Розробка критерію вибору синтезованих нейромереж для покращення точності прогнозуваня значень струму витоку

Abstract

Засоби вимірювання та контролю струму витоку продемонстрували свою ефективність як технічний метод для моніторингу стану ізоляції електродвигуна. Використання пристроїв, які не лише реєструють, але й передбачають можливість досягнення небезпечних значень струму витоку, надає можливість своєчасно інформувати обслуговуючий персонал про потенційну небезпеку. Це, в свою чергу, дозволяє зменшити час простою електрообладнання і використати технологічну перерву для обслуговування, ремонту або заміни електродвигунів, не чекаючи їхньої повної відмови. На основі зібраних експериментальних даних були розроблені нейронні мережі, як за участю технологічних параметрів, так і врахуванням теорії часових рядів. В порівнянні робочих характеристик обох типів нейромереж виявлено, що перший тип ефективніше працює при різких викидах прогнозованого струму витоку, в той час як другий більш точно моделює значення прогнозованої величини, особливо поблизу середніх її показників. Необхідність визначення критерію вибору, який визначатиме найефективнішу з синтезованих нейромереж у конкретний момент часу, випливає з особливостей прогнозування цих нейронних мереж. Means of measurement and control of leakage current have demonstrated their effectiveness as a technical method for monitoring the condition of the insulation of an electric motor. The use of devices that not only register, but also predict the possibility of reaching dangerous values of the leakage current, provides an opportunity to timely inform the service personnel about the potential danger. This, in turn, allows you to reduce the downtime of electrical equipment and use a technological break for maintenance, repair or replacement of electric motors, without waiting for their complete failure. Based on the collected experimental data, neural networks were developed, both with the participation of technological parameters and taking into account the theory of time series. Comparing the operating characteristics of both types of neural networks, it was found that the first type works more efficiently with sharp emissions of the predicted leakage current, while the second more accurately models the value of the predicted value, especially near its average values. The need to define a selection criterion that will determine the most effective of the synthesized neural networks at a specific moment in time arises from the prediction features of these neural networks. Key words: leakage current, technological parameters, theory of time series, neural network, selection criterion.