ИНТЕЛЛЕКТУАЛЬНЫЙ АЛГОРИТМ ИНТЕРВАЛЬНОЙ ОЦЕНКИ ПАРАМЕТРОВ ДУГОГАСЯЩЕГО РЕАКТОРА

Ю.А. Дементий, Е.В. Шорников, К.П. Николаев

DOI: 10.47026/1810-1909-2021-3-64-72

Ключевые слова

машинное обучение, интервальная оценка, параметрическая идентификация, дугогасящий реактор, регуляризация, информативность данных, обобщающая способность.

Аннотация

Задачей дугогасящего реактора является снижение емкостного тока сети до безопасного уровня, при котором ток однофазного замыкания на землю в месте повреждения не превышает значения пяти ампер. Сниженный до допустимого уровня ток предотвращает открытое горение электрической дуги в месте замыкания. Для правильной работы данного устройства автоматике управления дугогасящим реактором необходимо выполнить настройку контура нулевой последовательности в резонанс, при котором наблюдается баланс емкостного тока сети и индуктивного тока реактора. Для выполнения данной настройки необязательно обладать информацией об абсолютных значениях параметров схемы замещения контура нулевой последовательности, но, определив их, устройство автоматики способно решать более широкий спектр задач, связанный с диагностикой сети и увеличением эффективности работы дугогасящего реактора. В данной статье рассматривается подход к решению задачи параметрической идентификации дугогасящего реактора с использованием метода интервальной оценки параметров объекта. Информация о режимах работы дугогасящего реактора получена при помощи имитационной модели объекта. С использованием полученных значений определены объектные параметры при помощи функции, обратной к имитационной модели. Зависимость объектных параметров от наблюдаемых аппроксимирована с использованием моделей верхней и нижней оценок каждого параметра. Для настройки моделей оценок применен метод квантильной регрессии. Выявлена потребность в увеличении обобщающей способности алгоритма. Предложен метод настройки параметров регуляризации процесса обучения для увеличения обобщающей способности алгоритма без увеличения информативности данных в обучающей выборке. Представлены результаты работы алгоритма на примере оценки параметров ветви намагничивания дугогасящего реактора. Получены границы интервала эквивалентного сопротивления потерь магнитопровода и индуктивности намагничивания. Проанализированы ограничения методов, даны рекомендации по улучшению качества работы алгоритмов.

Литература

1. Васильева С.Н., Кан Ю.С. Метод линеаризации для решения задачи квантильной оптимизации с функцией потерь, зависящей от вектора малых случайных параметров // Автоматика и телемеханика. 2017. № 7. С. 95–109.
2. Горбань И.И. Многозначные величины, последовательности и функции // Математические машины и системы. 2012. № 3. С. 147–161.
3. Дементий Ю.А., Николаев К.П. Определение индуктивности ДГР в базисе мгновенных величин // Динамика нелинейных дискретных электротехнических и электронных систем: материалы XIV Всерос. науч.-техн. конф. Чебоксары: Изд-во Чуваш. ун-та, 2021. С. 343–347.
4. Дементий Ю.А., Шорников Е.В. Машинное обучение для интервальной оценки параметров объекта // Современные тенденции развития цифровых систем релейной защиты и автоматики: материалы науч.-техн. конф. молодых специалистов форума «РЕЛАВЭКСПО – 2021». Чебоксары: Изд-во Чуваш. ун-та, 2021. С. 153–157.
5. Дементий Ю.А., Шорников Е.В. Применение активного обучения для построения моделей параметрической идентификации // Динамика нелинейных дискретных электротехнических и электронных систем: материалы XIV Всероссийской науч.-техн. конф. Чебоксары: Изд-во Чуваш. ун-та, 2021. С. 446–450.
6. Дементий Ю.А., Шорников Е.В. Регуляризация в задаче обучения интеллектуальных алгоритмов параметрической идентификации // Динамика нелинейных дискретных электротехнических и электронных систем: материалы XIV Всероссийской науч.-техн. конф. Чебоксары: Изд-во Чуваш. ун-та, 2021. С. 450–454.
7. Кузьмин А.А., Медведев В.Г., Петров М.И., Хадыев И.Г. К вопросам оценки параметров активной части реактора дугогашения с распределенными зазорами // Вестник Чувашского университета. 2019. № 3. С. 119–126.
8. Лейтес Л.В. Электромагнитные расчеты трансформаторов и реакторов. М.: Энергия, 1981. 392. С.
9. Лямец Ю.Я., Нудельман Г.С., Подшивалин А.Н., Закончек Я.В. Об информационной теории релейной защиты // Известия Академии электротехнических наук РФ. 2009. № 1. С. 32–44.
10. Фалейчик, А. А, Кожевников А.В., Степанов М.В. Использование имитационного моделирования в решении оптимизационных задач // Наука и образование: актуальные исследования и разработки: материалы II Всерос. науч.-практ. конф. (Чита, 25–26 апреля 2019 г.). Чита: Изд-во Забайкальского гос. ун-та, 2019. С. 75–79.
11. Черников А.А. Компенсация ёмкостных токов в сетях с незаземлённой нейтралью. М.: Энергия, 1974. 96 с.
12. Benavides M., Telen D., Lauwers J, Logist F., Impe J. V., Vande Wouver A. Parameter identification of the Droop model using optimal experimental design. IFAC – PapersOnLine, 2015, no. 1(48), pp. 586–591.
13. Boyd S., Vandenberghe L. Convex Optimization. Cambridge, Cambridge University Press, 2007, 716 p.

Сведения об авторах

Дементий Юрий Анатольевич – кандидат технических наук, руководитель группы, ООО «Релематика», Россия, Чебоксары (dementiy.yu.a@gmail.com).

Шорников Евгений Владимирович – инженер-исследователь, ООО «Релематика», Россия, Чебоксары (shornikov.ev.vl@gmail.com).

Николаев Кирилл Петрович – техник-исследователь, ООО «Релематика», Россия, Чебоксары (nikolaev.kirill.p@mail.ru).

Формат цитирования

Дементий Ю.А., Шорников Е.В., Николаев К.П. Интеллектуальный алгоритм интервальной оценки параметров дугогасящего реактора // Вестник Чувашского университета. – 2021. – № 3. – С. 64–72. DOI: 10.47026/1810-1909-2021-3-64-72.

Загрузить полный текст статьи