Аналіз сучасного стану проблеми захисту повітряних ліній електропередавання від ожеледі. Математична модель прогнозування навантаження від ожеледі на базі нейронних мереж. Способи та технічні засоби захисту повітряних ліній від паморозевих відкладень.
При низкой оригинальности работы "Дослідження системи контролю ожеледе-паморозевих відкладень на проводах електричних мереж та способів їх усунення", Вы можете повысить уникальность этой работы до 80-100%
АНАЛІЗ СУЧАСНОГО СТАНУ ПРОБЛЕМИ ЗАХИСТУ ПОВІТРЯНИХ ЛІНІЙ ЕЛЕКТРОПЕРЕДАВАННЯ ВІД ОЖЕЛЕДІМАТЕМАТИЧНА МОДЕЛЬ ПРОГНОЗУВАННЯ НАВАНТАЖЕННЯ ВІД ОЖЕЛЕДІ НА БАЗІ НЕЙРОННИХ МЕРЕЖПОБУДОВА СИСТЕМИ МОНІТОРИНГУ НАВАНТАЖКННЯ ВІД ОЖЕЛЕДІ НА ПОВІТРЯНИХ ЛІНІЯХ ЕЛЕКТРОПЕРЕДАВАННЯ4.1 Електротепловий спосіб запобігання утаорення ОПВОХОРОНА ПРАЦІ ТА БЕЗПЕКИ В НАДЗВИЧАЙНИХ СИТУАЦІЯХФактично повністю відсутня відомча служба оперативного та прогнозного моніторингу метеорологічних параметрів навколишнього середовища, що виключає впровадження автоматизованої підсистеми оперативного управління в умовах появи ожеледяно-вітрових аварій, а це, у свою чергу, значно знижує ефективність попереджувальних заходів включаючи плавку на проводах ПЛ всіх класів напруги. Вільна від снігу частина поверхні проводів знаходиться тепер на вітряній стороні і процес знову повторюється, провід знову провертається [1]. При плавленні таким способом лінія, що обігрівається, замикається з одного кінця, а з іншого до неї підводиться напруга, достатня, щоб забезпечити протікання проводами необхідного для плавки струму [4]. Використовують схеми: «змійка», «провід - провід», «провід - два провода» і «провід - земля». Товщина стінки наведеного ожеледі на проводі ПЛ дорівнюватиме: , (1.4) де - коефіцієнт перерахунку товщини стінки ожеледі з верстата на лінію.Тому ми пропонуємо використати більш складнішу модель прогнозування параметрів ОПВ на базі нейронних мереж, що дозволяють контролювати і вимірювати масу і інтенсивність льодоутворення, а також силу вітру. Для задоволення цих вимог ПЛ повинна бути оснащена автоматизованою телеметричною системою контролю процесу утворення ожеледі, яка здатна в масштабі реального часу забезпечувати персонал електромереж інформацією про стан контрольованих елементів лінії та параметри метеорологічних впливів на ПЛ. В [9] відмічається, що система контролю утворення ожеледі повинна, в першу чергу, здійснювати моніторинг метеопараметрів, які характеризують процес виникнення відкладень, а саме температури повітря, швидкості вітру, розмірів та ваги відкладень. Автоматизована система контролю процесу утворення ожеледі повинна бути складовою частиною більш функціональної автоматизованої системи моніторингу ПЛ (АСМ), яка дозволить контролювати механічні й електричні параметри лінії в умовах мінливого зовнішнього середовища. Всі ці властивості виявляються надзвичайно корисними при побудові систем прогнозування ожеледного навантаження, оскільки тут доводиться мати справу з різного роду невизначеністю (помилкові або втрачені показники датчиків, непрямий облік параметрі, що не піддаються прямому виміру, тощо), нестаціонарностью (зміна в часі властивостей модельованих процесів) та іншими складнощами, безпосередній облік яких може бути дуже громіздким або взагалі неможливим.Отримані дані накопичуються, аналізуються, обробляються у виносному блоці і по GSM - каналу передаються на диспетчерський блок, зєднаний з компютером, де відбувається архівування отриманих даних. У нормальних умовах, коли не спостерігається відкладень ожеледі, виносний блок збирає інформацію через короткі інтервали часу і, в певний оператором час, передає накопичену інформацію на центральний блок. Кожному виносного блоку присвоюється індивідуальне імя для впізнання, що дозволяє контролювати процес відкладення ожеледних утворень відразу на декількох лініях, що досить зручно при необхідності здійснювати контроль за ожеледі на різних ділянках, що знаходяться на значній відстані один від одного. Exe» здійснює прийом інформації від блоків виносних, передачу конфігураційних параметрів для блоків виносних, а також відображення та архівування прийнятої інформації. Блок виносний складається з наступних частин: 1) модуль управління (містить плату управління, плату заряду, GSM-модем, акумулятор, розташовані в металевому корпусі; датчики напруги, струму, температури і вологості, які разом з антеною модему розташовуються в радіопрозорих кожухах корпусу);Це пояснюється рядом особливостей, повязаних з необхідністю забезпечення безперервності процесів вироблення, передачі, розподілу та споживання електричної енергії до вимог електробезпеки, з режимом нейтралі, з обмеженою електричною міцністю. Так, наприклад, для використання фізико-хімічного методу, заснованого на використанні гідрофобних препаратів, що змінюють природу кристалізації вологи на поверхні проводів повітряних ліній (ПЛ) електропередачі і зчеплення її з металом проводів, необхідно на захищаєму лінію за допомогою спеціальних механічних пристроїв нанести захисну мастило безпосередньо перед процесом початку утворення ОПВ. Четверта особливість полягає в тому, що в певних випадках може знадобитися зміна режиму нейтралі мережі. Зміна режиму нейтралі вимагає зміни схеми контролю ізоляції мережі, змінює величину струмів при замиканнях на землю. Залежно від режиму нейтралі мережі створюється режим штучного одно-, двох - або трифазного к.з. в точці мережі, віддаленої від джерела живлення на такі відстані, при яких струм штучного к.з.В елек
Вывод
2. МАТЕМАТИЧНА МОДЕЛЬ ПРОГНОЗУВАННЯ НАВАНТАЖЕННЯ ВІД ОЖЕЛЕДІ НА БАЗІ НЕЙРОННИХ МЕРЕЖ
2.1 Задачі моніторингу повітряних ліній в районах з високою інтенсивністю відкладення ожеледі
2.2 Прогнозування ожеледного навантаження на базі нейронних мереж
2.3 Архітектура мережі на базі гібридних нейроподібних елементів. ПОБУДОВА СИСТЕМИ МОНІТОРИНГУ НАВАНТАЖКННЯ ВІД ОЖЕЛЕДІ НА ПОВІТРЯНИХ ЛІНІЯХ ЕЛЕКТРОПЕРЕДАВАННЯ
3.1 Розробка структурної схеми системи контролю ожеледі
3.2 Програмно-апаратна частина системи контролю ожеледі
3.3 Використання за призначенням системи контролю ожеледі5. ОХОРОНА ПРАЦІ ТА БЕЗПЕКИ В НАДЗВИЧАЙНИХ СИТУАЦІЯХ
ЗАГАЛЬНІ ВИСНОВКИ ПО РОБОТІ
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛНа жаль, вищеперераховані способи і пристрої не мають додаткових елементів (або вони не досконалі ), що значно знижує використання. Тому ми пропонуємо використати більш складнішу модель прогнозування параметрів ОПВ на базі нейронних мереж, що дозволяють контролювати і вимірювати масу і інтенсивність льодоутворення, а також силу вітру.
2. МАТЕМАТИЧНА МОДЕЛЬ ПРОГНОЗУВАННЯ НАВАНТАЖЕННЯ ВІД ОЖЕЛЕДІ НА БАЗІ НЕЙРОННИХ МЕРЕЖ
2.1 Задачі моніторингу повітряних лінй в районах з високою інтенсивністю відкладення ожеледі
Повітряні лінії електропередавання (ПЛ) працюють в умовах впливу на них численних експлуатаційних і метеорологічних факторів. Найбільш небезпечними є екстремальні метеорологічні впливи у вигляді сполучень ожеледних та вітрових навантажень на проводи та грозотроси ПЛ. Такі впливи є випадковими метеорологічними явищами, які, як правило, одночасно охоплюють великі райони, мають масовий характер і тому приносять значні матеріальні збитки. Статистичні дані показують, що середній період повторюваності масових ожеледно-вітрових аварій в розподільних електричних мережах України складає 10 років [8]. Без електричної енергії на декілька діб залишаються цілі райони електричних мереж. Найефективнішим способом запобігання ожеледно-вітрових аварій є плавлення відкладень. Ефективність плавлення визначається не тільки режимом плавлення, але й своєчасністю його початку та закінчення, його оптимальною тривалістю та можливістю регулювання струму плавлення. Для задоволення цих вимог ПЛ повинна бути оснащена автоматизованою телеметричною системою контролю процесу утворення ожеледі, яка здатна в масштабі реального часу забезпечувати персонал електромереж інформацією про стан контрольованих елементів лінії та параметри метеорологічних впливів на ПЛ.
В [9] відмічається, що система контролю утворення ожеледі повинна, в першу чергу, здійснювати моніторинг метеопараметрів, які характеризують процес виникнення відкладень, а саме температури повітря, швидкості вітру, розмірів та ваги відкладень. В [10, 11] увага звертається на необхідність програмного комплексу, який дозволяє прогнозувати розвиток процесу наростання ожеледі та її плавлення на взаємозалежних ПЛ з урахуванням параметрів режиму плавлення (струм плавлення, тривалість знімання відкладень на кожній з ПЛ, черговість плавлень на ПЛ). Такий програмний комплекс в [12] пропонується доповнювати прикладними програмами для розрахунку механічних параметрів лінії.
Автоматизована система контролю процесу утворення ожеледі повинна бути складовою частиною більш функціональної автоматизованої системи моніторингу ПЛ (АСМ), яка дозволить контролювати механічні й електричні параметри лінії в умовах мінливого зовнішнього середовища. Це дасть можливість у більшій мірі використовувати закладені ресурси ПЛ (механічні, електричні), а також приймати адекватні керуючі рішення в нормальному та аварійних режимах (плавлення ожеледі, регулювання потужності, що передається, і т.д.).
Основними вимогами при побудові АСМ необхідно вважати такі: - розробка та використання сучасних технічних засобів збору, передачі й обробки інформації;
- розробка багатофункціонального гнучкого програмного забезпечення, сумісного з існуючими програмними засобами;
- модульний вигляд системи, що дозволяє інтегрувати її в загальну автоматизовану систему керування технологічним процесом передачі електричної енергії.
В ожеледних районах АСМ повинна мати наступні специфічні функціональні можливості: 1. Короткостроковий і довгостроковий прогнози виникнення ожеледно-паморозевих відкладень (ОПВ) на ПЛ із визначенням імовірності виникнення, часу виникнення, наростання й існування, а також виду, розмірів відкладень і супутніх метеопараметрів (із залученням даних Гідрометеослужби).
2. Раннє виявлення утворення ожеледі, а також початку інтенсивного галопування проводів, сигналізація, збір і первинна обробка поточних даних про ожеледно-вітрову ситуацію в режимі реального часу (температура й вологість повітря, напрямок і швидкість вітру, розпізнавання виду ОПВ, щільність відкладень, швидкість їх наростання, розміри й вага відкладень). Можливе доповнення інформаційної картини відео- і фотоданими.
3. Розрахунок прогнозних параметрів режиму плавлення ожеледі (визначення моментів вмикання й вимикання схеми, черговості плавлень, величини струму й часу плавлень на кожній із взаємозалежних ліній (ділянок ліній), кількості ліній (ділянок ліній) з одночасним плавленням відкладень, кількості циклів плавлень з наступним коригуванням за поточними даними.
4. Розрахунок механічних параметрів лінії у режимі реального часу (тяжіння, механічного напруження в проводах, габаритів).
5. Архівування даних про ожеледно-вітрову ситуацію та параметри ПЛ з метою подальшого аналізу й накопичення досвіду.
Таким чином, програмне забезпечення АСМ в ожеледних районах повинне включати технологічні й прикладні програми.
Технологічні програми забезпечують функціонування апаратної частини системи.
До прикладних програм відносяться: • програма обробки і представлення прогнозних і поточних даних про ожеледно-вітрову ситуацію та параметри ПЛ;
• програма розрахунку параметрів режиму плавлення ожеледі з коригуванням у режимі реального часу;
• програма архівування даних.
Очевидно, що при розробці систем контролю утворення ожеледі необхідно прагнути до максимально можливого рівня автоматизації процесів моніторингу ПЛ та плавлення ожеледних відкладень, що дозволить мінімізувати роль людського фактору та підвищити загальну ефективність роботи таких систем.
2.2 Прогнозування ожеледного навантаження на базі нейронних мереж
Прогнозування ожеледного навантаження може допомогти енергокомпаніям вчасно підготуватися до можливих аварійних ситуацій і вжити відповідних перспективних заходів. Тому розробка і впровадження таких систем прогнозування є одним з пріоритетних напрямів досліджень в енергетиці та суміжних галузях науки.
На сьогоднішній день існує безліч моделей динаміки ожеледного навантаження, які можна розділити на дві великі групи: фізичні та імітаційні моделі. Перші описують процес утворення ожеледі у вигляді явної математичної залежності від безлічі факторів, що впливають, які необхідно безпосередньо вимірювати, що може бути досить важко. До таких параметрів, наприклад, відноситься розподіл розміру крапель рідких опадів. Другий тип моделей заснований на чисельному аналізі експериментальних даних, що описують реальні періоди зледеніння ЛЕП та сприятливі для цього погодні й інші умови.
Серед імітаційних моделей особливо слід виділити методи, повязані з обчислювальному інтелекту: нейронні мережі, еволюційні алгоритми і системи на основі нечіткої логіки. Ці методи володіють високою гнучкістю, здатністю обробляти нечітку, недостовірну інформацію, адаптуватися до мінливих умов функціонування, здатністю до навчання і самонавчання. Всі ці властивості виявляються надзвичайно корисними при побудові систем прогнозування ожеледного навантаження, оскільки тут доводиться мати справу з різного роду невизначеністю (помилкові або втрачені показники датчиків, непрямий облік параметрі, що не піддаються прямому виміру, тощо), нестаціонарностью (зміна в часі властивостей модельованих процесів) та іншими складнощами, безпосередній облік яких може бути дуже громіздким або взагалі неможливим.
Основою для моделювання є дані постів контролю ожеледного навантаження і метеофакторів, які розміщують на опорах ЛЕП в місцях найбільш вірогідної ожеледі. У даній роботі використані дані, зібрані на лініях 35 КВ «Старий Крим - Планерское» і «Підгірне - Оріон», розташованих в АР Крим. Особливістю цих ліній є їх проходження в прибережній зоні, яка характеризується підвищеною вологістю. Автоматичні пости контролю ожеледного навантаження і метеофакторів розташовуються на опорах ЛЕП в районах перевалів, де часто спостерігаються сильні вітри, що є додатковим чинником, що призводить до ожеледно - вітрових аварій.
Головним контрольованим параметром є вага дроту , вимірюваний за допомогою тензодатчика в точці підвісу (Рис.2.1). Для зручності моделювання (так як для різних ділянок нормальна вага різна) цей параметр виражається у відсотках від ваги чистого дроту. При утворенні ожеледі вага починає рости і може досягти критичного значення , визначеного конструктивними параметрами лінії. Завдання прогнозування полягає у завчасному попередженні чергового персоналу про ймовірне перевищення критичного значення ваги . З урахуванням часу, необхідного для прийняття рішення та підготовки до виконання плавки ожеледі, інтервал попередження прийнятий рівним 2 ч.
Рисунок 2.1. Тензодатчик в точці підвісу
Крім ваги проводу, вимірюється температура і відносна вологість повітря, які безпосередньо впливають на процес утворення ожеледі. Інші метеопараметри (сила і напрям вітру, тип і інтенсивність опадів і т.д.) не вимірюються, оскільки це викликає певні технічні складності і значно збільшує вартість постів контролю. Знімання інформації з датчиків відбувається в реальному часі, потім виконується усереднення отриманих даних за минулу годину, і вже ці значення передаються по каналу зв"язку на диспетчерський пункт. Виняток становить параметр ваги проводу, для якого передається також максимально зафіксоване протягом години значення , за яким можна побічно судити про наявність вітрового навантаження на провід .
Отже, завдання полягає в побудові на основі наявних архівних даних спостережень прогнозуючої математичної моделі виду:
(2.1) де - номер години;
- Порядок моделі , відповідний глибині використовуваної передісторії ;
- Шукане, в загальному випадку нелінійне, перетворення .
У силу того, що за наявними даними побудова фізичної моделі неможливо (недостатньо вимірюваних параметрів), звернемося до імітаційних моделей . Більшість з них оцінюють кількості ожеледі, виходячи з припущення, що йде переохолоджений дощ. Таким чином, для прогнозування ожеледного навантаження на ЛЕП спочатку необхідно спрогнозувати появу цього виду опадів, для чого можуть використовуватися декілька алгоритмів прогнозування опадів, одним з кращих вважається алгоритм Рамера [ 7], який забезпечує високу точність в задачах прогнозу обмерзання. Останнім часом для цієї мети стали використовувати деякі сучасні методи машинного навчання, які в свою чергу піддавалися множинним модифікаціям, що ще більш підвищило якість прогнозування .
Всі названі алгоритми покладаються на просту моделі наростання ожеледі, тобто виконується двохетапне прогнозування: випадання опадів і утворення ожеледі. Однак такий підхід може бути джерелом додаткових помилок, і при наявності достатньої архівної інформації доцільно використовувати одноетапні моделі, прямо зв"язують вимірювані параметри з ожеледним навантаженням. Так як фізичні принципи вказують на нелінійний характер взаємозвязків між параметрами, то необхідно застосування нелінійних навчальних моделей. Цим вимогам задовольняють штучні нейронні мережі, застосування яких у дослідженнях вже показало перспективність цього підходу. Зокрема, були спроби застосування багатошарового персептрона, а також мереж з кінцевою пам"яттю і рекурентних мереж.
2.3 Архітектура мережі на базі гібридних нейроподібних елементів
У цій роботі пропонується використовувати нову архітектуру мережі на гібридних нейроподібних елементвах [23] (рис. 2.2). Вона є узагальнюючою для названих вище типів нейронних мереж, тобто має властивості їх всіх одночасно і деякими додатковими можливостями.
Вхідними сигналами мережі є поточні значення прогнозованої змінної та інших вимірюваних величин . Подавати на вхід передісторію вимірювань немає необхідності, оскільки вона формується автоматично всередині гібридних нейроподібних елементів (HNU) [24], структура яких представлена ??на рис. 2.3.
Рисунок 2.2. Архітектура мережі на базі гібридних нейроподібних елементів (HNU)
Рискнок 2.3. Гібридний нейроподібний елемент
Вхідні сигнали перетворяться за допомогою синапсів різних типів в сигнали , які потім обєднуються в сигнал внутрішньої активації . Вихідний сигнал нейроподібного елемента формується за допомогою нелінійної активаційної функції: , (2.2) де в якості , зазвичай, використовується сигмоїдальна функція або гіперболічний тангенс.
У гібридному нейроподібному елементі використовуються синапси чотирьох типів: лінійний синапс (рис. 2.4), синапс-фільтр з нескінченною імпульсною характеристикою (рис. 2.5), синапс-фільтр з кінцевою імпульсною характеристикою (рис. 2.6) і нелінійний синапс на основі нечіткої системи (рис. 2.7). У наведених схемах - настроюються синаптичні ваги, - функції приналежності, - елементи чистого запізнювання, - максимальні порядки запізнювань.
Рисунок 2.6. Синапс-фільтр з кінцевою імпульсною характеристикою
Рисунок 2.7. Нелінійний синапс на основі нечіткої системи
У відповідності з даними схемами вихідні сигнали різних типів синапсів формуються наступним чином: - Для лінійного синапсу: ; (2.3)
- Для синапсу-фільтра з нескінченною імпульсною характеристикою: ; (2.4)
- Для синапсу-фільтра з кінцевою імпульсною характеристикою: ; (2.5)
- Для нелінійного синапсу на основі нечіткої системи: ; (2.6) де - кількість функцій належності для -го входу.
У нелінійних синапсах на основі нечіткої системи зазвичай застосовуються трикутні функції приналежності, значення яких визначаються відстанню між входом і центрами : (2.7) при цьому автоматично забезпечується розбиття Руспіні .
Якщо активний нечіткий інтервал , вихід нелінійного синапсу можна виразити таким чином:
(2.8)
;
.
Застосування гібридних нейроподібних елементів дозволяє будувати нейронну мережу за стандартною багатошарової архітектури, спеціалізація якої досягається за рахунок: - Вибору типу синапсу для кожного зв"язку мережі, включаючи можливість розриву зв"язку (відсутність синапсу);
- Вибору кількості та порядку елементів затримок в синапсах - фільтрах з кінцевою і нескінченною імпульсними характеристиками;
- Вибору кількості і параметрів функцій належності в нелінійних синапсах.
Таким чином, побудова мереж на базі гібридних нейроподібних елементів дає можливість гнучкого вибору між універсальними (всі синапси одного типу, повнозв"язна архітектура) і спеціалізованими (синапси різних типів і / або неполносвязная архітектура) архитектурами. При цьому можлива реалізація нелінійних моделей авторегресії (NAR), авторегресії із зовнішніми входами (NARX), авторегресії - ковзного середнього (NARMA), авторегресії - ковзного середнього з зовнішніми входами (NARMAX).
З урахуванням усього вищесказаного вихідний сигнал нейроподібних елементів першого прихованого шару формується таким чином: , (2.9) де - індекс нейроподібних елементів першого прихованого шару, - Кількість нейроподібних елементів першого прихованого шару;
- Функції синапсів нейроподібних елементів першого прихованого шару, обрані з варіантів (3) - (6).
Обробка даних в другому прихованому шарі виконується відповідно з виразом: , (2.10) де - індекс нейроподібних елементів першого прихованого шару, - кількість нейроподібних елементів першого прихованого шару.
І, нарешті, в єдиному нейроподібному елементі вихідного шару обчислюється прогноз ожеледного навантаження: . (2.11)
Тоді загальна формула отримання прогнозу за допомогою мережі на базі гібридних нейроподібних елементів може бути записана у вигляді:
. (2.12)
У цьому виразі невідомими величинами, які вимагають настройки, є синапси нейроподібних елементів , причому необхідно виконати спочатку структурну оптимізацію - визначити типи кожного синапсу, кількість елементів затримки в них, типи функцій належності, а потім виконати параметричну оптимізацію отриманої архітектури - виконати налаштування синаптичних ваг і .
Звичайно структурна оптимізація мережі виконується експертним шляхом на основі апріорної інформації про прогнозований процесі . В умовах даної задачі відомі фізичні залежності, що описують процеси утворення ожеледі не можуть бути безпосередньо використані, оскільки відсутні вимірювання за багатьма входять до них параметрами. Отже, ці апріорні знання не можуть бути враховані при побудові мереж, що змушує використовувати для цієї мети ті чи інші методи структурної оптимізації .
У нашому випадку для синтезу мережі скористаємося генетичним алгоритмом. Це досить універсальний метод, який не потребує дифференціонування оптимального функціоналу. Структура мережі кодується за допомогою так званих хромосом, що несуть всю інформацію про шари, окремих нейроподібних елементах і їх синапсах, за винятком синаптичних ваг. Імітуючи процес природної еволюції в природі, що полягає в генерації поколінь, природному відборі і обміні генетичною інформацією, можливо знаходити оптимальні в заданому сенсі або достатньо близькі до них рішення.
Налаштування параметрів (синаптичних ваг) мережі може здійснюватися за допомогою тих чи інших відомих в теорії штучних нейронних мереж алгоритмів, заснованих на процедурі зворотнього поширення помилки. Для цього необхідно обчислити градієнт критерію навчання з усіх налаштованих ваг мережі . Покажемо це для найпростішого випадку, коли всі синапси мережі приймають форму (2.3). Навчання будемо робити , використовуючи локальний квадратичний критерій виду:
(2.13) а в якості активаційної функції - сигмоїда: , (2.14) де - параметр крутизни активаційною функції.
Градієнтну процедуру навчання нейроподібного елемента вихідного шару можна записати у вигляді:
, (2.15) де - параметр кроку пошуку, визначає швидкість процесу навчання і, звичайно, обираний з емпіричних міркувань;
локальна помилка вихідного шару.
Тоді алгоритм навчання (2.15) можна переписати у вигляді:
(2.16)
. (2.17)
Алгоритм навчання нейроподібних елементів другого прихованого шару може бути записаний у вигляді:
(2.18)
Записавши локальну помилку другого прихованого шару у вигляді: (2.19) з урахуванням того, що: (2.20) отримуємо: (2.21)
Представивши далі у вигляді:
(2.22) можна переписати (2.21): (2.23) звідки випливає: (2.24)
Нейроподібні елементи першого прихованого шару налаштовуються аналогічно другому за допомогою рекурентних співвідношень: (2.25) де - номер входу мережі;
;
;
;
;
Застосуємо описаний підхід до задачі прогнозування ожеледного навантаження. Вихідними даними для моделювання є спостереження з постів контролю, отримані в зимові періоди 2009/2010 і 2010/2011 рр.. За цей час відбулося 21 подія, коли вага ожеледно-вітрових відкладень тривало перевищувала 10 % ваги проводу, з них 14 використані для навчання моделей, 7 - для перевірки. Для порівняння також застосована лінійна авторегресійна модель із зовнішніми входами (ARX) такого ж порядку, як і отримана в результаті структурної оптимізації нелінійна модель (NARX). В якості базової оцінки використана модель наївного прогнозування: майбутнє значення приймається рівним поточному.
Так як прогнозована величина виражається у відсотковому відношенні, то мірою якості прогнозу найзручніше прийняти середню абсолютну помилку у відсотках (MAPE): , (2.26) де - кількість вимірювань.
Результати прогнозування на тестовій вибірці наведені в таблиці 2.1. На рис. 7 наведено приклад графіків істинного ваги проводу і його прогнозу, а також відповідного графіка температури повітря.
Рисунок 2.8. Графіки ваги проводу (суцільна лінія) , його прогнозу ( штрихова лінія) і температури повітря (нижній графік)
Аналіз помилок прогнозування показує: так як серед аналізованих ситуацій не було випадків з бурхливим наростанням ожеледі, то навіть наївний прогноз виявляється точним. Тим не менш, лінійна модель дозволяє знизити помилки на ~ 0.5%, а пропонована нелінійна модель на базі методів обчислювального інтелекту покращує цей показник ще на ~ 1%.Застосування мережі на базі гібридних нейроподібних елементів у поєднанні з генетичним алгоритмом для оптимізації її структури дозволило з високою точністю спрогнозувати динаміку ожеледного навантаження на ЛЕП, що підтверджено експериментальною перевіркою на реальних даних. Підвищення точності прогнозування найбільш актуально для ситуацій з бурхливим наростанням ожеледно-вітрових відкладень на проводах і опорах ЛЕП, коли зволікання у прийнятті контрзаходів може мати значні технічні та матеріальні наслідки. У цьому відношенні доцільно підвищити інтервал попередження для більш раннього оповіщення чергового персоналу про можливість виникнення аварійної ситуації.
Аналіз графіків прогнозів також показує, що максимальні помилки прогнозування виникають, коли відбувається різка зміна погодних умов. Оскільки при даній постановці завдання використовуються тільки поточні і минулі вимірювання метеофакторів, то модель не може врахувати майбутні зміни в них. З іншого боку, за наявності надійного зовнішнього джерела метеопрогнозу цю інформацію також доцільно використовувати при прогнозуванні .
3. ПОБУДОВА СИСТЕМИ МОНІТОРИНГУ НАВАНТАЖКННЯ ВІД ОЖЕЛЕДІ НА ПОВІТРЯНИХ ЛІНІЯХ ЕЛЕКТРОПЕРЕДАВАННЯ
3.1 Розробка структурної схеми системи контролю ожеледі
Винахід відноситься до електроенергетики і може бути використаний для безперервного контролю навантаження на проводах ліній електропередачі від ожеледі.
Рисунок 3.1 - Структурна схема системи КО
Вище зазначена система складається з виносного і диспетчерського блоків з додатковим обладнанням. Виносний блок, що представляє собою автоматизований метеопост, встановлюється на опорі ПЛ напругою 35 або 110 КВ в зоні можливого інтенсивного утворення ожеледі. До складу виносного блоку входять датчики температури, ваги, вологості повітря, пристрій узгодження сигналів з датчиків, мікроконтролер, пристрій мобільного зв"язку, блок живлення на основі акумулятора з підзарядкою від сонячної батареї. Блок додатково комплектується виносним датчиком вагового навантаження і датчиком швидкості вітру. Мікроконтроллерні пристрій, що входить до складу виносного блоку, забезпечує прийом, зберігання і обробку інформації про контрольовані параметри, а також управляє режимами прийому і передачі даних.
Які канали передачі інформації можна використовувати: - Радіоканал з типом модуляції - FFSK;
- GSM зв"язок;
- Волоконно-оптична лінія зв"язку (ВОЛЗ);
- Супутниковий канал зв"язку.
Одним з головних переваг використання GSM каналу є можливість установки пункту прийому (або декількох пунктів прийому) практично на будь-якому віддаленні від пунктів контролю, що дозволяє збирати інформацію на дуже великій території. Пристрій мобільного зв"язку - це GSM- модем, що працює в діапазоні 900/1800 МГЦ, що має вбудовані функції управління до модемного інтерфейсу. У режимі передачі даних виносний блок споживає 1 Вт, в черговому режимі - близько 80 МВТ.
Отримані дані накопичуються, аналізуються, обробляються у виносному блоці і по GSM - каналу передаються на диспетчерський блок, зєднаний з комп"ютером, де відбувається архівування отриманих даних. Диспетчерський блок встановлюється на регіональному диспетчерському пункті. Роботою диспетчерського блоку управляє спеціалізоване програмне забезпечення, за допомогою якого виконується настройка і конфігурація, входять до складу системи апаратних засобів та налаштування часових періодів передачі даних. Він приймає в реальному часі інформацію від виносних блоків, виконує попередню обробку отриманих даних і зберігає її в базі для подальшої обробки і використання. Зібрана інформація може відображатися на моніторі комп"ютера у вигляді таблиць і графіків (рис. 3.2 ) . Контрольовані ділянки ліній відображаються у вигляді мнемосхеми, де для позначення різних режимів роботи застосовані Блінкер з різним кольором засвічення. До складу диспетчерського блоку входять мікроконтролер, пристрій мобільного зв"язку, блок живлення, клавіатура і рідкокристалічний індикатор, персональний комп"ютер диспетчера.
Рисунок 3.2 - Інтерфейс програмного забезпечення диспетчерського блоку системи КО
У нормальних умовах, коли не спостерігається відкладень ожеледі, виносний блок збирає інформацію через короткі інтервали часу і, в певний оператором час, передає накопичену інформацію на центральний блок. Інтервали часу між передачами даних можуть бути обрані в широких межах. У разі початку утворення ожеледних відкладень на дроті ПЛ в контрольованому прольоті і досягненні певних вагових меж, виносний блок передає на центральний блок попереджувальний сигнал. У разі продовження збільшення ожеледного навантаження і досягнення максимально допустимої ваги відкладень, виносний блок додатково видає на диспетчерський пункт аварійний сигнал. Якщо в результаті подальшої за цим плавки ожеледі або в результаті зміни погодних умов лід, що утворився на дроті, почав опадати і вагове навантаження прийшло в норму, виносний блок посилає на центральний блок повідомлення про зниження ваги відкладення із зазначенням фактичного значення ваги на даний момент.
Система КО має наступні основні технічні характеристики : · діапазон вимірювання температури, °С …………… от -40 до 100;
· точність вимірювання температури, °С ……....……. не гірше ± 2,0;
· діапазон вимірювання вологості повітря при твозд=0-35 °С, % ….. от 0 до 100;
· точність вимірювання вологості, % ………….………. не гірше ± 5,0;
· Номінальний поріг спрацьовування на ток міжфазного КЗ, А. . .100;
· Критерій наявності напруги в лінії, не менше, КВ. . . . . . . . . . 4;
· Час спрацьовування, не більше, с. . . . . . . . . . . . . . . . . . . . . . . . 0,3.
· діапазон вимірюваної вагового навантаження, кг …… от 0 до 1000;
· точність вимірювання навантаження, кг ………………. не гірше 0,2;
· діапазон вимірюваної швидкості вітру, м/с …….………. от 0 до 40;
· точність вимірювання швидкості вітру, % ……………….. не гірше 5.
Розроблена система дозволяє підключати до центрального блоку одночасно кілька виносних блоків. Кожному виносного блоку присвоюється індивідуальне ім"я для впізнання, що дозволяє контролювати процес відкладення ожеледних утворень відразу на декількох лініях, що досить зручно при необхідності здійснювати контроль за ожеледі на різних ділянках, що знаходяться на значній відстані один від одного. Спеціально розроблене програмне забезпечення для виносного блоку дозволяє змінювати контрольні параметри для попереджувального і аварійного сигналу залежно від технічних характеристик конкретної лінії. Це, в свою чергу, робить систему гнучкою і мобільною, так як дає можливість змінювати контрольовані дані у разі реконструкції лінії або необхідності перенесення датчика на інше місце.
У процесі дослідної експлуатації удалость усунути такий недолік, як помилкове спрацьовування при сильному бічному вітрі, що є характерним для механічних датчиків. При цьому система реєструє і зберігає в протоколі пікові значення динамічних зусиль у проводі в точці підвісу при поривах вітру.
3.2 Програмно-апаратна частина системи контролю ожеледі
Блок диспетчерський складається з мікроконтролера, GSM- модему, пристроя узгодження сигналів і світлодіодів індикації, розташованих в пластмасовому корпусі. На передній панелі розташовується вимикач живлення з світлодіодом індикації. На верхній кришці розташовані світлодіоди індикації і кнопка управління. На задній панелі розташовані роз"єми живлення, антени ( з підключеною антеною) і зв"язку з комп"ютером.
Блок диспетчерський спільно з комп"ютером під управлінням програми «Dispetcher_GSM. Exe» здійснює прийом інформації від блоків виносних, передачу конфігураційних параметрів для блоків виносних, а також відображення та архівування прийнятої інформації.
Зв"язок між диспетчерським блоком і блоками виносними здійснюється через GSM- мережі діючих операторів мобільного зв"язку. Номери абонентів мережі, присвоєних блокам виносним і блоку диспетчерському.
Блок виносний складається з наступних частин: 1) модуль управління (містить плату управління, плату заряду, GSM -модем, акумулятор, розташовані в металевому корпусі; датчики напруги, струму, температури і вологості, які разом з антеною модему розташовуються в радіопрозорих кожухах корпусу);
2) сонячна батарея (підключається за допомогою кабелю).
Принцип дії датчика напруги заснований на ємнісний зв"язок між проводами повітряної лінії і чутливим елементом датчика.
Рисунок 3.3. Блок виносний
Принцип дії датчика струму заснований на перетворенні за допомогою котушок індуктивності магнітного поля, зароджуваного струмами в проводах повітряної лінії і пронизливого котушки датчика, в напруги. Число котушок-2. Сердечники котушок мають взаємно перпендикулярне розташування. Таким чином, вимірювана на котушках напруга буде залежати від відстані і конфігурації проводів, а також від рівня струму в них.
Блок виносний має два режими роботи: 1) режим моніторингу;
2) режим зв"язку.
Після включення живлення блоку виносного він переходить в режим зв"язку і проходить процедуру ініціалізації, при якій через GSM -модем на диспетчерську станцію передається реєстраційне повідомлення і приймається настроювальна інформація з диспетчерської станції. Після цього модем вимикається, і блок виносний переходить в режим моніторингу відповідно до отриманих настройками. Модем залишається вимкненим до чергового сеансу зв"язку.
У режимі моніторингу блок виносної відстежує метеопараметри і параметри лінії і контролює відсутність у них заданих аварійних або критичних значень (станів). Модем стільникового зв"язку в цьому режимі відключений для економії заряду акумулятора. При появі аварійних або критичних станів, блок виносний переходить в режим зв"язку .
Сеанси зв"язку ініціюються блоками виносними в заданий час або негайно після фіксації аварійних або критичних станів. У режимі зв"язку блок виносний включає модем стільникового зв"язку, здійснює реєстрацію в GSM- мережі, зєднання з модемом блоку диспетчерського, передає дані моніторингу, інформацію про аварійні та критичні стани контрольованих параметрів, і приймає настроювальну інформацію. По завершенні сеансу зв"язку GSM -модем відключається.
Після включення і ініціалізації, блок виносної фіксує з періодом 1 година інформацію про метеоумови і передає її на диспетчерську станцію по GSM-каналу один раз на 8 годин.
Наявність короткого замикання в контрольованих проводах визначається за допомогою датчика струму при перевищенні струмом, що протікає I_ABC порогової величини I_KZ. Якщо струм контрольованої лінії перевищує порогове значення струму короткого замикання (I_ABC>=I_KZ), то фіксується аварійний стан струму (коротке замикання). Після фіксації короткого замикання запускається пауза для перевірки відключення напруги на лінії протягом заданого часу (T_OU). Величина порога струму КЗ може бути змінена за допомогою диспетчерської станції і передається на блок виносний при черговому сеансі зв"язку.
Наявність напруги на контрольованих проводах визначається за допомогою датчика напруги при перевищенні напруги U_ABC порогової величини U_NV. Якщо напруга на лінії відсутня або нижче, ніж 4000 В -25% то контролер фіксує аварійний стан напруги. Фіксація відсутності змінної напруги на лінії та струму короткого замикання в лінії відбувається за час 0.3 сек. Після фіксації короткого замикання запускається пауза для перевірки відключення напруги на лінії протягом заданого часу (T_OU), після чого цикл 0.3 сек. поновлюється. Параметри струму короткого замикання (I_KZ) і максимального часу відключення напруги після короткого замикання (T_OU) можуть змінюватися з диспетчерської станції. Кожний перехід порогового значення параметрів U_ABC або I_ABC (як в аварійне, так і з аварійного значення) фіксується і призводить до ініціалізації початку сеансу зв"язку з диспетчерською станцією. Стан, коли після фіксації короткого замикання напруга на лінії відключається до закінчення максимального відрізку часу T_OU, передається як одне аварійне повідомлення. По закінченню передачі даних блок виносний повертається до режиму моніторингу. Час нормального сеансу зв"язку складає приблизно 30 секунд.
За відсутності аварійних станів блок виносний фіксує пакет поточних параметрів лінії і навколишнього середовища із заданим періодом часу збору даних і потім передає зібрані дані на диспетчерську станцію з заданим періодом передачі даних. Час періодів може змінюватися з диспетчерської станції. Співвідношення між періодами збору даних і передачі даних повинне знаходитися в межах від 1 до 8. При зміні налаштувань первісний відлік періодів здійснюється від 00 годин.
Якщо виявлені помилки в процесі зв"язку і передачі даних, то робиться одна повторна спроба зв"язку з диспетчерською станцією через час ( 20сек * № блоку), після чого блок управління переходить в сплячий режим до наступного сеансу зв"язку. При цьому блок управління продовжує циклічний моніторинг параметрів контрольованої лінії електропередачі і метеопараметрів навколишнього середовища.
3.3 Використання за призначенням системи контролю ожеледі
Підготовка до роботи системи КО.
Підключити кабель диспетчерського блоку до послідовного порту COM1 або COM2 комп"ютера і включити живлення диспетчерського блоку. Після виконання внутрішніх процесів ініціалізації на панелі диспетчерського блоку періодично блимає світлодіод модему (№ 12). Завантажити програму «Dispetcher_GSM.exe». На екрані зявляється вікно програми, яке складається з двох частин. У лівій частині знаходяться органи управління і відображення оперативної інформації, в правій частині знаходиться мнемосхема, що відображає стан блоків виносних на момент останнього сеансу зв"язку з кожним з них. Перевірити відповідність обраного порту COM у вікні програми і, при необхідності, відкоригувати його, потім натиснути за допомогою «миші» програмну кнопку "Ініціалізація". При нормальній роботі системи у вікні програми зявляється напис "Ініціалізація" і активізується вікно у формі мобільного телефону із зеленою рамкою. Потім у вікні програми натиснути кнопку "Робота". Після цього у вікні програми зявляється напис "Старт прийому" і диспетчерська станція переходить в режим прийому повідомлень від блоків виносних.
Підготовка блоку виносного до роботи.
При підготовці керуватися малюнками ДОДАТОК В, ДОДАТОК Г і ДОДАТОК Д. Для зручності, малюнки наведені з розрізами.
На малюнках цифрами позначені: 1 - радіопрозорі кожухи блоку виносного;
2 - вушка для кріплення на опору;
3 - тумблер живлення блоку виносного;
4 - тумблер включення сонячної батареї;
5 - модем сотового зв"язку;
6 - передня кришка блоку виносного;
7 - акумулятор;
8 - плата заряду;
9 - клема заземлення блоку виносного;
10 - гермоввод для підключення кабелю сонячної батареї;
11 - кабель сонячної батареї;
12 - задня кришка блоку виносного.
Зняти задню кришку 12 блоку виносного. Перевірити напругу на клемах акумулятора. Значення напруги перед установкою на тривалу експлуатацію повинно бути не менше 4,2 В. При недостатньому напрузі акумулятора призвести заряд.
Підключити кабель сонячної батареї 11 до клемника плати заряду 8 блоку виносного як показано на малюнку Д
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
