По всем вопросам звоните:

+7 495 274-22-22

УДК: 621.311

Сопоставление результатов диагностики и прогнозирования состояния электроприводных газоперекачивающих агрегатов

Крюков О. В. д-р техн. наук, доцент, чл.-корр. АИН им. А.М. Прохорова; главный специалист ОТДиНТИ, АО «Гипрогазцентр», 603950, г. Нижний Новгород, ул. Алексеевская, д. 26, e-mail: o.kryukov@ggc.nnov.ru

Рассмотрены вопросы проектирования эффективных и достоверных систем оперативной диагностики электродвигателей электроприводных компрессорных станций. Представлены архитектура и методология искусственных нейронных сетей для получения прогнозных моделей электрических машин мегаваттного класса, а также результаты анализа ожидаемых состояний объектов магистрального транспорта газа.

Литература:

1. Lee S. B., Yang J., Hong J. et. al. A new strategy for condition monitoring of adjustable speed induction machine drive systems // IEEE Trans. Power Electron. – 2011. – 26. – № 1–2. – P. 389–398.

2. Lu Bin, Gungor V.C. Online and remote motor energy monitoring and fault diagnostics using wireless sensor networks // IEEE Trans. Ind. Electron. – 2009. – 56. - № 11. – P. 4651–4659.

3. Крюков О.В. Методология и средства нейро-нечеткого прогнозирования состояния ЭГПА // Электротехника. – 2012. – № 9. – С. 52–57.

4. Пужайло А.Ф., Репин Д.Г., Крюков О.В. и др. Диагностика оборудования компрессорных станций: монография серии «Научные труды к 45-летию ОАО «Гипрогазцентр». – Н.Новгород: Исток, 2013. – Т. 2. – 300 с.

5. Пужайло А.Ф., Савченков С.В., Спиридович Е.А. и др. Энергосбережение и автоматизация электрооборудования компрессорных станций МГ: монография / Под ред. Крюкова О.В. – Н.Новгород: Вектор ТиС, 2011. – Т. 2. – 664 с.

6. Крюков О.В. Анализ аварийности приводных электродвигателей магистральных ГПА // Приводная техника. – 2012. – № 1. – С. 2–11.

7. Крюков О.В. Формализация факторов старения изоляции приводных электродвигателей ГПА // Приводная техника. – 2012. – № 1. – С. 12–23.

Как показали данные статистики и нормативно-технической документации, все технологические установки компрессорных станций (КС) магистральных газопроводов относятся к опасным производственным объектам, и поэтому разработка систем мониторинга их состояния относится к задачам первого приоритета при проектировании газотранспортных систем. Современные электроприводные газоперекачивающие агрегаты (ЭГПА) как объекты диагностики представляют собой сложную и пространственно-распределенную техническую систему с разнородными элементами. Статистика 131 случая отказов ЭГПА на 6 КС ООО «Газпром трансгаз Нижний Новгород» в 2006–2010 гг. показала, что наиболее тяжелым ЭГПА по затратам и времени восстановления является выход из строя приводного электродвигателя и особенно пробой изоляции статора.

Для 60 электродвигателей типа СТД-12500-2 и СДГ-12500 за период эксплуатации с 1987 по 2010 г. выполнены измерения основных параметров их работы в различных режимах работы в условиях действующих компрессорных цехов и выявлены наиболее характерные виды повреждений. Проведен комплексный анализ и определены 4 группы эксплуатационных факторов, влияющих на ресурс электродвигателей ЭГПА: нагрев изоляции обмоток статора, изменения параметров питающего напряжения, электродинамические нагрузки в стержнях и частичные разряды в изоляции обмоток.

В настоящее время существует хорошо апробированный в некоторых технических системах математический аппарат автоматизированной настройки параметров диагностических алгоритмов на основе применения искусственных нейронных сетей (ИНС), объединенных в систему принятия решений (СПР) по идентификации различных дефектов [1–5].

Особенностью ИНС является то, что она обладает характеристиками, позволяющими автономно решать проблемы классификации переменных объекта и их форм, а также самообучения алгоритмам прогнозирования исходя из опыта отказов. ИНС позволяет разработать непараметрическую модель, которая может воспроизвести любое исправное/неисправное техническое состояние (ТС) ЭГПА и аппроксимировать свою идентификацию.

Для Цитирования:
Крюков О. В., Сопоставление результатов диагностики и прогнозирования состояния электроприводных газоперекачивающих агрегатов. Современные методы технической диагностики и неразрушающего контроля деталей и узлов. 2016;1.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: