Обзор способов описания электрооборудования как объекта контроля

Тип работы:
Реферат
Предмет:
Общие и комплексные проблемы естественных и точных наук


Узнать стоимость новой

Детальная информация о работе

Выдержка из работы

Диагностика и надежность энергооборудования
27 =
ДИАГНОСТИКА И НАДЕЖНОСТЬ ЭНЕРГООБОРУДОВАНИЯ
УДК 621. 311. 018. 782
Обзор способов описания электрооборудования
как объекта контроля
К. И. Дарбинян,
технический директор ЗАО «Электрические сети Армении»
Э. А. Саргсян,
кандидат технических наук, доцент, советник технического директора
ЗАО «Электрические сети Армении»
Представлен обзор способов диагностического описания и виды исходной информации, учитываемой в процессе определения и контроля технического состояния электрооборудования.
Ключевые слова: контроль электрооборудования, диагностические измерения, обработка данных.
Формально задача определения технического состояния электрооборудования предполагает математическую постановку и определение методов ее решения. Так как в основе задачи лежит уточнение априорной информации о состоянии электрооборудования энергосистемы по экспериментальным данным, то при постановке априорная и апостериорная информация должна соответствующим образом представляться, а при решении — взаимодействовать. Очевидно, что это взаимодействие будет происходить в соответствии с целями диагностирования, которые, с одной стороны, учитывают требования к содержанию диагноза, а с другой — к качеству обработки (рис. 1).
Следовательно, при математической постановке задачи определения технического состояния и контроля электрооборудования должны быть заданы:
— данные измерений-
— априорная информация об оборудовании-
— требования к содержанию и качеству диагностирования-
— форма представления результатов определения и контроля технического состояния оборудования.
Требования к содержанию и качеству диагностирования
Данные измерений
I
Алгоритмы обработки эксплуатационных данных

Результаты определения и контроля технического состояния электрооборудования электроустановок
Априорная информация об электрооборудовании электроустановок
Рис. 1. Виды исходной информации, учитываемой в процессе определения и контроля технического состояния электроустановок
Ключевым элементом любой задачи вторичной обработки данных диагностических измерений является задание априорной информации об электрооборудовании в виде модели. От того, что представляет собой априорная модель, во многом зависит решение задач диагностирования.
Возможны три способа описания энергоустановок:
1. В пространстве физических параметров электрооборудования.
2. В пространстве измеряемых параметров электрооборудования.
3. В пространстве обобщенных характеристик электрооборудования.
Выбор того или иного способа предопределяет характер взаимодействия априорной модели с данными измерений в процессе обработки этих данных или, если это необходимо, проведение их дополнительного преобразования, например, с целью обеспечения требуемой наблюдаемости. Измеряемые параметры обычно воспроизводят реально протекающие процессы в электроустановке. При проверке правильности функционирования электроустановки определяется соответствие реальной работы объекта заданной модели, воспроизводящей эталонное функционирование. Иными словами, проверяется адекватность эталонной модели текущему функционированию.
Для реализации такой проверки эталонное функционирование и реальное должны описываться в пространстве одних и тех же параметров, например, в пространстве Z переменных состояния электрооборудования, которые изменяются под действием управляющих воздействий. Так как в процессе функционирования электроустановки параметры переменных состояния изменяются во времени, то для количественной оценки правильности функционирования в заданном временном интервале необходимо суммирование или интегрирование метрики
И2
= 28
Энергобезопасность и энергосбережение
для реальной и эталонной фазовых траекторий в пространстве Ъ.
В качестве моделей, реализующих эталонное функционирование, могут использоваться:
имитационные модели (моделирующие алгоритмы) —
дифференциальные или разностные модели- конечные автоматы и другие математические схемы, в число которых входят модели в параллельном вычислительном базисе.
Следует отметить, что в зависимости от свойств электроустановки и целей проверки переменные состояния и показатели правильности функционирования могут принимать как вещественные значения, так и могут быть булевыми переменными «0» или «1».
Решение задачи определения технического состояния через проверку правильности функционирования определим при заданных входных управляющих воздействиях п (1) (рис. 2).
u (t)
Электрооборудование электроустановки
z (t)
Информационно измерительная система
)z* (t)
Модель функционирования электрооборудования электроустановки
z'-(t)
Расчет показателя q
Сравнение по показателю q
qo
Рис. 2. Структурная схема решения задачи проверки правильности функционирования электрооборудования
В том случае, когда по вектору переменных состояния z (t) требуется определить, какое управляющее воздействие из данного набора действует на входе, задача проверки сводится к следующему. По результатам сравнения данных измерений z*(t) или с эталонным функционированием z'-(t) для заданных управляющих воздействий u (t)e U выбирается такое управляющее воздействие u*(t), для которого показатель q имеет минимальное значение:
u*(0 & lt-- minq{z'-(t), z*(t)}, t е [О, Г].
Если u*(t)=u (t), то делается заключение о правильной отработке управляющего воздействия u (t).
Аналогично может решаться основная задача технического диагностирования — задача поиска дефектов. В этом случае каждому возможному дефекту должна соответствовать своя «эталонная» модель. В практике оценки и анализа свойств реальных объектов по данным измерений нередки
случаи, когда требуется построить или уточнить их модели. Такие задачи известны как задачи структурной или параметрической идентификации. Структурная идентификация связана с выбором вида оператора модели объекта. Данная задача является чрезвычайно сложной. Это объясняется большим разнообразием математических моделей и возможностью описать модели одного и того же класса различными операторами.
Модели объединяются в классы по различным признакам и свойствам, основными из которых являются сосредоточенность или распределенность параметров, линейность или нелинейность, статичность или динамичность, стационарность или нестационарность, непрерывность или дискретность, детерминированность или стохастич-ность. Для описания объектов с сосредоточенными параметрами: линейных — непрерывных — динамических — детерминированных могут использоваться линейные дифференциальные уравнения, переходные, передаточные и весовые функции (рис. 3). Для описания таких же объектов, но статичных и нелинейных, могут быть использованы алгебраические полиномы, ряды Чебышева, Лежандра, Эрмита и др. Если объекты с сосредоточенными параметрами нелинейные, стационарные, динамичные, непрерывные и детерминированные, то тогда целесообразно использовать или нелинейные дифференциальные уравнения, или операторы Винера, Гаммерштейна, или ряды Вольтера [1, 2].
В настоящее время отсутствуют универсальные методы и алгоритмы структурной идентификации. Свою роль при выборе модели и оператора могут сыграть опыт, умение обобщать имеющуюся априорную информацию.
В соответствии с гипотезой настоящих исследований задача контроля правильности функционирования электроустановки трактуется как задача распознавания ее текущего состояния для сравнительных операций с эталонными реакциями. Для ее решения система распознавания (компьютерный модуль автоматизированного комплекса обработки диагностической информации) сначала проходит стадию обучения. Наиболее гибкой модификацией моделей алгебраических полиномов в параллельной вычислительной реализации являются модели искусственных нейронных сетей [3, 4]. Обучение производится посредством показа системе распознавания образов, принадлежность которых к тому или иному классу известна. Геометрически в базисе многослойных нейронных сетей задача обучения состоит в построении такой поверхности, которая в каком-либо смысле лучше
Правильное функционирование
q& lt-=qo
Неправильное функционирование
q& gt-qo
1шШ
q
Диагностика и надежность энергооборудования
29 =
электрооборудование электроустановок
е е ы
ы ны н ны

лет ое
е дм Ч 1″
с 2 и с
а & amp- о и
(r) X
и ю
X
а.
ю
X
о
и ю
X
а
ю
X
о
(r) X
а ф а
с
ф
х
ф а
о а
X
X
ф
г, а ф
н
ф
ч
о
н
и
Линейные дифференциальные уравнения
Переходные функции
Передаточные функции
Весовые функции
Алгебраические полиномы
Ряды Чебышева
Ряды Лежандра
Ряды Эрмита
Нелинейные дифференциальные уравнения
Опреторы Винера
Операторы Гаммерштейна
Операторы Вольтера
Рис. 3. Классификация способов диагностического описания электрооборудования
всего разделяла бы многомерное пространство образов на различимые классы. В алгебраической постановке задача обучения состоит в построении некоторой разделяющей функции, аргументами которой являются синаптические коэффициенты искусственной нейронной сети по показам образов и указаниям, к какому классу они принадлежат.
Выводы
На основе анализа способов диагностического описания исходной информации выявлены следующие особенности измерений выходных параметров технического состояния электрооборудования: разнопеременность динамики во времени, разнородность диагностической информации,
избыточность данных погрешности измерений выходных параметров электрооборудования энергосистемы.
Приведенная схема решения задачи проверки правильности функционирования электрооборудования схожа с задачей выработки оптимального управляющего воздействия электроустановок. Отличие заключается в используемых исходных данных. При проверке правильности функционирования таковыми являются данные измерений, результаты моделирования, полученные с использованием эталонной модели и заданных управляющих воздействий. По своему содержанию задача проверки правильности функционирования заключается в выборе таких эталонных результатов моделирования и управляющих воздействий.
Литература
1. Браверман Э. М., Мучник И. Б. Структурные методы обработки эмпирических данных. — М.: Наука, 1983.
2. Яблонский С. В. Введение в дискретную математику. — М.: Наука, 1986. — 340 с.
3. Хайкин С. Нейронные сети: полный курс. 2-е изд. / Пер. с англ. -М.: Вильямс, 2006. — 1104 с.
4. Галушкин А. И. Синтез многослойных систем распознавания образов. — М.: Энергия, 1974. — 367 с.
И2

Показать Свернуть
Заполнить форму текущей работой