Розроблення моделей для оцінювання технічного стану гідрогенератора з використанням нечітких даних про стан його локальних вузлів

Автор(и)

  • Mykola Kosterev Національний технічний університет України «Київський політехнічний інститут» ім. І. Сікорського пр. Перемоги 37, м. Київ, Україна, 03056, Україна https://orcid.org/0000-0001-5601-2607
  • Volodymyr Litvinov ПрАТ «Укргідроенерго», філія «Дніпровська ГЕС» бул. Вінтера, 1, м. Запоріжжя, Україна, 69096, Україна https://orcid.org/0000-0003-1974-0976
  • Kateryna Kilova «НЕК «Укренерго» вул. Гребельна, 2, м. Запоріжжя, Україна, 69096, Україна

DOI:

https://doi.org/10.15587/1729-4061.2019.180211

Ключові слова:

гідрогенератор, нечітка логіка, модель Мамдані, модель Сугено, метод Заде, спрощений метод

Анотація

Розв’язано задачу оцінювання технічного стану гідрогенератора в умовах нечіткої інформації. Для цього розроблено ряд моделей комплексного оцінювання технічного стану гідрогенератора за даними про стани його локальних вузлів. Технічні стани локальних вузлів визначаються за раніше розробленими нечіткими моделями типу Мамдані і представляють собою нечіткі величини, що враховано в моделі оцінювання технічного стану гідрогенератора.

 Для розроблення моделей було використано нечіткі методи Мамдані, Сугено, Заде та спрощеного нечіткого виводу. Нечітка модель Мамдані має тільки якісну базу правил, що спрощує її побудову експертом. Моделі, побудовані за нечітким алгоритмом Сугено передбачають базу правил з ваговими коефіцієнтами, які визначаються за методом Сааті. Спрощений метод та метод Заде потребують мінімальної участі експерта при побудові нечіткої моделі. Розглянуто приклади оцінки технічного стану гідрогенератора за п’ятьма розробленими нечіткими моделями та перевірено чутливість моделей до якості та достовірності вхідної інформації.

Визначено що найбільш достовірний результат оцінки стану гідрогенератора з похибкою 1,5–2 % дають моделі побудовані за методом Заде та за спрощеним нечітким виводом, оскільки вони мають найменшу залежність від нечіткості вхідних даних про стани локальних вузлів, які самі отримані за нечіткими моделями. Висока точність цих моделей та низька залежність від якості вхідної інформації пояснюється мінімальною участю експерта під час її налагодження. Нечіткі моделі, побудовані за алгоритмами Мамдані та Сугено, дають більшу похибку 3–4 %. Отримані результати можуть бути використані для оцінювання залишкового або спрацьованого ресурсу гідрогенераторів, імовірності їхньої відмови на інтервалі часу та організації ризик-орієнтованого управління електроенергетичною системою та її підсистемами

Біографії авторів

Mykola Kosterev, Національний технічний університет України «Київський політехнічний інститут» ім. І. Сікорського пр. Перемоги 37, м. Київ, Україна, 03056

Доктор технічних наук, професор

Кафедра відновлюваних джерел енергії

Volodymyr Litvinov, ПрАТ «Укргідроенерго», філія «Дніпровська ГЕС» бул. Вінтера, 1, м. Запоріжжя, Україна, 69096

Кандидат технічних наук, начальник виробничо-технічного відділу

Виробничо-технічний відділ

Kateryna Kilova, «НЕК «Укренерго» вул. Гребельна, 2, м. Запоріжжя, Україна, 69096

Інженер

Відділ планування розвитку системи передачі Дніпровського регіону Департаменту розвитку системи передачі

Посилання

  1. Kosterev, M., Litvinov, V. (2018). Priority events determination for the risk-oriented management of electric power system. EUREKA: Physics and Engineering, 3, 21–32. doi: https://doi.org/10.21303/2461-4262.2018.00643
  2. Litvinov, V. V., Manukian, K. A. (2014). Fuzzy-Statistical Modeling of Hydrogenerator for Its Reliability Appreciation. The International Journal Of Engineering And Science, 3 (1), 85–95.
  3. Litvinov, V. V., Kilova, K. A. (2018). Otsiniuvannia tekhnichnoho stanu mekhanichnykh vuzliv hidroheneratora. Hidroenerhetyka Ukrainy, 1-2, 44–48.
  4. Bellman, R. E., Zadeh, L. A. (1970). Decision-Making in a Fuzzy Environment. Management Science, 17 (4). doi: https://doi.org/10.1287/mnsc.17.4.b141
  5. Jagadeesh, B., Sanker, B. V. (2011). Evaluation of synchronous generator reactance using finite element method (FEM). Journal of Theoretical and Applied Information Technology, 27 (2), 68–76. URL: http://www.jatit.org/volumes/research-papers/Vol27No2/2Vol27No2.pdf
  6. Faiz, J., Ebrahimi, B. M., Valavi, M., Toliyat, H. A. (2009). Mixed eccentricity fault diagnosis in salient-pole synchronous generator using modified winding function method. Progress In Electromagnetics Research B, 11, 155–172. doi: https://doi.org/10.2528/pierb08110903
  7. Duraisamy, V., Devarajan, N., Vinoth Kumar, P. S., Sivanandam, S. N., Somasundareswari, D. (2005). A fuzzy based fault detection scheme for synchronous generator. Academic Open Internet Journal, 14.
  8. Xie, H., Bo, Y., Yanpeng, H. (2003). Diagnosis of Stator Winding Insulation of Large Generator. Proceedings of the 7th International Conference on Properties and Applications of Dielectric Materials (Cat. No.03CH37417). doi: https://doi.org/10.1109/icpadm.2003.1218405
  9. Frolov, M. Yu., Fishov, A. G. (2007). Identification of Synchronous Generator Electric Parameters Connected to the Distribution Grid. Problemele Energeticii Regionale, 1 (33), 32–39.
  10. Wang, L., Li, Y., Li, J. (2018). Diagnosis of Inter-Turn Short Circuit of Synchronous Generator Rotor Winding Based on Volterra Kernel Identification. Energies, 11 (10), 2524. doi: https://doi.org/10.3390/en11102524
  11. Yucai, W., Yonggang, L. (2015). Diagnosis of Rotor Winding Interturn Short-Circuit in Turbine Generators Using Virtual Power. IEEE Transactions on Energy Conversion, 30 (1), 183–188. doi: https://doi.org/10.1109/tec.2014.2339300
  12. Yucai, W., Minghan, M., Yonggang, L. (2018). A New Detection Coil Capable of Performing Online Diagnosis of Excitation Winding Short-Circuits in Steam-Turbine Generators. IEEE Transactions on Energy Conversion, 33 (1), 106–115. doi: https://doi.org/10.1109/tec.2017.2741503
  13. Maraaba, L., Al-Hamouz, Z., Abido, M. (2018). An Efficient Stator Inter-Turn Fault Diagnosis Tool for Induction Motors. Energies, 11 (3), 653. doi: https://doi.org/10.3390/en11030653
  14. Klir, G. J., Yuan, B. (1995). Fuzzy Sets and Fuzzy Logic: Theory and Applications. Prentice Hall, 592.
  15. Saaty, T. L. (1990). Eigenvector and logarithmic least squares. European Journal of Operational Research, 48 (1), 156–160. doi: https://doi.org/10.1016/0377-2217(90)90073-k
  16. Kosteriev, M. V., Bardyk, Ye. I. (2011). Pytannia pobudovy nechitkykh modelei otsinky tekhnichnoho stanu obiektiv elektrychnykh system. Kyiv: NTUU «KPI», 148.

##submission.downloads##

Опубліковано

2019-10-09

Як цитувати

Kosterev, M., Litvinov, V., & Kilova, K. (2019). Розроблення моделей для оцінювання технічного стану гідрогенератора з використанням нечітких даних про стан його локальних вузлів. Eastern-European Journal of Enterprise Technologies, 5(8 (101), 45–52. https://doi.org/10.15587/1729-4061.2019.180211

Номер

Розділ

Енергозберігаючі технології та обладнання