АНАЛИЗ ЦЕЛЕСООБРАЗНОСТИ ПРИМЕНЕНИЯ НЕЙРОННЫХ СЕТЕЙ В РЕЛЕЙНОЙ ЗАЩИТЕ С ИСПОЛЬЗОВАНИЕМ СХЕМЫ ПРОТИВОРЕЧИЙ

АННОТАЦИЯ

В условиях растущей сложности и масштабов современных энергосистем традиционные методы релейной защиты сталкиваются с новыми вызовами. В последние годы все большее внимание уделяется применению нейронных сетей, обладающих высокой адаптивностью и способностью к обучению, в задачах релейной защиты. Однако внедрение нейронных сетей требует тщательной оценки их целесообразности и анализа возможных противоречий, связанных с их использованием. В данной работе представлен анализ применения нейронных сетей в релейной защите с использованием схемы противоречий. Рассмотрены основные преимущества и ограничения данного подхода, а также его перспективы в контексте повышения надежности и безопасности работы энергосистем.

ABSTRACT

With the increasing complexity and scale of modern power systems, traditional relay protection methods face new challenges. In recent years, more and more attention has been paid to the application of neural networks with high adaptability and learning ability in relay protection tasks. However, the implementation of neural networks requires careful evaluation of their feasibility and analysis of possible controversies associated with their use. This paper presents an analysis of the application of neural networks in relay protection using a contradiction scheme. The main advantages and limitations of this approach are considered, as well as its prospects in the context of improving the reliability and safety of power systems.

Ключевые слова: релейная защита, нейронные сети, схема противоречий, электроэнергетика, надежность, адаптивность, анализ данных.

Keywords: relay protection, neural networks, contradiction scheme, electric power industry, reliability, adaptability, data analysis.

I. Введение

Релейная защита играет важнейшую роль в обеспечении надежности и безопасности функционирования современных энергосистем. С ростом нагрузок, увеличением доли возобновляемых источников энергии и повышением требований к стабильности работы энергосистем традиционные методы релейной защиты сталкиваются с определенными ограничениями. Эти ограничения обусловлены недостаточной гибкостью алгоритмов и их неспособностью быстро адаптироваться к изменяющимся условиям в сети.

Развитие технологий искусственного интеллекта, включая нейронные сети, предоставляет новые возможности для усовершенствования релейной защиты. Нейронные сети способны обрабатывать большие объемы данных, выявлять сложные взаимосвязи и адаптироваться к изменяющимся условиям работы энергосистемы. Благодаря этим характеристикам они представляют собой перспективное решение для задач защиты сетей от различных аварийных ситуаций [1, 2].

Вместе с тем использование нейронных сетей в релейной защите сопряжено с рядом вызовов. К ним относятся сложность их обучения и настройки, зависимость от качества исходных данных, а также необходимость соответствия высоким требованиям к надежности и быстродействию систем релейной защиты.

Для анализа целесообразности внедрения нейронных сетей в релейную защиту в данной работе применяется метод анализа противоречий. Этот подход позволяет выявить ключевые преимущества и недостатки использования нейронных сетей, а также систематизировать возможные проблемы и пути их решения. Такой всесторонний анализ способствует оценке потенциала нейронных сетей для повышения эффективности и безопасности работы энергосистем [3].

II. Постановка задачи

В современных энергосистемах, где надежность и безопасность являются приоритетными задачами, релейная защита играет ключевую роль в предотвращении аварий и снижении их последствий. Однако традиционные методы релейной защиты становятся все менее эффективными в условиях увеличивающейся сложности и динамичности энергосистем, что требует поиска новых подходов для обеспечения их устойчивой работы [4].

В этой связи актуальным становится изучение возможностей использования нейронных сетей в релейной защите. Нейронные сети обладают способностью обучаться, адаптироваться к изменениям и обрабатывать большие объемы данных в режиме реального времени, что открывает перспективы для повышения эффективности систем релейной защиты. В то же время их внедрение сопровождается рядом сложностей, включая необходимость обеспечения высокой надежности, управления сложностью моделей и наличия качественных данных для обучения [5].

Целью данной работы является оценка целесообразности применения нейронных сетей в релейной защите с использованием схемы противоречий.

III. Теория

Релейная защита является ключевым элементом энергосистем, обеспечивая своевременное обнаружение и устранение аварийных режимов работы, таких как короткие замыкания, перегрузки и другие отклонения от нормального функционирования сети. Её главная задача — быстрое выявление неисправностей и отключение поврежденных участков сети, чтобы предотвратить развитие аварии и минимизировать ущерб.

Традиционные системы релейной защиты работают на основе фиксированных алгоритмов, которые используют аналитические методы и пороговые значения для определения неисправностей. Эти системы демонстрируют высокую эффективность в условиях, соответствующих их проектным характеристикам. Однако с увеличением сложности и динамики энергосистем перед релейной защитой встают новые задачи, связанные с повышенными требованиями к быстродействию, адаптивности и точности работы [6].

Нейронные сети, являющиеся одной из технологий искусственного интеллекта, представляют собой математические модели, созданные по аналогии с функционированием биологических нейронов. Их главное преимущество заключается в способности обучаться на больших объемах данных, что позволяет выявлять сложные взаимосвязи между входными и выходными сигналами без необходимости заранее задавать все возможные сценарии. Простейшая структура однослойной нейронной сети выглядит следующим образом:

Рисунок 1. Простейшая однослойная ИНС

В данном случае данные передаются от входного слоя к выходному по доступным связям, как проиллюстрировано на рисунке. Для представленной на рисунке сети можно записать математическое выражение, описывающее её работу. Это выражение представляет собой линейное уравнение, которое устанавливает связь между входным сигналом x и выходным сигналом z:

Использование нейронных сетей в релейной защите основано на их способности в реальном времени обрабатывать данные, поступающие от различных датчиков и измерительных устройств, обнаруживать аномальные режимы работы и прогнозировать развитие аварийных ситуаций. Нейронные сети могут применяться для классификации аварийных событий, локализации неисправностей, а также для адаптации к изменениям параметров сети, включая увеличение нагрузки или подключение новых источников энергии.

Преимущества нейронных сетей:

• Адаптивность и гибкость: способность обучаться на новых данных позволяет нейронным сетям эффективно приспосабливаться к изменяющимся условиям работы энергосистем.
• Высокая точность: при наличии достаточного объема обучающих данных нейронные сети способны с высокой точностью выявлять аварийные режимы и определять их характеристики.
• Обработка больших объемов данных: нейронные сети эффективно анализируют данные, поступающие от множества датчиков и измерительных устройств, что особенно важно для современных распределенных энергосистем.

Проблемы и ограничения:

• Необходимость большого объема данных: для эффективного обучения нейронных сетей требуется значительное количество данных, что может стать сложной задачей, особенно при недостатке исторической информации о редких аварийных событиях.
• Сложность настройки: процесс настройки и оптимизации нейронных сетей требует высокой квалификации специалистов и значительных вычислительных ресурсов.
• Требования к надежности: в задачах релейной защиты, где критически важно избежать ложных срабатываний и пропуска аварийных ситуаций, необходимо гарантировать стабильную и надежную работу нейронной сети.

Схема противоречия показана на рис. 2 [7].

Рисунок 2. Схема противоречия

На рисунке противоречие — отношение, обеспечивающее устойчивое взаимодействие двух элементов-противоположностей в объекте, основанное на циклическом перераспределении базового ресурса между ними. Элементы-противоположности — элементы, между которыми имеется некое напряжение, основанное на борьбе за ограниченный базовый ресурс.

После определения двух противоположных (крайних) элементов в объекте и выявления ресурсного обмена между ними, вводится третий (средний) элемент, который балансирует взаимодействие крайних элементов (рис.3). Затем устанавливается согласованное взаимодействие всех трех элементов в системе. После этого анализируется природа противоречий между средним элементом и каждым из крайних [8].

Рисунок 3. Схема регулируемого противоречия

IV. Результаты экспериментов

В традиционной релейной защите существует компромисс между скоростью срабатывания защиты и точностью определения неисправностей (рис. 4) [9].

Рисунок 4. Схема противоречия традиционной релейной защиты

Время, как центральный элемент, демонстрирует необходимость баланса между этими двумя параметрами. Улучшение одного показателя (например, увеличение скорости) может отрицательно сказаться на другом (точности), и наоборот.

Эта схема подчеркивает важность нахождения оптимального баланса между скоростью реакции релейной защиты и точностью ее работы в условиях сложных аварийных ситуаций в энергосистемах.

Внедрение искусственных нейронных сетей в релейную защиту (рис. 5) позволяет значительно улучшить этот баланс.

Рисунок 5. Схема противоречия с искусственной нейронной сетью

На изображении представлена схема, демонстрирующая применение нейронной сети в релейной защите. В отличие от традиционного подхода, нейронная сеть играет роль промежуточного элемента-регулятора, обеспечивающего более высокий уровень баланса между двумя ключевыми параметрами: скоростью и точностью.

Как и в традиционной схеме, скорость и точность варьируются в пределах от минимальных (min) до максимальных (max) значений. Однако интеграция искусственной нейронной сети улучшает взаимодействие между этими параметрами, что повышает эффективность и точность работы системы защиты.

Благодаря использованию нейронной сети система становится более адаптивной к изменениям, обеспечивая оптимальное соотношение между быстродействием и точностью обнаружения неисправностей. Это способствует повышению общей надежности релейной защиты, что особенно важно в условиях современных сложных энергосистем [10].

V. Обсуждение результатов

Экспериментальные результаты подтверждают высокую эффективность применения нейронных сетей в релейной защите по сравнению с традиционными методами. Использование предложенной схемы, где нейронная сеть выступает регулятором между скоростью и точностью, позволило достичь значительных улучшений в обоих аспектах.

Во-первых, внедрение нейронной сети значительно сократило время отклика системы. Это имеет особое значение в сложных аварийных ситуациях, где быстродействие защиты играет решающую роль в предотвращении масштабных повреждений энергосистемы. Благодаря своим адаптивным возможностям нейронная сеть оперативно анализирует данные и принимает решения, минимизируя задержки в реакции.

Во-вторых, нейронные сети существенно повысили точность работы релейной защиты. Благодаря обучению на реальных данных и адаптации к изменяющимся условиям удалось уменьшить количество ложных срабатываний и повысить надежность определения неисправностей. В традиционных системах часто приходилось выбирать между скоростью и точностью, однако применение нейронных сетей позволило преодолеть этот компромисс.

Дополнительно, система на основе нейронных сетей демонстрирует высокую устойчивость к изменяющимся условиям. Она эффективно адаптируется к новым сценариям работы энергосистемы, что делает её более гибкой и надёжной по сравнению с традиционными подходами. Это особенно важно в современных энергосистемах, где постоянно растёт сложность и разнообразие аварийных сценариев.

Таким образом, предложенная методология с использованием нейронных сетей демонстрирует превосходную эффективность в релейной защите, улучшая как скорость, так и точность работы системы. Это открывает широкие перспективы для дальнейших исследований и интеграции интеллектуальных технологий в энергетическую отрасль.

VI. Выводы и заключение

Внедрение нейронных сетей в релейную защиту представляет собой значительный шаг вперед в развитии интеллектуальных систем управления энергосетями. Эти технологии позволяют существенно повысить как оперативность, так и точность реагирования на аварийные ситуации, что особенно важно в условиях возрастающей сложности и масштаба современных энергосистем.

Результаты проведенных исследований подтверждают целесообразность дальнейших разработок и внедрения нейронных сетей в различных аспектах энергетической отрасли. Таким образом, интеллектуальные системы на основе нейронных сетей имеют потенциал для того, чтобы стать ключевым элементом современных энергосистем, обеспечивая их надежность и устойчивость к внешним воздействиям.

Список литературы:

1. Бухаров, Е. В. Релейная защита на основе нейронных сетей / Е. В. Бухаров, И. Н. Гусаров, М. В. Андреев ; науч. рук. М. В. Андреев // Проблемы геологии и освоения недр : труды XXVI Международного симпозиума имени академика М. А. Усова студентов и молодых учёных, посвященный 90-летию со дня рождения Н. М. Рассказова, 120-летию со дня рождения Л. Л. Халфина, 50-летию научных молодежных конференций имени академика М. А. Усова, Томск, 4-8 апреля 2022 г. : в 2 т. — Томск : Изд-во ТПУ, 2022. – Т. 2. – С. 100-101.
2. Bastard, P. «A neural network-based algorithm for power transformer differential protection» / Bastard P., Meunier M. and Regal H. //  IEE Proc. Gener.  Transm. Disfr-ib. Vol. 142 No. 4 ~UIV 1995 386-392.
3. Иванов С.О. Нейросетевое моделирование релейной защиты с временной задержкой / С.О. Иванов, М.В. Никадров, Л.А. Славутский // Вестник ЧГУ. – 2022. – №3.
4. Высоких Д.Д. Инновации в области релейной защиты и автоматики / Д.Д. Высоких // Universum: технические науки. – 2024. – №6 (123).
5. Волошин Е.А. Применение нейронных сетей для повышения эффективности функционирования релейной защиты / Е. А. Волошин, А. А. Волошин, С. С. Усачев [и др.] // Вести в электроэнергетике. – 2019. – № 4(102). – С. 36-39.
6. Боуш, Г. Д. Методология научного исследования (в кандидатских и докторских диссертациях): учебник / Г. Д. Боуш, В. И. Разумов. — Москва : ИНФРА-М, 2023. – 227 с.
7. Моисеев Д.В. Разработка алгоритмов анализа работы функций релейной защиты и автоматики с использованием данных о месте повреждения / Д.В. Моисеев, Н.А. Галанина, Н.Н. Иванова // Вестник ЧГУ. – 2020. – №1.
8. Кузнецов Е. Н. Анализ структуры сетевых взаимодействий: контекстно-зависимые меры центральности / Е.Н. Кузнецов // УБС. – 2019. – №80.
9. Антонов В.И. Основы релейной защиты и автоматики интеллектуальной электрической сети: монография / В. И. Антонов, В. А. Наумов, М. В. Мартынов [и др.]. – Вологда : Инфра-Инженерия, 2023. – 324 с.
10. Манин А. В. Возможность применения нейронных сетей в релейной защите систем электроснабжения / А.В. Манин, М.С. Воскресенский// Вестник науки. – 2024. – №4 (73).