Анализ данных и интеллектуальная диагностическая функция онлайновой системы мониторинга смещения постоянного тока трансформатора преобразуют традиционное искусственное эмпирическое суждение в научное решение, основанное на данных, для достижения точного восприятия, точной оценки и интеллектуального раннего предупреждения о проблеме смещения постоянного тока. При непрерывном развитии технологий искусственного интеллекта диагностические возможности этой системы будут еще более улучшены, что обеспечит более сильную техническую поддержку безопасной и стабильной работы энергосистемы.
I. Сбор и интеграционный анализ данных из нескольких источников
Онлайновая система мониторинга смещения постоянного тока трансформатора сначала собирает многомерные данные о токе постоянного тока, вибрационном сигнале, уровне шума, температуре масла и т. Д. В режиме реального времени с помощью датчика постоянного тока, датчика вибрации, датчика шума, датчика температуры и т. Д., развернутого в нейтральной точке трансформатора. Эти данные составляют основу для анализа и диагностики.
Система использует технологию слияния данных для проведения корреляционного анализа различных источников и типов данных мониторинга. Например, при обнаружении увеличения тока постоянного тока система синхронизирует анализ того, происходит ли усиление определенных частотных компонентов вибрационного сигнала, повышается ли уровень шума и имеет ли аномальная тенденция изменения температуры. Этот многопараметрический совместный анализ значительно повышает точность распознавания неисправностей и избегает возможности ошибки одного параметра.
II. Извлечение признаков и оценка состояния
После получения исходных данных система извлекает характеристическую величину с помощью усовершенствованных алгоритмов обработки сигналов. Для вибрационных сигналов используется анализ малых волн, эмпирическое модальное разложение и другие методы извлечения характерных частотных компонентов, связанных с смещением постоянного тока; Для шумовых сигналов проводится спектральный анализ для определения шумовых характеристик, вызванных магнитострикцией сердечника; Для сигнала тока анализируются изменения его гармонического состава.
Основываясь на извлеченных характеристиках, система создает модель оценки состояния трансформатора. Сравнивая данные в реальном времени с базовыми данными в нормальном рабочем состоянии, система может количественно оценить серьезность эксцентриситета постоянного тока, как правило, используя иерархический механизм раннего предупреждения: нормальный, внимательный, ненормальный, опасный и другие уровни, чтобы обеспечить интуитивное суждение о состоянии для обслуживающего персонала.
Интеллектуальная диагностика и прогнозирование тенденций
Интеллектуальная диагностика является основной функцией системы. Основываясь на алгоритмах машинного обучения и глубокого обучения, система может распознавать модели развития смещения постоянного тока, определять причины смещения (например, геомагнитные бури, однополюсная работа передачи постоянного тока и т. Д.) и оценивать их влияние на старение изоляции трансформаторов и стабильность механической структуры.
Система также обладает мощными возможностями прогнозирования тенденций. Путем глубокого анализа и анализа исторических данных, построения моделей прогнозирования временных рядов для прогнозирования тенденций смещения постоянного тока и раннего предупреждения о возможных рисках. Например, когда прогнозируется усиление магнитной активности в материковой части страны в течение некоторого времени, система может заблаговременно предупреждать об этом, давая транспортному и эксплуатационному секторам достаточно времени для принятия мер предосторожности.
IV. Диагностические решения и эксплуатационная поддержка
Основываясь на анализе результатов диагностики, система может генерировать профессиональный диагностический отчет, четко указывая на проблему, серьезность, возможные причины и тенденции развития, а также выдвигать целевые предложения по обработке, такие как корректировка режима работы передачи постоянного тока, ввод в прямое устройство и так далее.
Кроме того, система также связывает результаты диагностики с системой управления оборудованием, системой управления ремонтом, обеспечивает поддержку принятия решений для ремонта состояния и точной эксплуатации и обслуживания, реализует переход от « регулярного капитального ремонта» к « ремонту состояния», значительно повышает эффективность эксплуатации и обслуживания, снижает затраты на техническое обслуживание.
Заключение