Применение микропроцессорного блока релейной защиты для диагностирования внутренних повреждений электрооборудования электроустановок

Цель – определить применимость стандартных микропроцессорных блоков релейной защиты и автоматики к получению цифрового сигнала токов для их математической обработки в вопросах диагностирования внутренних повреждений электрооборудования. В работе использовалась математическая обработка экспериментальных данных (временных рядов), основанная на аппроксимации регрессионным анализом в ортогональном базисе. При этом сравнивались весовые коэффициенты при базисных функциях в понимании векторов многомерного пространства, координатами которого они являлись, полученные по методу наименьших квадратов. В роли исследуемого сигнала выступает группа данных, полученных от натурных экспериментов, проводимых с асинхронным двигателем, в котором имеется возможность создания искусственного внутреннего повреждения. Экспериментальные данные были получены на двух устройствах с разной частотой дискретизации и уровнем квантования. Первая группа данных получена на 12-тибитной PCI плате аналого-цифрового преобразователя для установки в персональный компьютер National Instruments 6024E при частоте дискретизации 10 кГц, вторая группа – на стандартизированном блоке микропроцессорной релейной защиты и автоматики при частоте дискретизации 2,4 кГц. Были получены критерии наличия внутреннего повреждения роторной цепи асинхронного двигателя, которое заметно не влияет на его работу, но снижает его энергетические характеристики, отличающиеся от неповрежденного состояния в 5 раз. Установлено, что предложенный способ выделения диагностического признака внутреннего повреждения электрооборудования электроустановок позволяет обнаружить изменение их электрических параметров на 3% от нормального состояния, не реагируя при этом на наличие электрической/механической нагрузки. Показано, что поведение диагностического признака оказалось одинаково свойственно при наличии внутреннего повреждения как при исследовании первой группы сигналов, так и при исследовании второй группы. Таким образом, подтверждена возможность получения цифрового сигнала от стандартизированных блоков релейной защиты приемлемой точности для обеспечения чувствительности диагностирования внутреннего повреждения электрооборудования электроустановок.

1. Литвинов С.Н., Лебедев В.Д., Гусенков А.В. Анализ методов контроля технического состояния оборудования на применимость к высоковольтным электронным измерительным трансформаторам // iPolytech Journal. 2023. Т. 27. № 2. С. 322–338. https://doi.org/10.21285/1814-3520-2023-2-322-338. EDN: TQSDVV.

2. Chisedzi L.Р., Muteba M. Detection of broken rotor bars in cage induction motors using machine learning methods // Sensors. 2023. Vol. 23. Iss. 22. P. 9079–9087. https://doi.org/10.3390/s23229079.

3. Zhou Guangyang, Zhang Xiahui, Han Minxiao, Filizadeh S., Geng Zhi. Single-ended fault detection scheme using support vector machine for multi-terminal direct current systems based on modular multilevel converter // Journal of Modern Power Systems and Clean Energy. 2023. Vol. 11. Iss. 3. P. 990–1000. https://doi.org/10.35833/MPCE.2021.000404. EDN: DKBSJP.

4. Bahgat B.H., Elhay E.А., Sutikno T., Elkholy M.M. Revolutionizing motor maintenance: a comprehensive survey of state-of-the-art fault detection in three-phase induction motors // International Journal of Power Electronics and Drive Systems. 2024. Vol. 15. Iss. 3. P. 1968–1989. https://doi.org/10.11591/ijpeds.v15.i3.pp1968-1989.

5. Bechiri M.B., Allal A., Naoui М., Khechekhouche A., Alsaif H. Effective diagnosis approach for broken rotor bar fault using Bayesian-based optimization of machine learning hyper parameters // IEEE Access. 2024. Vol. 12. Iss. 6. P. 139923–139936. https://doi.org/10.1109/ACCESS.2024.3464108.

6. Kumar R.S., Indragandhi, V., Aljafari, B., Kareri, T. Rotor bar fault diagnosis in indirect field-oriented control-fed induction motor drive using Hilbert transform, discrete wavelet transform, and energy eigenvalue computation // Machines. 2023. Vol. 11. Iss. 7. P. 711. https://doi.org/11.711.10.3390/machines11070711.

7. Ghanbari T., Mehraban A. Stator winding fault detection of induction motors using fast Fourier transform on rotor slot harmonics and least square analysis of the Park’s vectors // IET Electric Power Applications. 2023. Vol. 18. Iss. 7. Р. 356–366. https://doi.org/10.1049/elp2.12394.

8. Ameid T., Ammar A., Talhaoui H., Azzoug Yo. An automatic rotor bar fault diagnosis using fuzzy logic and DWTenergy for backstepping control driven induction motor in low-speed operation // Soft Computing. 2023. Vol. 27. Iss. 15. P. 1–16. https://doi.org/10.1007/s00500-023-08443-y.

9. Курилин С.П. Методы тестирования технического состояния асинхронных электродвигателей в процессе эксплуатации // Вестник Московского энергетического института. 2022. № 6. С. 11–20. https://doi.org/10.24160/1993-6982-2022-6-11-20.

10. Хальясмаа А.И., Ревенков И.С., Сидорова А.В. Применение технологии цифрового двойника для анализа и прогнозирования состояния трансформаторного оборудования // Вестник Казанского государственного энергетического университета. 2022. Т. 14. № 3. С. 99–113. EDN: WEXWZR.

11. Баннов Д.М., Крицкий М.В. Разработка экспериментальной установки для исследований диагностических признаков повреждения короткозамкнутой обмотки ротора асинхронного двигателя // Электроэнергетика глазами молодежи – 2018: матер. IX Междунар. молодежной науч.-техн. конф. (г. Казань, 1–5 октября 2018 г.). Казань: Казанский государственный энергетический университет, 2018. Т. 3. С. 237–238. EDN: ZAXFDV.

12. Шахнович Д.И. Разработка программно-технической среды для испытаний устройств релейной защиты на базе терминала БМРЗ-51 производства НТЦ «Механотроника» // Проблемы геологии и освоения недр: тр. XXVIII Междунар. молодежного науч. симпозиума им. акад. М.А. Усова, посвященного 125-летию со дня рождения академика Академии наук СССР, профессора К.И. Сатпаева и 130-летию со дня рождения члена-корреспондента Академии наук СССР, профессора Ф.Н. Шахова (г. Томск, 1–5 апреля 2024 г.). Томск: Национальный исследовательский Томский политехнический университет, 2024. С. 231–233. EDN: BJDKXQ.

13. Дрейпер Г., Смит Д. Прикладной регрессионный анализ: пер. с англ. 3-е изд. М.: Диалектика, 2017. 912 с.

14. Мартюгин С.А., Поршнев С.В. О возможности повышения помехозащищенности телекоммуникационных систем c OFDM c помощью дробного преобразования Фурье // International Journal of Open Information Technologies. 2024. Т. 12. № 7. С. 71–79. EDN: UXUJDT.

15. Гришаев Д.А., Радзюк А.Ю., Истягина Е.Б. Обработка экспериментальных результатов суперкавитационного обтекания конуса методом локальной полиномиальной регрессии (LOESS) // iPolytech Journal. 2023. Т. 27. № 3. С. 518–526. https://doi.org/10.21285/1814-3520-2023-3-518-526. EDN: WOSBCK.

16. Pramesti W., Damayanti I., Asfani D. Stator fault identification analysis in induction motor using multinomial logistic regression // International Seminar on Intelligent Technology and Its Applications. 2016. P. 439–442. https://doi.org/10.1109/ISITIA.2016.7828700.

17. Chao Zhao. Trend analysis of rotor-to-stator impact-rub based on smooth support vector regression // International Journal of Computer Applications in Technology. 2014. Vol. 50. Iss. 3-4. Р. 243. https://doi.org/10.1504/IJCAT.2014.066735.

18. Топонен Н.А., Геворкян М.Н. Реализация трёхмерной проективной геометрической алгебры на высокоуровневом языке программирования // Информационно-телекоммуникационные технологии и математическое моделирование высокотехнологичных систем: матер. Всерос. конф. с междунар. участием (г. Москва, 17–21 апреля 2023 г.). М.: Российский университет дружбы народов, 2023. С. 240–245. EDN: XHDQSK.

19. Баннов Д.М., Полищук В.И. Метод обработки сигналов токов статора асинхронного двигателя для диагностики обрыва стержня ротора // Вестник Ивановского государственного энергетического университета. 2024. № 4. С. 64–72. https://doi.org/10.17588/2072-2672.2024.4.064-072. EDN: BTWJEE.

20. Дьяконов В.П. MATLAB 6/6.1/6.5 + Simulink 4/5 в математике и моделировании: монография. М.: СОЛОНПресс, 2008. 576 с.