Artificial neural networks of technical state prediction of gas compressor units electric motors

Abstract

Issues of engineering effective and reliable systems for on-line diagnostics of electric motors of electrically driven compressor stations are considered. The paper provides failure statistics for the most critical gastransport systems’ units – electrically driven gas-compressor stations. Artificial neural networks methodology and architecture were developed to obtain prediction models of MW electric machines. Examples of neurofuzzy prediction of synchronous machines stator winding performance and service life are given. Selected network tests, the Box-Jenkins fuzzy model, models of the analysis technique of spectral components dynamics, current magnitude and stator temperature prediction are received. Based on results of comparative analysis of anticipated conditions of electric machines for main gas transport with due regard to various operational factors of electrically driven gas-compressor units, recommendations on application of the artificial neural network method have been drawn up. Рассмотрены вопросы проектирования эффективных и достоверных систем оперативной диагностики электродвигателей электроприводных компрессорных станций. Представлена статистика выхода из строя наиболее ответственных установок газотранспортных систем – электроприводных газоперекачивающих агрегатов. Разработана методология и архитектура искусственных нейронных сетей для получения прогнозных моделей электрических машин мегаваттного класса. Приведены примеры нейро-нечеткого прогнозирования технического состояния и ресурса статорных обмоток синхронных машин. Получены тесты селекционированных сетей, нечеткая модель Бокса – Дженкинса, модели метода анализа динамики спектральных составляющих, прогнозирование величин тока и температур статора. Сопоставительные результаты анализа ожидаемых состояний электрических машин магистрального транспорта газа, исходя из учета различных эксплуатационных факторов работы электроприводных газоперекачивающих агрегатов, позволили выработать рекомендации по применению метода искусственных нейронных сетей.