Таксономические единицы (категории) растений: Каждая система классификации состоит из определённых соподчиненных друг другу...
Археология об основании Рима: Новые раскопки проясняют и такой острый дискуссионный вопрос, как дата самого возникновения Рима...
Топ:
Марксистская теория происхождения государства: По мнению Маркса и Энгельса, в основе развития общества, происходящих в нем изменений лежит...
Проблема типологии научных революций: Глобальные научные революции и типы научной рациональности...
Особенности труда и отдыха в условиях низких температур: К работам при низких температурах на открытом воздухе и в не отапливаемых помещениях допускаются лица не моложе 18 лет, прошедшие...
Интересное:
Как мы говорим и как мы слушаем: общение можно сравнить с огромным зонтиком, под которым скрыто все...
Что нужно делать при лейкемии: Прежде всего, необходимо выяснить, не страдаете ли вы каким-либо душевным недугом...
Наиболее распространенные виды рака: Раковая опухоль — это самостоятельное новообразование, которое может возникнуть и от повышенного давления...
Дисциплины:
2017-06-11 | 489 |
5.00
из
|
Заказать работу |
|
|
ЮХИН Е.Г., ПРИВАЛОВА В.М., УГНТУ, г. Салават
Науч. рук. канд. техн. наук, доцент ПРАХОВ И.В.
Одной из наиболее актуальных проблем в данной сфере является оценка технического состояния маслонаполненных трансформаторов – наиболее ответственных и дорогостоящих объектов электротехнического оборудования. Довольно популярным и достоверным методом оценки является метод хроматографического анализа трансформаторного масла, которое, в зависимости от различных дефектов оборудования, будет иметь различный химический состав и электрофизические свойства.
В современных условиях избытка информации об оборудовании методы диагностики претерпевают изменения в сторону большей интеллектуализации, в частности, предлагается для диагностики технического состояния трансформаторов по химическому составу масла использовать нейро-нечеткие системы. Такая гибридная сеть позволяет создать экспертную систему, используя достоинства нейронной сети и систем нечеткого вывода. Общий алгоритм работы такой системы состоит в следующем. На первом этапе диагностические параметры об исследуемом объекте поступают на вход и преобразуются в нечеткие переменные, затем происходит определение степени истинности для каждого продукционного правила и расчет весовых коэффициентов. После этого вычисляется агрегированная функция на основе множества входных диагностических параметров, на этом же этапе корректируются весовые коэффициенты, тем самым реализуя процедуру обучения. Затем происходит суммирование всех продукционных правил в итоговую функцию и дефаззификация – переход от выходной итоговой переменной к числовому значению, которое в результате интерпретируется в оценку технического состояния оборудования.
|
На рис. 1 изображена модель оценки технического состояния электрооборудования, где входными данными являются диагностические параметры, которые обрабатываются согласно условиям продукционных правил. Затем суммируются результаты, полученные по каждому входному диагностическому параметру, в общую итоговую функцию, значение которой является оценкой технического состояния.
Рис. 1. Модель оценки технического состояния
Одним из методов получения диагностических параметров является хроматографический анализ растворенных в трансформаторном масле газов (ХАРГ) – эффективный способ контроля маслонаполненного электрооборудования, позволяющий получать информацию о его состоянии без вывода из работы.
Для этого определяются концентрации семи газов: водорода (Н2), метана (СH4), ацетилена (С2Н2), этилена (С2H4), этана (С2Н6), оксида углерода (СО) и диоксида углерода (СО2). Используется подразделение газов на основные (ключевые) и характерные (сопутствующие). Данные концентрации используются в качестве диагностических параметров для нейро-нечеткой сети.
На рис. 2 представлен пример хроматограммы, полученный в ходе испытания трансформатора ТРДЦНК-63000/110-73 У1.
Рис. 2. Хроматограмма
Таким образом, предложенная система принятия решения о состоянии объекта ЭС сочетает в себе результаты ХАРГ, других испытаний и результаты работы искусственного интеллекта, а именно нейро-нечеткой сети, использующей накопленный экспертами опыт диагностирования для получения наиболее достоверной оценки.
СЕКЦИЯ 2. ЭЛЕКТРОСНАБЖЕНИЕ
УДК 621.316.925
|
|
Типы сооружений для обработки осадков: Септиками называются сооружения, в которых одновременно происходят осветление сточной жидкости...
Поперечные профили набережных и береговой полосы: На городских территориях берегоукрепление проектируют с учетом технических и экономических требований, но особое значение придают эстетическим...
Эмиссия газов от очистных сооружений канализации: В последние годы внимание мирового сообщества сосредоточено на экологических проблемах...
Своеобразие русской архитектуры: Основной материал – дерево – быстрота постройки, но недолговечность и необходимость деления...
© cyberpedia.su 2017-2024 - Не является автором материалов. Исключительное право сохранено за автором текста.
Если вы не хотите, чтобы данный материал был у нас на сайте, перейдите по ссылке: Нарушение авторских прав. Мы поможем в написании вашей работы!