24
Ежеквартальный
спецвыпуск
№
4 (23),
декабрь
2021
В
статье
описаны
результаты
проведения
опытно
-
про
-
мышленной
эксплуатации
(
ОПЭ
)
средств
измерения
пока
-
зателей
качества
электроэнергии
(
СИ
ПКЭ
)
со
встроенной
искусственной
нейронной
сетью
на
объектах
Карельского
филиала
ПАО
«
Россети
Северо
-
Запад
».
На
основании
ре
-
зультатов
сделан
вывод
о
целесообразности
применения
приборов
с
встроенной
искусственной
нейронной
сетью
для
решения
поставленных
задач
.
Прорывные
технологии
прогноза
в
электроэнергетике
анализаторами
качества
электроэнергии
с
искусственной
нейронной
сетью
Внедрение
цифровых
технологий
Ц
ель
цифровой
трансформации
—
изменение
логи
-
ки
процессов
и
переход
компании
на
риск
-
ори
-
ентированное
управление
на
основе
внедрения
цифровых
технологий
и
анализа
больших
данных
.
Одна
из
задач
цифровой
трансформации
—
внедрение
и
использование
интеллектуальных
систем
управления
электросетевым
хозяйством
(
ИСУЭХ
)
была
утверждена
Указом
Президента
в
августе
2018
года
.
Та
-
кие
системы
должны
без
участия
человека
находить
оп
-
тимальное
решение
и
управлять
элементами
сети
на
ос
-
нове
технологий
искусственного
интеллекта
и
BigData.
В
ПАО
«
Россети
»
задачи
внедрения
интеллектуальных
систем
управления
на
базе
цифровых
технологий
по
направлениям
энергоэффективность
и
энергосбереже
-
ние
поставлены
в
рамках
Концепции
«
Цифровая
транс
-
формация
2030».
В
частности
,
поставлена
цель
снизить
в
среднем
на
50%
ключевые
показатели
надежности
электроснабжения
SAIDI/SAIFI.
В
условиях
существен
-
ной
«
изношенности
»
электрических
сетей
достичь
таких
значений
возможно
за
счет
снижения
времени
ликвида
-
ции
технологических
нарушений
.
Это
возможно
,
если
на
ранней
стадии
отслеживать
развитие
отклонений
от
штатных
параметров
в
работе
энергосистемы
,
прогно
-
зировать
и
,
как
результат
,
предотвращать
аварии
и
их
последствия
,
что
значительно
повышает
надежность
,
сокращает
время
простоя
,
а
также
снижает
затраты
на
техническое
обслуживание
и
ремонт
энергетического
оборудования
.
В
настоящее
время
контроль
и
защита
электроэнер
-
гетической
инфраструктуры
возложены
на
устройства
за
-
щиты
и
автоматики
,
цель
которых
—
максимально
быстро
прервать
уже
фактически
наступившие
аварийные
ситуа
-
ции
и
нештатные
режимы
работы
энергосистемы
.
Однако
отключение
энергооборудования
и
прерывание
технологи
-
ческих
процессов
сами
по
себе
зачастую
уже
несут
ущерб
,
поэтому
технологиям
прогноза
таких
событий
уделяется
все
большее
внимание
.
Основная
задача
предиктивной
аналитики
—
снизить
расходы
,
вызванные
простоем
обору
-
дования
.
Предиктивная
аналитика
не
имеет
прямой
связи
с
экономией
на
человеческих
ресурсах
.
Но
она
позволяет
использовать
время
инженеров
более
рационально
.
С
пре
-
диктивной
аналитикой
инженеру
не
нужно
обходить
уста
-
Сергей
ПЕШНИН
,
первый
заместитель
дирек
тора
—
главный
инженер
Карельского
филиала
ПАО
«
Россети
Северо
-
Запад
»
25
новки
,
собирать
данные
и
«
с
чистого
листа
»
составлять
план
ремонтных
работ
.
Система
снабжает
его
точными
данными
,
которые
он
должен
проанализировать
и
отреаги
-
ровать
на
них
.
В
мировой
практике
современными
стратегиями
управления
техническим
состоянием
энергетическо
-
го
оборудования
являются
Condition Based Monitoring
(CBM) —
предотвращение
аварийных
ситуаций
по
-
средством
мониторинга
в
режиме
реального
времени
основных
параметров
энергетического
оборудования
,
и
Predictive Maintenance (PdM) —
планирование
тех
-
нического
обслуживания
оборудования
,
основанное
на
данных
о
его
фактическом
состоянии
,
получаемых
в
режиме
реального
времени
.
По
сути
,
предиктивное
обслуживание
существовало
и
раньше
.
Специалисты
проводили
визуальную
и
инструментальную
инспекцию
оборудования
,
а
потом
на
основе
опыта
и
интуиции
ре
-
шали
,
когда
стоит
проводить
техобслуживание
.
Сегод
-
няшний
этап
развития
PdM-
подхода
—
это
программ
-
но
-
аппаратные
комплексы
для
обработки
больших
баз
данных
в
режиме
реального
времени
для
поиска
скры
-
тых
взаимосвязей
,
выявления
аномалий
и
их
причин
и
,
как
результат
,
прогноз
времени
до
отказа
.
Внедрение
PdM
имеет
смысл
для
дорогого
оборудования
,
замена
которого
гораздо
дороже
ремонта
,
и
для
критичного
оборудования
,
которое
при
остановке
или
выходе
из
строя
может
принести
существенные
потери
:
недопо
-
лученную
прибыль
,
штрафы
за
задержки
поставок
или
за
ущерб
окружающей
среде
.
На
текущий
момент
в
«
Россети
Северо
-
Запад
»
функ
-
ционирует
система
управления
производственными
активами
(
СУПА
),
позволяющая
определить
индекс
тех
-
нического
состояния
оборудования
,
вероятность
отказа
и
последствия
отказа
.
Ретроспектива
больших
данных
дает
возможность
определить
вид
технического
воздей
-
ствия
на
объекты
электросетевого
хозяйства
с
элемен
-
том
предиктивной
аналитики
,
позволяющей
снизить
рас
-
ходы
и
повысить
точность
принятия
решения
.
Для
целей
прогноза
и
предиктивной
аналитики
в
элек
-
троэнергетике
начинается
практическое
применение
эле
-
ментов
технологий
машинного
обучения
,
искусственного
интеллекта
и
искусственных
нейронных
сетей
(
ИНС
).
Так
,
Европейский
исследовательский
проект
EarlyWarn («
Ран
-
нее
предупреждение
»)
направлен
на
прогнозирование
не
-
исправностей
в
работе
энергосистемы
(
таких
как
перебои
в
подаче
электроэнергии
)
с
применением
моделей
ИНС
.
ИНС
автоматически
и
непрерывно
анализирует
данные
мониторинга
качества
электроэнергии
и
датчиков
погод
-
ных
условий
.
В
Норвегии
,
где
одна
из
самых
надежных
энергосистем
в
мире
(
бесперебойная
подача
электро
-
энергии
в
2019
году
составила
99,988%),
некоторые
из
анализаторов
качества
электроэнергии
непрерывно
ре
-
гистрируют
качество
электроснабжения
норвежской
энер
-
госистемы
уже
более
15
лет
.
Результаты
анализа
можно
использовать
для
предупреждения
системных
операто
-
ров
о
любых
нестабильностях
или
нарушениях
работы
энергосистемы
,
которые
в
противном
случае
остались
бы
незамеченными
.
Установлено
,
что
анализаторы
качества
электроэнергии
могут
регистрировать
небольшие
нару
-
шения
в
энергосистеме
,
вызванные
поврежденным
,
но
еще
не
вышедшим
из
строя
оборудованием
или
посторон
-
ними
воздействиями
,
которые
постепенно
накапливаются
с
течением
времени
,
такими
как
растительность
,
солевой
покров
или
снеговые
нагрузки
.
Проведены
исследования
влияния
различных
погодных
явлений
в
качестве
пред
-
вестников
определенных
типов
повреждений
в
энерго
-
системе
.
Почему
для
целей
предиктивной
аналитики
интерес
-
но
оценить
возможности
применения
средств
измерения
показателей
качества
электроэнергии
(
СИ
ПКЭ
)
с
ИНС
?
Каким
образом
возможно
увеличить
точность
принятия
решения
при
выборе
ВЛ
для
ремонта
из
приоритизиро
-
ванного
списка
,
учитывая
,
что
линии
являются
основным
источником
аварийности
в
электросетевом
комплекте
?
Дело
в
том
,
что
современные
СИ
ПКЭ
класса
А
изме
-
ряют
12
показателей
качества
электроэнергии
и
еще
свы
-
ше
1000
электроэнергетических
параметров
.
Ясно
,
что
возможность
ИНС
анализа
этих
баз
данных
без
участия
человека
для
решения
задач
выявления
и
прогноза
уяз
-
вимостей
в
работе
энергосети
весьма
интересна
.
Это
послужило
основанием
для
проведения
опытно
-
промышленной
эксплуатации
(
ОПЭ
)
СИ
ПКЭ
со
встроен
-
ной
искусственной
нейронной
сетью
на
объектах
Карель
-
ского
филиала
ПАО
«
Россети
Северо
-
Запад
».
СИ
ПКЭ
были
установлены
в
шести
пунктах
контро
-
ля
,
доступ
к
данным
осуществлялся
при
помощи
WEB-
браузера
.
В
случае
временного
отсутствия
соединения
с
СИ
ПКЭ
потери
данных
не
происходило
,
так
как
все
опе
-
рации
с
данными
производились
непосредственно
внутри
прибора
.
Обучение
ИНС
,
реализованной
в
приборах
,
шло
в
процессе
получения
данных
с
пунктов
контроля
и
до
-
полнительной
информации
о
событиях
в
энергосети
от
оперативно
-
диспетчерской
группы
.
За
6–8
недель
с
мо
-
мента
включения
приборов
был
собран
архив
баз
данных
с
каждого
из
шести
пунктов
контроля
,
после
чего
ИНС
ви
-
зуализировала
«
энергетический
портрет
»
электросети
для
каждого
пункта
контроля
в
режиме
реального
времени
.
В
процессе
работы
было
отмечено
,
что
приборами
фикси
-
руются
случайные
события
,
которые
не
отражаются
опе
-
ративно
-
диспетчерской
группой
как
учетные
признаки
ава
-
рийности
.
Важно
отметить
,
что
многие
события
не
видимы
для
персонала
из
-
за
временного
фильтра
работы
пре
ду
-
предительной
сигнализации
.
Случайные
события
,
фик
-
сируемые
в
определенном
пункте
контроля
электросети
,
могут
быть
предвестниками
последующих
сбоев
в
работе
26
Ежеквартальный
спецвыпуск
№
4 (23),
декабрь
2021
энергосистемы
.
Поэтому
была
сформирована
процедура
создания
архива
случайных
событий
с
привязкой
к
пункту
контроля
.
В
процессе
получения
и
обработки
данных
вли
-
яние
человеческого
фактора
было
исключено
.
Примеры
зафиксированных
и
архивированных
случайных
событий
представлены
на
рисунках
1
и
2.
Достоверность
получаемой
информации
обеспе
-
чивалась
двумя
независимыми
способами
обработки
электроэнергетических
данных
с
пунктов
контроля
:
представление
текущих
данных
в
виде
временных
гра
-
фиков
и
обработка
электроэнергетических
величин
алгоритмом
ИНС
.
При
выявлении
уязвимостей
энерго
-
системы
в
качестве
приоритетной
задачи
для
обучения
ИНС
были
выбраны
повреждения
замыкания
«
на
землю
»
как
наиболее
частые
виды
повреждений
в
сетях
6–35
кВ
(70–75%
от
всех
случаев
повреждений
).
Известно
,
что
при
этом
виде
повреждений
параметры
электросети
существенно
зависят
от
схемы
подключения
нейтрали
в
пункте
контроля
.
Информация
по
схемам
подключения
нейтрали
в
пунктах
контроля
была
предоставлена
опе
-
Рис
. 1.
Событие
«
скачок
тока
» (
изменение
силы
тока
по
фазе
C
примерно
в
3
раза
не
отражалось
оперативно
-
диспетчерской
группой
как
учетные
признаки
аварийности
)
Отображаемые графики:
• Среднеквадратичное значение напряжения
• Среднеквадратичное значение тока
• Общий коэффициент гармоник по напряжению
• Общий коэффициент гармоник по току
Временной интервал
с 06:00:00 23/01/2021
по 12:00:00 23/01/2021
Пункт контроля:
подстанция ТП-49, измерение 0,4 кВ
Прибор:
СИ ПКЭ зав. № 2007007
Событие:
Изменение силы тока по фазе C примерно в 3 раза
Даты и время событий:
23/01/2021 08:40
Изменение силы
тока по фазе C
примерно в 3 раза
Изменения «энергетического портрета» электросети при случайном событии
Обозначения:
—
Входной
вектор
— текущие
измеренные данные
1
—
Нейрон
— эле-
мент структуры ИНС,
в котором хранится
информация об
истории состояния
энергосети
Цвет контура
указывает на превы-
шение (красный) или
допустимые значения
(зеленый) текущих
параметров
Внедрение
цифровых
технологий
27
Рис
. 2.
Событие
«
отключение
секционного
выключателя
»
по
информации
от
оперативно
-
диспетчерской
службы
Карельского
фили
-
ала
ПАО
«
Россети
Северо
-
Запад
»
Отображаемые графики:
• Среднеквадратичное значение напряжения
• Среднеквадратичное значение тока
• Несимметрия напряжения
Временной интервал
с 10:15:00 08/04/2021
по 13:45:00 08/04/2021
Пункт контроля:
подстанция ПС-63, измерение 10 кВ
Прибор:
СИ ПКЭ зав. № 2007005
Событие (информация получена от оперативно-диспетчерской службы Карельского
филиала ПАО «Россети Северо-Запад»):
08.04.21 с 11:05 до 11:17 и с 13:21 до 13:35 на
ВЛ 10 кВ Л-63-3 отключался СВР-16 для переключений отпаечным разъединителем
Даты и время событий:
08/04/2021 11:05 и 08/04/2021 13:21
Изменения «энергетического портрета» электросети при случайном событии
28
Ежеквартальный
спецвыпуск
№
4 (23),
декабрь
2021
ративно
-
диспетчерской
группой
Карельского
филиала
ПАО
«
Россети
Северо
-
Запад
»
и
учитывалась
при
иден
-
тификации
событий
.
Важнейшим
результатом
ОПЭ
СИ
ПКЭ
со
встроенной
ИНС
явилось
доказательство
фиксации
событий
«
зем
-
ля
в
сети
»
приборами
информации
,
полученной
от
опе
-
ративно
-
диспетчерской
службы
Карельского
филиала
ПАО
«
Россети
Северо
-
Запад
» (
рисунок
3).
В
результате
СИ
ПКЭ
со
встроенной
ИНС
в
рамках
про
-
веденной
ОПЭ
давали
прогноз
событий
за
несколько
суток
до
их
возникновения
.
Это
же
событие
зафиксировано
СИ
ПКЭ
,
установлен
-
ным
в
данном
пункте
контроля
(
рисунки
4
и
5).
Стрелками
на
рисунке
5
отмечено
переключение
те
-
кущего
состояния
энергосистемы
в
момент
возникнове
-
ния
события
на
другой
кластер
и
обратно
.
Этот
другой
кластер
был
создан
в
процессе
обучения
ИНС
.
Это
го
-
Рис
. 3.
Фиксация
оперативно
-
диспетчерской
службой
Карельского
филиала
ПАО
«
Россети
Северо
-
Запад
»
события
«
земля
в
сети
»
Рис
. 4.
Фиксация
события
СИ
ПКЭ
в
виде
временных
зависимостей
Метка времени:
15/03/2021 20:30
Событие
«земля в сети»
Метка времени:
15/03/2021 20:40
Рис
. 5.
Фиксация
события
СИ
ПКЭ
в
виде
реакции
ИНС
Внедрение
цифровых
технологий
29
ворит
о
том
,
что
данный
вид
события
уже
возникал
за
период
обучения
(
около
6
недель
)
и
подобные
события
уже
появлялись
.
Таким
образом
,
в
ходе
работы
был
зна
-
чительно
расширен
объем
данных
о
состоянии
ВЛ
путем
сбора
информации
о
кратковременных
ненормативных
событиях
.
Доказательством
этого
служат
приведенные
на
рисунке
6
графики
с
прибора
за
период
с
06.03.2021
по
15.03.2021.
Рис
. 6.
Предпосылки
появления
события
«
земля
в
сети
»
Временной
диапазон
15/03/2021 00:00 —
15/03/2021 03:00
Событие
00:48:00
Временной
диапазон
10/03/2021 21:00 —
11/03/2021 00:00
Событие
22:29:00
Временной
диапазон
09/03/2021 03:00 —
09/03/2021 06:00
Событие
05:09:00
Временной
диапазон
06/03/2021 12:00 —
07/03/2021 00:00
30
Ежеквартальный
спецвыпуск
№
4 (23),
декабрь
2021
Для
момента
времени
15.03.2021 00:48
видно
,
что
событие
(
всплеск
тока
)
по
длительности
не
превышало
одной
минуты
,
а
плоская
вершина
всплеска
показывает
значение
силы
тока
,
усредненное
за
одну
минуту
.
15.03.2021
в
20:37
оперативно
-
диспетчерской
служ
-
бой
было
зафиксировано
событие
«
земля
в
сети
».
Пред
-
вестниками
возникновения
этого
события
стали
возрас
-
тающие
всплески
напряжения
несимметрии
обратной
последовательности
,
зафиксированные
прибором
в
пе
-
риод
с
09/03/2021
по
15/03/2021.
В
рамках
данной
работы
была
согласована
и
реа
-
лизована
следующая
процедура
оповещения
об
уяз
-
вимостях
в
энергосети
:
оповещение
диспетчера
о
со
-
бытиях
с
меткой
времени
проводится
автоматически
через
рассылку
сообщений
на
заранее
заданный
набор
адресов
электронной
почты
или
приложение
Telegram.
Примеры
такого
оповещения
представлены
на
рисунках
7
и
8.
Эффективность
упреждающего
реагирования
на
уязвимости
энергосистемы
обеспечивается
заблаговре
-
менным
оповещением
(
например
,
как
в
рамках
ОПЭ
—
через
приложение
Telegram)
диспетчерского
персона
-
ла
о
любых
нестабильностях
или
нарушениях
работы
энергосистемы
,
которые
в
противном
случае
остались
бы
незамеченными
.
Таким
образом
,
СИ
ПКЭ
со
встроен
-
ной
искусственной
нейронной
сетью
дают
возможность
Рис
. 7.
Оповещение
диспетчера
о
предвестнике
события
«
земля
в
сети
»
через
приложение
Telegram
Внедрение
цифровых
технологий
31
выявления
и
упреждающего
реагирования
на
уязвимо
-
сти
энергосистемы
для
улучшения
показателей
SAIDI
и
SAIFI
за
счет
снижения
времени
ликвидации
техноло
-
гических
нарушений
.
ЗАКЛЮЧЕНИЕ
В
проведенной
ОПЭ
впервые
на
программном
уровне
для
задач
электроэнергетики
протестировано
программ
-
ное
обеспечение
,
позволяющее
автоматически
фор
-
мировать
квазистационарный
«
электроэнергетический
портрет
»
энергосистемы
в
пункте
контроля
и
обучать
ИНС
на
прогноз
наиболее
значимых
уязвимостей
для
их
анализа
и
превентивных
действий
до
начала
возник
-
новения
внештатных
ситуаций
.
На
аппаратном
уровне
испытано
новое
поколение
СИ
ПКЭ
со
встроенной
ИНС
,
которые
измеряют
показатели
качества
электроэнергии
и
электро
энергетические
величины
,
включая
регистра
-
цию
событий
,
после
чего
ИНС
дает
предиктивный
анализ
энергосистемы
в
пункте
контроля
.
Благодаря
гибкости
технологии
появляется
возможность
выявлять
новые
Рис
. 8.
Оповещение
диспетчера
о
событии
«
земля
в
сети
»
посредством
группового
чата
приложения
Telegram
Отображаемые графики:
• Среднеквадратичное значение напряжения
• Среднеквадратичное значение тока
• Несимметрия напряжения
Временной интервал с 04:00:00
14/05/2021 по 10:00:00 14/05/2021
Пункт контроля:
подстанция ПС-63, измерение 10 кВ
Прибор:
СИ ПКЭ зав. № 2007005
Событие:
14/05/2021 08:50 на ВЛ 10 кВ Л-63-3 «земля в сети»
Даты и время событий:
14/05/2021 08:50
Издательство
журнала
«
ЭЛЕКТРОЭНЕРГИЯ
.
Передача
и
распределение
»
выпустило
книгу
академика
РАЕН
,
профессора
В
.
А
.
НЕПОМНЯЩЕГО
Тираж
книги
5000
экз
.,
объем
196
с
.,
формат
170
х
235
мм
.
Для
приобретения
издания
необходимо
позвонить
по
многоканальному
телефону
+7 (495) 645-12-41
или
написать
по
e-mail: [email protected]
В
монографии
исследована
надежность
оборудования
элек
-
тростанций
и
электрических
сетей
напряжением
1150–10(6)
кВ
,
разработана
методика
сбора
и
статистичес
кой
обработки
ин
-
формации
о
надежности
оборудования
.
На
основе
статистиче
-
ских
данных
и
расчетов
определены
основные
параметры
на
-
дежности
и
динамика
их
изменения
в
процессе
эксплуатации
.
Выявлены
статистические
законы
распределения
отказов
и
времени
восстановления
элементов
энергосис
тем
.
Прове
-
дено
их
сравнение
с
зарубежными
данными
.
32
Ежеквартальный
спецвыпуск
№
4 (23),
декабрь
2021
взаимосвязи
и
идентифицировать
события
,
влияющие
на
ухудшение
состояния
энергосистемы
.
На
основании
результатов
ОПЭ
СИ
ПКЭ
со
встроен
-
ной
ИНС
на
объектах
Карельского
филиала
ПАО
«
Россе
-
ти
Северо
-
Запад
»
был
сделан
вывод
о
целесообразности
применения
приборов
со
встроенной
искусственной
ней
-
ронной
сетью
для
решения
заявленных
задач
:
выявления
уязвимостей
энергосистемы
,
прогноза
событий
в
энерго
-
сети
и
обеспечения
процесса
поддержки
принятия
реше
-
ний
в
режиме
24/7.
Ясно
,
что
модель
,
основанная
исключительно
на
раз
-
работке
данных
о
качестве
электроэнергии
,
будет
иметь
ограниченную
точность
и
может
затруднить
прогнози
-
рование
всех
типов
неисправностей
без
риска
ложных
срабатываний
.
Тем
не
менее
результаты
являются
много
-
обещающими
и
указывают
на
то
,
что
следует
продолжить
работу
по
разработке
и
тестированию
различных
методов
машинного
обучения
с
целью
повышения
способности
модели
и
горизонта
прогнозирования
.
Вероятно
,
что
совместное
использование
различных
типов
независимых
источников
данных
в
системе
мони
-
торинга
ВЛ
повысит
точность
и
способность
прогнозиро
-
вания
модели
.
Альтернативные
источники
данных
могут
включать
,
помимо
прочего
,
данные
о
погоде
,
топологию
сети
,
датчики
на
критических
элементах
и
данные
о
на
-
грузке
.
Опыт
показывает
,
что
,
хотя
данные
о
погоде
об
-
ладают
прогностической
способностью
,
объединение
данных
о
погоде
с
данными
о
качестве
электроэнергии
(
и
другими
источниками
данных
)
может
дать
значитель
-
ный
синергетический
эффект
.
Внедрение
цифровых
технологий
Оригинал статьи: Прорывные технологии прогноза в электроэнергетике анализаторами качества электроэнергии с искусственной нейронной сетью
В статье главного инженера Карельского филиала ПАО «Россети Северо-Запад» Сергея Пешнина описаны результаты проведения опытно-промышленной эксплуатации средств измерения показателей качества электроэнергии со встроенной искусственной нейронной сетью на объектах филиала. На основании результатов сделан вывод о целесообразности применения приборов со встроенной искусственной нейронной сетью для решения поставленных задач.