О перспективах развития автоматизированных комплексных систем непрерывного контроля состояния силовых трансформаторов

Силовой трансформатор и его состояние являются одной из составных частей обеспечения надежности электросетевого комплекса. По мере перехода энергокомпаний на техническое обслуживание и ремонт оборудования по фактическому состоянию, различные методики диагностики, в особенности под рабочим напряжением, получили широкое применение. Востребованность контроля также обусловлена большим процентом эксплуатирующегося электрооборудования сверх нормативного срока. Для оценки силового трансформатора применяют методику интегрального показателя технического состояния, который заключает в себе совокупность диагностических параметров на разных узлах трансформатора. Сведения о состоянии электрооборудования традиционно получают в ходе испытания узлов в ходе ремонтных работ, что требует отключения линии. В настоящее время развитие получили автоматизированный мониторинг и техническое диагностирование электрооборудования, что подтверждается рядом регламентирующих и нормативных документов электросетевых компаний. Предлагаемые производителями системы мониторинга отличаются значительным набором измеряемых параметров, многие из которых являются дополнительными, не входящими в перечень НТД. В России такие системы применены в качестве пилотных проектов в ходе реконструкции и строительства объектов в ПАО «Россети Московский регион». Для усовершенствования методов прогнозирования и оптимизации работы электроэнергетической системы логично использование методов искусственного интеллекта, которые имеют решающее значение для расширения когнитивных способностей человека в этих задачах. В мире метод опорных векторов (SVM), машины экстремального обучения (ELM), нечеткая логика и некоторые другие были объединены с методами интерпретации АРГ для анализа зарождающихся неисправностей в трансформаторах. Модели сверточной нейронной сети активно используются для классификации неисправностей электрооборудования в ходе тепловизионной съемки трансформаторных подстанций. Использование сети YOLOv4 позволяет выполнить идентификацию четырех типов силового оборудования на подстанции с предварительной обработкой изображения (выявление фона, помех, вызванных экстремальными погодными условиями, шумом и другими факторами). Недостаточный обмен данными между эксплуатирующими компаниями России ведет к медленному внедрению методов искусственного интеллекта.