

14
Ежеквартальный
спецвыпуск
№
4 (19),
декабрь
2020
Управление
техническим
состоянием
парка
электрооборудования
с
помощью
искусственного
интеллекта
.
Опыт
АО
«
Россети
Тюмень
»
Ирина
ДАВИДЕНКО
,
д
.
т
.
н
.,
профессор
кафедры
«
Электро
-
техника
»
УрФУ
Анатолий
ДЬЯКОВ
,
начальник
Департа
-
мента
эксплуатации
и
ремонта
АО
«
Россети
Тюмень
»
Виталий
ЛОПАТИН
,
начальник
сектора
диагностики
Электро
-
технической
службы
Департамента
экс
-
плуатации
и
ремонта
АО
«
Россети
Тюмень
»
Н
а
протяжении
30
лет
информационные
технологии
активно
внедряются
в
энер
-
гокомпаниях
Российской
Федерации
и
ближнего
зарубежья
.
Если
в
90-
е
годы
это
было
внедрение
баз
данных
(
БД
)
и
автоматизированных
рабочих
мест
(
АРМ
),
то
в
последнее
десятилетие
ИТ
-
компаниями
разрабатываются
системы
искус
-
ственного
интеллекта
(
СИИ
)
для
решения
тактических
задач
,
таких
как
управление
экс
-
плуатацией
электрооборудования
(
ЭО
).
Сейчас
пришло
время
начать
использование
СИИ
для
решения
стратегических
задач
.
Например
,
таких
как
:
–
оценки
рисков
и
технико
-
экономических
показателей
парка
ЭО
;
–
определение
направлений
инвестирования
,
в
том
числе
на
основе
технико
-
экономиче
-
ской
оценки
и
анализа
надежности
парка
ЭО
.
Положительный
эффект
применения
СИИ
,
решающих
стратегические
задачи
,
для
предприятия
выше
,
чем
СИИ
тактических
задач
,
тем
более
АРМов
и
баз
данных
(
БД
).
Однако
применение
таких
СИИ
обуславливает
высокие
требования
к
качеству
исходной
информации
(
ее
актуальности
,
полноты
и
достоверности
).
С
ростом
уровня
обобщения
данных
происходит
накопление
(
тиражирование
в
более
высокие
уровни
обобщения
)
ошибок
,
допущенных
в
исходных
данных
,
а
значит
увеличивается
отрицательное
влияние
некачественных
данных
.
Использование
СИИ
,
решающих
более
сложные
задачи
,
в
свою
очередь
,
повышает
требования
к
профессионализму
,
набору
компетенций
и
полномочий
пользователей
.
Управление
активами
В
статье
рассмотрены
результаты
анализа
изменений
тех
-
нического
состояния
парка
оборудования
на
протяжении
20
лет
как
следствие
управленческих
решений
по
диагно
-
стированию
и
ремонту
оборудования
АО
«
Россети
Тю
-
мень
».
Сам
анализ
и
подготовка
принятых
решений
вы
-
полнены
с
помощью
системы
искусственного
интеллекта
ЭДИС
«
Альбатрос
».
Приведены
функциональные
возмож
-
ности
и
структура
системы
,
а
также
схема
сбора
данных
об
эксплуатации
электрооборудования
.

15
Данная
статья
показывает
реализацию
части
этих
вопро
-
сов
на
примере
опыта
АО
«
Россети
Тюмень
»
по
изменению
подхода
к
эксплуатации
и
отслеживанию
влияния
измене
-
ний
на
техническое
состояния
парка
маслонаполненного
ЭО
с
помощью
СИИ
.
В
качестве
СИИ
в
АО
«
Россети
Тюмень
»
с
2000
года
используется
экспертно
-
диагностическая
и
ин
-
формационная
система
управлением
обслуживания
высо
-
ковольтного
электрооборудования
(
ЭДИС
) «
Альбатрос
».
ЭДИС
ежегодно
обновляется
разработчиками
синхронно
с
развитием
области
технического
диагностирования
,
в
том
числе
с
изменениями
в
руководящих
документах
этой
обла
-
сти
[1, 2].
СТРУКТУРА
ЭДИС
«
АЛЬБАТРОС
»
Основными
функциями
системы
являются
диагностирова
-
ние
и
назначение
сроков
и
объемов
технического
обслу
-
живания
и
ремонта
(
ТОиР
)
электрооборудования
6–750
кВ
.
Диагностирование
проводится
как
для
маслонаполненного
,
так
и
немаслонаполненного
оборудования
:
–
силовые
трансформаторы
и
шунтирующие
реакторы
и
их
узлы
(
высоковольтные
вводы
,
переключающее
устройство
);
–
трансформаторы
тока
и
напряжения
;
–
выключатели
;
–
ограничители
перенапряжения
и
вентильные
разрядники
;
–
конденсаторы
;
–
силовые
кабельные
линии
и
токопроводы
.
ЭДИС
состоит
из
базы
данных
,
базы
знаний
и
шести
под
-
сис
тем
анализа
данных
.
Структура
системы
представлена
на
рисунке
1.
База
данных
содержит
паспортные
характеристики
ЭО
,
данные
испытаний
и
измерений
,
информацию
об
условиях
и
режимах
работы
ЭО
и
о
проведенном
ТОиР
.
Например
,
оценка
технического
состояния
силовых
трансформаторов
проводится
на
основе
следующих
измерений
:
–
анализа
растворенных
в
масле
газов
(
АРГ
);
–
расширенного
физико
-
химического
анализа
(
ФХА
)
масла
(34
контролируемых
параметра
);
–
увлажнения
и
степени
полимеризации
твердой
изоляции
;
–
изоляционных
характеристик
;
–
омического
сопротивления
обмоток
;
–
сопротивления
короткого
замыкания
;
–
результатов
опыта
холостого
хода
.
Заносятся
в
БД
и
результаты
диагностирования
ЭО
спе
-
циальными
методами
контроля
:
тепловизионного
контроля
и
виброобследования
,
измерения
ЧР
и
пр
.
Подсистема
подготовки
и
верификации
информации
:
–
проводит
подготовку
оперативных
данных
к
анализу
(
приведение
к
температуре
,
расчет
трендов
и
соотноше
-
ний
параметров
и
т
.
п
.);
–
выявляет
ошибки
в
поступающих
в
систему
данных
,
воз
-
никающие
из
-
за
несоблюдения
технологии
проведения
контроля
,
невнимательности
персонала
,
несовершен
-
ства
методов
и
аппаратуры
измерений
и
пр
.;
Рис
. 1.
Структура
ЭДИС
«
Альбатрос
»
Подсистема определения
новых критериев диагностирования «h»
Подсистема анализа
повреждаемости оборудования «g»
Подсистема анализа технико-экономических
показателей парка оборудования «f»
Подсистема выбора приоритетности ТОиР с учетом
оценок технического состояния и рисков отказа «e»
Подсистема планирования и мониторинга
выполнения операций ТОиР «d»
Подсистема верификации
и подготовки данных к анализу «b»
Алгоритмы
назначения
операций ТОиР
Алгоритмы
локализации
дефекта, поиска
аналога дефекта
Алгоритмы
выявления
вида дефекта
Критерии оценки
параметров
и их трендов
База
данных
«а»
База знаний «с»

16
Ежеквартальный
спецвыпуск
№
4 (19),
декабрь
2020
–
проверяет
информацию
на
неполноту
,
актуальность
и
непротиворечивость
.
Эта
подсистема
обеспечивает
качество
исходной
ин
-
формации
,
используемой
ЭДИС
для
решения
тактических
и
стратегических
задач
.
Подсистема
планирования
и
мониторинга
операций
ТОиР
автоматически
составляет
планы
эксплуатационных
мероприятий
на
основе
библиотеки
,
содержащей
условия
и
периодичность
проведения
измерений
и
других
меропри
-
ятий
ТОиР
.
Подсистема
анализа
повреждаемости
оборудования
со
-
держит
:
–
описание
(
акт
)
повреждения
,
формализованное
с
помо
-
щью
классификационных
справочников
;
–
сценарии
анализа
повреждаемости
на
основе
актов
повреждений
и
рассчитанных
показателей
надеж
-
ности
;
–
базу
данных
развития
дефектов
трансформаторов
,
подтвержденных
вскрытием
оборудования
.
Развитие
дефектов
показано
историей
изменения
значений
кон
-
тролируемых
параметров
шести
видов
измерений
,
в
том
числе
АРГ
.
Описание
дефекта
в
подсистеме
проводится
согласно
методике
,
изложенной
авторами
ЭДИС
в
источ
-
нике
[3].
Подсистема
определения
новых
критериев
диагности
-
рования
рассчитывает
(
по
авторской
методике
[4])
критерии
оценки
контролируемых
параметров
на
основе
данных
экс
-
плуатации
своего
парка
оборудования
,
накопленных
в
БД
системы
.
Подсистема
анализа
технико
-
экономических
показате
-
лей
парка
оборудования
позволяет
:
–
отслеживать
динамику
изменений
количества
ЭО
,
стоящего
на
учащенном
контроле
по
видам
измерений
,
уровням
опасности
технического
состояния
и
пр
.;
–
получать
статистические
выборки
с
гибкими
усло
-
виями
отбора
,
как
по
паспортным
характеристикам
оборудования
,
так
и
по
оперативной
информации
(
результатам
проведенных
измерений
и
ТОиР
,
внеш
-
ним
воздействиям
);
–
рассчитывать
удельные
затраты
и
трудоемкость
по
груп
-
пам
оборудования
.
Назначение
подсистемы
выбора
приоритетности
ТОиР
с
учетом
оценок
технического
состояния
и
рисков
отказа
ясно
из
ее
названия
.
Расчет
индекса
технического
состоя
-
ния
трансформаторного
оборудования
и
оценка
риска
его
отказа
проводятся
по
авторским
методикам
,
приведенным
в
источнике
[5].
Наиболее
ценный
и
динамично
развивающийся
компо
-
нент
ЭДИС
—
база
знаний
(
БЗ
).
Постоянное
обновление
и
дополнение
БЗ
—
залог
востребованности
СИИ
,
увеличе
-
ния
ее
жизненного
цикла
.
БЗ
системы
содержит
:
–
библиотеки
критериев
оценки
контролируемых
парамет
-
ров
и
их
трендов
;
–
алгоритмы
определения
вида
,
характера
дефекта
,
степени
его
развития
,
опасности
и
,
по
возможности
,
локализации
;
–
алгоритм
определения
узла
(
системы
)
силового
транс
-
форматора
,
в
котором
развивается
повреждение
,
построенный
на
основе
машинного
обучения
на
базе
данных
повреждений
трансформаторов
[6];
–
алгоритм
поиска
случая
,
аналогичного
рассматриваемо
-
му
,
в
базе
данных
повреждений
трансформаторов
;
–
алгоритмы
назначения
операций
ТОиР
(
их
объемов
и
сроков
проведения
)
с
учетом
вида
,
степени
развития
и
опасности
дефекта
и
его
локализации
.
СХЕМА
СБОРА
ОПЕРАТИВНЫХ
ДАННЫХ
О
СОСТОЯНИИ
ПАРКА
ЭЛЕКТРООБОРУДОВАНИЯ
В
АО
«
Россети
Тюмень
»
работа
ЭДИС
построена
по
двух
-
уровневой
схеме
«
управление
-
филиалы
».
Каждый
уровень
обладает
своим
функционалом
ЭДИС
,
который
соответствует
степени
ответственности
и
компетентности
пользователей
,
набору
решаемых
ими
задач
.
На
рисунке
2
представлена
схе
-
ма
сбора
и
движения
данных
,
поясняющая
работу
ЭДИС
.
На
уровне
филиалов
установлена
сетевая
версия
из
5–10
рабочих
мест
c
ролями
: «
химик
», «
испытатель
», «
на
-
чальник
службы
».
Роль
регламентирует
права
доступа
к
ин
-
формации
определенного
вида
.
Например
,
пользователь
с
ролью
«
химик
»
вносит
в
БД
информацию
,
касающуюся
контроля
масла
(
АРГ
,
ФХА
).
Пользователь
с
ролью
«
испыта
-
тель
»
заносит
данные
электрических
измерений
.
Согласно
своим
ролям
специалисты
филиала
получа
-
ют
функции
по
анализу
вносимой
ими
информации
от
под
-
систем
и
базы
знаний
ЭДИС
(
рисунок
1),
такие
как
:
–
верификация
вносимых
данных
;
–
диагностирование
и
выработка
рекомендаций
по
даль
-
нейшей
эксплуатации
единицы
оборудования
;
–
выдача
протоколов
оценки
технического
состояния
и
карточек
измерений
;
–
составление
ежегодного
плана
измерений
;
–
формирование
сводок
оборудования
,
стоящего
на
уча
-
щенном
контроле
,
статистических
выборок
показателей
парка
оборудования
и
пр
.
Для
специалиста
с
ролью
«
начальник
службы
»
доступен
как
весь
функционал
по
анализу
информации
ролей
«
хи
-
мик
»
и
«
испытатель
»,
так
и
более
глубокий
анализ
данных
с
большим
уровнем
обобщения
информации
(
например
,
локализация
дефекта
и
поиска
его
аналогов
в
БД
фактов
повреждения
трансформаторов
,
ранжирование
парка
транс
-
форматоров
на
основе
расчета
индекса
технического
состо
-
яния
и
рисков
отказа
и
пр
.).
На
уровне
управления
АО
«
Россети
Тюмень
»
исполь
-
зуется
сетевая
версия
ЭДИС
на
трех
рабочих
местах
с
ро
-
лями
: «
менеджер
информации
»
и
«
эксперт
».
Специалист
с
ролью
«
менеджер
информации
»
координирует
движение
Управление
активами

17
потоков
информации
между
БД
ЭДИС
и
БД
Системы
управ
-
ления
производственными
активами
(
СУПА
).
Как
правило
,
это
сотрудник
службы
информационных
технологий
.
Инте
-
грация
систем
ЭДИС
и
СУПА
(
реализованной
на
базе
SAP
ERP)
на
уровне
баз
данных
сокращает
время
сбора
данных
испытаний
и
измерений
по
маслонаполненному
оборудо
-
ванию
,
а
также
исключает
повторный
ручной
ввод
данных
в
различных
системах
.
Специалисты
управления
с
ролью
«
эксперт
»
обладают
всеми
возможными
правами
на
доступ
к
данным
и
их
ана
-
лизу
.
Это
руководитель
и
ведущий
инженер
сектора
диа
-
гностики
,
отвечающий
за
техническое
состояние
ЭО
и
свое
-
временную
подготовку
мероприятий
по
воздействию
на
оборудование
(
комплексная
диагностика
,
текущий
,
средний
,
капитальный
ремонты
и
т
.
д
.).
Экспертам
доступен
анализ
повреждаемости
парка
оборудования
,
расчет
новых
крите
-
риев
диагностирования
.
Разработчики
ЭДИС
надеются
,
что
со
временем
среди
пользователей
появятся
и
аналитики
.
Обмен
данными
между
БД
филиалов
и
БД
управле
-
ния
осуществляется
автоматически
специальным
блоком
репликации
данных
по
задаваемому
расписанию
.
Обычно
это
происходит
в
часы
наименьшей
загрузки
локальной
сети
предприятия
.
В
БД
управления
поступает
инфор
-
мация
о
данных
испытаний
,
измерений
и
паспортных
ха
-
рактеристик
оборудования
из
девяти
БД
служб
изоляции
филиалов
и
трех
БД
территориальных
производственных
отделений
(
ТПО
).
Из
БД
управления
во
все
БД
филиалов
и
ТПО
поступает
информация
об
изменениях
в
справочни
-
ках
БД
и
библиотеках
критериев
оценки
контролируемых
параметров
ЭО
.
Таким
образом
,
в
АО
«
Россети
Тюмень
»
ЭДИС
работает
в
варианте
организации
на
каждом
функциональном
уровне
автономной
сети
.
Есть
случаи
внедрения
ЭДИС
с
подключе
-
нием
рабочих
мест
различных
филиалов
и
управления
к
од
-
ной
централизованной
БД
.
Несмотря
на
это
,
нам
видится
,
что
выбранная
АО
«
Россети
Тюмень
»
схема
сбора
данных
с
независимой
работой
каждого
уровня
обладает
большей
устойчивостью
,
живучестью
,
а
значит
,
большей
безопасно
-
стью
для
предприятия
в
целом
.
Кроме
того
,
это
решение
сводит
до
минимума
трафик
сети
.
Рис
. 2.
Схема
сбора
данных
ЭДИС
«
Альбатрос
»
Уровень управления энергокомпании
Филиал № 2
Филиал № 1
БД СУПА
Сервер БД
SAP ERP
Основная БД
ЭДИС
Репликатор
Канал связи 1
управления
Выводы, графики,
протоколы, отчеты
Приложение
ЭДИС
Сервер БД
Fireberd
Сервер
управления
Рабочие места
экспертов № 1–
x
Канал связи 2
...
Филиал № 9
Канал связи 9
БД филиала
Репликатор
филиала
Сервер БД
Сервер филиала
Рабочее место начальника службы № 1
Приложение
ЭДИС
Выводы, графики,
протоколы, отчеты
Рабочие места
высоковольтной лаборатории № 1–7
Рабочие места
хим. лаборатории № 1–4
...

18
Ежеквартальный
спецвыпуск
№
4 (19),
декабрь
2020
СИСТЕМА
ОБУЧЕНИЯ
ПЕРСОНАЛА
Одно
из
ключевых
условий
эффективного
использования
СИИ
—
обучение
персонала
.
Речь
идет
не
об
изучении
интерфейса
программы
,
а
о
знаниях
в
области
диагности
-
рования
оборудования
,
правилах
его
эксплуатации
и
ре
-
монта
,
о
понимании
методик
анализа
повреждаемости
оборудования
и
ранжирования
по
техническому
состоя
-
нию
,
получения
критериев
оценки
контролируемых
пара
-
метров
и
др
.
Речь
—
об
освоении
пользователями
того
потенциала
знаний
,
который
заложен
в
ЭДИС
.
Во
время
обучения
пользователи
должны
приобрести
навыки
использования
СИИ
в
повседневной
работе
,
рас
-
ширить
свой
обычный
набор
процедур
анализа
данных
.
Кроме
того
,
они
имеют
возможность
на
практике
убедить
-
ся
в
пользе
системы
:
увидеть
сокращение
рабочего
вре
-
мени
на
составление
отчетов
,
протоколов
,
планов
изме
-
рений
и
пр
.;
оценить
качество
диагностирования
и
других
видов
анализа
системой
данных
.
В
этом
случае
исполь
-
зование
ЭДИС
не
будет
вызывать
внутреннего
сопротив
-
ления
персонала
.
По
оценкам
разработчиков
системы
,
без
обучения
персонал
использует
возможности
ЭДИС
только
вполовину
.
За
длительный
(
более
20
лет
)
период
эксплуата
-
ции
ЭДИС
в
АО
«
Россети
Тюмень
»
обучение
персонала
проводилось
с
периодичностью
1
раз
в
2–3
года
.
Такое
количество
курсов
обусловлено
тем
,
что
в
конкретном
обучении
принимает
участие
только
часть
специали
-
стов
филиала
,
есть
обновление
персонала
на
местах
,
постоянно
происходит
совершенствование
системы
,
расширение
ее
функционала
.
Кроме
того
,
обучение
про
-
водится
по
трем
различным
программам
.
Последние
10
лет
обучение
проводится
в
виде
курсов
повышения
квалификации
(
КПК
)
на
базе
Уральского
федерального
университета
.
Значительную
часть
обучения
занимает
практика
анализа
информации
с
помощью
ЭДИС
на
ре
-
альных
примерах
повреждения
оборудования
и
анализа
технико
-
экономических
показателей
парка
ЭО
по
акту
-
альной
БД
АО
«
Россети
Тюмень
».
На
курсах
отведено
время
обмену
опытом
между
слушателями
по
примене
-
нию
новых
приборов
и
методов
диагностирования
,
слу
-
чаях
выявления
дефектов
в
оборудовании
и
пр
.
Такая
форма
обучения
вызывает
живой
интерес
,
поскольку
слушатели
могут
увидеть
развитие
повреждения
обо
-
рудования
по
данным
измерений
и
испытаний
,
занесен
-
ным
в
БД
.
ОПЫТ
АО
«
РОССЕТИ
ТЮМЕНЬ
»
ПО
АНАЛИТИКЕ
ДАННЫХ
ЭКСПЛУАТАЦИИ
Аналитики
уже
давно
и
успешно
работают
в
финансовых
,
инвестиционных
компаниях
,
банковских
структурах
,
кон
-
салтинговых
компаниях
,
брокерских
конторах
.
По
наше
-
му
мнению
,
давно
создана
почва
для
работы
аналитиков
в
энергетике
.
Применительно
к
сетевым
предприятиям
аналитик
может
быть
полезен
техническому
руководству
для
следующего
:
–
прогнозирования
изменений
технического
состояния
парка
оборудования
со
среднесрочным
горизонтом
пла
-
нирования
(5
и
более
лет
);
–
определения
наиболее
надежных
типов
оборудования
и
их
производителей
;
–
определения
типов
оборудования
c
минимальными
затратами
на
эксплуатацию
в
течение
назначенного
ресурса
;
–
определения
узких
мест
в
организации
проведения
экс
-
плуатации
(
в
том
числе
технического
диагностирования
)
и
ремонта
электрооборудования
и
выработки
рекомен
-
даций
по
их
устранению
,
в
том
числе
в
кадровых
вопро
-
сах
;
–
выявления
передового
опыта
в
вопросах
диагности
-
рования
,
эксплуатации
и
ремонта
оборудования
и
рас
-
пространение
его
в
других
структурных
единицах
энер
-
гокомпании
;
–
определения
необходимых
объемов
и
сроков
эксплуа
-
тационных
мероприятий
для
поддержания
технического
состояния
парка
оборудования
,
обеспечивающее
требу
-
емый
уровень
и
качество
энергоснабжения
.
Рассмотрим
далее
примеры
аналитики
технического
состояния
парка
оборудования
,
выполненные
с
помощью
ЭДИС
,
на
примере
одного
из
филиалов
АО
«
Россети
Тю
-
мень
».
Пример
1.
Проведение
АРГ
для
маслонаполненных
из
-
мерительных
трансформаторов
(
ИТ
)
документами
[7, 8]
не
регламентировалось
,
поэтому
проводилось
в
энергоком
-
пании
выборочно
.
С
начала
внедрения
ЭДИС
для
оценки
состояния
ИТ
по
результатам
АРГ
использовали
критерии
,
предлагаемые
ЭДИС
.
После
накопления
положительного
опыта
применения
АРГ
для
идентификации
дефектов
ИТ
главным
инженером
АО
«
Россети
Тюмень
»
было
принято
решение
о
регулярном
проведении
АРГ
для
трансформато
-
ров
тока
(1
раз
в
2
года
)
и
напряжения
(1
раз
в
4
года
).
Таким
образом
,
к
2013
году
в
БД
ЭДИС
накопился
достаточный
массив
эксплуатационных
данных
,
чтобы
уточнить
критерии
оценки
АРГ
ИТ
для
собственного
парка
оборудования
.
Рас
-
четы
предельно
допустимых
значений
концентраций
газов
были
выполнены
с
помощью
подсистемы
определения
но
-
вых
критериев
диагностирования
ЭДИС
.
Полученные
крите
-
рии
оценки
АРГ
были
утверждены
главным
инженером
и
за
-
несены
в
базу
знаний
ЭДИС
для
возможности
оперативной
оценки
парка
ИТ
.
На
рисунке
3
представлен
статистический
анализ
трансформаторов
тока
(
ТТ
),
стоящих
на
учащенном
контроле
на
протяжении
20
лет
,
проведенный
подсистемой
анализа
технико
-
экономических
показателей
парка
обору
-
дования
для
одного
из
филиалов
.
Система
автоматически
проводит
оценку
контролируемых
параметров
и
динамику
их
изменения
по
различным
видам
измерений
,
определяя
одну
из
5
категорий
технического
состояния
:
исправное
состоя
-
Управление
активами

19
ние
,
зона
риска
развития
повреждения
,
зона
опасности
раз
-
вития
повреждения
,
зона
дефекта
,
зона
опасного
дефекта
.
Как
показывает
график
рисунка
3,
с
начала
введения
обяза
-
тельного
проведения
АРГ
для
ИТ
количество
ТТ
,
стоящих
на
учащенном
контроле
по
АРГ
,
выросло
.
Затем
их
количество
уменьшилось
и
стабилизирова
-
лось
в
2016–2019
годы
на
уровне
примерно
половины
от
количества
2011–2013
годов
.
То
есть
в
течение
двух
лет
(2010–2011
годы
)
были
выявлены
все
ТТ
с
развивающими
-
ся
повреждениями
.
На
протяжении
2010–2013
годов
эти
ТТ
были
либо
отремонтированы
,
либо
заменены
,
после
чего
ежегодное
количество
ТТ
на
контроле
по
АРГ
уменьшилось
.
Таким
образом
,
построенный
ЭДИС
график
изменения
за
19
лет
количества
ТТ
,
стоящих
на
учащенном
контроле
по
АРГ
,
показывает
следующее
:
–
управленческое
решение
по
применению
АРГ
для
оцен
-
ки
технического
состояния
ТТ
имеет
положительный
эффект
(
даже
можно
определить
степень
положитель
-
ного
влияния
);
–
критерии
оценки
результатов
АРГ
для
парка
ИТ
опреде
-
лены
верно
.
Пример
2.
На
графике
статистики
поста
-
новки
на
контроль
ТТ
110
кВ
по
разным
видам
измерений
(
рисунок
3)
мы
видим
резкий
рост
ТТ
на
контроле
по
ФХА
масла
с
2010
года
.
Ис
-
следуем
этот
вопрос
подробнее
.
В
таблице
1
показано
количество
ФХА
масла
ТТ
110
кВ
,
внесенных
в
БД
.
Мы
видим
,
что
при
выявлении
отклонений
характеристик
качества
масла
,
при
примерно
одном
и
том
же
количестве
измерений
в
год
и
периодичности
ФХА
масла
1
раз
в
2
года
,
с
течением
времени
ТТ
на
контроле
остается