Online Electric

     В 1965 году Лютфи Заде (рис.1) впервые ввел термин нечеткой логики (fuzzy logic). За прошедшие полвека на основании этого понятия и мыслей Заде был сформулирован целый раздел математики, соединивший в себе классическую логику и теорию множеств.

Рис. 1 Профессор Калифорнийского университета (Беркли) Лютфи Заде

(http://academic.research.microsoft.com/Author/836819)

     В своем базисе нечеткая (или неявная) логика – это перевод на машинный язык приближенных рассуждений человека. Часто возникает такая ситуация, когда мы не можем со стопроцентной вероятностью утверждать тот или иной факт. В этом случае классическая логика дает сбой, и мы не можем построить алгоритм на основе наших рассуждений. Оперирую же нечеткими множествами и вводя лингвистические переменные, мы можем создать алгоритм (который возможно перевести в программный код) на базе неявной логики. Естественно, что подобные решения на стыке информатики и множества прочих наук (их в 1994 году тот же Заде назвал «мягкими вычислениями» или soft computing) получили широчайшее распространение в программировании. А если учесть, что это происходило в век массовой компьютеризации науки и образования в мире, то в скором времени на принципах нечеткой логики стали строиться практически все инновационные проекты, использующие искусственный интеллект. Электроэнергетика, как одна из ведущих отраслей мировой экономики, не могла остаться в стороне от этого процесса.

     В последние годы в нашей стране активно идет реконструкция старой, еще советской энергетической системы. Заменяется оборудование, строятся новые линии электропередач. Рост потребляемой энергии диктует условие ввода новых генерирующих мощностей и увеличения пропускной способности сетей. В этой новой коммерческой ситуации перебои в энергоснабжении зачастую причиняют громадный экономический ущерб. Для того чтобы избежать его необходимо применение новых средств защиты и диспетчеризации систем. Все эти факторы привели к появлению новой тенденции в отечественной электроэнергетике – тенденции на компьютеризацию существующих и строительство новых интеллектуальных сетей.

     Сети Smart Grid или интеллектуальные сети – это «умные» активно-адаптивные сети, которые сочетают комплексные инструменты контроля и мониторинга, информационные технологии и средства коммуникации, обеспечивающие значительно более высокую ее производительность и позволяющие генерирующим, сбытовым и коммунальным компаниям предоставлять населению энергию более высокого качества. Интеллектуальные сети – это новые системы генерации электрической энергии, сложные разветвленные сети электропередачи, инновационные системы мониторинга и диагностики мониторинга, качественно новые системы связи между энергетическими объектами, микропроцессорные системы учета электроэнергии и. конечно, принципиально реорганизованная защита этих сетей. Система мягких вычислений проникла практически во все из представленных инновационных трендов. Но обо всем по порядку.

     В сетях Smart Grid релейная защита совмещается с функциями информационно-измерительной системы. Вот оно – то самое поле, для применения огромного багажа постулатов нечеткой логики для построения адаптивных систем. В качестве технических средств предполагается применение микропроцессорных устройств релейной защиты (МУРЗ).

     К этим микропроцессорным устройствам выдвигаются те же требования, что и к другим видам защит: быстродействие, селективность, чувствительность и надежность. Если рассматривать токовые защиты, то удовлетворение всех этих параметров достигается соответствующим выбором тока срабатывания и выдержки времени. Ток срабатывания выбирается для каждой ступени защиты, а выдержка времени согласуется с ним через обратнозависимые от тока временные характеристики. Количество таких характеристик ограничено и определяется в зависимости от принципиального вида защиты. Одним из перспективных направлений развития защит является применение теории нечетких множеств и нечеткой логики для создания более гибкой модели настройки параметров времятоковой функции. Имея большее количество времятоковых характеристик, мы можем значительно улучшить основные параметры защиты! В своей основе разрабатываемые защиты используют понятие нечеткого вывода и нечеткой базы знаний. Уже сегодня в технической литературе вполне серьезно обсуждаются вопросы адаптивной релейной защиты, защиты с упреждающими функциями, многомерной релейной защиты, защиты с искусственным интеллектом, защиты на основе нейронных сетей и т.д. Все эти пока еще фантастические устройства, так или иначе, используют теорию нечеткой логики.

     Используют в своей основе термин нечеткого вывода и системы управления различных электрических устройств. Разработаны системы управления фильтро-компенсирующих устройств, асинхронных и синхронных двигателей, синхронных генераторов. В своем составе это оборудование имеет так называемые «нечеткие» регуляторы. Улучшение КПД и появление более гибкой системы управления машиной после внедрения этих регуляторов подтверждается целым рядом исследований и испытаний, которые проводятся сейчас в России, Украине и Белоруссии.

     В Европейских странах сейчас активно развивается еще одна область применения постулатов нечеткой логики - технологии управляемых гибких электропередач переменного тока или, или, в соответствии с терминологией IEEE, Flexible AC Transmission Systems (FACTS). Исследования в этой области активно ведутся и в России.

     Основная задача технологии FACTS заключается в повышении эффективности управления потоками мощности, регулирования напряжения, обеспечения статической или динамической устойчивости (рис. 2). Такая возможность обеспечивается благодаря способности элементов FACTS управлять взаимосвязанными параметрами, определяющими функционирование магистральных линий электропередачи, такими, как полное сопротивление, ток, напряжение, угол фазового сдвига между напряжениями по концам линии, затухание колебаний на различных частотах и т.д.

     Эта технология использует множество достижений других отраслей. Особое внимание уделяется линиям связи и системам управления. Координация управления различных устройств FACTS построена на принципах нечеткой логики. Да и сами системы управления используют в своей основе все те же термины нечеткого вывода и нечеткой базы знаний. Нелинейность моделей электроэнергетической системы (ЭЭС), их параметрическая неопределенность и непредсказуемые в аварийных ситуациях изменения их режимов работы существенно затрудняют задачу синтеза координированного (согласованного) управления.

Рис. 2 Общая структура устройства FACTS

(Ситников В.Ф. Совершенствование методов и средств управления режимами электроэнергетических систем на основе элементов гибких электропередач (facts))

     Для учета подобных особенностей в условиях, отягощенных наличием информации о системе в основном качественного характера, хорошо подходят методы нечеткой логикой. Нечеткая логика является наиболее рациональным подходом к синтезу регуляторов на основе качественной информации о системе. Кроме того, регуляторы с нечеткой логикой не требуют знания полной математической модели исследуемой системы, являются робастными (грубыми) к действию параметрических и структурных возмущений и способны функционировать в широком диапазоне режимов работы системы.

     Один из разделов нечеткой логики тесно связанный со статистическими данными – это кластерный анализ. Кластерный анализ представляет собой совокупность методов для формирования однородных классов в произвольной области больших объемов данных. Они применяются для неформализуемых или плохо формализуемых задач различной физической природы, не использующих априорные предположения о вероятностной природе исходной информации, а использующих эвристические соображения о свойствах процесса (объекта). Исходные данные разделяются на группы (кластеры), элементы которых имеют подобные свойства (признаки), а для их отличия вводится некоторая целевая функция. Алгоритмы кластеризации не требуют необходимых для статистических методов допущений и могут быть использованы в условиях отсутствия информации о законах распределения данных. Все эти свойства кластерного анализа открывают перспективы его применения в области обнаружения скрытых дефектов в энергетическом оборудовании. Особое место тут занимает кластерный анализ частичных разрядов (ЧР).

     Статистические исследования EPRI (Electrical PowerResearch Institute) показывают, что более 37% отказов и поломок синхронных генераторов и электродвигателей связаны с дефектами электрической изоляции статоров и роторов этих машин. изоляции, утечки в результате загрязнения. Полный пробой изоляционного промежутка электрической машины в обычных условиях эксплуатации возникает не сразу. Как правило, ему предшествуют микропробои, перекрывающие часть изоляционного промежутка, называемые частичными разрядами. Именно микропробои вызывают разрушение изоляции и, в конечном итоге, ее полный пробой. Время от возникновения первичных ЧР до полного пробоя изоляции в большинстве зафиксированных случаев составляет от нескольких недель до нескольких лет. Таким образом, параметры ЧР и в особенности контроль их изменения являются важными диагностическими признаками для оценки технического состояния изоляции, что дает возможность обнаруживать дефекты на ранней стадии их развития, планировать и осуществлять оптимальное финансирование ремонтных работ электрооборудования.

     Анализ ЧР требует обработки огромных массивов зашумленных данных, на основании которых необходимо выделить очаги (источники) действительных процессов разрушения изоляции электрической машины. Существующие методы статистической обработки информации требуют априорного знания о законах распределения данных в рассматриваемых координатах (для ЧР это их величина, частота повторения и положение импульсов ЧР относительно фазы напряжения 50 Гц) для различных уровней (градаций) технического состояния. Решение задачи прогнозирования технического состояния на основании анализа ЧР может быть достигнуто при использовании алгоритмов кластерного анализа, не требующего априорной информации о законах распределения параметров ЧР для различных уровней технического состояния оборудования. С помощью методов кластерного анализа можно определить место возникновения ЧР и механизм разрушения изоляции.

     Сейчас создана методика экспериментального обследования трансформаторов, включающая акустическое обследование с помощью одного датчика и акустическую локацию с помощью четырех датчиков, устанавливаемых на поверхности бака в зоне повышенной активности ЧР (рис. 3). Такая же методика может быть применима и к другим типам силового оборудования.

Рис. 3 Установка датчиков на баке трансформатора

(Мостовой С.Е. Методика диагностирования силовых трансформаторов на основе оперативного контроля частичных разрядов)

     Основные технические эффекты от эксплуатации подобной системы диагностирования это:

     – возможность непрерывного контроля технического состояния работающего силового оборудования;

     – обнаружение признаков неисправностей на ранних стадиях;

     – возможность локализации неисправностей в конструкции оборудования;

     – эффективное планирование профилактических и ремонтных работ.

     Помимо диагностики состояния изоляции силового оборудования, нечеткая логика нашла применение и в системах экспертной оценки работы турбогенераторов. Техническая диагностика турбогенератора является довольно сложной задачей, зависящей от большого количества входных параметров. Эффективная реализация такой системы диагностики предполагает создание большого справочника известных системе состояний и действий, которые необходимо выполнить при их возникновении. Однако, при возникновении внештатных ситуаций на турбогенераторе, использование такого подхода может оказаться неэффективным, т. к. детерминированный справочник не может корректно диагностировать такие состояния. Также, для реализации функции диагностики состояния оборудования необходимо получение и накопление полной и достоверной информации в течение всего периода эксплуатации энергетического оборудования, что на средствах контроля предыдущего поколения становится практически невозможно.

     Необходимым улучшением, реализуемым новой системой диагностики, является попытка интеллектуального анализа ошибок, при помощи методов нечеткой логики. Это позволит решить следующие задачи:

     - выявление тенденций изменения параметров, отклонений параметров за пределы допустимых значений;

     - определение причин отклонений от нормального режима с выдачей рекомендаций;

     - создание методов и механизмов автоматизации процессов создания и коррекции базы знаний;

     - использование универсального интерпретатора правил базы знаний, позволяющего обрабатывать правила базы знаний, которые представляют собой совокупности логических выражений.

     Подводя итог всему вышесказанному, можно говорить о начале широкого использования принципов нечеткой логики в системах электроэнергетики. Пока все эти применения (за исключением методов диагностики и «нечетких» регуляторов электрических машин) существуют в виде идей и прототипов. Но как уже отмечалось, существующие тенденции развития энергосистем все чаще требуют ввода в эксплуатацию этих принципиально новых устройств. А если есть спрос, то соответственно появится и предложение.

     Список использованной литературы

     1. Агамалов О.Н. Кластерный анализ частичных разрядов // EXPONENTA.RU # 3-4 (7-8), 2004

     2. Мостовой С.Е. Методика диагностирования силовых трансформаторов на основе оперативного контроля частичных разрядов // Магнитогорск, 2011

     3. Ситников В.Ф. Совершенствование методов и средств управления режимами электроэнергетических систем на основе элементов гибких электропередач (facts) // Иваново, 2009

     4. Шваяков А.В. Коваль А.С. Нечеткий регулятор тока в асинхронном электроприводе с параметрическим управлением // Студенческий вестник, октябрь 2005

     5. Луцык О.В. Секирин А.И. Использование методов нечеткой логики при построении экспертных систем диагностики турбогенератора // Донецкий национальный технический университет, 2010

     6. Ноздренков В.С. Хатунцев А.Ю. Костян А.А. Моделирование токовой защиты с помощью теории нечетких множеств // Суммы - «Вiсник СумДУ. Технiчнi науки» №3, 2008

     7. Мятеж А.В. Регулирование напряжения в системах электроснабжения с использованием нечеткой логики // Новосибирск, 2009

     8. Беляев Р.Ю. Оптимизация электромагнитной обстановки в электроэнергетических системах на основе нечеткой логики // Красноярск, 2009