ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ ПОВЫШАЕТ НАДЕЖНОСТЬ РЕЗУЛЬТАТОВ ИЗМЕРЕНИЙ
Технологии машинного обучения обеспечивают точность испытаний и выявляют возможные погрешности в их результатах еще на ранних стадиях.
С каждым годом доля возобновляемых источников энергии увеличивается, что приводит к растущей децентрализации производства электроэнергии. Именно поэтому в энергосетях возникает все больше регулируемых нагрузок, а вместе с ними — риск таких опасных явлений, как короткие замыкания, гармоники и переходные процессы. В связи с изменением рабочих условий оборудования рекомендуется выполнять тщательные проверки возможных изменений в результатах измерений.
Быстро изменяющиеся условия нагрузки в энергосети также влияют и на работу дорогостоящих силовых трансформаторов. Для обеспечения длительного срока службы и надежности установленных силовых трансформаторов уже сейчас необходимо принимать соответствующие меры по техническому обслуживанию. SFRA — один из самых популярных неинвазивных методов точного обнаружения механических и электрических повреждений. Это одна из важнейших процедур оценки состояния трансформаторов, выполняемая в автономном режиме.
Что означает SFRA?
SFRA — это анализ частотного отклика, основанный на сравнении фактических и эталонных показателей (так называемых «отпечатков»).
Каковы возможности SFRA?
С помощью данного анализа можно выполнять измерения силовых трансформаторов в частотной области.
В чем состоят преимущества принципа SFRA?
Этот метод позволяет надежно подавлять широкополосный и узкополосный шумы и, как следствие, — достичь высокого соотношения «сигнал/шум».
Почему метод измерения SFRA настолько популярен?
В отличие от других методов, анализ частотного отклика является неинвазивным и быстрым способом выполнения измерений.
Почему результаты измерений SFRA более надежны по сравнению с другими методами?
Измерения основаны на сравнении фактических и эталонных показателей (так называемых «отпечатков»). Поэтому обнаружить любые отклонения, возникшие из-за ошибок измерений, довольно легко.
С момента принятия стандарта IEC 60076-18 этот метод стал одним из стандартных электрических испытаний, и его распространение в энергетике значительно выросло.
Компания OMICRON разработала оптимальное решение для испытаний SFRA, которое теперь дополнительно улучшено с помощью алгоритмов, позволяющих исключить необходимость повторного измерения.
Дэвид Гопп (David Gopp), менеджер по продуктам
Машинное обучение с помощью метода SFRA
Метод SFRA позволяет получить сведения о механической исправности сердечника, обмоток и стяжных элементов, а также об электрических неисправностях, например о закороченных витках и обмотках.
Как именно выполняются измерения SFRA?
Низковольтный сигнал с переменной частотой подается на один ввод силового трансформатора и измеряется на другом. Сравнение выходного и входного сигналов дает частотную характеристику, которую можно сравнить с предыдущими измерениями, например, с эталонным.
Какую дополнительную пользу может принести машинное обучение?
Искусственный интеллект и технологии машинного обучения позволяют сравнивать результаты испытаний с помощью алгоритмов, основанных на экспертных знаниях и большом количестве данных. Эти модели помогают на самых ранних стадиях обнаружить систематические ошибки при измерениях и проблемы с качеством, связанные с отдельными устройствами и программами.
Какие внешние факторы могут повлиять на результаты измерений?
Изменения в измерительной установке, состоянии и конфигурации трансформатора, а также внешние факторы могут повлиять на ход измерений и тем самым привести к ошибочным результатам. Поэтому оценивать измерения нужно только после проверки достоверности и надежности полученных результатов.
Каковы эталонные показатели для оценки измерений SFRA?
Измеренные кривые SFRA оцениваются по эталонным данным с помощью одного из двух стандартных алгоритмов: NCEPRI (стандарт Северо-Китайского научно-исследовательского института электроэнергетики) или DLT (стандарт электроэнергетики КНР, DL/T 911-2004).
Что связывает машинное обучение, искусственный интеллект и измерения SFRA?
В процессе машинного обучения алгоритмов 19.787 были использованы кривые SFRA, предоставляющие сведения о более чем 2000 силовых трансформаторов. Результаты исследований показывают, что алгоритмы на основе искусственного интеллекта можно использовать для автоматической оценки и проверки измерений SFRA. В настоящее время такие алгоритмы отлично подходят для вспомогательных целей. Пользователи могут выполнить предварительную проверку собственных кривых SFRA, и результаты их измерений могут получить одну из следующих оценок: «OK», «Изучить» или «Ошибка». Это позволяет значительно повысить качество полученных данных и точность работы оборудования.
Узнайте больше о системе OMICRON FRANEO 800, выполняющей испытания по методу SFRA, и ее обширных данных в области таких испытаний.
Прослушайте наш подкаст
Мы записали отдельный выпуск подкаста о важности проверки данных измерений для выполнения более надежных оценок.
В этом выпуске Дэвид Гопп и Лукас Клингеншмид (Lukas Klingenschmid), эксперты по преобразованию данных в компании OMICRON, рассказывают о проверке данных измерений и о том, насколько важен этот процесс в успешном проведении цифровой трансформации в энергетической отрасли.
Прослушайте наш подкаст!
Подкаст Energy Talks включает целый ряд выпусков, посвященных испытаниям энергосистем. Все выпуски доступны на нашей целевой странице подкастов.
