кафедра электроснабжения и электротехники
ул. Лермонтова, 83, 664074, г. Иркутск, Россия
пос. Молодежный 1/1, 664038, Иркутская область, Иркутский район, Россия
Department of Power Supply and Electrical Engineering
83 Lermontov str., 664074, Irkutsk, Russia
village Youth 1/1, 664038, Irkutsk, Russia
пос. Молодежный 1/1, 664038, Иркутская область, Иркутский район, Россия
village Youth 1/1, 664038, Irkutsk, Russia
Статья является продолжением исследований уровня надежности функционирования электрических сетей (ЭС) компании ПАО «Россети Ленэнерго» 2014 – 2021 гг. Подробно рассматриваются классификация причин повреждения в ЭС и какие из них являются преобладающими в ЭС Компании за период эксплуатации. Целью статьи является исследование причинно-следственных связей, определяющих уровень аварийности, для чего сформулирован ряд задач, подлежащих рассмотрению. В качестве исходных данных взяты результаты ежегодных отчетов о количестве отказов по месяцам c 2014 по 2021 гг. в электрических сетях Ленинградской области (ЛО) и г. Санкт-Петербурга (СП). Использовались численные методы оценки результатов исследования и технологии графического редактора MATLAB для визуализации результатов анализа исследуемых показателей. Применены методы математической статистики и искусственных нейронных сетей. Для аппроксимации рядов аварийных отключений разработаны алгоритмы программирования, с помощью которых представлена визуализация исследуемых характеристик. Доказано, что наиболее целесообразным статистическим методом исследования тренд-сезонных моделей состоявшихся событий отказов является метод наименьших квадратов. Благодаря его применению представляется возможность оценить влияние сезонной составляющей времени года на количество отказов элементов исследуемых электрических сетей.В результате исследования выявлены основные причины отказов элементов электрических сетей. Для сетей ЛО основной причиной повреждаемости является падение деревьев (41%), для сетей СП — воздействие посторонних лиц и организаций (48%). Построены трендовые и тренд-сезонные модели, позволяющие получать краткосрочные прогнозы аварийных отключений. При этом оценка сезонной составляющей отражает зависимость числа аварий от месяца, в котором они произошли. Для более детального анализа планируется рассмотреть влияние климатических параметров на исследуемый показатель.
The article is a continuation of the study of operational reliability level of electric networks (EN) of PJSC Rosseti Lenenergo in 2014 – 2021. The classification of causes of damage in the EN and identification of predominant among them in the Company's EN during the operation period are considered in detail. The purpose of the article is defined as the study of cause-and-effect relationships that determine the accident rate, for which a number of tasks are formulated to be considered. The input data are the results of annual reports on the number of failures, broken down by months from 2014 to 2021 in the Leningrad region (LO) and St. Petersburg (SP) electrical networks. As research methods, numerical methods for evaluating the study results and the MATLAB graphic editor technology were used to visualize the analysis results of the studied indicators. Methods of mathematical statistics and artificial neural networks were used as preventive damage assessment methods.To approximate the series of emergency outages, programming algorithms developed by the authors were used, which enabled the visualization of the studied characteristics. It is established that the most appropriate solution is to use statistical methods based on the least squares method. With their application, it is possible to study trend-seasonal models that allow to assess the influence of the seasonal component on the number of failures of electric grid elements.As a result of the study, the main causes of failures of elements of electrical networks have been identified. For the networks of the LO, the main damage cause is the fall of trees (41%), for the SP networks — the impact of unauthorized persons and organizations (48%). Trend and trend-seasonal models have been constructed that allow obtaining short-term forecasts of emergency outages. At the same time, the assessment of the seasonal component reflects the dependence of the number of accidents on the month in which they occurred. For a more detailed analysis, it is planned to consider the influence of climatic parameters on the studied indicator.
The authors declare that there are no conflicts of interest present.