Технология использования сверточных нейронных сетей при диагностике состояния трансформаторов

Abstract

Обосновано применение сверточных нейронных сетей с целью контроля состояния трансформаторов. Проанализированы возможные повреждения трансформаторов: межвитковые замыкания, междуфазные короткие замыкания, дефекты межлистовой изоляции магнитопровода, местное замыкание пластин стали и «пожар» в стали. Разработаны сверточные нейронные сети для диагностики состояния трансформаторов в режиме реального времени с целью анализа поступающей информации, классифицирования различных отклонений и диагностирования дефектов. Полученные результаты позволяют снизить количество неплановых отказов путем заблаговременного информирования о развитии повреждения.= The use of convolutional neural networks for the purpose of monitoring the state of transformers is justified. Possible damage to transformers is analyzed: inter-turn short circuits, phase-to-phase short circuits, defects in the interlayer insulation of the magnetic circuit, local closure of steel plates and "fire" in steel. Convolutional neural networks have been developed to diagnose the state of transformers in real time in order to analyze incoming information, classify various deviations and diagnose defects. The results obtained make it possible to reduce the number of unscheduled failures by informing in advance about the development of damage.