Прорывные технологии прогноза в электроэнергетике анализаторами качества электроэнергии с искусственной нейронной сетью




Page 1


background image







Page 2


background image

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

»







Page 3


background image

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

 







Page 4