POSSIBILITIES OF ARTIFICIAL INTELLIGENCE FOR ASSESSING THE EFFICIENCY OF MODERN METHODS OF SUBSTATION EQUIPMENT DIAGNOSTICS
DOI:
https://doi.org/10.63034/esr-282Keywords:
Diagnostics of substation equipment, thermal imaging inspection, partial discharge monitoring, vibration analysis, digital twinAbstract
In the conditions of dynamic development of the energy industry, high demands are placed on the reliability and efficiency of substation equipment, which plays a key role in the transmission and distribution of electricity. The article considers modern approaches to substation diagnostics, which ensure early detection of hidden defects, prediction of the remaining resource and prevention of accidents. The main attention is paid to the analysis and comparison of such methods as thermal imaging inspection, partial discharge monitoring, vibration analysis, Internet of Things (IoT) systems and digital twins. Their advantages, disadvantages and practical value for energy companies are described. A special place is occupied by the introduction of predictive maintenance, using machine learning algorithms to analyze data in real time and predict failures. Such aspects as reducing the frequency of accidents, increasing personnel safety, saving on repairs due to the transition from scheduled to condition-based maintenance, as well as extending the service life of equipment are described in detail.
References
Г.М. Михеев. Цифровая диагностика высоковольтного элек-трооборудования. – М.: ДМК-Пресс, 2017.
В.Г. Сазыкин, А.Г. Кудряков, С.А. Нетребко, В.В. Пронь. Перспективы повышения эффективности электроэнергетического комплекса Кубани. Электрогериатрия – совершенствование эксплу-атации изношенного электрооборудования. – Краснодар: КубГАУ, 2012.
Г.М. Михеев. Электррстанция и электрические сети. Диагно-стика и контроль электрооборудования. – М.: Додека XXI век, 2010.
Ящура А.И. Система технического обслуживания и ремонта энергетического оборудования: Справочник. – М.: НЦ ЭНАС, 2008.
Фролов О., Шершнев Ю., Гуревич М., Вайнзихер Б., Столя-ров Е. Собственные нужды подстанций. Источники бесперебойного питания. – Новости электротехники, № 6 (72), 2011.
Электротехнический справочник: В 4 т. Электротехниче-ские изделия и устройства / Под общей ред. В.Г. Герасимова и др. — 8-е изд., испр. и доп. – М.: Издательство МЭИ, 2008.
Ляндау Ю.В. Обзор применения технологий искусственного интеллекта в электроэнергетической отрасли. «ИННОВАЦИИ И ИНВЕСТИЦИИ». № 8. 2023
Тревор Хасти, Роберт Тибширани, Джером Фридман. Эле-менты статистического обучения: анализ данных, выводы и прогно-зы. Нью-Йорк: Springer, 2-е издание, 2009.
Кевин П. Мёрфи Т. "Машинное обучение: вероятностный подход" Кембридж, Массачусетс: MIT Press, 2012.
Этем Алпайдин. "Введение в машинное обучение" Кем-бридж, Массачусетс: MIT Press, 4-е издание, 2020
Чжан Чжун, Цзан Е. "Мониторинг на основе облаков и Ин-тернета вещей" Лондон: Springer, 2021.
Downloads
Published
How to Cite
Issue
Section
Categories
License
Copyright (c) 2024 Meirbekova Oksana Dairovna
This work is licensed under a Creative Commons Attribution 4.0 International License.
