Метод и Алгоритм моделирования диагности для силового трансформатора на основе машинного обучения

Шайхуллин Артур Зуфарович, Низамиев Марат Фирденатович

Появляющаяся технология прогнозирования и управления состоянием (ПУС) в последнее время привлекла большое внимание ученых и отраслей промышленности. Необходимость повышения доступности оборудования и снижения затрат на техническое обслуживание является движущей силой разработки и интеграции систем прогнозирования и управления состоянием. Модели ПУС зависят от интеллектуальных датчиков и данных, генерируемых датчиками. В этой статье предложены основанные на машинном обучении методы разработки моделей ПУС на основе данных датчиков для выполнения диагностики неисправностей трансформаторных систем в интеллектуальной сети. В частности, применяется алгоритм для оптимизации нейронной сети обратного распространения (ОР) с целью построения высокопроизводительных моделей диагностики неисправностей. Модели были разработаны с использованием данных датчиков, называемых данными о растворенном газе в масле силового трансформатора. Полученные результаты демонстрируют, что разработанный алгоритм оптимизации параметров нейронной сети является эффективным и полезным; а модели, основанные на машинном обучении, значительно улучшили производительность и точность диагностики/обнаружения неисправностей для силового трансформатора ПУС.

Ключевые слова:машинное обучение; нейронная сеть; прогнозирования и управления состоянием силового трансформатора; диагностика неисправностей.