Дијагностика стања електроизолационих система синхроних генератора заснована на вештачкој интелигенцији

Abstract

Синхрони генератори представљају базну снагу и стуб електроенергетских система модерног света. Повољни техноекoномски утицај правовременог и одговарајућег одржавања ових машина је од изузетног значаја на свеукупну поузданост електроенергетског система и последично на економску стабилност једног електропривредног предузећа. Током развоја електроенергетике као привредне гране рaзвијали су се и различити приступи одржавања електроопреме. У фази развоја електрификације и недовољног познавања природе и начина утицаја различитих фактора на механизме развоја квара одржавање се вршило хаваријски, односно након испада. Временом су устаљени фиксни временски интервали за сервисно одржавање електроенергетске опреме које је представља планско одржавање.У последњих 2 деценије прибегавало се оптимизацији временски заснованог планског одржавања (Time Based Maintenance - TBM). Оптимизација је потпомогнута развојем бројних метода за континуално и повремено праћење стања синхорних генератора, вршењем испитивања или праћењем помоћу уграђених сензора. Оваква оптимизација је условила развој тзв. одржавања према стању (Condition Based Maintenance - CBM). Примена оваквог начина одржавања се показала исплативом, с обзиром да се избегавају трошкови замене елемената који нису похабани, што се свакако дешавало при одржавању у фиксним временским интервалима, када обим изведених сервисних радова често није био прилагођен стварном стању опреме. У циљу поуздане примене CBM модела одржавања, неопходно је познавати стварно стање опреме, с обзиром да је ово основни податак при доношењу одлуке о обиму и тренутку имплементације сервисних радњи. У току свог радног века синхрони генератори су изложени деловању тзв. ТЕАМ фактора, удруженог утицаја температурног, електричног, амбијенталног и механичког фактора старења електричног изолационог система (ЕИС). Изолациони системи представљају прилично чест проблем и разлог испада синхроних генератора. Нпр, према истраживању међународног комитета Цигре , проблеми повезани са ЕИС хидрогенератора представљају 56% од укупног броја испада, док је према другом извору код турбогенератора овај удео нешто нижи, 23%. С обзиром да је деградација ЕИС у погонским условима практично неизбежна, од изузетне је важности препознати благовремено убрзане процесе деградације и предупредити изненадне испаде. Како би се ови процеси идентификовали, врше се електрична испитивања и евентуално праћење уграђених континуалних уређаја за надгледање стања. Уобичајне методе електричних испитивања статорских намотаја подразумевају мерење електричног отпора изолације, мерење фактора диелектричних губитака и капацитета, мерење интезитета парцијалних пражњења, испитивања повишеним наизменичним и/или једносмерним напоном. Методе којима се обично тестирају роторски намотаји подразумевају мерење електричног отпора изолације, мерење импедансе намотаја ротора, провера међузавојне изолације импулсном методом. Потешкоће које овај рад третира настају управо у фази тумачења резултата извршених електричних профилактичких испитивања. Наиме, постојећи међународни стандарди у великој мери дефинишу процедуре извођења појединих мерења имерне инструменте. Међутим критеријуми дијагностике за поједине методе најчешће нису приказани. Због разноврсности примењених технологија различитих произвођача, као и напретка у развоју ЕИС, стандардима често нису дефинисани универзални гранични критеријуми мерених величина. Такође, није довољно протумачити једну мерену величину да би се донео закључак о дијагностици комплетног ЕИС синхорог генератора, већ је потребно узети у обзир што већи број мерних величина како би се што објективније донела оцена дијагностике. У сврху тога у раду су коришћене напредне методе вештачке интелигенције на бази података са искуственим оценама стања ЕИС синхорног генератора. У раду je приказана анализа могућности савремених алата вештачке интелигенције за процену стања ЕИС синхроних генератора. Упоредном употребом различитих алата и метода машинског учења закључци о тачности модела базираних на фази логичком резоновању, вештачким неуралним мрежама у различитим изведбама су изведени.

Synchronous generators represent the base power and pillar of the power systems of the modern world. The favorable techno-economic impact of timely and appropriate maintenance of these machines is of great importance for the overall reliability of the power system and consequently for the economic stability of an electric power company. During the development of the electric power industry as an economic branch, various approaches to the maintenance of electrical equipment were developed. In the phase of electrification development and insufficient knowledge of the nature and manner of influence of various factors on the mechanisms of fault development, maintenance was performed in an emergency, ie after a failure. Over time, fixed time intervals for service maintenance of the power industry have been established, and in the last 2 decades, optimization of that solution has been developed. Optimization has been supported by the development of many methods for continuous and intermittent monitoring, testing and monitoring using built-in sensors. This optimization has conditioned the development of the so-called Condition Based Maintenance (CBM). The application of this method of maintenance proved to be cost-effective, as it avoids the cost of replacing elements that are not worn out, which certainly happened during maintenance at fixed intervals when the scope of service work was often not adjusted to the actual condition of the equipment. To reliably apply the CBM maintenance model, it is necessary to know the actual condition of the equipment, since this is the basic information when deciding on the scope and timing of the implementation of service activities. During their working life, synchronous generators are exposed to the so-called. TEAM factor, the combined influence of temperature, electrical, ambient and mechanical aging factor of electrical insulation system (EIS). Isolation systems are a fairly common problem and the reason for the failure of synchronous generators. For example, according to a study by the Cigre International Committee, problems related to EIS hydro generators account for 56% of the total number of outages, while according to another source, this share of turbogenerators is slightly lower, 23%. Since the degradation of EIS in operating conditions is practically inevitable, it is extremely important to recognize timely accelerated degradation processes and prevent sudden outages. To diagnose these processes, electrical tests are performed and possible monitoring of the installed continuous devices for monitoring the condition. Common methods of electrical testing of stator windings include measuring the electrical resistance of the insulation, measuring the dielectric loss and capacity factors, measuring the intensity of partial discharges, and testing with increased AC and/or DC voltage. Methods that usually test rotor windings include measuring the electrical resistance of the insulation, measuring the impedance of the rotor windings, and checking the inter-winding insulation by the pulse method. The difficulties that this paper treats arise precisely in the phase of interpreting the results of performed electrical prophylactic tests. Namely, the existing international standards largely define the procedures for performing certain measurements and define measuring instruments. However, the criteria for individual methods are usually not presented. Due to the diversity of applied technologies of different manufacturers, as well as the progress in the development of EIS, the standards often do not define universal criteria. The paper presents an analysis of the possibilities of modern artificial intelligence tools for assessing the state of EIS synchronous generators. By comparative use of different tools and methods of machine learning, conclusions about the accuracy of models based on the fuzzy logical reasoning, and artificial neural networks in different designs were derived.