Комментарии 6
Все, я понял. Ошибка владельца "Титана" в том что он использовал реактивный подход.
Добрый день. Вы пишете что набрать данных с реальных объектов да еще в редких режимах это дорого и не всегда возможно поэтому можно создать цифровой двойник. А разве потом не надо доказать, что цифровой двойник будет генерировать валидные данные как раз в этих редких режимах?
Задача моделирования трансформатора решалась в рамках теории нелинейных цепей или моделировались поля? (Для сопротивления нулевой последовательности это важно).
Я правильно понимаю что измерение напряжений по сторонам трансформатора, деление одного на другое и сравнение полученной величины с паспортным значением коэффициента трансформации тоже можно назвать цифровым двойником простеньким?
Добрый день! Спасибо за интересные вопросы!
"Вы пишете что набрать данных с реальных объектов да еще в редких режимах это дорого и не всегда возможно поэтому можно создать цифровой двойник. А разве потом не надо доказать, что цифровой двойник будет генерировать валидные данные как раз в этих редких режимах?" При наличии реальных осциллограмм редких режимов, конечно, стоит доказать валидность данных от цифрового двойника. Непроверенные данные редких режимов могут привести к ошибке при вынесении вердикта, то есть к ошибке при объявлении причины, но не к ошибке выявления аномального поведения. Ведь при отсутствии данных редких режимов действует концепция, когда обучение производится не на отказах, а на правильной работе оборудования в различных режимах. Доверять данным редких режимов от цифрового двойника мы можем только с некоторой степенью уверенности.
"Задача моделирования трансформатора решалась в рамках теории нелинейных цепей или моделировались поля? (Для сопротивления нулевой последовательности это важно)". Мы разрабатывали модель трансформатора, которая отражает его электромагнитные параметры. В модели в ветвь намагничивания заложена нелинейная кривая зависимости тока от магнитного потока.
"Я правильно понимаю что измерение напряжений по сторонам трансформатора, деление одного на другое и сравнение полученной величины с паспортным значением коэффициента трансформации тоже можно назвать цифровым двойником простеньким?" Коэффициент трансформации - это один из множества диагностических параметров, по которому ограничено можно судить о текущем состоянии трансформатора. Так что в каком-то смысле - да, назвать так можно)
Спасибо, за ответы.
А при обучении на весьма одинаковых данных нормального режима можно получить что то более качественное, чем просто сравнение этих данных с какими то нормируемыми границами по отклонению? Я имею в виду, смогли ли Вы для себя выявить какие то новые взаимовязи, которые нашли алгоритмы машинного обучения. Просто ведь по данным только нормального режима даже параметры четырехполюсника сложно оценить. Задача плохообусловенная получается.
Мы собрали в ПО цифровую модель трансформатора, которая в рабочем режиме при разной нагрузке, в режиме КЗ и ХХ полностью повторяет работу реального трансформатора, т.е. мгновенные значения токов и напряжений совпадают с измерениями параллельно работающего реального трансформатора. Таким образом у нас получены значения сопротивлений Т-образной схемы замещения с кривой намагничивания. Если осциллограммы цифровой модели и реального трансформатора отличаются, то ИИ-алгоритм должен предупредить об этом персонал и в идеале указать причину аномалии. Данные с аномалиями для обучения ИИ-алгоритма генерировались только цифровой моделью и не проходили проверку в ходе живого эксперимента.
При обучении на нормальных данных, можно получить картину "здорового" трансформатора. При возникновении аномалии алгоритм распознает, что поведение трансформатора не похоже на нормальное и сразу просигнализирует об этом. Если реальных данных нормального режима недостаточно, их можно сгенерировать с помощью цифровой модели, которой вы доверяете.
При обучении на аварийных данных и нормальных данных можно получить алгоритм, который подскажет персоналу, что возникла аномалия и в чем конкретно причина. Именно эту ситуацию мы и смоделировали, при этом аварийные данные получены с цифровой модели.
В реальности также есть сценарий, при котором персонал "дообучает" алгоритмы за счет ведения журнала состояния оборудования в специальном ПО.
Здравствуйте, спасибо за статью. При прочтении возникли вопросы:
Не совсем понятно, что делать с прогнозом замыкания на практике. Менять обмотку? Проводить дополнительную диагностику?
Поменяли обмотку (очевидно, ни разу не простая операция) или электронный блок, по которому предсказывается выход из строя. А как дальше анализировать данные по этому трансформатору? Очевидно, что поведенческий паттерн будет отличаться от других объектов, которые живут в своем жизненном цикле техобслуживания и реактивных ремонтов.
О развитии предсказательного обслуживания на примере диагностики трансформатора