ПРОГНОЗИРОВАНИЕ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ЭЛЕКТРООБОРУДОВАНИЯ НА ОСНОВЕ АНАЛИЗА ГАРМОНИЧЕСКОГО СОСТАВА ТОКОВ И НАПРЯЖЕНИЙ

ПРОГНОЗИРОВАНИЕ ТЕХНИЧЕСКОГО СОСТОЯНИЯ
ЭЛЕКТРООБОРУДОВАНИЯ НА ОСНОВЕ АНАЛИЗА
ГАРМОНИЧЕСКОГО СОСТАВА ТОКОВ И НАПРЯЖЕНИЙ
автор проекта:
Хуснутдинова Л.Г.
руководитель:
ассистент Юмагузин У.Ф.
Проект «Шаг в будущее». Инновационные технологии 21 века в области электроники,
электротехники, приборостроения, электроснабжении и энергосбережении.
Проект «Шаг в будущее»
«Прогнозирование технического состояния электрооборудования
на основе анализа гармонического состава токов и напряжений» (2/14)
Проблемы обеспечения энергетической безопасности
Одно из главных условий устойчивого развития предприятий нефтехимической отрасли –
обеспечение надёжности, безопасности и эффективности эксплуатации электрооборудования
Недостаточно высокая степень надежности
оборудования и низкий уровень технического
обслуживания приводит к:
- авариям
- нарушениям технологического процесса
- увеличению затрат на восстановление и
ремонт
- снижению качества выпускаемой
продукции и ряду других негативных
последствий
Доля пожаров по электротехническим
причинам (от общего числа пожаров), % Доля пожаров электрооборудования,%
30
%
25
20
15
10
5
0
2009 г 2010 г 2011 г 2012 г 2013 г
Необходимость разработки новых технологий технического обслуживания
Современные системы диагностирования достаточно совершенны
с технической точки зрения, однако интерпретация результатов
диагностирования по-прежнему остается серьезной проблемой.
В этих условиях возрастает необходимость в повышении
роли методов оценки технического состояния
и прогнозирования остаточного ресурса.
Кабельные линии
Электродвигатели
Трансформаторы
Прочее
Значительное повышение
стоимости ремонтно-технического
обслуживания, запасных частей,
монтажных и аварийновосстановительных работ
Проект «Шаг в будущее»
«Прогнозирование технического состояния электрооборудования
на основе анализа гармонического состава токов и напряжений» (3/14)
Современные методы и средства диагностики электродвигателей машинных агрегатов
Основную долю машинных агрегатов
нефтехимических производств составляют
машинные агрегаты с электрическим
приводом (порядка 35% всего оборудования).
Диагностика изоляции электродвигателей методом
частичных разрядов
Частичный разряд (ЧР) – это искровой разряд очень
маленькой мощности, который образуется внутри
изоляции, или на ее поверхности, в оборудовании
среднего и высокого классов напряжения. С течением
времени, периодически повторяющиеся частичные
разряды, разрушает изоляцию, приводя в конечном итоге
к ее пробою. Возникновение электрического разряда
вызывает сигналы трех типов: электрического,
электромагнитного и акустического.
Регистрация частичных разрядов,
оценка их мощности и повторяемости
позволяет своевременно выявить
развивающиеся повреждения
изоляции и принять необходимые
меры для их устранения. «R2200» многоканальный переносной прибор
регистрации и анализа сигналов
частичных разрядов в изоляции
Тепловизионный метод диагностики
Принцип работы основан на том, что все
нагретые тела излучают инфракрасные
волны различной интенсивности.
Спектр, мощность и пространственные
характеристики этого излучения зависят
от температуры тела и его
излучательной способности,
обусловленной, в основном, его
материалом и микроструктурными
характеристиками излучающей
поверхности.
В основе принципа
действия тепловизоров
лежит возможность
получения видимого
изображения объектов
по их тепловому
(инфракрасному)
излучению, что
позволяет оценить
распределение тепловых полей и,
как следствие этого, определить
температуру любой точки на
поверхности объекта
Основное отличие
пирометров от
тепловизоров заключается в
том, что
пирометры
измеряют
температуру
в конкретной
точке.
Проект «Шаг в будущее»
«Прогнозирование технического состояния электрооборудования
на основе анализа гармонического состава токов и напряжений» (4/14)
Современные методы и средства диагностики электродвигателей машинных агрегатов
Вибродиагностика
Измеряемые параметры:
- виброперемещение,(мкм);
- виброскорость, (мм/с);
- виброускорение, (м/с2).
Диагностика неравномерности воздушного зазора
Одной из часто встречающихся неисправностей
электрических машин является неравномерность воздушного
зазора (эксцентриситет). Неравномерность зазора более
допустимых 10% вызывает:
- увеличениие магнитного шума
- увеличение вибрации
- нарушение симметрии токов в фазах
- местные нагревы в обмотке и железе статора
- усиление одностороннего магнитного притяжения
- ухудшение технико-экономических показателей
- создаётся опасность задевания ротора за статор с тяжелыми
последствиями для машины.
Недостатки:
- особые требования к способу крепления датчика вибрации;
- зависимость параметров вибрации от большого количества
факторов;
- сложность выделения вибрационного сигнала обусловленного
наличием неисправности;
- точность диагностирования в большинстве случаев зависит от
числа сглаженных (осреднённых) параметров;
- реализуется только с непосредственным доступом к
электродвигателю, т.е. не обеспечивает дистанционного
диагностирования.
Прямой метод контроля равномерности воздушного зазора
в электрических машинах основан на непосредственном его
измерении стальными щупами, вводимыми в зазор в четырёх
точках расточки статора, геометрически сдвинутых между
собой на 90о.
Вибрация – это механические колебания тела около положения
равновесия.
Измерения проводят в различных точках в двух или трех взаимно
перпендикулярных направлениях (вертикальное, поперечное и
осевое).
Проект «Шаг в будущее»
«Прогнозирование технического состояния электрооборудования
на основе анализа гармонического состава токов и напряжений» (5/14)
Спектральный анализ гармонического состава токов и напряжений электродвигателя
Метод анализа гармонического состава токов и
напряжений, генерируемых двигателем
электропривода – один из наиболее перспективных
методов диагностики насосно-компрессорного
оборудования, который может использоваться при
реализации системы ремонта и обслуживания по
техническому состоянию.
Наличие в спектре токов и напряжений гармонических составляющих
определенных частот и определенной интенсивности свидетельствует о
наличии повреждений электрической и/или механической части
оборудования.
•возможность обнаружить не только
механические, но и электрические повреждения;
•возможность выявлять нарушения качества сети, их
влияние на характер повреждений;
•возможность дистанционного диагностирования;
•проведение мониторинга токов и напряжений
электропривода может быть выполнено без
нарушения режима работы оборудования.
Для измерения параметров гармонических составляющих токов и напряжений использовали измеритель показателей качества
электроэнергии Ресурс-UF2M, укомплектованный программным обеспечением «Ресурс-UF2Plus». Прибор позволяет измерять
параметры 40 гармонических составляющих тока КIn и напряжения КUn и углы сдвига по фазе φui(n) между соответствующими
гармоническими составляющими фазных токов In и напряжений Un.
Проект «Шаг в будущее»
«Прогнозирование технического состояния электрооборудования
на основе анализа гармонического состава токов и напряжений» (6/14)
Спектральный анализ гармонического состава токов и напряжений электродвигателя
Для диагностики электрооборудования по значениям параметров генерируемых гармонических составляющих токов и
напряжений, разработано программное обеспечение «Оценка технического состояния электрооборудования на основе
интегральных параметров» (свидетельство о государственной регистрации программы для ЭВМ № 2012615158, авторы: Баширов
М.Г., Юмагузин У.Ф., Миронова И.С., Акчулпанов В.Г.)
Методика измерения D∑ основана на патенте №2431152 «Способ диагностики механизмов и систем с электрическим приводом»
(авторы Кузеев И.Р., Баширов М.Г., Прахов И.В., Баширова Э.М., Самородов А.В.)
Для оценки поврежденности отдельных элементов насосно-компрессорного оборудования
используется параметр Dm
Интегральный диагностический
параметр поврежденности D∑
17
D Σ  F(  w m D m ),
m 1
где КIn – коэффициент гармонических составляющих токов (индексы А, В, С соответствуют фазам); КUn – коэффициент гармонических
составляющих напряжений; φui(n) – угол сдвига по фазе между соответствующими гармоническими составляющими фазных токов и
напряжений; Тподш – температуры подшипников агрегата; Тизол – температура изоляции обмотки статора электродвигателя; w –
весовые коэффициенты нейронной сети для соответствующих диагностических параметров; p – число подшипников агрегата
Проект «Шаг в будущее»
«Прогнозирование технического состояния электрооборудования
на основе анализа гармонического состава токов и напряжений» (7/14)
Прогнозирование, как один из основных элементов технической диагностики
Процессы, перспективы которых
необходимо предсказывать, чаще всего
описываются временными рядами.
- последовательность значений
некоторых величин, полученных в
определенные моменты времени.
Т.е.
Временной ряд включает в себя два обязательных элемента –
отметку времени и значение показателя ряда – параметра,
полученного с помощью метода диагностики
Пример временного ряда,
где Z(t) – параметр ряда,
t - время
Сложность решения задачи прогнозирования остаточного
ресурса:
Для реальных предприятий нефтехимической отрасли число
контролируемых параметров оборудования, влияющих на
возникновение и развитие аварийных ситуаций, весьма велико, и
организовать оперативный контроль всех необходимых
параметров, как правило, невозможно.
Решение:
Для оценки и
прогнозирования технического состояния
электрооборудования предлагается использовать интегральный
диагностический параметр поврежденности D∑, полученный на
основе анализа гармонического состава токов и напряжений и
характеризующий фактическое состояние оборудования.
Проект «Шаг в будущее»
«Прогнозирование технического состояния электрооборудования
на основе анализа гармонического состава токов и напряжений» (8/14)
Методы и модели прогнозирования
Регрессионные
+
-
Авторегрессион- Экспоненциальные (ARIMAX) ного сглаживания
Простота моделирования; единообразие
подходов анализа и проектирования
Сложность определения
функциональной
зависимости;
трудоемкость
нахождения
коэффициентов
зависимости; сложность
моделирования
нелинейных процессов
Трудоемкость и
ресурсоемкость
идентификации
моделей
Недостаточная
гибкость;
узкая
применимость
моделей
Нейросетевые
Модели и методы Модели и методы на
базе классификацина базе цепей
онно-регрессионных
Маркова
деревьев
Нелинейность
моделей;
масштабируемость,
высокая
адаптивность
Простота
моделирования;
единообразие
подходов
анализа и
проектирования
Масштабируемость;
быстрота обучения;
возможность
учитывать
категориальные
переменные
Отсутствие
прозрачности;
сложность выбора
архитектуры;
жесткие требования
к обучающей
выборке; сложность
алгоритма обучения
сети
Невозможность
моделирования
процессов с
длинной
памятью; узкая
применимость
моделей
Неоднозначность
алгоритма
построения
дерева;
сложность
вопроса останова
Проект «Шаг в будущее»
«Прогнозирование технического состояния электрооборудования
на основе анализа гармонического состава токов и напряжений» (9/14)
Методы и модели прогнозирования
По времени
прогнозирования
различают
краткосрочный,
среднесрочный и
долгосрочный прогноз
ARIMAX
Экспоненциального
сглаживания
Регрессионные
Нейросетевые
Краткосрочный
+
Среднесрочный
+/-
Долгосрочный
-
+/-
+
-
+/+
+/+
+
+
На сегодняшний день наиболее распространенными моделями прогнозирования
являются авторегрессионные модели (ARIMAX), а также нейросетевые модели (ANN).
Проект «Шаг в будущее»
«Прогнозирование технического состояния электрооборудования
на основе анализа гармонического состава токов и напряжений» (10/14)
Прогнозирование на основе метода ARIMAX
Исходные данные
Дата (t)
ʋ (мм/с)
21.02.2011
30.03.2011
28.04.2011
23.06.2011
20.07.2011
22.08.2011
26.10.2011
25.11.2011
23.12.2011
07.02.2012
21.03.2012
25.04.2012
27.07.2012
11.09.2012
30.10.2012
20.11.2012
20.12.2012
26.02.2013
26.06.2013
10.07.2013
18.09.2013
28.10.2013
25.11.2013
18.12.2013
29.01.2014
0,3
0,43
0,28
0,33
0,32
0,34
0,35
0,35
0,36
0,4
0,32
0,35
0,37
0,56
0,24
0,25
0,21
0,24
0,32
0,33
0,73
0,76
1,27
1,25
0,38
Ввиду отсутствия значений
интегрального диагностического
параметра поврежденности D∑, в
течение времени, для построения
модели прогнозирования были взяты
значения параметра вибродиагностики
– виброскорости (мм/с).
Для построения прогноза были
использованны 22 значения (с
21.02.2011 по 28.10.2013), значения за
25.11.2013, 18.12.2013 и 29.01.2014
были использованны для кросспроверки.
Ошибка на кросс-проверке возрастает
на последнем наблюдении, что говорит
о том, что данную модель лучше всего
использовать для краткосрочного
прогнозирования.
Модель была получена в программе «Statistica»
(вертикальное направление измерения виброскорости)
Проект «Шаг в будущее»
«Прогнозирование технического состояния электрооборудования
на основе анализа гармонического состава токов и напряжений» (11/14)
Прогнозирование на основе метода ARIMAX
Модель была получена в программе «Statistica»
Исходные данные
Дата (t)
ʋ (мм/с)
21.02.2011
30.03.2011
28.04.2011
23.06.2011
20.07.2011
22.08.2011
26.10.2011
25.11.2011
23.12.2011
07.02.2012
21.03.2012
25.04.2012
27.07.2012
11.09.2012
30.10.2012
20.11.2012
20.12.2012
26.02.2013
26.06.2013
10.07.2013
18.09.2013
28.10.2013
25.11.2013
18.12.2013
29.01.2014
0,61
0,31
0,26
0,29
0,3
0,25
0,47
0,45
0,38
0,48
0,6
0,49
0,65
1
0,3
0,27
0,27
0,35
0,38
0,43
1,18
1,06
1,62
1,57
0,57
Для построения прогноза были
использованны 22 значения (с
21.02.2011 по 28.10.2013), значения за
25.11.2013, 18.12.2013 и 29.01.2014
были использованны для кросспроверки.
Ошибка на кросс-проверке возрастает
на последнем наблюдении, что говорит
о том, что данную модель лучше всего
использовать для краткосрочного
прогнозирования.
(горизонтальное направление измерения виброскорости)
Проект «Шаг в будущее»
«Прогнозирование технического состояния электрооборудования
на основе анализа гармонического состава токов и напряжений» (12/14)
Прогнозирование на основе нейронных сетей
Обычно при
прогнозировании
ʋ (мм/с) временных рядов
используются
1,2
многослойные, чаще всего
1,13
трехслойные, нейронные
1,16
сети прямого
12,47
распространения.
Исходные данные
Дата (t)
21.02.2011
30.03.2011
28.04.2011
23.06.2011
22.08.2011 11,27
27.09.2011 4,56
25.11.2011 8,47
07.02.2012
6,2
21.03.2012 9,51
29.03.2012 5,05
25.04.2012 2,35
22.06.2012 2,54
27.07.2012
3,7
11.09.2012 1,83
30.10.2012 1,14
20.11.2012 1,67
26.02.2013 0,63
26.06.2013 0,58
10.07.2013 0,59
28.10.2013 0,64
25.11.2013 0,58
18.12.2013 0,57
29.01.2014 0,75
19.02.2014 0,76
Для построения прогноза были
использованны 22 значения (с
21.02.2011 по 18.12.2013), значения за
29.01.2014 и 19.02.2014 были
использованны для кросс-проверки.
В результате прогнозирования были
получены несколько моделей прогноза,
из которых выбрана наилучшая.
Судя по данным ошибки, можно
сделать вывод о том, что нейросетевые
модели обладают хорошей точностью
прогноза.
Модель была получена в программе
«Statistica»
Проект «Шаг в будущее»
«Прогнозирование технического состояния электрооборудования
на основе анализа гармонического состава токов и напряжений» (13/14)
Экономический эффект. Выводы
Система прогнозирования включает в себя:
•Данные параметров, полученных с помощью
диагностики электрооборудования
•Программа для прогнозирования технического
состояния
•Опытный специалист
Предложенная система диагностики состоит
из:
•Измеритель ПКЭ
•ПК
•Метод оценки уровня поврежденности
взрывозащищенных машинных агрегатов,
основанный на использовании интегрального
диагностического параметра (патент РФ на
изобретение №2431152)
•Программно-аппаратный комплекс «Оценка
технического состояния электрооборудования
на основе использования интегральных
параметров» (разработанная в филиале ФГБОУ
ВПО УГНТУ в городе Салавате )
Т.о. при минимальных затратах на внедрение
данной системы, мы получаем
Основные преимущества внедрения системы
прогнозирования на предприятии нефтехимической
отрасли:
Вследствие увеличения фактического
срока эксплуатации оборудования без
замены его на новое, возникает
значительный экономический эффект
Снижаются эксплуатационные
расходы из-за уменьшения
ремонтных работ
Зная прогнозное значение
параметра технического состояния
электрооборудования, можно
перейти от на эксплуатацию по
техническому состоянию, что, как
правило, повысит уровень
исправности и надежности
оборудования
Проект «Шаг в будущее»
«Прогнозирование технического состояния электрооборудования
на основе анализа гармонического состава токов и напряжений» (14/14)
Контактная информация
Хуснутдинова Луиза Гамировна
Образовательное учреждение: ФГБОУ ВПО УГНТУ в г. Салават (5 курс)
Телефон: 8-965-658-56-10
Электронная почта: Luiza.07@mail.ru