Опыт разработки модели контроля состояния сухого трансформатора по распределению температуры
Группа исследователей из Китая разработала метод контроля распределения температуры сухого трансформатора на основе граничных критериев, определяемых моделью, в которой использует рассеянное Байесовское обучение. Работа авторов была опубликована в издании Electric Power and Energy System в декабре 2020 года.
Разработку модели предваряло проведённое авторами изучение физических процессов, происходящих в трансформаторе при его работе и влияющих на распределение температуры. В результате для построения модели были определены следующие значащие параметры: нагрузка, температура окружающего воздуха, режим работы системы охлаждения, три ретроспективных значения температуры в рассматриваемой точке трансформатора. Матрицы этих значений являлись входными данными для модели температуры.
При разработке модели температуры решалась задача регрессионного анализа для установления соответствия между текущей температурой и набором входных данных. Из-за необходимости учёта неопределённости метода, текущая температура задавалась в виде функции плотности вероятности, распределение которой определяется методом Байеса как апостериорная гипотеза на основе априорной гипотезы, определяемой входными данными. Распределение рассчитываемой температуры являлось нормальным, поэтому в апостериорной гипотезе определялись математическое ожидание и среднеквадратичное отклонение распределения рассчитываемой температуры. Это также сделало применимым правило трёх сигм, по которому 99.7% измерений, следующих нормальному распределению, будут находиться на расстоянии не более трёх среднеквадратичных отклонений (сигма) от математического ожидания измеряемой величины. Величины, отклоняющиеся на величину больше трёх сигм, будут являться аномальными. Схематичное изображение метода показано ниже.
Для дополнительной отстройки от аномальных значений температуры, вызванных поломкой датчиков, а не объективным развитием дефекта в трансформаторе, исследователи дополнительно контролировали распределение разниц между измеряемой температурой и её значением, предсказанным моделью. Неисправности датчиков характеризовались резким ростом или падением температуры, в отличие от эффекта развивающегося дефекта, когда изменение температуры было более плавным. Аномальные данные, вызванные неисправностью датчиков, исключались из анализа.
Работа метода была опробована на сухом трансформаторе 6,3/35 кВ, 8000 кВА на нефтяной платформе в Китае. Графики фактической и предсказанной моделью температур показаны ниже.
Работа модели в условиях аномальных значений, связанных с неисправностью датчика и с дефектом трансформатора, показана ниже.
В заключении исследования указано, что результаты исследования признаны успешными, а метод применимым для решаемой задачи.
Больше новостей и аналитики из мира онлайн-диагностики электрооборудования читайте на нашем Телеграм-канале "ЗВЕЗДА"