187
ПРИМЕНЕНИЕ НЕЙРОСЕТЕВЫХ АЛГОРИТМОВ ПРИ
РАСПОЗНАВАНИИ ВИТКОВЫХ ЗАМЫКАНИЙ В СИЛОВЫХ
ТРАНСФОРМАТОРАХ
Куликов А. Л.
1
, Лоскутов А. А.
1
, Совина А. Н.
1
1
ФГБОУ ВО «Нижегородский государственный технический университет имени Р. Е. Алексеева»
Нижний Новгород, Россия
Аннотация
Состояние вопроса:
Эффективность релейной защиты силового трансформатора является одной из самых низких.
Лишь в 70 % случаев повреждений релейная защита правильно и своевременное реагирует, предотвращая дальнейшее
развитие аварийной ситуации. Одной из главных проблем является распознание внутренних замыканий в трансформаторе
таких, как витковые замыкания в обмотке. Совершенствование систем релейной защиты всегда является актуальным
вопросом. С использованием искусственного интеллекта целесообразно совершенствовать существующие решения
релейной защиты и разрабатывать новые.
Материалы и методы:
Машинное обучение, искусственная нейронная сеть (ИНС), нейросетевые алгоритмы.
Результаты:
Использованы нейросетевые алгоритмы для распознавания витковых замыканий в трансформаторах.
Разработаны имитационные
Matlab
-модели для исследования работы трансформатора в составе электрической сети в
нормальном режиме при витковых замыканиях. По результатам моделирования получен большой объем статистических
данных, служащих для обучения ИНС. Предложено два варианта защиты трансформатора для распознавания витковых
замыканий: первый – использование ИНС непосредственно для принятия решения; второй – использование ИНС для расчета
коэффициентов многопараметрической защиты. Проведено тестирование защит с использованием нейросетевых алгоритмов.
Выводы:
Из двух предложенных вариантов защит второй вариант является более предпочтительным для реализации,
так как в данном ИНС используется лишь для обучения защиты. Разработанная защита с применением ИНС может лучше
распознавать витковые замыкания с малым числом замкнутых витков по сравнению с классической дифференциальной
защитой. Внедрение разработанной защиты позволит распознавать витковые замыкания на ранних этапах развития.
Ключевые слова:
витковые замыкания в силовых трансформаторах, искусственная нейронная сеть, чувствительность,
быстродействие, релейная защита
APPLICATION OF NEURAL NETWORK ALGORITHMS FOR RECOGNIZING
TURN FAULTS IN POWER TRANSFORMERS
Kulikov A. L.
1
, Loskutov A. A.
1
, Sovina A. N.
1
1
Nizhny Novgorod State Technical University n.a. R.E. Alekseev, Russian Federation
E-mail:
Abstract
Background:
The power transformer relay protection efficiency is one of the lowest. Only in 70% of cases of damage, relay
protection responds correctly and in a timely manner, preventing further development of an emergency. One of the main problems
is the recognition of internal faults in a transformer, such as turns faults in a winding. The improvement of relay protection systems
is always a topical issue. Using artificial intelligence, it is advisable to improve existing relay protection solutions and develop new.
Materials and methods:
Machine learning, artificial neural network (ANN), neural network algorithms.
Results:
Neural network algorithms are used to recognize turn short circuits (faults) in transformers.
Matlab
-models have been
developed to study the operation of a transformer as part of an electrical network in normal mode with turn-by-turn short circuits.
Based on the simulation results, a large amount of statistical data was obtained that serve for training the ANN. Two variants of
transformer protection for the recognition of turn faults are proposed: the first is the use of ANN directly for making a decision; the
second is the use of ANN for calculating multiparameter protection coefficients. Testing of protection using neural network
algorithms has been carried out.
Conclusions:
The developed protection using ANN can better recognize turn faults with a small number of closed turns in
comparison with classical differential protection. Implementation of the developed protection will make it possible to recognize
turn faults at early stages of development.
Key words:
turn circuits in power transformers, artificial neural network, sensitivity, speed, relay protection
