Комплексная обработка информации при определении состояния мощных трансформаторов
Опубликовано: 17 Май 2012
Таджибаев А.И., Монастырский А.Е. (СПбГТУ, ПЭИПК, С.-Петербург)
Сложность физико-химических процессов, протекающих в силовых трансформаторах в процессе их эксплуатации, приводит к необходимости, при определении их состояния, использовать большое количество разнообразных диагностических методов, включающих физико-химический и хроматографический анализ масла, измерение диэлькометрических характеристик изоляции, измерение характеристик и локация частичных разрядов, методы выявления деформации обмоток, вибрационный контроль, тепловизионные измерения и др. Большое количество методов и измерительной информации заставляет менять подход к принципам обработки этой информации. Наиболее простые методы, такие как критериальный подход и метод аналогий, не обеспечивают необходимую точность постановки диагнозов, что связано по-видимому с вероятностным характером процессов внутри трансформатора и взаимозависимостью контрольных параметров. Очевидно, что построение даже простейшей математической модели процессов, протекающих в трансформаторе практически невозможно. В этом случае необходимо использование математических методов, основанных на теориях регрессионного анализа, теории распознавания образов и др., с привлечением элементов нечеткой логики, нейронных систем и т.п. Формально при таком подходе можно выделить следующие этапы анализа получаемой измерительной информации:
- Предварительная обработка информации.
- Преобразования первичных признаков при сохранении размерности признакового пространства, преобразования с уменьшением числа признаков, ранжирование (упорядочивание) полученных данных.
- Анализ данных.
- Обучение и самообучение по мере накопления данных.
Предварительная обработка информации предназначена для выявления очевидных измерительных ошибок, визуализации данных, определения первичных эмпирических признаков и их статистических характеристик.
Преобразования первичных признаков необходимы для проведения последующего анализа с использованием соответствующих алгоритмов. Основной задачей преобразования является получения набора удобных вторичных признаков, позволяющих разделять различные состояния оборудования. Дадим основные определения, связанные с оценкой состояния. К априорным сведениям о данных относятся:
- Желаемая размерность, подразумевающая, что для работы алгоритма необходимо задание числа выделяемых признаков.
- Обучающая выборка, предполагающая наличие определенного количества объектов для каждого из возможных состояний.
- Число классов, которое либо задается заранее, либо определяется в процессе поиска признаков из условия максимизации того или иного критерия.
- Решающее правило, строящееся на основе анализа обучающих выборок и представляющее собой основной расчетный алгоритм.
При конечном объеме выборки возникает ряд проблем. Исследователь сталкивается с задачей выбора наилучшего подмножества признаков, которое в свою очередь зависит от типа используемого для классификации алгоритма распознавания. Поэтому приходится дополнительно выбирать и тип алгоритма распознавания, а также формировать новые признаки, в пространстве которых ожидается получение лучшего разделения классов.
При распознавании первичные признаки почти всегда при помощи некоторого преобразования F отображаются в пространство вторичных признаков. Желательно получить такое преобразование, которое бы максимизировало или минимизировало некоторый заданный критерий оценки преобразованной системы признаков. Окончательным критерием оценки пригодности системы признаков является соотношение вероятности правильной классификации с ценой расчета и ценой возможной ошибки.
Частичными случаями преобразования признаков являются:
- Трансформация признаков - независимое от других преобразование каждого отдельного признака, сохраняющее число исходных признаков.
- Выделение признаков - зависимое преобразование при котором каждый вторичный признак является функцией от всех или части первичных, при этом обычно снижается количество признаков.
- Выбор признаков — при котором выбирается лишь часть первичных признаков.
- Методы преобразования первичных признаков разделяются на:
- Методы без усечения размерности признакового пространства, которые включают линейные, с помощью линейных функций, и нелинейные с помощью элементарных функций, элементарные трансформации; преобразования с целью обеспечения независимости признаков; комплексное преобразование признакового пространства.
- Методы с упорядочением и выделением признаков с использованием ранжировки (по каким-то критериям) с последующим выбором некоторой части преобразованных признаков (обычно на основе разложения по системам ортогональных функций.
- Методы с усечением признакового пространства в случае если имеются зависимые и независимые первичные признаки.
Анализ данных проводится для преобразованного признакового пространства с использованием регрессионного анализа и теории распознавания образов.
Обучение и самообучение является одним из наиболее важных и длительных этапов в условиях ограниченности обучающих выборок.
Следует отметить, что все отдельные методы, использующиеся для определения состояния силовых трансформаторов, проходят в том или ином виде указанные этапы анализа измерительной информации, причем анализ информации, получаемой отдельными методами облегчается однотипностью измерительных параметров. Задача связи в единое признаковое пространство измерительной информации получаемой всеми методами должна решаться на основе знания физико-химических процессов проходящих в трансформаторах и данных их аварийности.
Литература
- Методы и средства оценки состояния маслонаполненного оборудования / Монастырский А.Е., Калачева Н.М., Таджибаев А.И. и др. Санкт-Петербург: изд. ПэиПК, 1995.
- Монастырский А.Е., Пильщиков В.Е., Таджибаев А.И. Автоматизированная система контроля изоляции трансформаторов. Санкт-Петербург: изд. ПэиПК, 1999.
- Таджибаев А.И. Теория и практика распознавания анормальных состояний электрооборудования. Санкт-Петербург: изд. ПэиПК, 1995.
