Разработка учебно-исследовательского комплекса «Интеллектуальные системы диагностики электроэнергетических комплексов». Разработка учебно-методического обеспечения лабораторно-практических занятий.

ВВЕДЕНИЕ 6
1 СИСТЕМЫ ДИАГНОСТИКИ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ КОМПЛЕКСОВ 10
1.1 Литературный обзор 10
1.2 Патентный обзор 12
2 АСИНХРОННЫЕ ЭЛЕКТРОДВИГАТЕЛИ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ КОМПЛЕКСОВ КАК ОБЪЕКТЫ ДИАГНОСТИРОВАНИЯ 15
2.1 Устройство и принцип действия асинхронных электродвигателей 15
2.2 Причины появления и проявление дефектов и повреждений электродвигателей, их последствия 17
2.3 Методы диагностики технического состояния электродвигателей, диагностические параметры 21
2.4 Электромагнитный спектральный метод диагностики электродвигателей, параметры гармонических составляющих фазных токов и напряжений электродвигателей 24
3 ФИЗИЧЕСКАЯ МОДЕЛЬ СИСТЕМЫ ДИАГНОСТИКИ АСИНХРОННЫХ ЭЛЕКТРОДВИГАТЕЛЕЙ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ КОМПЛЕКСОВ 27
3.1 Разработка лабораторной установки «Диагностика двигательной нагрузки электроэнергетических комплексов» на базе типового комплекта учебного оборудования «Модель электрической системы с узлом комплексной нагрузки» 27
3.1.1 Разработка структурной схемы 27
3.1.2 Разработка электрической схемы 33
3.2 Характеристики и параметры диагностируемого электродвигателя 37
3.3 Анализатор качества электрической энергии (анализатор спектра), основные характеристики, комплектация и схемы подключения 39
4 РАЗРАБОТКА УЧЕБНО-МЕТОДИЧЕСКОГО ОБЕСПЕЧЕНИЯ ЛАБОРАТОРНО-ПРАКТИЧЕСКИХ ЗАНЯТИЙ ПО ДИСЦИПЛИНЕ «ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ ДИАГНОСТИКИ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ КОМПЛЕКСОВ» 47
4.1 Диагностика двигательной нагрузки электроэнергетических комплексов 47
4.2 Цифровой двойник системы диагностики двигательной нагрузки электроэнергетических комплексов 54
4.3 Применение нейронной сети в интеллектуальной системе диагностики электрооборудования 61
5 АДАПТАЦИЯ УЧЕБНО-МЕТОДИЧЕСКОГО ОБЕСПЕЧЕНИЯ ДЛЯ ПРОВЕДЕНИЯ ЛАБОРАТОРНО-ПРАКТИЧЕСКИХ ЗАНЯТИЙ В ДИСТАНЦИОННОМ И СМЕШАННОМ ФОРМАТАХ 66
6 РЕЗУЛЬТАТЫ ПРОБНОГО ВЫПОЛНЕНИЯ ЛАБОРАТОРНЫХ РАБОТ В ОЧНОМ, ДИСТАНЦИОННОМ И СМЕШАННОМ ФОРМАТАХ 70
ЗАКЛЮЧЕНИЕ 78

Весь текст будет доступен после покупки

Актуальность
Электроэнергетические комплексы всех экономически развитых стран претерпевают глубокую модернизацию в связи с интеллектуализацией их систем управления. Энергетический комплекс России тоже участвует в этом процессе, инновационная научно–техническая политика стала ключевым элементом государственной стратегии в области электроэнергетики. Правительство РФ выпустило ряд распоряжений и постановлений, направленных на внедрение технологий «умных» сетей в электросетевой комплекс страны. В 2012 году ОАО «НТЦ электроэнергетики» в сотрудничестве с профильными институтами РАН разработали ключевой документ под названием «Концепция создания интеллектуальной энергетической системы с активно-адаптивной сетью» (ИЭС ААС). В 2015 году была сформулирована «Концепция реализации национального проекта «Интеллектуальная энергетическая система России». Продвижение интеллектуальных технологий в энергетике осуществляется в соответствии с Национальной стратегией развития искусственного интеллекта до 2030 года. ИЭС ААС представляет собой интегрированный энергоинформационный комплекс, обеспечивающий интеллектуальное управление и непрерывный мониторинг технического состояния и режима работы всех его компонентов [1].

Весь текст будет доступен после покупки

1 СИСТЕМЫ ДИАГНОСТИКИ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ КОМПЛЕКСОВ

1.1 Литературный обзор

Проведен анализ существующих как отечественных, так и зарубежных исследований и разработок в области интеллектуальных электроэнергетических комплексов и учебных стендов, в которых используется искусственный интеллект для диагностики оборудования электроэнергетических комплексов.
Исследования в области управления системами электроснабжения с применением искусственного интеллекта описаны в работах [4-7]. Фэн К., Чжан Дж., Чжан В., Ходж Б.М. использовали в своей работе [8] нейронные сети для прогнозирования солнечной активности на основе изображений неба. Авторы Сидорова А. В., Черемных А. А. и Русина А. Г. провели оптимизацию режима работы электроэнергетической системы с использованием языка программирования Руthоn и представили численные результаты в работе [9]. В своем исследовании [10] Манобанда А., Патрисия О. и Гранда Н. создали методологию для прогнозирования электропотребления в нефтедобывающей компании Эквадора. Они использовали собранные статистические данные о добыче сырья в качестве обучающего набора данных и разработали модель, реализованную на языке программирования Руthоn. В заключительной части своего исследования авторы провели сравнительный анализ разработанного алгоритма с методами, применяемыми в промышленности для прогнозирования электропотребления, и продемонстрировали, что их модель достигает высокой точности в прогнозировании. В исследовании [11], проведенном Талаатом М., Эльхолы М., Алблави А. и Саидом Т., подчеркивается, что использование искусственного интеллекта при интеграции возобновляемых источников энергии приносит положительный результат. Их исследование показало, что применение искусственного интеллекта способствует повышению точности и эффективности управления энергетической системой, оснащенной перспективными источниками энергии, и упрощает процесс их интеграции. Исследование, проведенное Багдасаряном М., Оганесяном В. и Акопяном Т. в их работе [12], фокусируется на сравнении применения различных видов искусственных нейронных сетей и ПИД-регуляторов для управления динамическими системами электроприводов. В результате данного исследования был сделан вывод о том, что генетические алгоритмы искусственного интеллекта в значительной степени обеспечивают более высокую точность по сравнению с другими моделями нейронных сетей и сокращают время, требуемое для обучения. Однако также было замечено, что в некоторых задачах может быть целесообразно выбрать другой алгоритм. Поэтому важно проводить анализ и сравнивать метрики, полученные при использовании разных подходов.
Системы виртуальной реальности внедряются в образовательный процесс с целью обучения навыкам обслуживания электроэнергетических систем. Зарубежные исследователи представили разработку и внедрение обучающей среды, основанной на виртуальной реальности, для обучения обслуживанию высоковольтных воздушных линий в распределительных сетях [13] и для проектирования сетевых фотоэлектрических электростанций [14]. В работе [15] также представлена станция виртуальной реальности, используемая в образовательных целях.
В исследованиях, проведенных в работах [16, 17], было продемонстрировано применение цифровых двойников в энергосистемах. Кроме того, в работах [18-21] представлены цифровые двойники учебных стендов, которые были разработаны и интегрированы в учебный процесс.
В работе «Приближённый метод диагностики электроприводов переменного тока большой мощности» авторов А.Л. Маиляна, М.А. Сагателяна исследованы вопросы диагностирования сложных электромеханических систем, в которых непрерывно происходят переходные динамические процессы, связанные с регулированием режимов работы системы [23].

Весь текст будет доступен после покупки

-

Весь текст будет доступен после покупки