемых параметров на основе массива наблюдаемых данных, адаптированная к задачам энергетической отрасли, учитывающая степень влияния факторов на значения контролируемых параметров, уровень повреждаемости  оборудования  и минимизирующая ошибки расчетов.

  На основании предложенной методики усовершенствована  нормативная база системы диагностики жидкой изоляции высоковольтного оборудования, а именно: определены факторы, влияющие на ДЗ и ПДЗ концентраций растворенных в масле газов и их трендов, а также на характеристики ФХА анализа масла, определены характерные периоды и значения потоков повреждаемости, и,  в результате, получены  ДЗ и ПДЗ для силовых, измерительных трансформаторов и высоковольтных вводов, с учетом особенностей каждого вида оборудования.

Представленная методика получения ДЗ и ПДЗ контролируемых параметров на основе массива наблюдаемых данных позволяет повысить достоверность оценки маслонаполненного оборудования. Кроме того, она вполне может быть применима как к другим  контролируемым  параметрам, так и к другим видам оборудования.

  Предложены новые методы анализа диагностической информации и методики получения критериев диагностики:

- модель описания состояния объекта по результатам АРГ в виде графического образа, предоставляющая возможность выделить область исправного состояния и показать динамику развития процессов;

- алгоритм распознавания  состояния оборудования по предложенной графической модели с учетом особенностей каждого вида маслонаполненного оборудования;

- методики синтеза описания классов состояния объекта на основе статистики фактов повреждений оборудования и результатов АРГ с применением  характерных соотношений пар газов, с помощью характерного набора газов, превышающих регламентируемые значения, а также в виде графической модели.

С помощью предложенных методик получены критерии распознавания 11-ти классов технического состояния высоковольтных вводов, 9-ти классов технического состояния ТТ и 3-х классов – ТН на основе результатов АРГ.

  Предложена методика определения необходимых видов операций ТОиР и  приоритетов их выполнения на основе трех интегральных показателей, учитывающих оценку технического состояния, риски ущербов при отказе и стоимость эксплуатации оборудования, использующая ранжирование очередности выполнения операций ТО в пределах  пяти категории ТО на основе рассчитанных показателей.

Предложены процедуры анализа эксплуатационных затрат с целью их минимизации и определения направлений инвестиций.

Разработана методика анализа повреждаемости высоковольтного маслонаполненного оборудования с применением  автоматизированного эвристического анализа ее причин. 

  Проведенный анализ повреждаемости свидетельствует о том, что периодичность контроля не должна быть одинаковой на протяжении всего срока службы оборудования, а должна учитывать выявленные характерные периоды повреждаемости маслонаполненного оборудования и соответствующие им значения потоков повреждаемости.

  Реализована ИАС (экспертно-диагностическая и информационная система «Альбатрос»), включая все ее подсистемы, методики и  алгоритмы  на языке программирования; предложена технология эффективного внедрения и использования ИАС; проведена аттестация диагностических возможностей ИАС и анализ эффекта ее использования в энергокомпаниях.

  Результатом развитой теории ИАС, диагностики и планирования ТОиР маслонаполненного оборудования было осуществление широкого внедрения

ЭДИС "Альбатрос" в энергосистемах и получение положительных результатов ее использования на практике.

Предложенные в диссертации методики, алгоритмы, способы анализа информации, получения критериев оценки технического состояния оборудования, организация структуры и функционирования ИАС и БЗ могут быть применимы для технической диагностики и организации ТОиР других видов оборудования. 

СПИСОК ОСНОВНЫХ ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ

Публикации в изданиях, рекомендованных ВАК РФ

1. Давиденко И.В., Голубев В.П., Комаров В.И., Осотов В.Н. Структура экспертно-диагностической и информационной системы оценки состояния высоковольтного оборудования // Электрические станции: ежемесячный производственно-технический журнал.  1997. N 6. С. 25-27.

2. Давиденко И.В. Методика принятия решения для вывода общего заключения о состоянии силового трансформатора при многоаспектном анализе / Известия вузов: электромеханика. 1998. N 2-3. С. 91-92.

3. Давиденко И.В., Голубев В.П., Комаров В.И., Осотов В.Н., Туркевич С.В. Система компьютерной диагностики маслонаполненного оборудования в рамках энергосистемы // Энергетик: ежемесячный производственно-технический журнал.  2000. N 11. С. 52-56.

4. Давиденко И.В. Формирование и использование пространств  диагностических признаков в экспертной системе оценки технического состояния энергооборудования / Сб. докладов международной конференции “Электромеханические и электромагнитные преобразователи энергии и управляемые электромеханические системы”. Екатеринбург: Вестник ГОУ ВПО УГТУ-УПИ, 2003. N 5 (25). C. 410-415.

5. Давиденко И.В. Развитие критерия скорости нарастания газов в масле при диагностике силовых трансформаторов / Сб. докладов II Всероссийской научно-технической конференции с международным участием “Энергосистема: управление, качество, конкуренция”. Екатеринбург: ГОУ ВПО УГТУ-УПИ, 2004. N 12 (42). С. 266-270.

6. Давиденко И.В. Структура базы знаний экспертно-диагностической системы оценки технического состояния энергооборудования / Вестник ГОУ ВПО УГТУ-УПИ: проектирование и анализ радиотехнических и информационных систем (серия радиотехническая). Екатеринбург: ГОУ ВПО УГТУ-УПИ, 2004. N 18 (48). С. 166-173.

7. Гречко О.Н., Давиденко И.В., Калачева Н.И., Курбатова А.Ф.,Смекалов В.В. Граничные значения концентрации газов в масле трансформаторов  тока  с  конденсаторной изоляцией // Журнал Электротехника.  2007. N 1. С. 34-39.

8. Давиденко И.В., Гречко О.Н., Курбатова А.Ф., Ушакова М., Смекалов В.В.  Граничные концентрации газов в масле трансформаторов тока типа ТФЗМ и трансформаторов напряжения типа НКФ // Журнал Известия Академии Наук: энергетика. 2007. N 1. С.132-138.

9. Давиденко И.В.,  Забелкин Б.А., Губаев Д.Ф., Ильюхин А.М. Особенности организации корпоративной системы управления техническим обслуживанием энергооборудования // Журнал "Известия высших учебных заведений. Проблемы Энергетики”. 2008. N 9-10. С. 100-111 (ISSN 1998-9903).

10. Давиденко И.В. Новые способы идентификация вида дефектов маслонаполненных вводов  / Журнал  "Известия высших учебных заведений. Проблемы Энергетики”. 2009. N 1-2. С. 130-134.

11. Давиденко И.В. Методика получения допустимых и предельно-допустимых значений контролируемых параметров маслонаполненного оборудования на основе массива наблюдаемых данных на примере анализа растворенных в масле газов / Журнал  "Электричество”. 2009. N 6. C. 10-21.

Авторские свидетельства и патенты

12. Давиденко И.В. Система диагностики высоковольтных вводов маслонаполненного оборудования: пат. 75055 Рос. Федерация N 2008106459; заявл. 21.02.2008; опубл. 20.07.2008, Бюл. N 18.

13. Давиденко И.В. Система диагностики маслонаполненных измерительных трансформаторов: пат. 82967 Рос. Федерация N 2008150410; заявл. 19.12.2008; опубл. 10.05.2009, Бюл. N 13.

14. Давиденко И.В. Экспертно-диагностическая и  информационная система диагностики высоковольтного оборудования “Альбатрос”: свидетельство  об официальной регистрации программы для ЭВМ N 970280 Рос. Федерация N 970191; зарег. 18.06.1997;  Бюл. N 20. Вып. 2.

15. Давиденко И.В. Экспертно-диагностическая и  информационная система оценки технического состояния  маслонаполненного электрооборудования “Альбатрос”: свидетельство  о официальной регистрации программы для ЭВМ N 2003610069 Рос. Федерация N 2002611909; заявл. 31.10.2002; опубл. 4.01.2003, Бюл. N 1. 

16. Давиденко И.В. Корпоративная экспертно-диагностическая и информационная система управления техническим обслуживанием высоковольтного электрооборудования  (ЭДИС “Альбатрос”): свидетельство  об официальной регистрации программы для ЭВМ N 2007610037 Рос. Федерация N 2006613665; заявл. 30.10.2006; опубл. 9.01.2007, Бюл. N 1. 

Публикации в рецензируемых журналах, сборниках научных трудов

17. Давиденко И.В., Комаров В.И., Голубев В.П., Осотов В.Н. Экспертно-диагностическая система оценки состояния высоковольтных вводов // Информационный листок N 776-95 Свердловского центра научно-технической информации.  Екатеринбург: ЦНТИ, 1995. С. 1-4.

18. Давиденко И.В., Голубев В.П., Комаров В.И., Осотов В.Н. Экспертно-диагностическая система оценки состояния силовых трансформаторов // Информационный листок N 785-95 Свердловского центра научно-технической информации.  Екатеринбург: ЦНТИ, 1995. С. 1-4.

19. Давиденко И.В., Голубев В.П. Распознавание аномальных состояний высоковольтных  вводов,  применяемое  в  экспертно-диагностической системе // Новые  информационные  технологии  в исследовании дискретных структур:

cб. докладов всероссийской конференции. Екатеринбург: УрОРАН, 1996. С. 190-193.

20. Давиденко И.В., Голубев В.П., Комаров В.И., Осотов В.Н. Экспертно - диагностическая и информационная система оценки состояния высоковольтного электрооборудования // Информационный листок N 1031-96 Свердловского центра научно-технической информации. Екатеринбург: ЦНТИ, 1996. С. 1-4.

21. Давиденко И. В. Особенности многоаспектного анализа состояния высоковольтного оборудования / Современные проблемы оценки  состояния и обслуживания маслонаполненного оборудования: cб. докладов Научно-практического семинара. С-Пб.: 1997. С. 34-42.

22. Давиденко И.В. Экспертно-диагностическая и информационная система оценки состояния высоковольтного оборудования / Современные отечественные и зарубежные разработки в электроэнергетике: М.: АО “Информэнерго”, 1997. С. 37-39.

23. Давиденко И.В., Голубев В.П., Комаров В.И., Осотов В.Н. Опыт  эксплуатации экспертно-диагностической  информационной  системы оценки состояния высоковольтного оборудования “Альбатрос” // Диагностика и эксплуатация энергетического оборудования: доклад всесоюзной научно-практической конференции. М.: РАО “ЕЭС России”, 1998. С. 14-16.

24. Давиденко И.В., Голубев В.П., Комаров В.И., Осотов В.Н. Многоаспектный анализ - основа экспертной системы оценки состояния высоковольтного оборудования // Диагностика и безопасность в электротехнике и энергетике: Всероссийский электротехнического конгресс с международным участием: ВЭЛК-99: сб. докладов. М.: ОРГРЭС, 1999. Т. 2. С. 503-504.

25. Давиденко И.В. Диагностика энергетического маслонаполненного оборудования с помощью логико-математических моделей его состояния / International Conference of Electrical Insulation ICEI-99: сб. докладов между-народной научно-технической конференции. С-Пб.: СПбГТУ, 1999. С. 135-137.

26. Давиденко И.В., Голубев В.П., Комаров В.И., Осотов В.Н. Развитие возможностей  системы диагностики маслонаполненного оборудования в ОАО “Свердловэнерго” // Методы и средства оценки  состояния энергетического оборудования: сб. докладов  научно-практического семинара Минэнерго России. С-Пб.: 2000. Выпуск 11. С. 142-146.

27. Давиденко И.В. Тактическое планирование действий персонала по эксплуатации оборудования на основе учета эксплуатационных факторов и диагностики его состояния / Методы и средства оценки  состояния энергетического оборудования: сб. докладов  научно-практического семинара Минэнерго России. С-Пб.: 2000. Выпуск 11. С. 375-377.

28. Давиденко  И.В. Применение логико-математических моделей для оперативной диагностики силовых трансформаторов на примере ЭДИС “Альбатрос” / Методы и средства оценки  состояния энергетического оборудования: cб. докладов  научно-практического семинара Минэнерго России. С-Пб.: 2001. Выпуск 16. С. 76-84.

29. Давиденко И.В. Критерии теста на рабочее состояние силовых трансформаторов 110 кВ, полученные на основе статистики хроматографического анализа растворенных в масле газов / Сб. докладов  II научно-технического семинара “Современные методы и средства оценки технического состояния и продления сроков эксплуатации высоковольтного оборудования энергосистем” РАО “ЕС России”. М.: 2001. С. 101-108.

30. Давиденко И.В. Оценка состояния изоляции силового трансформатора с помощью экспертной системы / International Conference of Electrical Insulation ICEI-2002: cб. докладов международной научной конференции. С-Пб.: 2002. С. 343-349.

31. Давиденко И.В. Особенности оценки состояния высоковольтных вводов с помощью  диагностических моделей / Традиционные методы и средства оценки  состояния энергетического оборудования: качество производства и надежность эксплуатации маслонаполненного оборудования: сб. докладов  научно-практи-ческого семинара Минэнерго России. С-Пб.: 2002. Выпуск 20. С. 112-119.

32. Давиденко И.В., Комаров В.И. Применение методов математической статистики для получения критериев оценки состояния трансформаторов по результатам хроматографического анализа  растворенных в масле газов // Электро: Производственно-технический журнал.  2003. N 1. С. 37-41.

33. Давиденко И.В. Факторный анализ эксплуатационных мероприятий на основе экспертно-диагностической системы / Сб. докладов III специализированного научно-технического семинара “Современные методы и средства оценки технического состояния и продления сроков эксплуатации высоковольтного трансформаторного оборудования ” РАО “ЕС России”. М.: 2003. С. 95-101.

34. Давиденко И.В., Осотов В.Н.  Системы диагностирования  высоковольтного маслонаполненного силового электрооборудования // Учебное пособие для студентов и специалистов.  Екатеринбург: УГТУ-УПИ, 2003. 117 с.

35. Давиденко И.В. Организация эксплуатационных мероприятий с помощью экспертной системы / Труды Академии электротехнических наук Чувашской  республики: научное издание. Чебоксары: 2003. N 4. С. 107-111.

36. Давиденко И.В. Тестовая диагностика трансформаторов тока экспертной системой / Сб. докладов VII научно-практического семинара Проблемы диагностики электрической изоляции высоковольтного оборудования ОАО “ФСК ЕЭС”, РАО “ЕЭС России”, ОАО “СибНИИЭ”. Новосибирск: 2004. Доклад 2-3. 10 с.

37. Давиденко И.В. Информационные технологии в организации диагностики силового электрооборудования на современном этапе / Производственно-технический, информационно-аналитический  и  учебно-методический журнал “ЭЛЕКТРИКА”. 2004. N 7. С. 11-16.

38. Давиденко И.В., Осотов В.Н., Комаров В.И. Экспертно-диагностический комплекс “Альбатрос” (оценка состояния маслонаполненного оборудования) // Сб. докладов II  международного научно-технического семинара  “Современные  методы  оценки технического состояния и способы повышения

надежности оборудования подстанций”, Электроэнергетический Совет СНГ, РАО “ЕЭС России”, “ФСК ЕЭС” от 25-29 окт. 2004 г. М.: 2004. Доклад 21. 9с.

39. Давиденко И.В. Подсистема интерпретации  результатов измерений с помощью методов математической статистики: возможности: результаты использования / Методы и средства оценки  состояния энергетического оборудования: современные проблемы производства, эксплуатации и ремонта трансформаторного оборудования: сб. докладов. - С-Пб., 2004. Выпуск 27. С. 148-156.

40. Современные проблемы производства, эксплуатации и ремонта трансформаторного оборудования: сб. докладов. С-Пб.: 2004. С. 148-156.

41. Давиденко И.В. Интеллектуальная база данных энергетического оборудования, как часть информационно-аналитических,  диагностических систем / Сб. докладов VIII симпозиума Электротехника-2010 “Перспективные виды электротехнического оборудования для передачи и распределения электроэнергии” от 23-27 мая 2005 г. М.: Международная ассоциация ТРАВЭК, ВЭИ, 2005. Доклад 4.15. 8 с.

42. Давиденко И.В. Развитие критериев диагностики силовых трансформаторов по результатам хроматографического анализа  растворенных в масле газов с помощью методов математической статистики / Сб. докладов  VIII симпозиума Электротехника-2010 “Перспективные виды электротехнического оборудования для передачи и распределения электроэнергии” от 23-27 мая 2005 г. М.: Международная ассоциация ТРАВЭК, ВЭИ, 2005. Доклад 4.16.  9 с.

43. Давиденко И.В., Комаров В.И. Современные проблемы и пути оценки технико-экономической эффективности систем диагностирования электрооборудования // Сб. докладов: выпуск 28: методы и средства оценки состояния энергетического оборудования. С-Пб.: ПЭИПК, 2005. С. 217-221.

44. Давиденко И.В. Улучшение технического обслуживания энергооборудования за счет планирования действий персонала экспертно-диагностической системой / Доклад на международном научно-техническом семинаре  "Методы и средства оценки состояния  энергетического оборудования".  С-Пб.: ПЭИПК, 2006. Выпуск 30. С. 56-64.

45. Гречко О.Н., Давиденко И.В., Калачева Н.И., Курбатова А.Ф., Смекалов В.В.  О граничных значениях концентрации газов в масле измерительных трансформаторов 110-500 кВ // Доклад на Международном научно-техническом семинаре  "Методы и средства оценки состояния  энергетического оборудования" (С-Пб.: 3-7 июл. 2006 г.). С-Пб.: ПЭИПК, Выпуск 30. С. 416-428.

46. Гречко О.Н., Давиденко И.В., Калачева Н.И., Курбатова А.Ф., Ушакова М.В.  Граничные концентрации газов в масле измерительных трансформаторов 110-750 кВ / Сб. статей "Известия НИИ Постоянного тока ". С-Пб.: ОАО “НИИПТ”, 2006. Выпуск 61. С. 208-227.

47. Колушев Д.Н., Давиденко И.В., Комаров В.И., Широков А.В.  Уточнение методики расчета влагосодержания твердой изоляции силовых трансформаторов 110 кВ // Материалы совместного заседания IV Всероссийской научно-технической конференции и Совета специалистов по диагностике силового электрооборудования при УРЦОТ: секция “Техническое

обслуживание, мониторинг и диагностика электрооборудования” (Новосибирск, 26-28 сен. 2006 г.).

48. Давиденко И.В. Исследование показателей, описывающих рабочее состояние маслонаполненных вводов, методами математической статистики / Журнал Известия высших учебных заведений. Северо-Кавказский регион: Технические науки, 2006. N 15. C. 31-33 (ISSN 0321-2653).

49. Давиденко И.В.  Построение корпоративной информационно-аналитической системы диагностики электрооборудования / Журнал Известия высших учебных заведений: Северо-Кавказский регион. Технические науки, 2006. N 15. C. 33-35 (ISSN 0321-2653).

50. Давиденко И.В. Определение типичных концентраций газов в маслонаполненных вводах 110-500 кВ / Доклады научно-практической конференции  по  диагностике  электрических  установок  специалистов  Сибири  и  Востока (Красноярск, 9-13 апр. 2007 г.).

51. Гречко О.Н., Давиденко И.В., Ушакова М.В., Калачева Н.И., Курбатова А.Ф., Смекалов В.В.  О браковочных  значениях концентраций газов в масле измерительных трансформаторов 110-750 кВ // Сб. докладов IX симпозиума Электротехника - 2030 “Перспективные технологии  электроэнергетики” от 29-31 мая 2007 г. М.: Международная ассоциация ТРАВЭК, ВЭИ, 2007. Доклад 4.18.  8 с.

52. Комаров В.И. , Давиденко И.В. Анализ причин повреждаемости и специфика диагностики трансформаторов  до 35 кВ // Методы и средства оценки состояния  энергетического оборудования: сб. докладов “Современное состояние и проблемы диагностирования оборудования электрических сетей напряжением 6-35 кВ”. С-Пб.: ПЭИПК, 2008. Выпуск 31. С. 44-48.

53. Гречко О.Н., Давиденко И.В., Калачева Н.И., Курбатова А.Ф., Смекалов В.В. Критерии определения работоспособного состояния измерительных трансформаторов ТФЗМ и НКФ на основе хроматографического  анализа масла

// Журнал ЭЛЕКТРО: 2007. N 5. С. 35-39.

54. Давиденко И.В.,  Комаров В.И., Тихонов А.А. Вопросы надежности и диагностики силовых трансформаторов низких классов напряжения / Доклады научно-практической конференции  по  общим проблемам диагностики силового электрооборудования и аналитическим приборам для предприятий энергетики и опыте их применения  специалистов  Сибири  и  Востока (Ангарск, 7- 11 июл. 2008 г. 6 с.).

55. Давиденко И.В. Распознавание классов технического состояния маслонаполненных вводов на основе хроматографического анализа растворенных в масле газов / Сб. докладов научно-практической конференции “Высоковольтные вводы – современное состояние производства, эксплуатации, диагностирования и ремонта” (М.: 2008. сен. 7 с.).

56. Давиденко И.В. Критерии оценки технического состояния маслонаполненных вводов и измерительных трансформаторов по скорости роста концентраций растворенных газов / Сб. докладов научно-практической конференции  специалистов  Сибири  и  Востока “Диагностика электрических установок”. Новосибирск: ГЦРО, 2009 г. С.57-68. (ISSN 978-5-93889-106-7).

Публикации в сборниках трудов международных конференций

57. Давиденко И.В. Многоаспектный анализ информации как фактор повышения точности диагностики маслонаполненного оборудования / Состояние, основные направления развития производства, повышение технического уровня и надежности обслуживания трансформаторного оборудования: материалы международного симпозиума. Украина. Запорожье:  1998.

58. Davidenko I.V. Knowledge acquisition and development optimization as basis of precise diagnostics of oil-filled electrical equipment.  2005 IEEE PowerTech  Paper # 348 (ISBN 5-93208-034-0, 5 с.).

59. Davidenko I.V. Determination of criteria for estimation of instrument transformers conditions proceeding from the results of oil chromatographic analysis of different power systems / XI International Scientific Conference “Transformer Building-2005” Ukraine, Zaporozhye Paper # 3-9 (C.118-124) 2005. 5-9 Sep.

60. Davidenko I.V. The Development of  Diagnostics Criteria of Power Transformers and Instrumant Transformers Using the Results of the Chromatograph Analysis of Gases Dissolved in Oil / “CMD 2006 International Conference on Condition Monitoring and Diagnosis” Changwon, Korea, Apr. 2006 .

61. Davidenko I.V. Expert-Diagnostic System: Ways of Staff Recommen-ations Elaboration on Oil-Filled Equipment Service / “CMD 2006 International Conference on Condition Monitoring and Diagnosis” Changwon, Korea, Apr. 2006 (6 Page).

62. Davidenko I.V. Specification of Insulation State Estimating Criteria for Oil-filled Bushing and Power Transformers Basing on Dissolved Gas Analysis, ISH 15-th  International Simposium on Higt Voltage Engineering - Ljubljana,  Slovenia, on Aug. 27, 2007.

63. Davidenko I.V. Corporative Expert – diagnostic and Information System  for Control of  Electrical Equipment Maintenance / IVth International Scientific Symposium ELEKTROENERGETIKA 2007, Star Lesn, Slovak Republic.

64. Davidenko I.V. Knowledge Base Design for Control System of  Oil- filled Equipment Maintenance  The 6-th international forum Power Engineering -2008  Saint-Petersburg Sep., 2008.






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.