Systems. Methods. Technologies 3(35) 2017

Системы Методы Технологии . Д . К . Елтышев . К вопросу о разработке … 2017 № 3 (35) с . 57-63 61 Рис . 2. Блок - схема функционирования интеллектуальной ЭДС при оценке состояния ЭО на уровне электросетевого объекта в рамках стратегии обслуживания по фактическому ТС : I — формализация ( адаптация ) диагностических моделей ; II — вычисление и обработка фактического результата : 10 — корректировка сроков проведения мониторинга ; 11 — актуализация базы данных и базы знаний по эксплуата - ции ЭО В рамках упрощенной задачи в качестве множества параметров X примем диагностические признаки , позво - ляющие оценить тепловое состояние элементов выключа - теля по результатам инфракрасного контроля [19]: x 1 — избыточная температура контактов токоведущих частей ; x 2 — избыточная температура поверхности бака ( зоне размещения дугогасительной камеры ); x 3 — избыточная температура поверхности бака ( зона размещения встро - енных трансформаторов тока ); x 4 — максимальная раз - ность температур в точках поверхности вводов . Диагностическая функция ТС выключателя ( блок I, рис . 2) Y = f ( x 1 , x 2 , x 3 , x 4 ) реализована на базе алгоритма нечеткого логического вывода Сугено [8], где парамет - ры X и Y рассматриваются как входные и выходная лингвистических переменных нечеткой модели . Для описания переменных , входящих в X , произве - ден расчет параметров ФП оценочных термов с исполь - зованием алгоритма кластеризации FCM . На рис . 3 и 4 приведены результаты идентификации ФП с использованием данных ( отчеты по мониторингу , диагностике ) по работе масляных баковых выключате - лей 35 кВ за период 2011–2014 гг ., полученных с под - станций для электроснабжения нефтяных месторожде - ний Пермского края . а ) б ) Рис . 3 Нечеткий кластерный анализ данных об изменении тепловых параметров высоковольтных выключателей для построения ФП : при трех ( а ) и четырех ( б ) априори заданных кластерах ( коэффициент разбиения PC 1 = 0,75; PC 2 = 0,70) а ) б ) Рис . 4. Пример построения ФП на основе кластеризации дан - ных об изменении тепловых параметров высоковольтных выключателей : а — точечный способ ; б — способ с заданием типовой гауссовой формы ФП Для построения диагностической модели принят вариант описания переменных x i при помощи четырех термов ( температура « низкая » ( Н ), « средняя » ( С ), « вы - ше среднего » ( ВС ), « высокая » ( В )), а переменной Y — множеством классов состояния « в пределах нормы » ( s 1 ), « малозначительный дефект » ( s 2 ), « развившийся дефект » ( s 3 ), « критический дефект » ( s 4 ). База знаний R = ( r 1 ,.., r 79 ) нечеткой модели состоит из причинно - следственных правил ЕСЛИ , ТО вида : ЕСЛИ x 1 = « высокая » И x 2 = « низкая » И x 3 = « низкое » И x 4 = « низкая », ТО Y = « в пределах нормы ». Для настройки нечеткой модели оценки ТС выклю - чателей использованы градиентные методы и критерий оптимизации (3) с учетом различных значений коэффи - циента взвешивания P . На рис . 5 приведены итоги тестирования нечетких моделей для диагностики выключателей при задании параметров ФП экспертом ( рис . 5, 1 ) и использовании кластерного анализа ( рис . 5, 2 ) по критериям средне - квадратической ошибки ( RMSE ) и средней ошибки классификации ( MCE ) [8, 11, 19]. Полученные резуль - таты свидетельствуют об адекватности моделирования 0 20 40 60 0 10 20 30 40 50 x x 0 20 40 60 0 10 20 30 40 50 x x 2 1 1 2 0 10 20 30 40 50 60 0 0.5 1 µ x Н С В 0 10 20 30 40 50 60 0 0.5 1 µ x 1 1 Н С В 0 10 20 30 40 50 60 0 0.5 1 µ x Н С ВС 0 10 20 30 40 50 60 0 0.5 1 µ x Н С ВС В В 1 1