Naslov (srp)

Дијагностика стања електроизолационих система синхроних генератора заснована на вештачкој интелигенцији : докторска дисертација

Autor

Ilić, Denis, 1989-

Doprinosi

Žarković, Mileta, 1987-
Stojković, Zlatan, 1960-
Milić, Saša, 1967-
Rakić, Aleksandar, 1975-
Lazarević, Zoran, 1956-

Opis (eng)

Synchronous generators represent the base power and pillar of the power systems of themodern world. The favorable techno-economic impact of timely and appropriate maintenance ofthese machines is of great importance for the overall reliability of the power system andconsequently for the economic stability of an electric power company.During the development of the electric power industry as an economic branch, variousapproaches to the maintenance of electrical equipment were developed. In the phase ofelectrification development and insufficient knowledge of the nature and manner of influence ofvarious factors on the mechanisms of fault development, maintenance was performed in anemergency, ie after a failure. Over time, fixed time intervals for service maintenance of the powerindustry have been established, and in the last 2 decades, optimization of that solution has beendeveloped. Optimization has been supported by the development of many methods for continuousand intermittent monitoring, testing and monitoring using built-in sensors. This optimization hasconditioned the development of the so-called Condition Based Maintenance (CBM). The applicationof this method of maintenance proved to be cost-effective, as it avoids the cost of replacingelements that are not worn out, which certainly happened during maintenance at fixed intervalswhen 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 theequipment, since this is the basic information when deciding on the scope and timing of theimplementation 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 electricalinsulation system (EIS). Isolation systems are a fairly common problem and the reason for the failureof 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, whileaccording to another source, this share of turbogenerators is slightly lower, 23%.Since the degradation of EIS in operating conditions is practically inevitable, it is extremelyimportant to recognize timely accelerated degradation processes and prevent sudden outages. Todiagnose these processes, electrical tests are performed and possible monitoring of the installedcontinuous devices for monitoring the condition.Common methods of electrical testing of stator windings include measuring the electricalresistance of the insulation, measuring the dielectric loss and capacity factors, measuring theintensity of partial discharges, and testing with increased AC and/or DC voltage. Methods thatusually test rotor windings include measuring the electrical resistance of the insulation, measuringthe impedance of the rotor windings, and checking the inter-winding insulation by the pulsemethod.The difficulties that this paper treats arise precisely in the phase of interpreting the resultsof performed electrical prophylactic tests. Namely, the existing international standards largelydefine the procedures for performing certain measurements and define measuring instruments.However, the criteria for individual methods are usually not presented. Due to the diversity ofapplied 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 forassessing the state of EIS synchronous generators. By comparative use of different tools andmethods of machine learning, conclusions about the accuracy of models based on the fuzzy logicalreasoning, and artificial neural networks in different designs were derived.

Opis (srp)

Синхрони генератори представљају базну снагу и стуб електроенергетских системамодерног света. Повољни техноекoномски утицај правовременог и одговарајућег одржавањаових машина је од изузетног значаја на свеукупну поузданост електроенергетског система ипоследично на економску стабилност једног електропривредног предузећа.Током развоја електроенергетике као привредне гране рaзвијали су се и различитиприступи одржавања електроопреме. У фази развоја електрификације и недовољногпознавања природе и начина утицаја различитих фактора на механизме развоја квараодржавање се вршило хаваријски, односно након испада. Временом су устаљени фикснивременски интервали за сервисно одржавање електроенергетске опреме које је представљапланско одржавање.У последњих 2 деценије прибегавало се оптимизацији временскизаснованог планског одржавања (Time Based Maintenance - TBM).Оптимизација је потпомогнута развојем бројних метода за континуално и повременопраћење стања синхорних генератора, вршењем испитивања или праћењем помоћууграђених сензора. Оваква оптимизација је условила развој тзв. одржавања према стању(Condition Based Maintenance - CBM). Примена оваквог начина одржавања се показалаисплативом, с обзиром да се избегавају трошкови замене елемената који нису похабани, штосе свакако дешавало при одржавању у фиксним временским интервалима, када обимизведених сервисних радова често није био прилагођен стварном стању опреме.У циљу поуздане примене CBM модела одржавања, неопходно је познавати стварностање опреме, с обзиром да је ово основни податак при доношењу одлуке о обиму и тренуткуимплементације сервисних радњи. У току свог радног века синхрони генератори су изложениделовању тзв. ТЕАМ фактора, удруженог утицаја температурног, електричног, амбијенталноги механичког фактора старења електричног изолационог система (ЕИС). Изолациони системипредстављају прилично чест проблем и разлог испада синхроних генератора. Нпр, премаистраживању међународног комитета Цигре , проблеми повезани са ЕИС хидрогенераторапредстављају 56% од укупног броја испада, док је према другом извору код турбогенератораовај удео нешто нижи, 23%. С обзиром да је деградација ЕИС у погонским условима практичнонеизбежна, од изузетне је важности препознати благовремено убрзане процесе деградацијеи предупредити изненадне испаде. Како би се ови процеси идентификовали, врше сеелектрична испитивања и евентуално праћење уграђених континуалних уређаја занадгледање стања.Уобичајне методе електричних испитивања статорских намотаја подразумевајумерење електричног отпора изолације, мерење фактора диелектричних губитака икапацитета, мерење интезитета парцијалних пражњења, испитивања повишенимнаизменичним и/или једносмерним напоном. Методе којима се обично тестирају роторскинамотаји подразумевају мерење електричног отпора изолације, мерење импедансе намотајаротора, провера међузавојне изолације импулсном методом.Потешкоће које овај рад третира настају управо у фази тумачења резултата извршенихелектричних профилактичких испитивања. Наиме, постојећи међународни стандарди увеликој мери дефинишу процедуре извођења појединих мерења имерне инструменте. Међутим критеријуми дијагностике за поједине методе најчешће нису приказани. Збогразноврсности примењених технологија различитих произвођача, као и напретка у развојуЕИС, стандардима често нису дефинисани универзални гранични критеријуми меренихвеличина. Такође, није довољно протумачити једну мерену величину да би се донео закључако дијагностици комплетног ЕИС синхорог генератора, већ је потребно узети у обзир што већиброј мерних величина како би се што објективније донела оцена дијагностике. У сврху тога ураду су коришћене напредне методе вештачке интелигенције на бази података саискуственим оценама стања ЕИС синхорног генератора.У раду je приказана анализа могућности савремених алата вештачке интелигенције запроцену стања ЕИС синхроних генератора. Упоредном употребом различитих алата и методамашинског учења закључци о тачности модела базираних на фази логичком резоновању,вештачким неуралним мрежама у различитим изведбама су изведени.

Opis (srp)

Техничке науке - Електротехника - Електроенергетски системи / Technical sciences - Electrical engineering - Power systems Datum odbrane: 29.12.2022.

Jezik

srpski

Datum

2022

Licenca

Ovo delo je licencirano pod uslovima licence
Creative Commons CC BY-NC-ND 3.0 AT - Creative Commons Autorstvo - Nekomercijalno - Bez prerada 3.0 Austria License.

http://creativecommons.org/licenses/by-nc-nd/3.0/at/legalcode

Predmet

OSNO - Opšta sistematizacija naučnih oblasti, Elektroenergetski sistemi

OSNO - Opšta sistematizacija naučnih oblasti, Veštačka inteligencija. Robotika

синхрони генератори, дијагностика стања, машинско учење, вештачка интелигенција

OSNO - Opšta sistematizacija naučnih oblasti, Elektroenergetski sistemi

OSNO - Opšta sistematizacija naučnih oblasti, Veštačka inteligencija. Robotika

synchronous generators, condition diagnostics, machine learning, artificial intelligence