Применение методов машинного обучения для идентификации технического состояния маслонаполненных измерительных трансформаторов

Оригинал статьи: Применение методов машинного обучения для идентификации технического состояния маслонаполненных измерительных трансформаторов

Ключевые слова: трансформатор тока, оценка технического состояния, обработка данных, машинное обучение, распознавание образов

Читать онлайн

Статья посвящена проблеме оценки фактического состояния маслонаполненных измерительных трансформаторов тока как одного из видов вспомогательного высоковольтного оборудования распределительных устройств станций и подстанций, для которых характерно отсутствие систем мониторинга и, как следствие, высокая неопределенность при идентификации технического состояния. Автором статьи реализована пошаговая процедура обработки исходных данных, включающая в себя подбор и преобразование отдельных признаков и классов состояний, восстановление пропусков в исходных данных, анализ коллинеарности признаков и направленная на повышение точности идентификации состояния оборудования. Задача распознавания классов состояний трансформаторов тока решена с использованием алгоритмов случайного леса и градиентного бустинга над деревьями решений. Апробация разработанной системы выполнена на основе базы данных парка оборудования региональной сетевой компании, что позволило получить решение эксплуатационной задачи — формирование ранжированных списков оборудования для включения в программу ремонтов и обслуживания.

Поделиться:

Спецвыпуск «Россети» № 3(38), сентябрь 2025

Искусственный интеллект и компьютерное зрение в электроэнергетике: перспективы применения на примере автоматизированной системы определения дефектов изоляторов ЛЭП

Цифровая трансформация / Цифровые сети / Цифровая подстанция Диагностика и мониторинг
Филиал ПАО «Россети Сибирь» — «Бурятэнерго»
«ЭЛЕКТРОЭНЕРГИЯ. Передача и распределение»