Доопрацювання методів оптимізація технічного обслуговування та ремонту обладнання  електричних мереж

Гаврилюк, Богдан Миколайович
Please use this identifier to cite or link to this item: https://er.chdtu.edu.ua/handle/ChSTU/7118
Title:	Доопрацювання методів оптимізація технічного обслуговування та ремонту обладнання електричних мереж
Authors:	Самойлик, Олександр Васильович Гаврилюк, Богдан Миколайович
Keywords:	технічне обслуговування;діагностичний моніторинг;активно-адаптивна мережа;ремонт обладнання;алгоритм;оцінка технічного стану;маслонаповнене трансформаторне обладнання;енергетичні об’єднання
Issue Date:	Dec-2025
Abstract:	У результаті проведених досліджень встановлено невідповідність між сучасними інформаційними системами, вимірювальними засобами діагностування, моніторингу та управління станом електроустаткування і зростанням кількості обладнання (в тому числі і маслонаповненого трансформаторного обладнання), що відпрацювало свій нормативний термін служби. Показано, що одним з методів попереджувального діагностування маслонаповненого трансформаторного обладнання (МНТО) є хроматографічний аналіз розчинених у маслі газів (ХАРГ). Встановлено, що формування вихідної вибірки даних ХАРГ МНТО може бути реалізовано як в режимі діагностичного моніторингу з малою періодичністю вимірювань, так і в режимі тривалого періодичного діагностування. Запропоновано застосування комплексної методики вибору і прийняття рішення з управління технічним станом електрообладнання на основі доопрацьованої оптимізаційної моделей.
URI:	https://er.chdtu.edu.ua/handle/ChSTU/7118
Appears in Collections:	141 Електрична інженерія (Електротехнічні системи електроспоживання)
Files in This Item:
File	Description	Size	Format
ВКРМ_Гаврилюк.pdf Restricted Access		1.48 MB	Adobe PDF	View/Open Request a copy
Show full item record
Extracted text
МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ 
ЧЕРКАСЬКИЙ ДЕРЖАВНИЙ ТЕХНОЛОІЧНИЙ УНІВЕРСИТЕТ 
Факультет  електронних  технологій, автотранспорту та машинобудування 
(назва факультету) 
Кафедра електротехнічних систем 
(повна назва кафедри) 
       
 «До захисту допущено» 
Завідувач кафедри ЕТС 
Валентин  ТКАЧЕНКО 
______________________ 
“_____” __________2025 р. 
 
 
Кваліфікаційна робота 
на здобуття ступеня вищої освіти магістра 
 
на тему:  
«Доопрацювання методів оптимізація технічного обслуговування та 
ремонту обладнання  електричних мереж» 
 
 
Виконав: здобувач вищої освіти  2  курсу, групи мЕСЕ–44 
Спеціальності: 141 «Електроенергетика, електротехніка та електромеханіка» 
(шифр і назва напряму підготовки, спеціальності) 
 
 
 
Гаврилюк Богдан Миколайович  ____________ 
(прізвище, ім’я, по-батькові здобувача вищої освіти ) (підпис) 
   
Науковий керівник к.т.н., доцент Олександр САМОЙЛИК ____________ 
(наук. ступінь, вчене звання  Власне ім’я ПРІЗВИЩЕ) (підпис) 
   
Нормоконтроль к.т.н., доцент Костянтин КЛЮЧКА ____________ 
(наук. ступінь, вчене звання  Власне ім’я ПРІЗВИЩЕ) (підпис) 
   
 
 
Засвідчую, що у цій кваліфікаційній роботі немає запозичень з праць інших авторів 
без відповідних посилань. 
Здобувач вищої освіти ______________ 
(підпис) 
 
 
Черкаси 2025 р.  
3 
 
РЕФЕРАТ 
Повний обсяг магістерської роботи складає 88 сторінок, 4 ілюстрації, 
2 таблиці, список використаних джерел, що містить 74 найменування на 
11 сторінках. 
Метою роботи є доопрацювання методів оптимізація технічного 
обслуговування та ремонту обладнання  електричних мереж. 
Поставлена в магістерського дослідження мета досягається 
формулюванням і вирішенням наступних наукових завдань: 
1. Аналіз проблем і перспектив у сфері технічного обслуговування та 
ремонту обладнання електричних мереж.  
2. Дослідження переваг і недоліків традиційних методів і систем 
діагностичного контролю параметрів обладнання на прикладі 
маслонаповненого трансформаторного обладнання.  
3. Дослідження, обґрунтування, вибір та адаптація методів 
інтелектуальної обробки і перетворення діагностичної інформації (даних 
моніторингу) і оцінка достовірності результатів в порівнянні з традиційними 
методами.  
4. Доопрацювання моделей і алгоритмів ідентифікації дефектів в 
маслонаповненому трансформаторному обладнанні  із застосуванням 
статистики хроматографічного аналізу розчинених у маслі газів.  
5. Обґрунтування критеріїв ефективності управління експлуатацією 
обладнання мереж і розробка оптимізаційних моделей технічного 
обслуговування і ремонту обладнання.  
У результаті проведених досліджень встановлено невідповідність між 
сучасними інформаційними системами, вимірювальними засобами 
діагностування, моніторингу та управління станом електроустаткування і 
зростанням кількості обладнання (в тому числі і маслонаповненого 
трансформаторного обладнання), що відпрацювало свій нормативний термін 
служби.  
4 
 
Показано, що одним з методів попереджувального діагностування 
маслонаповненого трансформаторного обладнання (МНТО) є 
хроматографічний аналіз розчинених у маслі газів (ХАРГ). Встановлено, що 
формування вихідної вибірки даних ХАРГ МНТО може бути реалізовано як в 
режимі діагностичного моніторингу з малою періодичністю вимірювань, так 
і в режимі тривалого періодичного діагностування. Запропоновано 
застосування комплексної методики вибору і прийняття рішення з 
управління технічним станом електрообладнання на основі доопрацьованої 
оптимізаційної моделей. 
Ключові слова: технічне обслуговування, ремонт обладнання, 
алгоритм, енергетичні об’єднання, оцінки технічного стану, маслонаповнене 
трансформаторне обладнання, активно-адаптивна мережа, діагностичний 
моніторинг. 
 
 
 
 
 
 
 
  
5 
 
ЗМІСТ 
 
ПЕРЕЛІК УМОВНИХ ПОЗНАЧЕНЬ, СИМВОЛІВ, СКОРОЧЕНЬ І  
ТЕРМІНІВ………………………………………………………………… 7 
ВСТУП…………………………………………………………………….. 8 
РОЗДІЛ 1  
МЕТОДОЛОГІЯ УПРАВЛІННЯ НАДІЙНІСТЮ І ЕФЕКТИВНІСТЮ  
ЕКСПЛУАТАЦІЇ ОБЛАДНАННЯ ЕЛЕКТРИЧНИХ МЕРЕЖ……… 12 
 1.1 Стан електромережевого комплексу і зміна парадигм в  
управлінні експлуатацією обладнання…………………………… 12 
 1.2 Ефективність експлуатації обладнання електричних   
Мереж………………………………………………………………. 17 
 1.3 Ідентифікація технічного стану та надійності обладнання при  
управлінні експлуатацією енергооб'єктів………………………… 20 
  1.3.1 Методи перетворення і обробки інформації при  
ідентифікації технічного стану обладнання………………. 23 
  1.3.2 Еволюція методів моделювання та оцінки надійності  
електромережевого устаткування з урахуванням  
технічного стану…………………………………………….. 31 
  1.3.3 Методи, моделі і критерії прийняття рішень   
при управлінні експлуатацією обладнання   
електричних мереж…………………………………………. 34 
 Висновки до глави 1………………………………………………. 36 
РОЗДІЛ 2  
ІДЕНТИФІКАЦІЯ І ПРИЙНЯТТЯ РІШЕНЬ ПРИ  
ДІАГНОСТУВАННІ (МОНІТОРИНГУ) ОБЛАДНАННЯ  
ЕЛЕКТРИЧНИХ МЕРЕЖ……………………………………………… 38 
 2.1 Аналіз систем діагностичного контролю та оцінки стану  
обладнання, що використовують дані вимірювань   
(на прикладі МНТО)………………………………………………. 39 
6 
 
 2.2 Класифікаційний аналіз систем діагностичного моніторингу  
МНТО і умов їх ефективного застосування……………………… 43 
 2.3 Аналіз теоретичних основ статистичної ідентифікації та  
прийняття рішень стосовно МНТО……………………………….. 49 
  2.3.1 Стохастична сутність і діагностична цінність даних  
вимірювань…………………………………………………… 49 
  2.3.2 Порівняльний аналіз класичних методів статистичної  
теорії розпізнавання образів……………………………….. 52 
 2.4 Розвиток методу статистичної ідентифікації на випадок  
виявлення критичних дефектів в СТ за результатами ХАРГ…… 55 
 Висновки до глави 2……………………………………………….. 58 
РОЗДІЛ 3  
МОДЕЛЮВАННЯ ПРОЦЕСІВ ТЕХНІЧНОГО ОБСЛУГОВУВАННЯ  
ОБЛАДНАННЯ ЕЛЕКТРИЧНИХ МЕРЕЖ………………………….. 61 
 3.1 Стратегії технічного обслуговування і ремонту обладнання  
устаткування електричних мереж…………………………….….. 61 
 3.2 Теоретичні основи синтезу моделей ТОіР устаткування  
електричних мереж………………………………………………… 66 
 3.3 Аналіз синтезу математичних моделей надійності ЕО для  
актуальних стратегій управління їх технічним  
станом………………………………………………………………. 70 
 3.4 Вибір і прийняття рішень щодо підвищення ефективності  
експлуатації ЕО мереж на основі розроблених оптимізаційних  
моделей……………………………………………………………… 70 
 Висновки до розділу 3……………………………………………. 75 
ВИСНОВКИ…………………………………………………………….. 77 
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ……………………………… 78 
  
7 
 
ПЕРЕЛІК УМОВНИХ ПОЗНАЧЕНЬ, СИМВОЛІВ,  
СКОРОЧЕНЬ І ТЕРМІНІВ 
 
ААМ – активно-адаптивна мережа 
АРМ ЕП – автоматизоване робоче місце експлуатаційного персоналу  
АСДМ – автоматизована система діагностичного моніторингу  
АСУ ТП – автоматизована система управління технологічними процесами 
ВПС – вставка постійного струму 
ГДЗ – гранично-допустимі значення 
ДЗ – допустимі значення 
ЕЕС – електроенергетична система 
ЕМК – електромережевий комплекс  
ЕО – енергетичні об’єднання 
ІЕС з ААМ – інтелектуальна енергосистем з активно-адаптивної мережею  
МНТО – маслонаповнене трансформаторне обладнання  
ОЕС – об’єднані енергетичні системи  
ОТС – оцінки технічного стану  
ВДЕ – поновлювані джерела енергії  
ППС – передача постійного струму  
РЕМК – розподільний електромережевий комплекс 
РПН – регулювання під навантаженням 
СТ – силовий трансформатор 
ТВК – тепловізійний контроль 
ТІФ – термографічні інформаційні функції 
ТОіР – технічне обслуговування і ремонт обладнання  
ХАРГ – хроматографічний аналіз розчинених у маслі газів  
 
 
 
  
8 
 
ВСТУП 
 
Сучасні електроенергетичні системи та їх складові об'єкти 
(електростанції, електричні мережі) відносяться до розряду складних 
технічних систем. Надійне і безпечне функціонування систем можливо 
тільки в умовах оперативної і достовірної оцінки технічного стану та 
експлуатаційної надійності обладнання, прийняття обґрунтованих і 
адекватних рішень щодо його подальшої експлуатації за рахунок оптимізація 
технічного обслуговування та ремонту обладнання  електричних мереж [1].  
Актуальність теми. Електромережевий комплекс України переживає 
черговий етап свого реформування. Стратегічними пріоритетами даного 
етапу є: інновації, системна надійність і енергоефективність. Досягнення 
поставлених цілей планується, зокрема за рахунок поступового переходу на 
нову технологічну платформу – інтелектуальну енергосистему з активно-
адаптивної мережею (ІЕС з ААМ ) [2, 3].  
Цим фактично оголошений перехід від існуючої парадигми в 
управлінні процесами експлуатації обладнання електричних мереж до нової, 
яка повинна забезпечити якісно новий рівень надійності, економічності і 
безпеки мережевий інфраструктури. 
Як відомо, базовими компонентами існуючої парадигми є: 
• регламент періодичного діагностичного контролю обладнання за 
встановленим набором параметрів; 
• оцінка технічного стану обладнання за фактом виходу одного або 
декількох вимірювань за встановлені нормами кордону гранично допустимих 
значень; 
• прийняття рішень про введення коригувальних впливів по 
принципом багаторазових послідовних перевірок і підтверджень. 
  
9 
 
Протиріччя між передовим рівнем інформаційних систем, засобів 
вимірювальної техніки, діагностування, моніторингу електрообладнання та 
традиційними методами обробки діагностичної інформації, розробки правил 
прийняття рішень вказує на наявність проблеми - недостатню ефективність 
методів управління технічним станом обладнання електроенергетичних 
систем (ЕЕС) в умовах стохастичної невизначеності вихідної інформації. 
Збільшення розмірності і неоднорідності інформаційного простору, 
необхідності врахування кореляційних зв'язків різних параметрів для 
достовірного опису станів нового і постарілого електрообладнання 
вимагають інтелектуалізації процесів обробки вихідної діагностичної 
інформації. Вирішенню зазначеної проблеми сприяло б досягненню 
поставлених стратегічних цілей модернізації та розвитку вітчизняної 
електроенергетики. Однак в рамках існуючої парадигми зробити це не 
представляється можливим. 
Таким чином, актуальні дослідження в області створення базових 
компонентів нової парадигми адаптивного управління експлуатаційним 
станом обладнання ІЕС з ААМ. До затребуваних інноваційних рішень, що 
становлять предмет наукових досліджень і розробок магістерського 
дослідження, відноситься: аналіз проблем і перспектив у сфері методів 
оптимізація технічного обслуговування та ремонту обладнання  електричних 
мереж; дослідження переваг і недоліків традиційних методів і систем 
діагностичного контролю параметрів обладнання на прикладі 
маслонаповненого трансформаторного обладнання (МНТО); дослідження, 
обґрунтування, вибір та адаптація методів інтелектуальної обробки і 
перетворення діагностичної інформації (даних моніторингу) і оцінка 
достовірності результатів в порівнянні з традиційними методами; 
доопрацювання обраних моделей і алгоритмів ідентифікації дефектів в 
МНТО; обґрунтування критеріїв ефективності управління експлуатацією 
обладнання мереж і розробка оптимізаційних моделей технічного 
обслуговування і ремонту обладнання.  
10 
 
Не дивлячись на, здавалося б, всебічні дослідження питань 
діагностики, управління технічним станом ЕЕС і їх елементів, до сих пір не 
знайдено цілісного вирішення зазначеної проблеми. У зв'язку з цим завдання 
доопрацювання методів оптимізація технічного обслуговування та 
ремонту обладнання  електричних мереж є актуальною науково-технічною 
проблемою. 
Мета роботи – доопрацювання методів оптимізація технічного 
обслуговування та ремонту обладнання  електричних мереж. 
Поставлена в магістерського дослідження мета досягається 
формулюванням і вирішенням наступних наукових завдань: 
1. Аналіз проблем і перспектив у сфері технічного обслуговування та 
ремонту обладнання електричних мереж.  
2. Дослідження переваг і недоліків традиційних методів і систем 
діагностичного контролю параметрів обладнання на прикладі 
маслонаповненого трансформаторного обладнання (МНТО).  
3. Дослідження, обґрунтування, вибір та адаптація методів 
інтелектуальної обробки і перетворення діагностичної інформації (даних 
моніторингу) і оцінка достовірності результатів в порівнянні з традиційними 
методами.  
4. Доопрацювання моделей і алгоритмів ідентифікації дефектів в 
МНТО із застосуванням статистики хроматографічного аналізу розчинених у 
маслі газів (ХАРГ).  
5. Обґрунтування критеріїв ефективності управління експлуатацією 
обладнання мереж і розробка оптимізаційних моделей технічного 
обслуговування і ремонту обладнання.  
Предмет дослідження – процес прийняття рішень з технічного 
обслуговування та ремонту обладнання  електричних мереж.  
Об'єкт дослідження – розподільні електричні мережі напругою           
110-35-6 (10) кВ, включаючи маслонаповнене трансформаторне обладнання. 
11 
 
Елементи наукової новизни містяться у містяться у запропонованої 
комплексної методики оптимізації технічного обслуговування і ремонту 
обладнання. 
Методи дослідження. Основні наукові положення і результати 
магістерської роботи базуються на застосуванні прикладних основ теорії 
ймовірностей і математичної статистики, теорії надійності. 
Достовірність висновків і рекомендацій, викладених в роботі, 
підтверджується застосуванням апробованих методів математичного та 
імітаційного моделювання.  
 
  
  
12 
 
РОЗДІЛ 1 
МЕТОДОЛОГІЯ УПРАВЛІННЯ НАДІЙНІСТЮ І ЕФЕКТИВНІСТЮ 
ЕКСПЛУАТАЦІЇ ОБЛАДНАННЯ ЕЛЕКТРИЧНИХ МЕРЕЖ 
 
1.1 Стан електромережевого комплексу і зміна парадигм в 
управлінні експлуатацією обладнання 
 
Сьогодні світовий попит на електроенергію зростає швидше, ніж 
попит на первинні енергоносії [4, 5]. Згідно з прогнозом Міжнародного 
Енергетичного Агентства (МЕА) до 2030 р. темпи зростання попиту на 
електроенергію випереджатимуть у 1,5-2 рази темпи зростання попиту на 
первинні енергоносії. Електрична мережа (усі її сегменти) розглядаються як 
основний об'єкт формування нового технологічного базису розвитку 
функціональних властивостей енергосистеми. Разом з тим сьогодні в 
багатьох країнах відбувається процес старіння інфраструктури електромереж, 
зокрема в США період експлуатації майже 70 % трансформаторних 
підстанцій та ліній електропередавання становить 25 і більше років [1]. 
Проведений  аналіз закордонної мережевої інфраструктури показав, 
що наявність серйозних обмежень стримує її розвиток, особливо в районах з 
високою щільністю населення і розвиненою промисловістю, при цьому 
існуюча технологічна база практично вичерпала можливості значного 
підвищення продуктивності і розвитку мережевої інфраструктури.  
Проблеми з розвитку електричних мереж викликано інтенсивним 
зростанням виробництва і споживання електроенергії, при цьому управління 
енергосистемами  ускладнюються зі збільшенням частки розподілених і 
відновлювальних джерел енергії з перемінними графіками генерації. 
Підвищення пропускної спроможності – головний напрям збільшення обсягів 
передавання електричної енергії в енергосистемі, що досягається шляхом 
прокладання нових і реконструкції зношених ЛЕП з переходом на наступний 
клас напруги аж до ультрависоких [6].  
13 
 
При цьому передавання великих обсягів електроенергії на великі 
відстані більш ефективно і стабільно здійснюється за допомогою постійного 
струму. Оперативний розподіл потоків потужності підвищує «живучість» 
енергосистеми – здатність протистояти аварійним ситуаціям. Ефективним 
заходом при цьому є оптимальний розподіл потоків потужності, який знижує 
навантаження на слабкі перетини.  
Підвищення керованості режимами електромережі дозволяє 
протидіяти аварійним ситуаціям режимними заходами – програмами 
регулювання навантаження, післяаварійного відновлення роботи мережі, 
поділу мережі на автономно працюючі ділянки (за допомогою передач 
постійного струму (ППС), вставок постійного струму (ВПС) і несинхронних 
зв'язків.  
У мережі, яка має засоби швидкого управління режимами, 
підтримується стабільність напруги під час зміни потоків потужності, 
управління споживанням електроенергії здійснюється за допомогою 
вирівнювання графіків навантаження, забезпечується висока якість 
електропостачання. Електричні мережі, які становлять основу 
електроенергетичних систем, за оцінкою Міжнародної ради з великих 
електричних систем (CIGRE), покликані відігравати стратегічно важливу 
роль у процесі переоснащення та підвищення технічного рівня передавання і 
розподілу електроенергії [7].  
Незалежно від спрямованості сучасних розробок на світовому 
енергетичному рівні відзначено особливості електричної мережі майбутнього 
[8]: 
• високий ступінь «живучості» під час роботи в напружених, 
швидкозмінних режимах;  
• розширення застосування ВПС та ППС, надпровідної техніки;  
• гнучке управління потоками потужності (за допомогою силової 
електроніки і фазоповоротних пристроїв та інших сучасних технічних 
засобів);  
14 
 
• широкомасштабний контроль і захист всієї мережі; 
• висока ефективність (зниження втрат) транспортування 
електроенергії;  
• регулювання вироблення та споживання електроенергії, у тому числі 
за допомогою широкого розвитку інтелектуальних мереж і мережі 
«розумних» лічильників;  
• підвищення якості електроенергії (стабільність напруги та малий 
вміст вищих гармонік тощо); 
 • використання широкополосних систем зв'язку для управління та 
спостереження за режимами;  
• підвищена увага до розвитку розподіленої генерації та 
відновлювальних джерел енергії (ВДЕ) та забезпечення надійного 
енергоспоживання.  
Найважливіше місце в цих процесах відводиться розвитку ефективної 
енергетичної сфери передавання і розподілу електроенергії та підвищенню 
надійності електропостачання. Як один з напрямів вирішення проблеми 
надійності є об’єднання енергетичних систем різних країн і регіонів, які 
йдуть шляхом створення відповідних транснаціональних і 
трансконтинентальних енергетичних систем. Зазначені тенденції чітко 
визначилися у світовій енергетиці кінця ХХ століття.  
На основі координації управління і функціонування об’єднаних 
енергетичних систем (ОЕС), що входять до великих енергетичних об’єднань 
(ЕО), досягають оптимального і ефективного використання ресурсів як 
первинної енергії, так і скорочення загальних втрат під час передавання і 
розподілу електроенергії [9].  
Інтеграція (об’єднання на паралельну роботу) дає об’єднуючий ефект 
– появу нових властивостей, яких не було у складових частинах, що 
проявляється, зокрема, у підвищені рівня урегульованості загального графіка 
навантаження об’єднаних систем, зниженні його нерівномірності в добовому, 
тижневому і сезонному розрізах, зменшенні залежності частоти електричного 
15 
 
струму від коливань балансу потужності. З’являється можливість 
оптимізувати режим енергосистем із урахуванням нових критеріїв 
оптимальності, які включають кон’юнктуру ринку паливно-енергетичних 
ресурсів, ефективність використання електромереж та екологічні вимоги 
тощо. 
Пріоритетами діяльності розподільного електромережевого комплексу 
(РЕМК) є довгострокове забезпечення доступного, надійного і якісного 
електропостачання споживачів на всій території країни за рахунок організації 
максимально ефективної інфраструктури. 
Стратегією розвитку [3] позначений вектор ключових завдань на 
довгострокову перспективу до 2030 року, від ефективного вирішення яких 
буде залежати досягнення поставлених стратегічних цілей. Одною з 
основних завдань РЕМК є довгострокове забезпечення надійного, якісного і 
доступного електропостачання підключених до мереж споживачів за 
рахунок: 
• впровадження збору даних про надійність та якість 
електропостачання споживачів; 
• застосування критеріїв (індексів) надійності при формуванні 
інвестиційних і ремонтних програм; 
• розробки єдиного технічного регламенту експлуатації електричних 
мереж; 
• розстановки пріоритетів для інвестицій, що дозволяє забезпечити 
концентрацію обмежених інвестиційних ресурсів мережевий організації, в 
якій точці максимальної віддачі виходячи з міркувань надійності; та ін. 
Окремим напрямком розвитку ЕМК є подолання випереджальних темпів 
старіння обладнання електричних мереж. 
Проблема загострюється тим, що запобігти наростаючий знос 
основних виробничих фондів можливо тільки в дуже віддаленій перспективі. 
У зв'язку з цим в короткостроковій і середньостроковій перспективі зросте 
ймовірність масових відмов електрообладнання. 
16 
 
Масштабність проблеми не виключає поряд з довгостроковими й 
витратними заходами з реконструкції та оновлення електричних мережі 
застосування менше витратних, але ефективних у короткостроковій 
перспективі систем підтримки планування заходів по оптимізації технічного 
обслуговування та ремонтів обладнання. Такі системи засновані на 
ідентифікації та прогнозуванні поточного стану та експлуатаційного ресурсу 
обладнання і забезпечують вибір і прийняття своєчасного і обґрунтованого 
рішення по введенню впливів ремонтної спрямованості. 
Електромережевий комплекс (ЕМК) України переживає черговий етап 
свого реформування. Стратегічними пріоритетами даного етапу є: інновації, 
системна надійність та енергоефективність. 
Програмними документами [2,3] передбачений порядок і визначені 
шляхи переходу до «інтелектуальним» електричних мереж нового покоління, 
які повинні стати інструментальної та технологічної основою розумної 
енергетики або Smart Grid [10 ,11]. Особливостями таких електричних мереж 
є резервована структура, гнучке управління конфігурацією мережі і 
режимами її роботи, що дозволить підвищити пропускну здатність мереж і 
знизити ризики виникнення каскадних аварій і порушень стійкості [5]. 
Одним з напрямків створення активно-адаптивної мережі (ААМ) є створення 
систем моніторингу та самодіагностики електрообладнання, які повинні 
виконувати функції попереджувального діагностування і попередження 
виходу з ладу численних компонентів мережі. З урахуванням високого 
ступеня комп'ютеризації та розвитку технологій цифрової передачі і обробки 
інформації на основі єдиного стандарту даних [12] такі системи здатні 
реалізувати ефективні алгоритми управління технічним станом 
електрообладнання. 
У частині планування та управління технічним обслуговуванням і 
ремонтами (ТОіР) численних компонентів ААМ створюється можливість для 
реалізації стратегії по фактичному стану електрообладнання або стратегії на 
основі прогнозованого ризику відмов.  
17 
 
При цьому багаторазове резервування компонентів мережі забезпечує 
ТОіР устаткування практично без ризику для надійності електропостачання 
підключених до мережі споживачів. на сучасному етапі розвитку 
електромережевого комплексу України поряд з розробкою інноваційного 
обладнання, технологій передачі, розподілу електричної енергії та 
управління режимами ААМ, актуальні питання управління економічністю, 
надійністю, безпекою і живучістю. В завданнях функціонування і розвитку 
електричних мереж, включаючи організацію експлуатації та ТОіР 
електрообладнання, необхідне комплексне врахування зазначених 
властивостей, що визначають якість функціонування ЕЕС [13]. 
 
1.2 Ефективність експлуатації обладнання електричних мереж 
 
Експлуатація обладнання електричних мереж спрямована на підтримку 
його параметрів і характеристик на рівні працездатності, достатньому для 
виконання функцій при забезпеченні нормативного (допустимого) рівня 
надійності, економічності, безпеки і якості. 
Організаційні питання експлуатації обладнання регламентовані 
відповідними нормативно-технічними документами і відображають етапність 
робіт, представлених на схемі (рис. 1.1). 
Таким чином, ефективність експлуатації обладнання безпосередньо 
відображає якість функціонування електричних мереж і кількісно може бути 
оцінена, наприклад, в одиницях надійності і / або економічності [14]. Ринкові 
відносини в області передачі і розподілу електричної енергії ознаменувалися 
загостренням протиріччя між зазначеними властивостями технічної системи. 
З одного боку, посилюється відповідальність мережевих організацій за 
надання споживачам надійного і якісного електропостачання, що 
вимірюється відповідними індексами надійності (SAIFI, SAIDI). 
18 
 
Реалізація такої відповідальності вимагає збільшення обсягів 
інвестицій в оновлення виробничих фондів і підтримання їх працездатного 
стану. 
 
 
Рис. 1.1. Етапи експлуатації обладнання електричних мереж 
 
З іншого боку, значна частка зношеного обладнання електричних 
мереж з погіршеними експлуатаційними характеристиками і обмеженість 
фінансових ресурсів підвищують ризик відмов з виникненням небажаних 
наслідків і збитків. це обмежує можливості підтримки високих індексів 
надійності мереж і призводить до додаткового збільшення експлуатаційних 
витрат мережевих організацій.  
Слід зазначити, що зазначена проблема в даний час є світовим трендом. 
Єдино вірний напрямок до виходу з ситуації поряд з технічним 
переозброєнням і модернізацією об'єктів електроенергетики бачиться в 
створення ефективної системи оцінки технічного стану (ОТС) і прийняття 
рішень по експлуатації електрообладнання.  
19 
 
По-справжньому ефективною систему ОТС електрообладнання може 
зробити виконання наступних умов: 
1) перехід від періодичного контролю (діагностування) до on-line 
контролю (діагностування в режимі моніторингу); 
2) використання багаторічної статистики вимірювань діагностичних 
параметрів обладнання, спільно з історією виконаних по відношенню до 
нього експлуатаційних заходів; 
3) застосування адаптивних моделей і алгоритмів, в основу яких 
покладені інтелектуальні методи збору, візуалізації і обробки діагностичної 
інформації. 
Перехід від періодичного контролю електрообладнання до 
діагностування в режимі моніторингу досяг значних результатів. 
По-перше, досягнуто порозуміння про безальтернативність подібного 
переходу і поділі завдань on-line моніторингу та періодичного діагностування 
[15], що передбачає не протиставлення, а ефективне доповнення їх функцій. 
По-друге, вироблені принципи, по яким може бути здійснений вибір 
конфігурації (набору тестів), елементної бази, вартості системи 
діагностичного моніторингу, виходячи з призначення, ступеня 
відповідальності та індивідуальних експлуатаційних характеристик 
обладнання. По-третє, підготовлена нормативна база зазначеного переходу, 
принаймні, в частині найбільш складного, відповідального і дорогого 
устаткування [15]. 
Відомо, що багаторічна статистика, як дані подієвого характеру 
(планові і раптові відключення, проведення заходів по ТОіР устаткування), 
так і дані діагностичної спрямованості (результати випробувань і вимірювань 
на працюючому обладнанні), містить неоціненно корисний об'єм інформації 
[16]. Аналіз зазначеної статистики дозволяє вирішувати комплекс завдань від 
оцінки поточного стану конкретної одиниці обладнання, до прогнозування 
надійності електричної мережі в цілому з виділенням і ранжування факторів, 
зміна (усунення) яких призведе до її підвищення на заданому інтервалі 
20 
 
експлуатації. Основні складності роботи в даному напрямку полягають у 
формуванні однорідних вибірок даних, а також в застосуванні адекватних 
методів обробки статистичних рядів і побудови спеціальних моделей для 
прийняття рішень по управлінню експлуатаційною надійністю обладнання 
мережевих об'єктів і електричної мережі в цілому. Завдяки працям багатьох 
вітчизняних і зарубіжних фахівців в даному сегменті намітився значний 
прогрес [16, 17]. Однак до сих пір залишається не вирішеним коло питань, 
що стосуються аналізу експлуатаційної надійності електрообладнання з 
застосуванням ретроспективи діагностичних вимірів (в тому числі 
сформованої в режимі on-line моніторингу), а також синтезу імовірнісних 
моделей і критеріїв управління надійністю. 
Сучасний рівень розвитку інформаційних технологій, насичення 
об'єктів електроенергетики інформаційно-вимірювальними та керуючими 
системами, впровадження єдиного уніфікованого цифрового формату даних 
служать технологічною основою для створення електричних мереж нового 
покоління або ААМ. У цих умовах стає очевидною необхідність приведення 
у відповідність вказаним технологічним рівнем рівня методологічної та 
алгоритмічної підтримки вирішення завдань управління технічним станом і 
експлуатаційною надійністю обладнання електричних мереж ЕЕС [17]. Ці 
обставини спонукають до розвитку систем підтримки планування заходів по 
ТОіР устаткування і розробки адаптивних моделей і алгоритмів. 
    
1.3 Ідентифікація технічного стану та надійності обладнання при 
управлінні експлуатацією енергооб'єктів 
 
Процес експлуатації обладнання електростанцій і електричних мереж 
супроводжується зміною його технічного стану. Це відбувається під впливом 
чисельних факторів, обумовлених як конструктивними і схемно-режимними 
особливостями обладнання (умовами експлуатації), так і випадковими 
зовнішніми впливами, які не пов'язаними безпосередньо з його станом.  
21 
 
До числа найбільш характерних факторів відносяться: термічні і 
механічні навантаження, хімічні реакції під впливом агресивних середовищ і 
кисню повітря, електромагнітні поля високої напруженості, а також 
систематичні і аварійні струмові перевантаження, комутаційні і атмосферні 
перенапруги тощо [18]. Під впливом зазначених факторів у часу відбувається 
поступове погіршення фізичних властивостей конструкційних матеріалів і, як 
наслідок, експлуатаційних характеристик обладнання, що обумовлює процес 
його старіння. 
Крім зазначених експлуатаційних факторів інтенсивність старіння 
залежить від генетичних особливостей конструкцій і застосовуваних 
матеріалів. Устаткування, що знаходилося в експлуатації тривалий час, в 
більшій мірі, ніж нове, піддається відмов (переходам з працездатного в 
неробочий стан). При цьому відбувається втрата працездатності (надійності) 
окремого елемента, що в ряді випадків викликає зниження або порушення 
надійності системи в цілому [16]. 
Так для розподільної електричної мережі відмова будь-якого з 
нерезервованих елементів передачі і розподілу призводить до порушення 
надійності електропостачання споживачів. В свою чергу, порушення 
надійності електропостачання споживачів супроводжується рядом небажаних 
наслідків, що характеризуються рівнем збитків. 
Таким чином, завданнями експлуатації електрообладнання є 
забезпечення надійного функціонування об'єктів електроенергетики 
(електростанцій, підстанцій і електричних мереж) і запобігання збитків від 
його порушення [18]. Це досягається застосуванням комбінації ряду 
способів, наприклад таких як: 
1) створення надмірності – резервування: схемної, режимної, 
інформаційної, часової, матеріальної, тощо; 
2) модернізація і реконструкція об'єктів електроенергетики; 
3) технічне обслуговування та ремонт обладнання; 
4) створення ефективної системи управління процесами експлуатації. 
22 
 
Імовірнісна природа відмов обладнання і швидкоплинність процесів їх 
розвитку в часі (раптові, поступові) обумовлюють різноманіття завдань 
моделювання і дослідження експлуатаційної надійності і нетривіальність 
підходів і їх вирішення. 
Для того щоб не допустити розвиток відмови електрообладнання 
застосовується періодичний або безперервний контроль параметрів його 
стану. Контроль і оцінка стану електрообладнання є завданнями технічного 
діагностування [19], причому, чим складніше і відповідальніше об'єкт, тим 
більша кількість параметрів підлягає одночасного контролю. Так, наприклад, 
об'єктивна оцінка стану силового трансформатора вимагає багатоаспектного 
діагностування.  
Для трансформатора нормативно закріплений набір з 25 параметрів, що 
підлягають контролю в різних умовах його функціонування [21, 22], за яким 
можливе отримання комплексного висновку про його фактичної 
працездатності. Прагнення скоротити розмірність простору контрольованих 
параметрів обладнання обумовлено, щонайменше, двома наступними 
обставинами: 
1) різної інформативністю експериментальних даних в щодо їх зв'язку з 
фізичною суттю контрольованих в об'єкті процесів або явищ; 
2) збільшенням вартості комплексу технічних засобів контролю 
пропорційно кількості які підлягають контролю параметрів обладнання. Як 
приклад на рисунку 1.2 показаний комплекс найбільш інформативних 
параметрів трансформатора, що контролюються та побудованих на їх 
застосуванні методів ідентифікації технічного стану [23]. 
23 
 
 
 
Рис. 1.2. Комплекс інформативних параметрів, що контролюються,  
і методів ідентифікації стану трансформатора 
 
1.3.1 Методи перетворення і обробки інформації при ідентифікації 
технічного стану обладнання 
Теорія ідентифікації отримала широке застосування в задачах 
управління складними технічними системами і протікають в них процесами. 
Предметом її вивчення є методи побудови математичних моделей об'єктів, 
процесів і явищ за результатами теоретичних і експериментальних 
досліджень [15, 24]. 
Найбільш ефективними з позицій ідентифікації поточного стану 
обладнання та його зміни в часі під впливом численних факторів є методи 
технічного діагностування, що забезпечують контроль і прогнозування стану, 
пошук місця і визначення причин відмови. При цьому дослідження 
спрямовані на виявлення закономірностей і побудова залежностей між 
характеристиками шуканого стану об'єкту і деякою сукупністю параметрів, 
24 
 
що вимірюються. Складність проблеми полягає в тому, що розпізнавання 
невідомого стану обладнання доводиться проводити за результатами 
непрямих вимірювань, що мають, як правило, опосередковану стохастичний 
зв'язок з останнім. 
Первинна інформація про досліджуваний об'єкт представляється у 
T
вигляді деякого випадкового вектора параметрів X = x1,x2, ,xn  . При 
виборі методів ідентифікації технічного стану електрообладнання необхідно 
враховувати індивідуальні властивості первинних сигналів x1 = (i =1,n) , 
оскільки вони характеризують різну природу фізичних процесів в 
досліджуваному об'єкті.  
При наявності у вхідному сигналі явно виражених характеристик 
коливальних процесів в системі, застосовуються методи традиційних 
гармонійних перетворень типу Фур'є, Лапласа або Хартлі [24]. З їх 
допомогою вдається виділити, виміряти і проаналізувати амплітудні і 
частотні характеристики вібросигналів, визначити ряд інформативних ознак 
для ідентифікації стану (вібропереміщення, віброшвидкість, 
віброприскорення, ін.).  
Для врахування динамічних (коливальних) властивостей механічної 
системи з однім ступенем свободи в кожному з ортогональних напрямків 
переміщення в [25 - 28]  введена частота власних (резонансних) коливань  
 
C
f = / 2 , 
m
 
де m, C – маса і жорсткість системи.  
Результуюча модель для ідентифікації поточного стану 
трансформатора за величиною залишкового зусилля пресування обмоток 
отримана в припущенні, що відомі частоти власних коливань при відомому 
25 
 
зусиллі пресування, отриманому при виготовленні або ремонті 
трансформатора  
n−1
f1  P1  n
  . 
f2  P2 
 
де f1 , P1  –  виміряне значення власної частоти і шукане значення 
залишкового зусилля пресування; f2 , P2  – відомі значення власної частоти і 
зусилля пресування обмоток. 
У більш складних завданнях ідентифікації станів електрообладнання, 
коли зміни вхідних сигналів системи не стаціонарні у часі або неоднорідні в 
просторі, зручним для вирішення багатьох практичних завдань інструментом 
служить теорія вейвлет - перетворень [28, 29]. Вейвлетами називають функції 
певної форми, спектри яких локалізовані як по частоті, так і за часом, 
нечутливі до зрушення і лінійно змінюють масштаб по осі аргументу. 
Вейвлет-перетворення одновимірного сигналу може бути представлено 
1  t − b 
в вигляді функції ab ( t) =   , отриманої на основі базисного 
a  a 
вейвлета  ( t)  за рахунок операції зсуву в часі (b) і зміни часового масштабу 
(a). Вдалий вибір типу базисного вейвлета і коефіцієнтів масштабних 
перетворень складають суть певної майстерності і вимагають дослідження 
властивостей первинного сигналу.  
Методи вейвлет-перетворень дозволяють аналізувати досить складні 
сигнали xi ( t) . Вони володіють практично всіма перевагами перетворення 
Фур'є. Крім того вейвлет-перетворення мають у своєму розпорядженні 
велику різноманітністю базисних функцій, що забезпечує їм, не дивлячись на 
відносну складність, практичне застосування для вирішення багатьох 
прикладних задач. Результати застосування дискретних вейвлет перетворень 
для ідентифікації станів трансформаторного і елегазового електрообладнання 
26 
 
при дослідженні електророзрядної активності (часткові, дугові розряди) 
наведені в [30, 31].  
Результати експериментальних досліджень підтверджують переваги 
методів вейвлет-перетворень для діагностики та обслуговування 
електрообладнання по фактичному стану. 
Можливості побудови аналітичної моделі для кількісної оцінки ступеня 
розвитку дефектів заглибного електроустаткування по параметрам вібрації із 
застосуванням дискретних вейвлет перетворень обговорюються в [32]. 
Модель пов'язує середньоквадратичне значення віброшвидкості (Vскз )  з 
розрахунковими значеннями вейвлет-перетворення в точках її максимуму 
(W) для ряду частот (i), кратних основній частоті обертання роторів 
електродвигунів (50 Гц): 
 
Vскз = a1i W + a0i . 
 
Вибір виду перетворення і масштабних коефіцієнтів дозволяє 
домогтися відносної похибки ідентифікації не більше 1 %, що істотно 
підвищує достовірність отриманих за моделлю діагностичних оцінок. 
Одним з ефективних методів раннього виявлення дефектів в контактах 
і контактних з'єднаннях ліній електропередачі і ошиновок 
електроустаткування підстанції є метод тепловізійного контролю (ТВК). 
Метод заснований на реєстрації інфрачервоних випромінювань, що 
виділяються на поверхні обстежуваного обладнання від зон аномального 
нагріву, схильних до розвивається дефекту. Незважаючи на очевидні 
переваги методу, дистанційність вимірювань, високу інформативність, 
можливість застосування на працюючому обладнанні (під напругою і 
навантаженням), він має істотний недолік – складнощами ідентифікації 
дефектів в об'єктах з малими температурними відхиленнями.  
27 
 
Вони відображають факт виникла аномалії, на тлі більш сильних 
шумів, викликаних різними факторами. Практики застосування ТВК 
електрообладнання (наприклад, трансформаторів) спираються на різні 
методи перетворення первинних сигналів (термограмми об'єктів контролю). 
При цьому завдання ідентифікації полягає в побудові «образу» (моделі) 
об'єкта, що дозволяє фіксувати розвивається дефект і розпізнавати ступінь 
його небезпеки для подальшої експлуатації обладнання. Один з відомих 
методологічних підходів запропонований в [25]. Він полягає в перетворенні 
поверхневої термограмми об'єкта за допомогою термографических 
інформаційних функцій (ТІФ).  
ТІФ представляють собою значення F( ) , що отримані шляхом 
інтегрування по ділянках поверхні термограмми в координатах (xi ,x j)  і 
(yi ,y j) . Значення F( )  при заданій температурі характеризує відносний 
розмір поверхні об'єкта з вказаною температурою  . При цьому ТІФ містить 
«ядро», що характеризує процеси виділення тепла і охолодження об'єкта, а 
також «моду», що вказує на наявність теплової аномалії. Оцінка технічного 
стану виконується шляхом порівняння енергії дисипації контрольних ТІФ з 
еталонною енергією, отриманої статистично на тому ж або однотипному 
обладнанні в стані «норма». В якості критерію оцінки стану застосовується 
коефіцієнт дефектності, який обчислюється за потужностями діссіпаційних 
процесів в трансформаторному обладнанні. 
Відсутність достатньої статистики вимірювань обмежує область 
достовірної ідентифікації стану обладнання із застосуванням методу ТІФ. 
Інший метод вилучення інформації про температурні зміни, 
характеризують можливі дефекти в об'єкті, заснований на застосуванні 
одновимірної функції згортки вихідної термограми за координатами площині 
[25]. Введена згортка F( )  характеризує тепловий стан об'єкта (його 
конструктивного елементу), а також несе інформацію про прихованих 
28 
 
джерелах тепловиділення, взаємодії з навколишнім середовищем тощо. 
Нормований графік F( )  - «образ» термограми, являє собою гістограму 
розподілу площі поверхні по температурному діапазону і дозволяє визначати 
найбільш імовірні значення температур. 
До обмежень у застосуванні даного методу призводить необхідність 
побудови еталонного «образу» об'єкта, що має на увазі проведення 
термографичних обстежень на заводах-виробниках трансформаторів і 
включення еталонних «образів» в паспортні дані обладнання. 
Найбільш інформативним видом упереджуваноъ діагностики 
маслонаполненного електрообладнання (перш за все трансформаторів, 
автотрансформаторів і шунтуючих реакторів), є хроматографичний аналіз 
розчинених у маслі газів (ХАРГ) [33, 34].  
За останні  роки метод придбав заслужену популярність і широко 
застосовується в міжнародній практиці саме як індикатор раннього 
виявлення та розвитку дефектів в елементах активної частини 
трансформаторів. Ідентифікація стану елементів активної частини 
трансформаторів із застосуванням ХАРГ проводиться опосередковано через 
масло, яке виконує роль діагностичної середовища, де сконцентровані 
основні джерела інформації про об'єкт. 
При цьому метод дозволяє впевнено діагностувати уповільнені дефекти 
типу «розряд», «перегрів», «розряд і перегрів». Як контрольованих 
параметрів (ознаки дефекту) застосовуються абсолютні концентрації 
діагностичних газів (Ai% об,ppm) , i =1,k , відносні швидкості їх зміни 
(Vвід.і%міс)  i, а також відносини пар концентрацій характерних газів. 
Настільки висока розмірність випадкового вектора первинних параметрів 
обумовлена потребами диференціації прогнозованих дефектів по типу і 
ступеня тяжкості (електричні розряди дугові, іскрові, часткові, малої, 
середньої і високої інтенсивності енергії, що виділяється, термічні дефекти в 
діапазоні низьких, середніх і високих температур, дефекти в маслі або в 
29 
 
твердій ізоляції тощо). Безумовно, велика розмірність простору первинних 
параметрів не сприяє високій достовірності одержуваних оцінок. Крім того 
оцінки по ХАРГ виявляються надзвичайно нестабільними до великої 
кількості експлуатаційних факторів. Прагнення фахівців і дослідників 
посилити інваріантність методу до змін експлуатаційних факторів і 
підвищити достовірність оцінок стану електрообладнання породило цілий 
ряд методик інтерпретації результатів ХАРГ, у тому числі СОУ-Н ЕЕ 
46.501:2006  [33].     
Численні дослідження в порівнянні достовірності інтерпретації 
результатів ХАРГ із застосуванням зазначених методик, що виконані в різних 
країнах [31 - 33], не виявили значущих переваг будь-якої з них. У зв'язку з 
цим рекомендовано спільне застосування декількох методик для підвищення 
достовірності ідентифікації стану трансформаторів по ХАРГ. 
Якісні зміни в діагностиці трансформаторів по ХАРГ відбулися із 
застосуванням методів математичної статистики для обробки діагностичної 
інформації. В останнє десятиліття даний напрямок одержав потужний 
імпульс розвитку.  
Це дозволило успішно вирішувати багато принципово важливі 
завдання, наприклад, такі як формування достовірного образу дефекти, 
визначає допустимих (ДЗ) і гранично-допустимих (ГДЗ) значень 
концентрацій розчинених газів, виявлення і формалізація практично 
значущих статистичних залежностей. Незважаючи на зазначений прогрес, 
завдання прийняття рішень по експлуатації маслонаповненого 
трансформаторного обладнання (МНТО) на основі ідентифікації станів, в 
тому числі по ХАРГ, як і раніше актуальні і вимагають нових підходів до 
вирішення. 
Один із продуктивних підходів базується на застосуванні Байєсівської 
теорії ідентифікації [35] до вибірок результатів ХАРГ, за якими проводяться 
оцінки технічного стану трансформаторів. 
30 
 
Проблема опису множини окремих класів станів трансформаторів і 
синтезу вирішального правила (класифікатора) нерозривно пов'язана з 
формуванням простору інформативних ознак. Для підвищення 
інформативності та скорочення розмірності вхідного опису об'єкта 
випадковий вектор первинних параметрів X перетвориться в вектор 
T
інформативних ознак Y = y1, y2, ym   меншої розмірності (m  n) . 
Подібне перетворення здійснюють з використанням, наприклад, методу 
факторного аналізу [36] або методу багатовимірного шкалювання. 
Скорочення розмірності простору ознак полегшує побудова класифікатора 
(може бути застосований Байєсівський класифікатор на основі відношення 
правдоподібності), спрощує візуалізацію кордону розділу класів станів і 
сприяє їх лінійної роздільності [37]. 
Не дивлячись на статистичну адекватність і обчислювальну 
функціональність, зазначений підхід обмежений у застосуванні необхідністю 
оперування з полімодальний, багатовимірними розподілами компонент 
випадкового вектора ознак Y. 
Існуюча особливість параметричного типу перетворення ускладнює 
обчислювальну процедуру методу і практично виключає можливість лінійної 
роздільності класів станів МНТО. Вихід із ситуації бачиться в переході до 
одномодальних розподілу одновимірного вектора (скаляра) ознак, для якого 
параметричне відновлення щільності розподілу не викликає обчислювальних 
складнощів. 
Таким чином, різноманіття методів перетворення вихідної емпіричної 
інформації дозволяє реалізувати вибір (формування) таких ознак, які 
проявляють найбільшу інформативність з точки зору виявлення значущих 
закономірностей в об'єкті, з одного боку, а з інший, мають найбільшу 
чутливість до змін умов його функціонування.  
Актуальність даного напрямку досліджень стосовно до 
електроустаткування мереж не викликає сумнівів, так як результати 
31 
 
сприяють ефективній ідентифікації технічного стану і прийняття рішень, 
спрямованих на його безаварійну, надійну експлуатацію. 
 
1.3.2 Еволюція методів моделювання та оцінки надійності 
електромережевого устаткування з урахуванням технічного стану 
У більшості випадків надійність електрообладнання пов'язують з 
такими її одиничними властивостями, як безвідмовність, ремонтопридатність 
і довговічність, що є цілком обґрунтованим. Показниками, що 
характеризують зазначені властивості надійності, є напрацювання на відмова 
або параметр потоку відмов, час відновлення, коефіцієнт готовності, 
призначений і γ – відсотковий ресурс. моделювання та аналізу 
експлуатаційної надійності електрообладнання присвячені результати 
багатьох досліджень [37-40]. інформаційною основою класичних методів 
моделювання та аналізу надійності електрообладнання і його конструктивних 
елементів є статистика відмов, яка формується в процесі розслідування 
технологічних порушень.  
При наявності представницької статистики можна змоделювати криву 
життя певного типу обладнання, виділити ділянки, характерні певним 
етапам, оцінити інтенсивність старіння на розглянутому інтервалі 
експлуатації, а також вжити заходів щодо її зниження. Результати такого 
аналізу досить інформативні, так як дають можливість визначати слабкі 
місця в системі, де виникає найбільшу кількість відмов, встановлювати їх 
причини і здійснювати оцінку ймовірних наслідків. Це дозволяє забезпечити 
прийняття обґрунтованих рішень для підтримки або відновлення необхідної 
експлуатаційної надійності об'єктів електроенергетики. 
Забезпечення заданого рівня експлуатаційної надійності в сучасних 
умовах тотального старіння основних виробничих фондів електроенергетики 
і зрослу роль діагностики зажадало організації ТОіР устаткування за 
технічним станом, а в зв'язку з цим здійснення більш зважених рішень, що 
враховують зміна його фактичного стану. Таким чином, намітилася 
32 
 
тенденція вдосконалення моделей і методів аналізу експлуатаційної 
надійності обладнання. 
Слід виділити два домінуючих напрямки, за якими слід розвиток 
методології моделювання і аналізу надійності електрообладнання з метою 
обліку та відображення змін параметрів стану в показниках надійності і 
критерії прийняття рішень. 
Одне з таких напрямків базується на положенні про те, що до відмови 
системи або її елемента як до події фінішному призводять випадкові процеси 
виникнення і розвитку дефектів, включаючи деградаційні. У зв'язку з цим 
дослідженню підлягають випадкові процеси дефектоутворення в обладнанні 
різного типу. Очевидно, що інформаційною основою такого моделювання є 
статистика, яку дозволяє сформувати застосування сучасних методів 
діагностування. Спостереження за параметрами (ознаками) дефекту і 
фіксація зміни розряду ознаки в процесі статистичної обробки інформації 
дозволяють визначити момент його виникнення і / або переходу в іншу 
стадію розвитку. Тільки поєднання аварійної та діагностичної статистик для 
однотипного устаткування дає можливість визначити зміну в часі таких 
показників експлуатаційної надійності як ймовірність виникнення дефекту, 
напрацювання на дефект, параметр потоку (інтенсивність) дефекту, а в ряді 
випадків забезпечує розкриття механізмів виникнення відмов. При цьому 
інтервали часу переходів виявляються розподіленим за законом Пуассона 
[40]. Однак часто в реальних процесах ця властивість не дотримується, і 
інтервали часу виявляються випадковими з яким-небудь довільним законом 
розподілу при збереженні марковости процесу.  
Такі випадкові процеси і їх моделі називаються напівмарковських [38]. 
Напівмарковських моделі адекватні таким реальним випадковим процесам, 
які описують еволюцію системи зі змінними в часі интенсивностями відмов і 
відновлень. У деяких практичних випадках, незважаючи на випадковість 
досліджуваного процесу, є можливість до певної мірі керувати законами 
розподілу або параметрами перехідних ймовірностей. Такі марківскі і 
33 
 
напівмарківські процеси називають керованими [39]. Зазначені можливості 
певним чином розширює сферу застосування математичного апарату для 
моделювання та управління експлуатаційною надійністю обладнання ЕЕС. 
У світлі використання діагностичної інформації про параметри 
випадкових процесів дефектоутворення в обладнанні електричних мереж для 
моделювання та дослідження показників їх експлуатаційної надійності 
перспективним є застосування так званих прихованих марковських 
(напівмарковських) моделей. Такі моделі знайшли широке застосування для 
створення практичних додатків в деяких областях знань, де основний 
випадковий процес (процес фізичної природи) прихований від спостерігача 
[40]. Можливість судження про нього організовується з допомогою іншого 
випадкового процесу, який надає послідовність спостережень.  
Таким чином, прихована марківська модель буде являти собою двічі 
стохастический процес, що складається з пари стохастичних процесів, один з 
яких є основним і неспостережуваних. Інший важливий напрям у розвитку 
методології моделювання і аналізу надійності електрообладнання ЕЕС 
пов'язано з побудовою аналітичних (графоаналитических) залежностей, що 
відображають взаємозв'язок одного з показників надійності з будь-яким 
параметром стану системи або її компонента.  
Як правило, при побудові подібних моделей в якості показника 
надійності обладнання використовується його технічний ресурс, тобто 
сумарне напрацювання від початку експлуатації або її відновлення після 
ремонту до досягнення граничного стану, при якому його подальша 
експлуатація недоцільна з економічних причин або недопустима з причин 
безпеки [40]. 
Оцінка довговічності технічного пристрою за величиною залишкового 
(виготовленого) ресурсу досить показова, тому що орієнтована на визначення 
напрацювання або календарного часу життя, яке відводиться пристрою для 
функціонування до досягнення граничного стану.  
34 
 
Можливість розрахувати (спрогнозувати) залишковий ресурс 
обладнання відкриває перспективу вибору правильної траєкторії його 
використання з урахуванням можливих змін стану, що є значущим фактором 
при плануванні заходів по підтримці його працездатності. У той же час 
моделювання експлуатаційного ресурсу електрообладнання характеризує ряд 
особливостей, які обумовлюють наближеність одержуваних оцінок, а, отже, 
можливість їх використання тільки в якості деяких, хоча і важливих 
орієнтирів. До зазначених особливостей слід віднести, принаймні: 
1) необхідність використання виключно індивідуальних характеристик 
конкретної одиниці електроустаткування замість залучення статистики по 
парку однотипних технічних пристроїв; 
2) необхідність залучення експертного досвіду і знань про зміни 
багатьох параметрів стану електрообладнання різного типу для вибору з них 
найбільш інформативного або чутливого до тривалості, інтенсивності та 
умов застосування за призначенням; 
3) необхідність врахування при моделюванні динаміки процесу зміни 
спостережуваного параметра стану обладнання в залежності від ряду 
найбільш впливових факторів. 
 
1.3.3 Методи, моделі і критерії прийняття рішень при управлінні 
експлуатацією обладнання електричних мереж 
Ефективність експлуатації обладнання об'єктів електроенергетики 
багато в чому визначається об'єктивністю критеріїв вибору і прийняття 
рішень при управлінні технічним обслуговуванням і ремонтами. 
Моделювання критеріїв вибору і прийняття рішень при управлінні ТОіР 
електрообладнання, а також розробка методів і методик отримання 
кількісних характеристик управління являє собою окремий науковий напрям 
в рамках дослідження надійності систем енергетики. Серед численних 
вітчизняних і зарубіжних досліджень в області розробки методів, моделей і 
критеріїв прийняття рішень при управлінні ТОіР електрообладнання можна 
35 
 
виділити кілька підходів, що мають самостійне застосування [35 - 40]. Всі 
вони в тій чи іншою мірою базуються на об'єктивних передумовах, які 
вимагають наступного формулювання:  
1) технічне обслуговування та ремонти обладнання проводяться 
періодично на інтервалі експлуатації, так званому терміну служби (life time) з 
метою підтримки і відновлення його працездатності (надійності); 
2) залишковий ресурс обладнання на терміні служби має тенденцію до 
зменшення, а періодичне проведення ТОіР знижує інтенсивність його 
спрацювання і, таким чином, підвищує експлуатаційну надійність; 
3) в процесі експлуатації обладнання піддається відмов, які на різних 
етапах терміну служби викликані домінуючими причинами, наприклад на 
етапі нормальної експлуатації обладнання до таких причин відносяться 
зовнішні випадкові впливу, практично не пов'язані зі зміною його технічного 
стану; 
4) частота відмов є імовірнісна характеристика, змінна під впливом 
великої кількості факторів, до яких зокрема відноситься періодичність 
виконання ТОіР; 
5) технічний стан обладнання, а, отже, і його залишковий ресурс 
визначається в процесі діагностування з застосуванням систем періодичного 
або on-line контролю (моніторингу). 
6) витрати на ТОіР устаткування складаються з витрат на 
профілактичне обслуговування і ремонти і витрат на його аварійне 
відновлення після відмови з урахуванням заподіяної шкоди; 
7) в умовах ринкових відносин і роз'єднаності управління ТОіР 
спирається на вибір стратегії, яка здатна забезпечити найбільший технічний і 
економічний ефект на інтервалі експлуатації. Її ефективність проявляється в 
можливості досягнення мінімуму сукупних ремонтно-експлуатаційних 
витрат при підтримці допустимого рівня функціональної надійності або в 
можливості забезпечити достатній рівень надійності, не перевищуючи 
заданий ліміт фінансування. 
36 
 
Висновки до розділу 1 
 
1. Поступовим переведенням ЕЕС на нову інформаційно-технологічну 
платформу - інтелектуальну енергосистему з активно – адаптивної мережею 
(ІЕЗ з ААС) фактично позначений перехід від існуючої парадигми в 
управлінні процесами експлуатації обладнання електричних мереж до нової, 
яка повинна забезпечити якісно новий рівень надійності, економічності і 
безпеки мережевої інфраструктури 
2. Масштабність проблем в ЕЕС і зокрема випередження темпів 
старіння обладнання мереж по відношенню до темпів реконструкції і 
модернізації мережевих об'єктів ускладнюється тим, що подолання більшості 
з них можливо тільки в дуже віддаленій перспективі. В зв'язку з цим поряд з 
довгостроковими і витратними заходами по реконструкції та оновленню 
електричних мереж доцільно застосування менше витратних, але ефективних 
у короткостроковій перспективі систем підтримки планування заходів по 
оптимізації технічного обслуговування та ремонтів обладнання.  
Такі системи повинні бути засновані на ідентифікації та прогнозуванні 
поточного стану і експлуатаційного ресурсу устаткування і забезпечувати 
вибір і прийняття своєчасних і обґрунтованих рішень по введенню впливів 
ремонтної спрямованості. 
3. Ефективність експлуатації обладнання відображає якість 
функціонування електричних мереж і кількісно може бути виміряна в 
одиницях надійності і / або економічності. Протиріччя, що загострюється 
останнім часом між двома зазначеними властивостями старіючих технічних 
систем, може бути подолано поряд з технічним переозброєнням і 
модернізацією об'єктів електроенергетики за рахунок створення ефективної 
системи оцінки технічного стану (ОТС) і прийняття рішень з експлуатації 
електрообладнання. По-справжньому ефективна система повинна спиратися 
на три найважливіших компонента: періодичний і / або безперервний 
діагностичний моніторинг обладнання; використання багаторічної 
37 
 
статистики вимірювань діагностичних параметрів обладнання, спільно з 
історією виконаних по відношенню до нього експлуатаційних заходів; 
застосування адаптивних моделей і алгоритмів, в основу яких покладені 
інтелектуальні методи збору, візуалізації та обробки діагностичної 
інформації. 
4. Невідповідність між сучасними інформаційними системами, 
вимірювальними засобами діагностування та моніторингу 
електрообладнання і традиційними методами обробки діагностичної 
інформації, вироблення правил прийняття рішень, підкреслює відсутність на 
сьогоднішній день єдиних методологічних основ для аналізу та управління 
технічним станом і надійністю обладнання електричних мереж та спонукає 
до розробки адаптивних методів, моделей і алгоритмів ОТС на основі теорії 
штучного інтелекту. 
 
 
 
 
 
 
 
 
 
 
 
  
38 
 
РОЗДІЛ 2 
ІДЕНТИФІКАЦІЯ І ПРИЙНЯТТЯ РІШЕНЬ ПРИ ДІАГНОСТУВАННІ 
ОБЛАДНАННЯ ЕЛЕКТРИЧНИХ МЕРЕЖ 
 
В умовах переходу електроенергетики на нову технологічну платформу 
- інтелектуальну енергосистему з активно-адаптивної мережею (ІЕЗ з ААМ), 
особливої гостроти набуває проблема невідповідності між сучасними 
інформаційними системами, вимірювальними засобами діагностування, 
моніторингу та управління актуальним станом електрообладнання та 
методами обробки вимірювань, прийняття рішень по його подальшої 
ефективної експлуатації. Зазначена проблема має двоїсте прояв. З одного 
боку, в зв'язку з недостатньою достовірністю інтерпретації результатів 
діагностування вона призводить до прийняття необґрунтованих і не 
своєчасного прийняття рішення щодо експлуатації обладнання, до 
підвищення ризику відмов і загальним зниження надійності функціонування 
електричних мереж.  
З іншого боку, наявність зазначеного невідповідності обумовлює 
необґрунтоване завищення вартості вимірювальних і діагностичних систем за 
рахунок збільшення числа контрольованих параметрів і створення 
інформаційної надмірності з метою компенсації помилок в прийнятті рішень. 
Таким чином, зазначена проблема має виражений техніко-економічний 
характер і вимагає пошуку шляхів вирішення. 
Додатковим аспектом, який ускладнює прояв даної проблеми, є 
поступове зростання кількості обладнання, що відпрацювало свій 
нормативний термін служби. Така тенденція характерна для більшості 
промислово розвинених країн, особливо щодо високовольтних силових 
трансформаторів [41]. випередження темпів старіння парку трансформаторів 
над темпами реконструкції та нового будівництва, а також зростання рівнів 
напруги і зниження запасів міцності у сучасного обладнання призводить до 
підвищення числа технологічних порушень за участю трансформаторів і 
39 
 
загальним зниження надійності. Тому в найближчі 10 років актуальними для 
електроенергетики залишаться питання оцінки і прогнозування стану, 
визначення термінів безпечної експлуатації, управління експлуатаційної 
надійністю обладнання електричних мереж. 
Для досягнення поставлених цілей актуально вирішення наступних 
важливих завдань: 
• аналізу традиційної системи діагностичного контролю 
електрообладнання і побудованих на її основі моделей ідентифікації 
фактичного стану силових трансформаторів; 
• вдосконалення методів прийняття рішень з експлуатації силових 
трансформаторів з використанням процедур статистичної класифікації та 
розпізнавання образів; 
• розробки моделей і алгоритмів ідентифікації, що реалізують 
принципи самонавчання та адаптації до індивідуальних особливостей 
обладнання та змін умов його експлуатації. 
 
2.1 Аналіз систем діагностичного контролю та оцінки стану 
обладнання, що використовують дані вимірювань (на прикладі МНТО) 
 
До маслонаповненого трансформаторного обладнання відносять силові 
трансформатори, автотрансформатори та шунтуючі реактори. 
МНТО є найбільш складне, відповідальне і дороге устаткування 
електростанцій і електромережних підстанцій, оцінка стану якого 
виконується на основі багатопараметричного діагностування. Традиційна 
система діагностичного контролю МНТО за своїм складом неоднорідна. 
Вона включає більше 30 різних методів, мають різну інформативність і 
методичне забезпечення, що застосовуються з різною періодичністю, більш-
менш витратних, виконуваних з попередніми висновком з роботи або на 
працюючому обладнанні.  
40 
 
Нормативні вимоги до системи діагностичного контролю МНТО 
визначає СОУ-Н ЕЕ 46.501:2006 «Діагностика маслонаповненого 
трансформаторного обладнання за результатами хроматографічного аналізу 
вільних газів, відібраних із газового реле, і газів, розчинених у ізоляційному 
маслі» [33]. Воно регламентує умови для реалізації переходу до технічного 
обслуговування і ремонту (ТОіР) МНТО по технічним станом.  
Зазначений підхід поділяє методи діагностування на дві групи: методи 
традиційних періодичних випробувань і додаткові методи раннього 
виявлення дефектів. Крім того трансформатор розглядається у вигляді 
окремих конструктивних елементів: обмотки, магнітопровід, вводи, система 
охолодження, пристрій РПН, тверда ізоляція, трансформаторне масло, бак і 
пов'язані з ним елементи.  
Так, наприклад, якість трансформаторного масла, що є унікальним 
інформаційним середовищем, через яке можна виявити до 70 % дефектів 
трансформатора, безпосередньо впливає на характеристики твердої ізоляції 
[42]. Практика застосування даного нормативного підходу тривалістю понад 
15 років дозволила виявити основні недоліки традиційної системи 
діагностичного контролю, що істотно обмежують можливості достовірної 
оцінки і прогнозування стану трансформаторів.  
Перш за все, до них відносяться:  
• надмірний обсяг випробувань і мала ефективність проведених 
вимірювань; 
• можливість неправильної інтерпретації результатів вимірювань і 
прийняття необґрунтованих рішень; 
• можливість пропуску окремих дефектів в трансформаторі через 
встановленого недостатнього обсягу і невірних умов проведення 
випробування; 
• відсутність залежності між контрольованими параметрами і 
запасами міцності елементів конструкції трансформатора;  
41 
 
• відсутність прогностичних можливостей по зміні стану 
трансформатора в часі. 
Друга група методів діагностування об'єднує методи раннього 
виявлення дефектів в елементах трансформаторів. До них слід віднести: 
хромотографічний аналіз розчинених у маслі газів (ХАРГ), тепловізійний 
контроль, вимір часткових розрядів, вібродіагностика тощо. Перевагами 
зазначених методів є висока інформативність контрольованих параметрів і 
можливість проводити вимірювання на працюючому обладнанні. 
Комплексне застосування зазначених методів здатне підвищити 
достовірність оцінки стану МНТО і збагатити експлуатацію нової 
інформацією.  
Різна періодичність контролю діагностичних параметрів 
трансформатора, що встановлена у нормативних документаціях, змушує 
вдаватися до припущення про те, що в проміжку між черговими сеансами 
контролю діагностичного параметра, його значення не зміниться. Насправді 
це грубе допущення дорого обходиться експлуатації.  
По-перше, потрібно облік і зберігання інформації про всі 
експлуатаційних факторах, що впливають на зміна параметрів, що 
контролюються трансформатора (зміни навантаження, замикання в зовнішній 
мережі, перепади температур зовнішнього повітря, доливання масла тощо) 
[42, 39]. Аналіз фактів відхилення умов експлуатації від норми здатний 
доповнити інформацію традиційних випробувань на відключеному 
обладнанні для визначення причин аномальних змін контрольованих 
параметрів при багатопараметричної оцінки стану, а також послужити 
підставою до прийняття рішення про введення коригувальних впливів. 
По-друге, неточність діагнозу породжує необхідність підтверджують 
перевірок, для чого проводяться повторні вимірювання із залученням 
додаткових методів контролю. Це створює інформаційну надмірність і в 
свою чергу призводить до додаткових, найчастіше невиправданим 
експлуатаційних витрат [39, 15].  
42 
 
По-третє, помилки діагнозу і затримки в прийнятті рішень призводять 
до надмірності коригувальних впливів, що також здорожують експлуатацію 
трансформаторів. 
Таким чином, у традиційній системі діагностичного контролю присутні 
механізми, які гальмують перехід до ТОіР по фактичному станом, що 
негативно впливають на ефективність експлуатації МНТО і в цілому на 
надійність електричних мереж. 
Перспективним доповненням традиційного періодичного контролю є 
безперервний контроль (моніторинг) стану обладнання під робочою 
напругою [25, 43]. Цьому сприяє розробка і впровадження на об'єктах 
електроенергетики автоматизованих систем діагностичного моніторингу 
(АСДМ) і їх інтеграція в АСУ ТП [26]. Завдання, що покладаються на АСДМ, 
створюють умови для зведення до мінімуму ризиків технологічних порушень 
і великих аварій, організації ремонтно-експлуатаційного обслуговування 
устаткування за технічним станом і управління його ресурсом, скорочення 
експлуатаційних витрат за рахунок прийняття оперативних та обґрунтованих 
рішень про можливість продовження експлуатації або необхідності заміни 
МНТО.  
Відомі різноманітні варіанти реалізації систем діагностичного 
моніторингу, які відрізняються складом функцій, набором датчиків і 
вимірювальних каналів, елементної базою, конструктивними особливостями, 
математичним і алгоритмическим забезпеченням, вартістю [15]. Різноманіття 
реалізацій АСДМ МНТО надзвичайно ускладнює вибір найкращого з рішень 
стосовно трансформаторів різної потужності і класу номінального напруги, 
терміну служби і рівня відповідальності в електричній мережі. 
Таким чином, очевидна необхідність цілеспрямованого 
класифікаційного аналізу систем діагностичного моніторингу МНТО, а 
також умов їх ефективного застосування. 
 
43 
 
2.2 Класифікаційний аналіз систем діагностичного моніторингу 
МНТО і умов їх ефективного застосування 
 
Загальні технічні вимоги до систем моніторингу силових 
трансформаторів і автотрансформаторів сформульовані, зокрема, в [25, 26]. 
Згідно цим вимогам структура АСДМ СТ повинна включати три ієрархічних 
рівня: нижній рівень - комплекс первинних перетворювачів і датчиків 
контролю поточних параметрів (газовмісту, вмісту вологи, контролю 
основної ізоляції та ізоляції вводів тощо); середній рівень – блок моніторингу 
та управління, що здійснює збір даних, що надходять від перетворювачів і 
датчиків; верхній рівень - рівень центральних обчислювальних ресурсів, що 
включає комплекс прикладних програм і автоматизоване робоче місце 
експлуатаційного персоналу (АРМ ЕП). 
Засобами верхнього рівня АСДМ забезпечується математична 
підтримка експертної оцінки і прогнозу технічного стану СТ, а також 
визначення заходів щодо його своєчасного обслуговування або заміни. 
Принципи формування інформаційного простору діагностичного 
моніторингу силових трансформаторів. 
Системи діагностичного моніторингу силових трансформаторів умовно 
можна поділити на стаціонарні та мобільні. Основним завданням обох видів 
систем є виявлення дефектів в обладнанні на ранній стадії їх розвитку без 
відключення від мережі. Це дозволяє запобігти небезпечні тенденції задовго 
до їх граничного прояви і аварійного відмови обладнання.  
Стаціонарні системи діагностичного моніторингу реалізують 
безперервний (on-line) контроль параметрів, оцінку стану окремої одиниці 
обладнання і інтегральну оцінку стану підстанції в цілому і будуються на базі 
спеціалізованого комплексу апаратних і програмних засобів. Мобільні 
системи моніторингу передбачають періодичне застосування методів 
раннього діагностування спільно з контролем режиму роботи СТ і 
результатами традиційних вимірювань на відключеному устаткуванні. 
44 
 
Вартість стаціонарних систем діагностичного моніторингу силових 
трансформаторів досить висока і коливається в залежності від 
функціональних властивостей і конфігурації. За деякими оцінками їх вартість 
спільно з монтажем та обслуговуванням становить 10-15 % від вартості 
основного обладнання. Чим більше функціональних можливостей закладено 
в систему діагностичного моніторингу, точніше використовувані в її складі 
методи вимірювань і оцінки стану, тим вона дорожче.  
Застосування таких систем має бути економічно виправдано при 
установці на потужні, дорогі трансформатори відповідальних мережевих 
підстанцій 220-750 кВ і електричних станцій при новому будівництві або 
реконструкції, а також на трансформатори з тривалим терміном експлуатації 
в разі високих економічних ризиків відмови [25, 26, ]. 
Для наймасовішого МНТО, такого як СТ 110-35-10 (6) кВ розподільних 
електричних мереж найбільш виправдане застосування мобільних систем 
діагностичного моніторингу. Вартість подібних систем може і повинна бути 
значно знижена.  
Це досягається за рахунок комбінованого використання технологічної 
автоматики, засобів телемеханіки, мікропроцесорних захистів, АСКОЕ, 
реєстраторів аварійних подій, пр. в якості первинних датчиків, 
перетворювачів та інформаційних каналів в поєднанні з одним або 
декількома спеціалізованими датчиками: температури, вологості, газозмісту 
[44]. 
Структура і розмірність інформаційного простору в системах 
безперервного діагностичного моніторингу істотно різниться. Як приклад в 
таблиці 2.1 приведена структура інформаційного простору, реалізованого в 
[45] (ABB Power Technology). 
  
45 
 
Таблиця 2.1 
Інформаційний простір АСДМ ТЕС (ABB Power Technology) 
Вид дефекту 
Параметри, що 
контролюються 
Волога в маслі    +    + 
Гази в маслі + + + + + + +  
Часткові 
+ +  + + +   
розряди 
Температура +  + +     
Вібрація +  +      
Пробивна 
напруга    +  + +  
у маслі 
Перегріви +  + +     
 
Узагальнено формування простору контрольованих в АСДМ 
параметрів підпорядковується одному з наступних принципів: 
• контролюється максимальну кількість параметрів щодо можливого 
числу видів, що розвиваються при роботі трансформатора дефектів; 
• контролюються найбільш важливі параметри, для яких встановлені 
зв'язку з виявляються з їх допомогою дефектами; 
• контролюються параметри, що підтримують тільки ті функції 
системи, для яких вартість реалізації в системі безперервної контролю не 
перевищує її вартість в системі традиційного періодичного контролю. 
Таким чином, спрощення системи діагностування і надмірне 
скорочення числа контрольованих параметрів призводять до зниження 
достовірності оцінки технічного стану обладнання, і обмежує можливість 
його тривалої надійної експлуатації. З іншого боку, результатом 
необґрунтованого ускладнення системи діагностування є інформаційна 
надмірність і не затребуваність висновків про стан окремих частин 
обладнання.  
Дефект в 
обмотці 
Дефект в 
ізоляції 
Дефект 
сердечника 
 
Гарячі 
точки 
 
Дуго-
утворення 
Бульбашки 
газу 
Бруд в 
маслі 
Витоки в 
системі 
46 
 
У будь-якому випадку впровадження системи безперервного 
діагностування на основі моніторингу параметрів МНТО потребують 
попереднього техніко-економічного обґрунтування з урахуванням рівня 
автоматизації, типів контрольованого обладнання та його технологічної 
значущості для електропостачання обслуговується території. 
Критерії вибору АСДМ.  
Як випливає з аналізу численних джерел інформації основними 
критеріями для обґрунтованого вибору складу діагностичних тестів і 
конфігурації систем діагностичного моніторингу СТ є [46 -50]: 
• співвідношення функціональних можливостей і вартості реалізації 
системи діагностичного моніторингу; 
• оцінка ймовірних економічних ризиків при виникненні аварійних 
ситуацій в мережі через пошкодження обладнання через відсутності на ньому 
системи діагностичного моніторингу; 
• статистика пошкоджуваності елементів високовольтного обладнання 
конкретного типу і конкретної марки, що характеризує його експлуатаційні 
властивості і, перш за все, надійність. 
Повною мірою задовольняє зазначеним критеріям представляється, 
наприклад,  підхід до організації діагностичного моніторингу 
електрообладнання компанії ENERGY AUTOMATION LLC [51], ключовими 
положеннями, якого є: 
1) гнучкий модульний принцип формування систем діагностичного  
моніторингу, що забезпечує можливість їх нарощування і ускладнення по 
мірі необхідності; 
2) охоплення системами діагностичного моніторингу всіх типів 
відповідального обладнання підстанцій та прилеглих до них ліній 
електропередачі з інтеграцією в АСУТП об'єкта, що особливо важливо з 
точки зору підвищення надійності і економічності експлуатації мережі; 
47 
 
3) оснащення АСДМ методами діагностування, придатними для 
контролю параметрів обладнання в режимі on-line з коригуванням для цього 
ряду нормативних вимог; 
4) необхідність використання для оцінки стану обладнання нових 
синтезованих параметрів (ознак) з формулюванням і обґрунтуванням їх 
фізичного сенсу; 
5) можливість доповнення інформації від первинних датчиків 
систем моніторингу даними періодичних випробувань, що проводяться 
ремонтним персоналом на відключеному електрообладнанні, яка дозволить 
підвищити інформативність підсумкових експертних висновків і частково 
знизити витрати на впровадження системи моніторингу; 
6) підвищення функціональної значущості середнього рівня АСДМ 
(Блоку моніторингу та управління) за рахунок оснащення потужними 
програмованими контролерами, що забезпечують поряд з обробкою 
інформації її інтерпретацію і оцінку стану обладнання по одному або 
декільком методам діагностування, що в ряді випадків дозволяє спростити і 
здешевити систему моніторингу, виключивши дублювання функцій; 
7) оснащення кожного методу діагностування для кожного типу 
електрообладнання підстанції вбудованої експертної системою, яка працює в 
ідеальному випадку в автоматичному режимі і дозволяє оперативно 
формувати діагноз; 
8) впровадження широкої лінійки простих, відносно дешевих і 
універсальних компонентів (датчиків, реле, алгоритмів, програмних засобів) 
власного виробництва, що закривають практично всі потреби вітчизняного 
ринку в системах діагностичного моніторингу з урахуванням індивідуальних 
особливостей обладнання і його технологічного призначення. 
Таким чином, зазначений підхід створює умови для індивідуального 
вибору доступною або бажаної конфігурації АСДМ практично будь-якої 
складності за рахунок уніфікації технічних рішень. 
48 
 
Слід зазначити, що наведені вище положення і особливо пункти 4, 5, 7 
найбільш співзвучні сформульованим в магістерського дослідження ідеям 
розробки інтелектуальних методів прийняття рішень на основі попередньої 
обробки діагностичної інформації та ідентифікації технічного стану 
електрообладнання в процесі його експлуатації. 
При моніторингу якість і достовірність оцінки поточного стану 
обладнання залежать не тільки від вибору комплексу інформативних 
параметрів, що контролюються, але також від класу моделей, які 
забезпечують подібну оцінку. Таким чином, актуальною є задача розробки 
математичних моделей середнього і верхнього рівня АСДМ зі спеціальними 
властивостями, необхідними для використання в алгоритмічному і 
програмному забезпеченні систем діагностичного моніторингу. Зазначені 
властивості моделей в рамках математичної підтримки АСДМ СТ 
сформульовані в [51] і містять наступне: 
1) простота математичного апарату і його адекватність важливість 
справ завданням; 
2) можливість використання поряд з параметрами контрольованого в 
on-line режимі СТ результатів періодичних вимірювань параметрів на 
однотипному обладнанні (статистику); 
3) максимальну достовірність отриманих оцінок (мінімум помилок 
діагнозу); 
4) можливість адаптації до постійно змінюваних умов експлуатації 
(здатність до навчання моделей); 
5) інваріантність до кількісних і якісних характеристик вхідного 
інформаційного простору моніторингу; 
6) високий ступінь візуалізації результатів і зручність для аналізу. 
 
  
49 
 
2.3 Аналіз теоретичних основ статистичної ідентифікації та 
прийняття рішень стосовно МНТО 
 
2.3.1 Стохастична сутність і діагностична цінність даних 
вимірювань 
Однією з найважливіших завдань в системах діагностичного контролю 
(моніторингу) електрообладнання є вимір комплексу параметрів, що 
характеризують його стан [48, 47].  
У загальному випадку комплекс контрольованих параметрів об'єкта 
t
можна представити у вигляді вектора X = x1,x2,...,xn ,  розмірністю n, що 
описує будь-яку довільну точку простору вимірювань. Розмірність n і 
потужність N вихідного простору вимірювань залежать від виду системи 
діагностичного контролю. Розмірність простору вимірювань повинна 
визначатися з урахуванням інформативності або діагностичної цінності 
вимірюються параметрів.  
Тут під діагностичної цінністю параметра розуміється його чутливість 
до змін стану об'єкта (його окремого елемента) в певних режимах роботи і 
при певних умовах експлуатації.  
Слід зазначити, що збільшення розмірності простору вимірювань 
(кількості вимірюваних параметрів), як втім, і надмірне його скорочення, аж 
ніяк не гарантує високу вірогідність діагнозу, а навпаки, збільшує 
ймовірність помилки і обмежує можливості системи діагностичного 
контролю стану обладнання.  
Інша справа потужність простору N. Вона характеризує кількість 
однорідних вимірювань параметрів xi (i =1,n)  і дозволяє працювати з ними 
як з реалізаціями випадкової величини з використанням методів 
математичної статистики [ 47]. 
За умови, що елементи множини вимірів є реалізації випадкової 
величини, їх розподіл характеризується деяким імовірнісним законом з 
50 
 
F(x)
відомими функціями F(x)  і густиною f (x) =  розподілу - інтегральними 
dx
характеристиками [47]. Для визначення закону розподілу випадкової 
величини, як правило, досить отримати одну або кілька числових констант, 
що беруть участь в його формуванні. Так, наприклад, нормальне 
розподіл випадкової величини x описується густиною 
1  2
−(x −M) 
f (x) = exp   , де числовими константами є M – математичне 
22 22
 
очікування; σ – середньоквадратичне відхилення. 
У системах безперервного діагностування (моніторингу), що 
здійснюють щохвилинні вимірювання, проблема формування 
представницької статистичної множини діагностичних параметрів відсутня. 
Однак виникає необхідність стиснення даних для зручного їх зберігання. У 
системах періодичного діагностування для формування представницької 
множини параметрів мало вимірювань параметрів xi (i =1,n)  на окремо 
взятої одиниці обладнання, оскільки ці вимірювання виконуються з відносно 
великий періодичністю [15]. У подібному випадку вдаються до використання 
ретроспективи вимірювань на великій кількості однотипного обладнання з 
однаковими умовами експлуатації.  
Такий підхід до формування представницького множини 
контрольованих параметрів є статистично коректним і цілком виправданим з 
точки зору очікуваних діагностичних переваг. Для підтвердження 
коректності підходу необхідно застосовувати процедуру перевірки гіпотези 
про однорідність вихідного статистичного матеріалу. 
Для однорідних множин вимірювань характерні «нормальні» випадкові 
відхилення від гіпотетичної середньої величини, обумовлені специфічними 
особливостями окремих елементів множини. До таких, наприклад, слід 
віднести: систематичні похибки вимірювальної апаратури, вплив 
атмосферних змін, режимні коливання параметрів тощо.  
51 
 
Однорідні множини і отримані на їх основі вибірки даних дозволяють 
застосовувати статистичний аналіз і забезпечити не тільки виявлення 
тенденцій зміни в часі окремих параметрів об'єкта, що є, до речі, вельми 
продуктивним з діагностичної точки зору, але і більш глибоку оцінку його 
технічного стану. 
У разі якщо безліч статистичних даних є неоднорідним (спростована 
початкова гіпотеза про однорідність), необхідно виконати попередній аналіз 
структури даних [47]. 
Неоднорідність статистичних даних може бути обумовлена однією з 
наступних причин : 
1) наявністю значних відхилень, викликаних грубими помилками 
(«погані» дані); 
2) неправильним віднесенням елементів множини до типового класу 
станів (помилки класифікації). 
Кожна із зазначених причин може бути успішно усунута одним з 
відомих способів [46]. При цьому практично завжди вдається відновити 
однорідність множини і використовувати найефективніші методи 
статистичної обробки інформації.  
Так, наприклад, усунення причини 1 гарантовано забезпечить 
виключення «поганих» даних з сформованих вибірок. Для усунення причини 
2 потрібна декомпозиція (розбиття) вихідної множини на ряд підмножин, в 
кожної з яких виконується властивість однорідності даних. Іншими словами 
необхідно вирішувати задачу статистичної класифікації, для чого є потужний 
математичний апарат. 
Прийнятий в магістерській роботі підхід до обробки вихідного 
статистичного матеріалу, що представляє собою масиви діагностичної 
інформації про обладнання, ідеологічно близький до підходу, описаного в 
[47]. 
  
52 
 
Слідуючи цьому підходу, однорідність випадкової сукупності слід 
розглядати в двох аспектах: якісному і кількісному. Якісна однорідність 
властива будь-якій неоднорідною сукупності, елементи якої сформовані під 
впливом загальних причин і умов, а їх закони розподілу мають просту 
структуру. Якщо застосувати декомпозицію до такої сукупності, тобто 
розділити її на частини, то можливо отримати кілька однорідних сукупностей 
кожна зі своїми кількісними характеристиками. Таким чином, згідно з [65] 
неоднорідність випадкової сукупності слід розглядати як результат змішання 
кількох однорідних сукупностей. 
Зазначене подання дозволяє сформувати інше, більш загальне в 
філософському сенсі розуміння завдання статистичної класифікації і 
усвідомлено підійти до вибору методів і алгоритмів її рішення. 
 
2.3.2 Порівняльний аналіз класичних методів статистичної теорії 
розпізнавання образів 
Проблемі обробки великих масивів спеціальної інформації за 
допомогою класифікації і розпізнавання образів присвячена велика кількість 
фундаментальних і прикладних робіт [ 52, 53] значна частина яких може бути 
віднесена до класики жанру. Результати даних досліджень з професійної 
ретельністю узагальнюють і деталізують різні аспекти і сторони проблеми в 
багатьох областях її прояви. 
Актуальність завдань класифікації та розпізнавання образів особливо 
висока в сфері технічного діагностування та експлуатації електричного 
обладнання станцій і мереж, де від достовірності оцінок і оперативності 
впливів залежить надійність, економічність і якість функціонування окремих 
об'єктів і електроенергетики в цілому. 
В даному розділі наводиться короткий аналітичний огляд існуючих 
математичних підходів і методів розпізнавання. Його мета полягає у 
виявленні меж застосування загальних теоретичних рішень для розробки 
ефективних моделей автоматичної ідентифікації станів маслонаповненого 
53 
 
трансформаторного обладнання, що використовують діагностичну 
інформацію, їх методичного та алгоритмічного забезпечення. 
Згідно з положеннями класичної теорії [38] завдання статистичної 
класифікації та розпізнавання образів складається з комплексу 
взаємопов'язаних підзадач, кожна з яких в залежності від специфіки об'єкта і 
характеру даних може бути вирішена тим чи іншим найкращим чином. 
Структура комплексної задачі показана на рисунку 2.1. 
 
 
 
Рис. 2.1. Структура завдання розпізнавання образів відносно 
діагностування електрообладнання 
 
54 
 
Формування простору вихідних вимірювань. Аналіз показує, що в 
загальному випадку набір і кількість n Реальні показники можуть 
відрізнятися формується експертним шляхом з урахуванням специфіки 
об'єкта, типу і конструктивних особливостей обладнання, прийнятої системи 
діагностичного контролю (моніторингу) тощо. Так, наприклад, для силових 
трансформаторів при традиційній системі періодичного діагностування 
кількість контрольованих параметрів може досягати 20-25 [53]. Потрібно 
враховувати, що деякі з них з точки зору оцінки стану обладнання мають 
слабку інформативність або дублюють один одного.  
Таким чином, від початку закладається деяка інформаційна 
надмірність. 
Важливо відзначити одну характерну особливість контрольованих 
параметрів електрообладнання, які є випадковими змінними з певними 
ймовірносними законами розподілу. В процесі експлуатації обладнання 
випадкові відхилення його контрольованих параметрів від свого умовного 
середнього ( «загального рівня») або встановленої норми відбуваються під 
впливом множини випадкових факторів, кожен з яких вносить свій 
незначний, незалежний внесок в сумарне відхилення. У зв'язку з цим 
більшість контрольованих технічних параметрів нормально розподілені або 
мають розподіл близьке до нормального [52]. 
Вибір розмежувальних ознак. Поняття «ознака» грає центральну роль, 
як в технічному діагностуванні, так і в побудові математичних процедур 
розпізнавання образів. У технічному діагностуванні під ознакою розуміють 
параметр, зміна якого найбільш повно характеризує зміну стану окремого 
вузла або технічного пристрою в цілому. На практиці в якості інформативних 
ознак використовують як безпосередньо фізичні параметри об'єкта: напруга, 
струм, температуру, так і різні комбінації первинних параметрів, отримані 
розрахунково-аналітичним шляхом за допомогою спеціально розроблених 
моделей. 
55 
 
З математичної точки зору вимоги до кількості та якості 
розмежувальних ознак визначаються достатністю для опису класів станів 
об'єкта в багатовимірному просторі ознак, тобто для розбиття цього простору 
на області, відповідні контрольованим класах [52]. В загальному випадку 
t
розмірність m вектора ознак Y = y1, y2,..., yn ,  може істотно відрізнятися від 
розмірності вектора X вхідних вимірів, як в більшу, так і в меншу сторону. 
В цілому, задача вибору розмежувальних ознак є визначальною для 
якісної класифікації, оскільки значна розмірність m вихідного простору ознак 
і низька їх інформативність обмежують можливості побудови лінійно 
розділених класів станів. 
 
2.4 Розвиток методу статистичної ідентифікації на випадок 
виявлення критичних дефектів в силовому трансформаторі за 
результатами ХАРГ 
 
Модель життя силового трансформатора  представляється 
послідовністю переходів з одного стану в інший. Нормативні документи, як 
правило, розрізняють такі стани силовий трансформатор [33, 55]: 
нормальний, дефектний, пошкоджений, відмова. Більш деталізована модель 
життя МНТО представлена на рис. 2.2 за результатами аналізу робіт [25, 33, 
54, 55]. Під впливом експлуатаційних факторів і зовнішніх впливів в СТ 
виникають різного виду дефекти, розвиток яких згодом призводить до 
пошкоджень і відмов обладнання. 
При експлуатації силового трансформатора  по фактичному стану 
ключове значення набуває можливість достовірної та оперативної оцінки 
стану. Багатопараметрична оцінка може бути проведена за результатами 
діагностування кожного з елементів конструкції трансформатора (обмотки, 
магнітопровід, система охолодження, вводи, РПН, трансформаторне масло 
тощо) із застосуванням нормативно затверджених методів. Перш за все, вона 
спрямована на виявлення «критичних» дефектів, наявність яких свідчить про 
56 
 
великий ризик відмови при його подальшої експлуатації. При цьому для 
кожного елемента конструкції і методу діагностування визначаються ознаки, 
за значеннями яких фактичний стан трансформатора відноситься до певного 
класу. 
 
  
Рис. 2.2. Еволюція станів високовольтного МНТО 
 
Існують певні класи експлуатаційних станів силових трансформаторів і 
дефектів, що призводять до них [33, 55, 56] : «норма» (відсутність явних 
дефектів), «норма з відхиленнями» (малозначний дефект), «норма зі 
значними відхиленнями » (значний дефект), «погіршення» (критичний 
дефект), «передаварійний» (граничний стан). Збіг оцінок за двома і більше 
методів діагностування підвищує ефективність діагнозу, а, отже, і 
обґрунтованість прийнятих експлуатаційних рішень.  
  
57 
 
Незважаючи на зручність аналізу, критерій граничних концентрацій 
 не забезпечує необхідної чутливості і достовірності розпізнавання через 
неврахування ряду факторів, що впливають. Невизначеність діагнозу 
доводиться компенсувати проведенням повторних ХАРГ для підтвердження 
отриманих раніше результатів, що призводить до ситуації відкладеного 
рішення і, як наслідок, знижує експлуатаційну надійність трансформатора. У 
ряді випадків при прогнозуванні в трансформаторі дефекту високої сили 
прояву подібна ситуація стає абсолютно неприйнятною. Таким чином, для 
підвищення оперативності та обґрунтованості експлуатаційних рішень 
очевидна необхідність коригування і доповнення критеріїв оцінки стану 
трансформатора за результатами ХАРГ. Незважаючи на досягнутий прогрес, 
завдання розробки універсальних методів достовірної ідентифікації станів 
обладнання, що використовують для прийняття рішень процедури штучного 
інтелекту як і раніше надзвичайно актуальна. 
Один з ефективних підходів до вирішення завдання заснований на 
методах статистичної класифікації та розпізнавання образів, важливим 
перевагою яких є можливість одночасного врахування ознак різної фізичної 
природи, оскільки вони характеризуються безрозмірними величинами - 
можливостями їх появи при різних станах системи [57].  
Розглянемо дихотомію завдання виявлення ознак дефектів в силових 
трансформаторах. У формуванні класів станів П1  - «норма» і П2  «норма з 
відхиленнями» повинна брати участь статистична вибірка даних з N 
протоколів ХАРГ M однотипних трансформаторів. Спростити вихідне опис 
класів станів в просторі контрольованих ознак дозволяє дискримінант ний 
функція вектора відносних концентрацій діагностичних газів.Перевагою 
таких ознак є зменшення розмірності простору ознак і узагальнена оцінка 
вектора A, за рахунок чого підвищується його чутливість до змін складу і 
концентрацій газів, що викликається появою дефекту в трансформаторі. При 
цьому умова віднесення поточного стану трансформатора до одного з класів 
58 
 
формулюється у вигляді якщо G GІ
гр  , то А  П І
1 , якщо G Gгр  , то А  П2
, Ключова ідея методу статистичної ідентифікації дефектів в СТ складається 
в можливості поділу сумарного емпіричного розподілу ознаки G в 
підмножині дефектних станів СТ ( П2 ) як суміші однорідних розподілів, що 
диференціюються за ступенем тяжкості дефекту. В результаті застосування 
принципу дихотомії і розробленої процедури статистичних обчислень на 
основі моделей кордону розділу класів станів СТ може бути реалізовано 
попарне поділ множини станів П2  на довільну (задану) кількість класів з 
побудовою кордонів їх розділу. Така можливість виявляється особливо 
затребуваною при необхідності деталізації дефектів в трансформаторі за 
силою їх прояви. 
 
Висновки до розділу 2 
 
1. Проблема невідповідності між сучасними інформаційними 
системами, вимірювальними засобами діагностування, моніторингу та 
управління актуальним станом електроустаткування і методами обробки 
вимірювань, прийняття рішень щодо його подальшої ефективної експлуатації 
погіршується випереджаючим зростанням кількості обладнання (в тому числі 
і МНТО), що відпрацювало свій нормативний термін служби. 
Двоїстий характер проблеми проявляється, з одного боку, 
недостатньою достовірністю інтерпретації результатів діагностування, що 
призводить до прийняття необґрунтованих і не своєчасних прийнять рішень 
щодо експлуатації обладнання, до підвищення ризику відмов, загального 
зниження надійності електричних мереж. З іншого боку це викликає 
необґрунтоване завищення вартості вимірювальних і діагностичних систем за 
рахунок збільшення числа контрольованих параметрів і створення 
інформаційної надмірності з метою компенсації помилок в прийнятті рішень. 
2. Для досягнення поставлених цілей актуально рішення таких 
ключових завдань як: аналіз традиційної системи діагностичного контролю 
59 
 
(моніторингу) електрообладнання та побудови на цій основі ефективних 
моделей ідентифікації технічного стану СТ, вдосконалення методів 
прийняття рішень по їх безаварійної експлуатації, що реалізують принципи 
самонавчання та адаптації до індивідуальним особливостям обладнання і 
змін умов його експлуатації. 
3. Стохастическая сутність і діагностична цінність вимірюваних 
параметрів обладнання визначаються розмірністю і потужністю вихідного 
простору вимірювань. Розмірність множини залежить від числа вимірювань, 
а потужність характеризує кількість однорідних вимірів параметрів і 
дозволяє працювати з ними як з реалізаціями випадкової величини з 
використанням методів математичної статистики. У системах періодичного 
діагностування для формування представницьких вибірок даних вдаються до 
використання багаторічної ретроспективи вимірювань на великій кількості 
однотипного обладнання з однаковими умовами експлуатації, що 
представляється статистично коректним і цілком виправданим з точки зору 
очікуваних діагностичних переваг. 
4. Ключовим інструментом на стадії формування діагностичної 
статистики є перевірка гіпотези про її однорідності. для однорідної 
сукупності даних вона запускає процедуру оцінки технічного стану 
обладнання, для неоднорідної – процедуру виявлення і усунення причин 
неоднорідності, до яких відносять «погані» дані і помилки класифікації. 
Принципово важливим для реалізації диференціальної діагностики та 
розпізнавання дефектів в електрообладнанні є те, що неоднорідна випадкова 
сукупність даних є результат змішання кількох однорідних сукупностей. 
5. Байєсівський підхід на основі відношення правдоподібності є 
центральним і найбільш ефективним засобом вирішення завдань 
статистичної класифікації і розпізнавання образів. Однак він пов'язаний з 
низкою математичних умовностей, виконання яких не завжди досяжно, що 
істотно обмежує область його практичного застосування. Синтез 
діагностичних ознак і редукція розмірності простору ознак знімають 
60 
 
більшість обмежень і відкривають широкі можливості застосування 
Байєсової теорії до розробки методів і моделей статистичної ідентифікації 
дефектів в обладнанні, критеріїв прийняття рішень щодо його подальшої 
безаварійної експлуатації. 
6. Одним з методів попереджувального діагностування МНТО є 
хроматографічний аналіз розчинених у маслі газів (ХАРГ). Застосування 
ХАРГ визначено нормативами для всіх стадій експлуатаційного циклу 
МНТО і дозволяє сформувати представницьку вибірку даних, що містить 
багатющу статистичну інформацію про зміни його технічного стану в різних 
режимах функціонування під впливом різних чинників. 
7. Формування вихідної вибірки даних ХАРГ МНТО може бути 
реалізовано як в режимі діагностичного моніторингу з малою періодичністю 
вимірювань, так і в режимі тривалого періодичного діагностування. В 
останньому випадку вибірка включає інформацію про вплив важливих 
технологічних і експлуатаційних факторів на зміну діагностичних ознак - 
параметрів стану МНТО, що є необхідною умовою для виявлення та опису їх 
взаємозв'язків. Цьому в чималою мірою сприяє включення до вибірки ХАРГ 
даних по групі однотипних СТ, експлуатованих і діагностуються в однакових 
умовах. 
8. Синтез Байєсового класифікатора стосовно до результатів ХАРГ 
однотипного МНТО забезпечує високу (до 97%) достовірність розпізнавання 
як факту наявності / відсутності дефекту, так і його види: «розряд», 
«перегрів», «розряд і перегрів», що розширює можливості базових 
методичних вказівок з діагностики розвиваються дефектів МНТО. 
Розроблений на основі байєсівських перетворень метод статистичної 
ідентифікації дефектів і методика його застосування дозволяє коригувати 
положення межі розділу класів станів СТ в залежності від таких важливих 
експлуатаційних факторів як електричне навантаження і термін служби, що 
підвищує диференціальні властивості методу.  
  
61 
 
РОЗДІЛ 3 
МОДЕЛЮВАННЯ ПРОЦЕСІВ ТЕХНІЧНОГО ОБСЛУГОВУВАННЯ 
ОБЛАДНАННЯ ЕЛЕКТРИЧНИХ МЕРЕЖ 
 
Під технічним обслуговуванням (ТО) прийнято розуміти сукупність 
всіх технічних і організаційних дій, спрямованих на підтримання або 
повернення технічного пристрою в працездатний стан. Технічне 
обслуговування поділяють на профілактичне і коригуюче. Така класифікація 
ТО обумовлена відмінністю в цілях застосування. Так, наприклад, метою 
профілактичного ТО є зменшення ймовірності відмови ЕО або компенсація 
зниження рівня його працездатності. Даний вид ТО виконується до настання 
відмови ЕО, тому іноді його називають попереджувальним. Коригуюче ТО 
(ремонт), метою якого є відновлення втраченого працездатного стану ЕО, 
виконується після виявлення в ньому відхилення від норми (дефекту). 
 
3.1 Стратегії технічного обслуговування і ремонту обладнання  
устаткування електричних мереж 
 
У термінології технічної надійності стратегією ТОіР (технічного 
обслуговування і ремонту обладнання) називають загальний підхід до його 
забезпечення і підтримки, заснований на цілях і політиці власників ЕО, а 
також користувачів послуг і клієнтів електричної мережі. 
Еволюція стратегій ТОіР 
У вітчизняній [58] та міжнародній практиці експлуатації ЕО 
відзначений ряд стратегій ТОіР, що мають істотні відмінності як у цілях і 
підходах, так і в кінцевому результаті застосування. Ці стратегії стосовно 
областям техніки виникали в різний час, при різних поєднаннях зовнішніх і 
внутрішніх передумов. Формування та впровадження в практику тієї або 
іншої стратегії ТОіР відображало свого роду рівень усвідомлення і 
готовності вирішення проблеми невідповідності зростаючих вимог до 
62 
 
надійності електропостачання та стрімко скорочуються ресурсів на її 
підтримку і відновлення. До цих стратегій, перш за все, відносять стратегії 
технічного обслуговування і ремонту обладнання: 
1) за фактом відмови (Run-to-Failure - RTF); 
2) за фіксованим напрацюванням (Time Based Maintenance - TBM); 
3) по фактичному стану (Condition Based Maintenance - CBM); 
4) по надійності (Reliability Centered Maintenance - RCM); 
5) за оцінкою прогнозованих ризиків (Risk Based Maintenance - RBM). 
Розглядаючи історичний, технологічний, економічний, соціальний і 
інші аспекти розвитку електроенергетики, слід зазначити певну еволюцію 
стратегій ТОіР ЕО [58 -63] у міру прояву в електроенергетиці характерних 
тенденцій, таких як: 
• ускладнення і подорожчання ЕО і технологій його застосування; 
• збільшення частки ЕО, які тривалий час знаходиться в експлуатації, 
по відношенню до нового обладнання; 
• зростання інтенсивності відмов ЕО, а разом з нею зростання 
аварійних втрат, збитків і витрат на реновацію і заміну ЕО, зростає 
необхідність введення в стратегію ТОіР нових критеріїв управління, більш 
чутливих до змін показників надійності і економічності експлуатації ЕО.  
Так, наприклад, перехід від стратегії ТОіР по фіксованому часу 
напрацювання (ТВМ) до стратегії по фактичному станом багато в чому 
обумовлений усвідомленням того, що напрацювання ЕО не дає можливості 
прогнозувати його відмова, а, отже, не підвищує надійність і не скорочує 
витрати. Ці обставини неодноразово приводили до спроб класифікації і 
порівняння відомих стратегій ТОіР ЕО, оцінки їх відносної ефективності, а 
також раціональної області практичного застосування.  
У таблиці 3.1 наведені узагальнені результати порівняння відомих 
стратегій ТОіР ЕО. Як показує аналіз, еволюція стратегій ТОіР ЕО 
характеризується зміною критеріїв ефективності від часткових до більш 
загальних, від суто технічних до техніко-економічним. При цьому 
63 
 
спостерігається прагнення до розширення області прийняття рішень за 
рахунок врахування все більшої кількості факторів і обмежень, що 
впливають на управління. 
Таблиця 3.1 
Зіставлення стратегій профілактичного обслуговування ЕО мереж 
Найменування Необхідна Критерій Область 
стратегії ТОіР інформація ефективності застосування 
RNF (не планове, Факт раптової відмови; Зниження Технічно не 
коригуюче, можливість відновлення сумарного складне і не 
обслуговування) (обсяг позапланового часу дороге ЕО і його 
 ремонту); необхідність позапланових комплектуючих 
заміни. простоїв.  
TBM (планове, Статистика раптових Зниження ЕО зі зростаючої 
попереджувальне відмов і аварійних ймовірності в залежності 
 обслуговування) відключень виникнення від напрацювання 
 однотипного ЕО. відмови. частотою відмов. 
CBM (планове, Діагностична Зниження технічно 
попереджувальне статистика, моніторинг частоти відмов, складне ЕО з 
обслуговування) стану ЕО. підвищення неубуваючою 
 ймовірності частотою відмов. 
безвідмовної 
роботи. 
RCM (планове, Критичність ЕО для Підвищення Устаткування 
комбіноване функціонування Надійності системи Різної складності, 
обслуговування) системи, фактичний при заданих Технічного стану і 
стан ЕО, тяжкість обмеженнях на Критичності до 
наслідків відмов ЕО ресурси. відмов. 
(величина збитку).  
RBM (планове, Критичність до Зниження Різнорідне по 
комбіноване відмов, фактичний сукупних витрат і складності ЕО, 
обслуговування) стан ЕО, вартості ризиків збитків при віковому 
при відмові від ТОіР і забезпеченні складу, 
вартості його заданої надійності  критичності до 
проведення. функціонування відмов 
 
Складність і імовірнісна природа процесів, що відбуваються при 
експлуатації ЕО мереж, а також необхідність врахування різних факторів в 
цільових критеріях оптимізації ТОіР вимагають формалізованого опису 
стратегії як деякого вектора альтернативних рішень.  
64 
 
Без формалізації стратегії ТОіР утруднена розробка адекватних 
розрахункових моделей і методів аналізу надійності. У зв'язку з цим 
розглянемо математичне формулювання завдання експлуатації обладнання 
ЕС. 
Формалізація стратегії ТОіР для задач експлуатації ЕО мереж Розробка 
досконалої математичної моделі вимагає коректної постановки завдання 
експлуатації обладнання електричної мережі, визначення об'єкта 
дослідження, способу і засоби управління досліджуваними процесами. 
Розглянемо реальну ситуацію, яка часто виглядає наступним чином. 
Електрична мережа здійснює на деякій території передачу і розподіл 
електроенергії споживачам.  
Склад мережі і кількість вхідних в нього елементів вважається 
заданими. У відповідності до загальних норм і чинним регламентом 
періодично (через встановлені проміжки часу) здійснюється контроль і 
діагностування елементного складу мережі. періодично по графіку 
обладнання виводиться з роботи і піддається різним видам ТОіР для 
відновлення заданих експлуатаційних характеристик. За результатами 
контролю при виявленні в стані обладнання будь-яких відхилень від норми 
виконуються дії, спрямовані на їх усунення та підтримання працездатності. 
Нормальне функціонування мережі переривають випадкові події - відмови 
(аварійні відключення) обладнання, викликані як різними зовнішніми 
впливами, так і деградаційних процесів в самому обладнанні. 
Наслідками відмов є: недовідпуск електроенергії споживачам і як 
наслідок збитки, викликані технологічними втратами, а також непередбачені 
додаткові витрати компанії на часткове або повне відновлення (заміну) 
відмовив обладнання. 
Потрібно запропонувати таку стратегію ТОіР, при якій періодичність 
профілактичних і коригуючих дій, що вводяться, могла б змінюватися 
пропорційно ризику відмов компонентів електричної мережі і дозволяла 
мінімізувати сумарні експлуатаційні витрати з урахуванням очікуваного 
65 
 
збитку при допустимому рівні експлуатаційної надійності. Розглянутої 
ситуації еквівалентна наступне математичне формулювання завдання [47]. 
В дискретні моменти часу в системі спостерігається векторний 
випадковий процес Y (t) з відомими статистичними характеристиками. Тут 
(Yk )  - вектор стану складної системи, що характеризується набором 
вихідних контрольованих параметрів y1, y2, ym . Позначимо через Z (t) 
векторну невипадкову функцію, що має ту ж розмірність, що і (Yk ) , і що 
дискретно спостерігається реалізаціями вектора (Yk ) . Задамо Ф {Z (t)} - 
деякий функціонал втрат на траєкторіях випадкового процесу (Yk ) , який 
визначаються як втрати на управління процесом для утримання його в 
заданій області D (t). Фізично функціонал Ф {Z (t)} може означати аварійний 
збиток або сумарні витрати на експлуатацію складної системи, а область D (t) 
- допустимий рівень надійності або експлуатаційні допуски на контрольовані 
параметри системи 
Тоді стратегією управління на інтервалі експлуатації системи (0, T) 
слід називати вектор R (YR ) =1 (Y1),2 (Y2 ), ,k (Yk )  рішень на 
управління процесом (Yk )  в момент часу ti . Завдання управління 
експлуатацією складної системи буде складатися у виборі стратегії 
управління R (YR ) , при якої математичне очікування функціоналу втрат 
досягає найменшого значення – min M [Ф {Z (t)}] на інтервалі (0, T). 
Цілі і критерії управління обслуговуванням устаткування електричних 
мереж.  
При вирішенні сформульованої вище задачі управління експлуатацією 
складної системи важливо знати вид функціонала втрат і клас відомих 
процесів, якими можна апроксимувати реальний випадковий процес (Yk ) . 
Оптимізація управління експлуатаційними процесами обладнання 
електричних мереж вимагає завдання виду функціоналу втрат Ф {Z (t)} або 
показника (критерію) оцінки ефективності управління [47]. 
66 
 
Для апроксимації реального керованого випадкового процесу (Yk )  
широко використовуються однорідні Марковські (напівмарковських) моделі 
з безперервним часом. Цей математичний апарат знайшов широке 
застосування для опису еволюції систем з ВФІ відмов (t) =0 + b  t  де: 0  
- початкове значення інтенсивності відмов; b - коефіцієнт, що характеризує 
темпи старіння обладнання), так званих «старіючих» систем, до яких слід 
віднести всі типи обладнання електричних мереж. Побудовані на його основі 
моделі ТОіР представляють собою спрямовані графи, вершини яких 
позначають можливі в процесі експлуатації стану системи, а дуги - переходи 
з одного стану в інший. Безліч вершин і дуг графа станів задається набором 
чинників, що враховуються, до числа яких може бути віднесено кількість 
функціональних елементів системи, обсяг діагностування та відновлення та 
ін. Перевагою зазначених моделей є: наочність, можливість простого 
побудови і коригування, врахування множини необхідних взаємозв'язків, 
аналіз складних процесів по частинам. 
 
3.2 Теоретичні основи синтезу моделей ТОіР устаткування 
електричних мереж 
 
Теоретичні основи синтезу моделей технічного обслуговування систем 
і їх елементів закладені в теорії надійності, теорії відновлення і широко 
висвітлені в спеціальній літературі [64 - 67]. 
Для математичного опису природи випадкових явищ, супроводжуючих 
експлуатацію об'єктів електроенергетики і обладнання електричних станцій і 
мереж, найкращим чином підходить теорія випадкових процесів [68-69]. 
У загальному випадку під випадковим процесом прийнято розуміти 
сімейство дійсних або комплексних випадкових величин Y( t ), tT  
визначених на деякому вимірному імовірнісний просторі (множині) станів E, 
де множина параметрів T    [80].  
67 
 
Згідно класифікації випадкові процеси в залежності від того 
безперервне або дискретне безліч значень приймають випадкова величина Y 
(t) і її аргумент t, підрозділяються на процеси з безперервним, дискретним і 
комбінованим простором станів і часом. Незважаючи на різноманіття 
відомих класів випадкових процесів, найбільший інтерес для вирішення 
завдань надійності, ідентифікації та управління технічними системами 
представляють марковські і напівмарковські випадкові процеси [68-69].     
Характерною особливістю марківського випадкового процесу (ланцюга 
Маркова) є виконання важливої властивості – незалежності імовірнісних 
характеристик поведінки системи в майбутньому від минулого, а залежність 
тільки від фіксованого справжнього ( t0 ) . Цю харківську властивість 
називають «відсутністю післядії». Безсумнівно, його можна було б 
розглядати як обмеження на застосування випадкових Марківських процесів 
для опису реальних випадкових процесів, які часто мають деяку післядію. 
Однак в більшості практичних випадків на обмеженому часовому інтервалі 
T  вдається звести вказане обмеження до мінімуму, отримавши натомість 
можливість скористатися простим і зручним математичним описом, 
позначивши будь-який довільний момент часу tT  як початковий момент 
( t0 )  Марківського випадкового процесу. 
Застосування Марковських випадкових процесів для моделювання, 
наприклад, процесів експлуатації обладнання електричних мереж [68-69] 
пов'язане з поняттям потоку однорідних подій (відмов, інспекцій, 
профілактик). Ймовірносними характеристиками потоку подій при цьому є: 
розподіл ймовірності інтервалу часу між двома сусідніми подіями в потоці, 
інтенсивність потоку λ - середнє число подій, що припадають на одиницю 
часу. Для стаціонарного потоку подій, імовірнісні характеристики якого не 
залежать від часу, λ = const. Особливе значення для опису однорідних 
Марковських процесів має так званий найпростіший потік подій або 
стаціонарний пуассоновский потік. Він задовольняє одночасно 
68 
 
властивостями стаціонарності, ординарности і відсутності післядії. Для 
пуассоновского потоку характерно показовий розподіл інтервалу часу між 
двома сусідніми подіями з щільністю ймовірності f (t) =  et  
 
Важливим у практичному сенсі узагальненням однорідних 
Марківських процесів є напівмарковські випадкові процеси. Головна 
відмінність напівмарковських процесу від однорідного ланцюга Маркова 
полягає в тому, що час перебування системи в будь-якому i-му стані має не 
показовий, а довільний вид розподілу. Напівмарковські випадкові процеси, 
зберігаючи більшість достоїнств Марковських процесів, які не замінні для 
опису еволюції «старіючих» систем, до яких слід віднести всі види 
обладнання електричних мереж, а так само для систем з неповної і неточною 
інформацією про надійність [68, 69, 56, 43]. Слід зазначити в загальному 
випадку, що траєкторії напівмарковських випадкового процесу вже не 
підкоряються Марковському властивості відсутності післядії. Зате 
розширюється клас систем, які можуть використовувати напівмарковські 
випадкові процеси для опису прикладних задач теорії надійності і 
діагностики. 
В задачах планування та управління виникає необхідність 
використовувати Марковські випадкові процеси для опису поведінки 
досліджуваних систем, вводячи при цьому в опис додаткові випадкові 
фактори з обмеженою областю змін, а також деякі цільові функції 
управління. Отримувані таким чином імовірнісні опису відносять до розряду 
керованих Марковських випадкових процесів. 
Рішення основного завдання управління системою в часі зводиться до 
вибору і ймовірнісної оцінці такої траєкторії випадкового процесу (з 
множини можливих), яка задовольняє оптимального значення цільової 
функції при дотриманні заданих обмежень на параметри процесу. При цьому 
під стратегією управління розуміється деякий вектор функції R (YR )  , що 
задана на параметрах процесу і характеризує спосіб вибору рішення. 
69 
 
Реальний процес експлуатації складної технічної системи з ймовірними 
характеристиками відмов і відновлень її елементного складу може бути 
представлений як випадковий керований Марковський або напівмарковський 
процес, для якого отримали розвиток графоаналітичні моделі оцінки 
надійності. 
Поряд з очевидними перевагами, що забезпечили розглянутому підходу 
широку популярність і область застосування, справедливо відзначити і деякі 
властиві йому недоліки [68, 69, 56, 43]: 
1) враховуються тільки стаціонарні процеси, у яких перехідні 
ймовірності подій Pij (A)  постійні і не залежать від часу; 
2) моделюються процеси еволюціонують по дискретної тимчасової 
траєкторії t =1,2, ,n  ; 
3) переходи в стани контролю (інспекції) здійснюються в строго задані 
(фіксовані) моменти часу і не допускають змін періодичності; 
4) моделюються процеси частково спостережені і не допускають 
можливості коригування параметрів управління за результатами 
спостережень; 
5) процедура прийняття рішень не допускає врахування та оцінки 
ризиків відмов в системі, а також пов'язаних з ними наслідків; 
6) ітераційні послідовності пошуку рішень громіздкі в 
обчислювальному плані і виключають можливості для дослідження моделі 
при зміні зовнішніх параметрів; 
7) оптимізаційні алгоритми, що реалізують варіаційні схеми, в 
загальному випадку здатні відшукувати лише локальні екстремуми цільового 
функціоналу. 
Усунення або хоча б послаблення зазначених недоліків здатне істотно 
збагатити клас розроблюваних імовірнісних моделей і підвищити 
ефективність одержуваних на їх основі практичних додатків.   
70 
 
3.3 Аналіз синтезу математичних моделей надійності ЕО для 
актуальних стратегій управління їх технічним станом 
 
Визначивши методологічну платформу для моделювання та 
дослідження процесів експлуатації електрообладнання, приступимо до 
вибору на її основі математичних моделей оптимізації ТОіР, що  реалізують 
різні критерії ефективності. 
Необхідність моделювання експлуатаційних процесів в системі 
«енергетичні об’єднання – технічне обслуговування і ремонт обладнання 
станом» виникає в зв'язку з потребою формалізації в параметрах моделі 
залежностей виду F(Y,U,t), де: F – функція мети, Y – вектор змінних 
параметрів процесів, U – вектор керуючих впливів, t0,T – час. 
Узагальнене позначення ЕО відноситься до всіх компонентів електричних 
мереж, для яких можливе застосування стратегії обслуговування за станом.  
 
3.4 Вибір і прийняття рішень щодо підвищення ефективності 
експлуатації ЕО мереж на основі розроблених оптимізаційних моделей  
 
У сучасних умовах під ефективною експлуатацією електричних мереж 
розуміють таку якість організації процесів, яке забезпечує мінімальні витрати 
матеріальних, трудових, фінансових та інших ресурсів при дотриманні 
обґрунтованої (нормативної) надійності функціонування обладнання. Таким 
чином, в наявності складна, багатовимірна і багатокритеріальна задача, 
вимагає рішення з позицій системного підходу. Важлива роль в системі 
експлуатації відводиться діагностиці та моніторингу кожної одиниці  
енергетичного об’єднання. 
Діагностика покликана забезпечувати систему експлуатації своєчасної 
і достовірною інформацією про зміни поточного стану ЕО, про ризик відмов і 
пошкоджень з урахуванням його індивідуальних особливостей. 
71 
 
Існує професійне думка про те, що головною перешкодою на шляху 
створення ефективної системи експлуатації енергетичного обладнання є 
усереднений підхід, що виключає врахування індивідуальних особливостей 
стану кожної одиниці обладнання, а так само планування обслуговування і 
ремонтів без врахування пріоритетів і цілей енергокомпанії, наявних у неї 
ризиків і обмежень [71]. У основу вказаного думки покладено поширений в 
Європі і, особливо в США підхід до експлуатації та утримання ЕО, при 
якому кожна одиниця обладнання розглядається як безперервний фактор 
ризику для досягнення цілей енергокомпанії. Перевагою такого підходу є 
розвинена система IT підтримки вирішення завдань, що базується на 
платформі EAM (Enterprises Asset Management) і TRIM. EAM (Enterprise 
Asset Management) - це загальне поняття, що описує комплексну систему 
управління фізичними активами компанії протягом усього їхнього життєвого 
циклу. TRIM є конкретною EAM-системою, призначеною для управління 
основними фондами та активами підприємства, включаючи планування та 
виконання робіт з технічного обслуговування та ремонту (ТОіР). 
Однак і настільки прогресивний підхід не виключає постановки 
завдання пошуку балансу між потенційним ризиком втрат, пов'язаних з 
експлуатацією обладнання, і витратами на його зниження (усунення) [72]. 
Для українських розподільних електричних мереж 110-35-10 (6) кВ 
характерними є відносно невисокий рівень автоматизації контролю, 
технологія періодичного діагностування, високий відсоток морального і 
фізичного зносу ЕО, технологічна і вікова неоднорідність, а також 
обмеженість ресурсів на його модернізацію і оновлення [14, 17, 73]. 
Одночасна робота в розподільних електричних мережах загального і 
спеціального призначення великої кількості одиниць однотипного 
підстанційного обладнання та ліній електропередачі сприяє застосуванню 
статистичного підходу до організації експлуатації. Формування оперативно-
подієвої статистики типу часу життя, а також ретроспективи діагностичних 
даних ЕО дозволяє РЕМ формувати власну стратегію експлуатації на основі 
72 
 
імовірнісних характеристик процесів і їх прогностичних оцінок. В цих 
умовах економічні та технологічні переваги можуть виявитися на стороні 
стратегії, яка враховує можливості адаптації періодичності ТОіР до фактично 
спостерігається (прогнозованої) частоті пошкоджень і ризику відмов 
обладнання. 
Розглянуті у попередніх розділах критерії оцінки надійності та 
економічності експлуатації, а також моделі і методики їх реалізації являють 
собою ефективний інструмент для порівняльного аналізу та вибору найбільш 
раціональної стратегії ТОіР стосовно типу ЕО і умовами його експлуатації. 
Позиції системного підходу в даному випадку будуть проявлятися в 
можливості моделювання, кількісної оцінки (по кожному з критеріїв 
ефективності), вибору і прийняття рішення з урахуванням встановленого 
переваги на основі отриманих показників експлуатації ЕО. 
Вибір стратегії ТОіР ЕО розподільних електричних мереж проводиться для 
заданого часового горизонту планування. Як зазвичай, на горизонті 
короткострокового або середньострокового планування в інтервалі 
експлуатації ΔT = 5 ÷ 10 років для визначення базових показників ТОіР 
різних типів ЕО використовується стратегія профілактик з фіксованим часом 
напрацювання (TBM - планове, попереджувальне обслуговування). На 
горизонті оперативного планування, ΔT = 1 рік, по кожній одиниці або групі 
однотипного ЕО проводиться уточнення базових показників ТОіР з 
використанням стратегії за станом (CBM - планове, попереджувальне 
обслуговування), за  надійністю (RCM - планове, комбіноване 
обслуговування), або за оцінкою прогнозованих ризиків (RBM - планове, 
комбіноване обслуговування) в залежності від корпоративних цілей і 
критеріїв ефективності експлуатації.  
Доопрацьована комплексна методика оптимізації ТОіР ЕО і 
підвищення надійності функціонування електричної мережі багато в чому 
узагальнює результати досліджень і розробок авторів [70, 64, 56, 60] з 
урахуванням нормативної документації, представлені в попередніх главах 
73 
 
магістерського дослідження. Методика включає п'ять послідовних кроків і 
має структуру, представлену на рисунку 3.1. Її застосування дозволяє 
проводити коректування планових показників експлуатації ЕО на горизонті 
оперативного планування з урахуванням змін імовірнісних характеристик 
процесів.  
 
 
 
Рис. 3.1. Комплексна методика оптимізації технічного обслуговування  
і ремонту електрообладнання 
 
  
74 
 
Обробка статистики пошкоджуваності і відмов ЕО. Визначення 
імовірнісних характеристик випадкових процесів. 
В процесі функціонування мереж під впливом різних факторів 
відбуваються аварійні відключення повітряних ліній і обладнання підстанцій, 
які необхідно розглядати як відмови працездатності [49, 74]. 
Аналіз статистики аварійних відключень, перш за все, спрямований на 
ідентифікацію та ранжування причин відмов, супроводжуваних перервами в 
електропостачанні споживачів, виявлення критичних до відмов елементів і 
ділянок електричної мережі, що обмежують її надійне функціонування, 
оцінки ефективності заходів по підвищення надійності електричної мережі 
(зниження ризику відмов).  
Внаслідок обробки статистики аварійних відключень ЕО знаходяться 
ймовірні характеристики відмов з кількісним визначенням показників 
експлуатаційної надійності окремих типів ЕО. 
Статистичний аналіз пошкоджуваності ЕО, як було відзначено, вимагає 
вимірювань і фіксації одного або декількох параметрів (ознак), що 
характеризують стан певних типів обладнання в режимі періодичного або on-
line контролю. При цьому має значення наочність формованих статистичних 
множин.  
В режимі періодичного контролю отримання представницьких вибірок 
ознак вдається забезпечити за рахунок застосування результатів 
багаторічного діагностування ЕО.  
Одним з найбільш затребуваних методів інструментальної діагностики 
ЕО в обстежуваних мережах промислового призначення є метод 
тепловізійного контролю (ТВК) [75].  
Періодичний ТВК дозволяє розпізнавати і класифікувати дефекти в 
об'єкті по перевищення температури нагрівання його поверхні над 
температурою довкілля θ ° С:  
θ> 5 ° С - 1 група «початковий» дефект;  
5 <θ <30 ° С - 2 група «розвивається» дефект;  
75 
 
θ> 35 ° С - 3 група «аварійний» дефект.  
Класифікація дефектів забезпечує вибір заходів з підтримки 
обладнання в працездатному стані. 
Дефекти першої групи (Н) допускають тривалу експлуатацію 
обладнання з проміжним контролем і усуненням під час планового ремонту 
за графіком, дефекти другої групи (Р) допускають вжиття заходів щодо 
усунення при найближчому виведення ЕО з роботи, дефекти третьої групи 
(А) потребують негайного виведення ЕО з роботи для проведення аварійного 
ремонту.  
Слід зазначити, що значна кількість дефектів (особливо ПЛ) не 
підлягають виявленню засобами ТВК. Для їх виявлення передбачені огляди 
та інші методи діагностування.  
Незважаючи на це, багаторічна статистика виявлених і класифікованих 
дефектів, що міститься в протоколах ТВК, дозволяє визначати ймовірні 
характеристики випадкового процесу дефектоутворення в ЕО.  
На наступному етапі дослідженню підлягають часові характеристики 
потоку випадкових подій.  
 
Висновки до розділу 3 
 
1. В умовах відносно невисокого рівня автоматизації контролю, 
технології періодичного діагностування, високого відсотка морального і 
фізичного зносу електрообладнання вітчизняних розподільних електричних 
мереж, його технологічної і вікової неоднорідності, а також обмеженості 
ресурсів на модернізацію і оновлення найбільш виправдане застосування 
статистичного підходу до організації експлуатації. 
2. Формування оперативно – подієвої статистики даних типу часу 
життя, а також ретроспективи діагностичних даних електрообладнання 
дозволяє РЕМ формувати власну стратегію експлуатації на основі 
імовірнісних характеристик процесів і їх прогностичних оцінок. В цих 
76 
 
умовах економічні та технологічні переваги будуть на стороні стратегії, яка 
враховує можливості адаптації періодичності ТОіР до фактично 
спостережуваної (прогнозованої) частоті пошкоджень і ризику відмов ЕО. 
3. Застосування комплексної методики вибору і прийняття рішень по 
управління технічним станом електрообладнання на основі доопрацьованої 
оптимізаційної моделей створює можливість підвищення ефективності 
експлуатації і надійності функціонування електричної мережі за рахунок 
оптимізації технічного обслуговування і ремонту обладнання її елементів. 
Запропонована методика найбільш ефективна для застосування в задачах 
управління експлуатацією електричних мереж при врахуванні стохастичною 
невизначеності даних. 
 
  
  
77 
 
 ВИСНОВКИ 
 
1. Встановлено  невідповідність між сучасними інформаційними  
системами,  вимірювальними засобами  моніторингу і існуючими 
методами технічного обслуговування та ремонту обладнання  електричних 
мереж. 
2. Досліджено переваги  і недоліки традиційних методів і систем 
діагностичного контролю параметрів обладнання на прикладі 
маслонаповненого трансформаторного обладнання. 
3. Проведено обґрунтування, вибір та адаптацію методу 
інтелектуальної обробки і перетворення діагностичної інформації (даних 
моніторингу) та оцінки достовірності результатів в порівнянні з 
традиційними методами.  
4. Доопрацювано модель і алгоритм ідентифікації дефектів у 
маслонаповненому трансформаторному обладнанні із застосуванням 
статистики хроматографічного аналізу розчинених у маслі газів .  
5. Обґрунтувано критерії ефективності оптимізаційних моделей 
технічного обслуговування і ремонту обладнання. 
 
 
 
 
 
 
 
 
 
 
78 
 
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 
 
1. Зарубіжний досвід підвищення ефективності передавання та 
розподілу електроенергії, оптимізації втрат електроенергії в електромережах 
всіх рівнів напруги. Міністерство енергетики та вугільної промисловості 
України «НЕК «Укренерго». Науково-технічний центр електроенергетики. 
Київ – 08/2025. 85 с. 
2. Енергетична стратегія України на період до 2035 року. Біла 
книга енергетичної політики України Проект. Київ. 2014. – 40 с. 
3. Енергетична стратегія України на період до 2030 року (145а–
2006–р), схвалена розпорядженням Кабінету Міністрів України від 
15 березня 2006 р. N 145. 
4. МЕА прогнозує пік світового попиту на нафту, газ та вугілля до 
2030 року. https://hvylya.net/uk/news/281584-mea-prognoziruet-pik-mirovogo-
sprosa-na-neft-gaz-i-ugol-do-2030-goda. 
5. Оглядач європейського та світового енергетичних ринків. 
Публікація Міністерство енергетики України. 18.10.25 р. 
https://www.facebook.com/minenergoUkraine/posts.  
6. Енергетичний менеджмент та аудит. Теорія та практикум: 
[Електронний ресурс]: навч. посібник для студ. спеціальності 141 
«Електроенергетика, електротехніка та електромеханіка» 
освітньопрофесійних програм «Енергетичний менеджмент та 
енергоефективні технології», «Системи забезпечення споживачів 
електричною енергією», «Інжиніринг електротехнічних комплексів», 
«Електромеханічні та мехатронні системи енергоємних виробництв», 
«Ресурсоефективне та чисте виробництво», «Енергетичний менеджмент та 
ресурсоефективність» та «Електропостачання»/А. Й. Клещов, О. М. 
Терентьєв, Н. А. Шевчук, О.В. Бориченко С.В. Кудільчак/ КПІ ім. Ігоря 
Сікорського. - Електронні тестові дані ( 1 файл: 12.4 МБ). Київ: КПІ ім. Ігоря 
Сікорського, 2022. - 183 с. 
79 
 
7. Лежнюк П. Д. Електроощадні технології в електричних мережах 
енергосистем / Любов Наумівна Добровольська, Володимир Володимирович 
Кулик, Петро Дем’янович Лежнюк // Під редакцією Лежнюка П.Д. − Луцьк: 
ІВВ Луцького НТУ, 2018. − 328 с. 
8. Naumann, A. Smart grid automation using IEC 61850 and CIM 
standards [Text] / A. Naumann [et al.] // Control Engineering Practice. – 2014. – 
Т. 25, № 1. – С. 102–111. 
https://www.researchgate.net/publication/260011116_Smart_grid_automation_usin
g_IEC_61850_and_CIM_standards. 
9. Основи ефективного використання електричної енергії в 
системах  електроспоживання промислових підприємств : навч. посіб. / 
[Соловей О. І., Розен В. П., Плєшков П.Г. та ін.] ; М-во освіти і науки 
України, Кіров. нац. техн. ун-т. – Черкаси: видавець Чабаненко Ю., 2015. – 
316 с. 
10.  С.П. Денисюк, Р. Стшелецькі. Формування складових 
інтелектуальної платформи керування енергетичними системами та 
мережами. Енергетика: економіка, технології, екологія. 2019. № 3. 3. 7-22. 
https://ela.kpi.ua/server/api/core/bitstreams/2f12a6fb-bc97-47bb-b856-
48f7e8fb1f60/content. 
11.  Базюк Т.М., Блінов І.В., Буткевич О.Ф., Денисюк С.П. та інш. 
Інтелектуальні електричні мережі: елементи та режими / За заг. ред. акад. 
НАН України О.В. Кириленка /Інститут електродинаміки НАН України. – К.: 
Ін-т електродинаміки НАН України, 2016. – 400 с. 
12.  Добровольська Л.Н., Волинець В.І., Собчук Д.С., Черкашина 
В.В. Електричні мережі з відновлювальними джерелами енергії: навчальний 
посібник / Любов Наумівна Добровольська, Владислав Ігорович Волинець, 
Дмитро Сергійович Собчук, Вероніка Вікторівна Черкашина. // Під 
редакцією Добровольської Л.Н.− Луцьк: РВВ Луцького НТУ, 2016. − 352 с. 
80 
 
13.  Добровольська Л.Н. Ефективність розподільних електричних 
мереж / Л. Н. Добровольська .- Луцьк: Видавництво ЛДТУ, 2007. – 184 с. 
14.  Ефективне керування режимами систем забезпечення  
споживачів електричною енергією [Електронний ресурс] : навч. посіб. для 
студ. спеціальності 141 «Електроенергетика, електротехніка та 
електромеханіка», освітніх програм «Системи забезпечення споживачів 
електричною енергією» та «Енергетичний менеджмент та енергоефективні 
технології» / В. А. Попов, В. В. Ткаченко, О. С. Ярмолюк ; КПІ ім. Ігоря 
Сікорського. – Електронні текстові дані (1 файл: 4,32 Мбайт). – Київ : КПІ ім. 
Ігоря Сікорського, 2021. – 163 с. 
15.  Діагностика стану електротехнічного обладнання: Курс лекцій 
[Електронний ресурс]: навч. посіб. для студ. спеціальності 141 
«Електроенергетика, електротехніка та електромеханіка», освітньо-
професійних програм «Електротехнічні пристрої та електротехнологічні 
комплекси» / КПІ ім. Ігоря Сікорського; уклад.: О. Р. Проценко Я. – 
Електронні текстові дані (1 файл: 5,06 Мбайт). – Київ: КПІ ім. Ігоря 
Сікорського, 2022. – 162 с. 
16. Загайнова, О. А. Сердюкова, Г. М. Підвищення експлуатаційної 
надійності маслонаповненого високовольтного обладнання електричних 
мереж та систем на основі контролю стану ізоляції. Вісник Харківського 
національного технічного університету сільського господарства ім. П. 
Василенка. 2017. Випуск 186: Проблеми енергозабезпечення та 
енергопостачання в АПК України. с.67-69. 
https://repo.btu.kharkiv.ua/items/e96b775d-0ae1-4548-b7e3-f3d02d92d12d. 
17. Розробка та впровадження систем моніторингу і діагностування 
потужних електроенергетичних об’єктів та систем України. Буткевич О.Ф., 
Дуркот О.О., Дячук С.Я., Михайлевський О.С., Мольков А.М., Сорочинський 
В.В., Стасюк О.І., Тутик В.Л., Ущаповський К.В., Яндульський О.С. Номер 
роботи - P 24. Представлена Інститутом електродинаміки НАН України. 
81 
 
https://kdpu-nt.gov.ua/uk/content/rozrobka-ta-vprovadzhennya-system-
monitoryngu-i-diagnostuvannya-potuzhnyh. 
18.  Костерєв М. В., Бардик Є. І., Литвинов В. В. Оцінка імовірності 
відмови електрообладнання при керуванні режимами електричної системи. 
Наукові праці ДНТУ. «Електротехніка і енергетика», Донецьк. 2011. Вип. 11 
(186). С. 199–204. 
19. Бардик Є. І. Моделювання оцінки ризику відмов 
електрообладнання електроенергетичних систем з урахуванням рівня 
відновлення ресурсу після ремонту. Науковий вісник Національного 
гірничого університету, Дніпропетровськ. 2014. № 3. С. 82–90. 
20.  СОУ-Н МEB 40.1-37471933-104: 2014 "Методики оцінки 
технічного стану силових трансформаторів напругою від 35 кВ до 750 кВ" 
[Чинний від 2013-01-09]. Львів: ЛьвівКБ, 2014. 52 с. 
21.  СОУ-Н ЕЕ 20.302:2007 "Норми випробувань електрообладнання" 
[Чинний від 2007-04-15]. Харків, 2009. 278 с. 
22. Павленко Т. П. Сучасні електромехатронні комплекси і системи : 
підручник / Т. П. Павленко, В. М. Шавкун, О. С. Козлова ; Харків. нац. ун-т 
міськ. госп-ва ім. О. М. Бекетова. – Харків : ХНУМГ ім. О. М. Бекетова, 2021. 
– 265 с.  
23. Бардик Є. І., Костерєв М. В., Вожаков Р. В., Болотний М. П. 
Оцінка технічного стану і прогнозування ресурсу працездатності силових 
трансформаторів на основі теорії нечітких множин. Вісник Вінницького 
політехнічного інституту. Вінниця, 2012. №2. С. 83–87. 
24.  О. М., Ігнатенко О. Г. Нормування показників надійності 
технічних засобів: навчальний посібник. – Вінниця: ВНТУ, 2013. – 160 с. 
[Електронний ресурс]. Адреса доступу: 
https://core.ac.uk/download/pdf/52159027.pdf.   
82 
 
25. Денисюк С.П. Загальні підходи до побудови систем моніторингу 
силових трансформаторів з використанням стохастичних моделей / С.П. 
Денисюк, І.В. Притискач // Праці ІЕД НАНУ. – 2014. – Вип. 37. – С.62–68. 
26.  Денисюк С.П. Розробка системи онлайн моніторингу стану 
силових трансформаторів / С.П. Денисюк, М.Ф. Сопель, Ю.В. Пилипенко, 
І.В. Притискач // Вісник НТУУ «КПІ». Серія «Гірництво». – 2014. – № 24. – 
С.92–103. 
27.  Денисенко М.А. Отримання статистичних характеристик 
електричного навантаження як неперіодичного випадкового процесу / М.А. 
Денисенко, І.В. Притискач // Праці ІЕД НАНУ. – 2013. – Вип. 36. – С.14–17. 
28.  R. A. Gopinath, Wavelet Based Post Processing of Low Bit Rate 
Transform Coded Images, Proc. ICIP’94, Nov. 1994. – p. 913 – 917. 
29.  B. Jeon, J. Jeong and J. Jo, Locking artifacts reduction in image 
coding based on minimum block boundary discontinuity, Visual Communications 
Proceedings, Image Processing, May 1995. – p. 198 – 209.  
30.  Duval, M. A Review of Faults Detectable by Gas-in-Oil Analysis in 
Transformers [Text] / M. Duval // IEEE Electrical Insulation Magazine. – 2002. –
Vol. 18, № 3. – Р. 8–17. 
31.  Sherif, S. M. Ghoneim Dissolved Gas Analysis as a Diagnostic Tools 
for Early Detection of Transformer Faults [Text] / Ghoneim S. M. Sherif, Ward A. 
Sayed // Advances in Electrical Engineering Systems. – 2012. – Vol. 1, № 3. – 
Р.152–156. 
32.  Slim, I. Robust Partial Discharge Measurement in MV Cable 
Network using Discrete Wavelet Transforms [Text] / I. Slim, J. J. Soragan, W. H. 
Siew, K. Sludden, P. F. Gale // Power Engineering Society Winter Meeting. – 
2000. – Vol. 1. – P. 33–35. 
33. СОУ-Н ЕЕ 46.501:2006 Діагностика маслонаповненого 
трансформаторного обладнання за результатами хроматографічного аналізу 
вільних газів, відібраних із газового реле, і газів, розчинених у ізоляційному 
маслі. 
83 
 
https://online.budstandart.com/ua/catalog/doc-page.html?id_doc=70928.  
34. Адамова С. В. Оцінка технічного стану силових трансформаторів 
за результатами ХАРГ. Том 8 № 2 (2018): Науковий вісник Таврійського 
державного агротехнологічного університету. Том 8 № 2 (2018): 
https://oj.tsatu.edu.ua/index.php/visnik/article/view/41. 
35. Бідюк П.І. Байєсівський аналіз даних : монографія / П. І. Бідюк, І. 
О. Калініна, О П. Гожий. – Херсон: Книжкове видавництво ФОП 
Вишемирський В.С., 2021.– 208 с. 
36.  The Application Of Exploratory Factor Analysis In Agricultural 
Education Research. December 1994Journal of Agricultural Education 35(4) 
DOI:10.5032/jae.1994.04009э 
https://www.researchgate.net/publication/253551647_The_Application_Of
_Exploratory_Factor_Analysis_In_Agricultural_Education_Research. 
37. Костерєв М. В., Бардик Є. І., Літвінов В. В. Нечітко-статистичний 
підхід оцінювання експлуатаційної та режимної надійності об’єктів 
підсистем електроенергетичної системи. Наукові праці ДНТУ. Серія 
«Електротехніка і енергетика», Донецьк. 2013, №1(14). С. 122–128. 
38. Бардик Є. І., Костерєв М. В., Болотний М. П. Підвищення 
надійності функціонування енергокомпаній на основі оцінки ризику 
виникнення аварійних ситуацій при відмовах електрообладнання. Праці 
Інституту електродинаміки Національної академії наук України. Київ, 2014. 
№39. С. 13–20. 
39.  В. В., Василенко В. В., Гніденко М. П. та ін. Основи надійності 
та діагностики інформаційних систем. Навчальний посібник підготовлено 
для самостійної роботи студентів та аспірантів вищих навч. закладів. – Київ: 
ННІІТ ДУТ, 2020. – 184 с. 
  
84 
 
40.  Журахівський А. В., Казанський С. В., Матеєнко Ю. П., Пастух 
О. Р. Надійність електроенергетичних систем і електричних мереж: 
підручник. – Київ: КПІ ім. Ігоря Сікорського, Вид-во «Політехніка», 2017. – 
457 с. [Електронний ресурс]. Адреса доступу: https://ela.kpi.ua/items/da1fdc22-
21eb-4315-b1a9-24580381a30c 
41.  Відновлювана енергетика та енергоефективність у XXI столітті: 
Матеріали XXII Міжнародної науково-практичної конференції (Київ, 19–20 
травня 2022 р.). – К.: Інтерсервіс, 2022. – 329 с. https://www.ive.org.ua/wp-
content/uploads/tezy-2022.pdf. 
42. СОУ-Н ЕЕ 20.302:2007 "Норми випробувань електрообладнання" 
[Чинний від 2007-04-15]. Харків, 2009. 278 с. 
43. Губаревич О. В. Надійність і діагностика електрообладнання: 
Підручник. – Сєвєродонецьк: вид-во СНУ ім. В. Даля, 2016. – 248 с. 
[Електронний ресурс]. Адреса доступу: http://surl.li/qqcyn  
44. Бандурян Б. Б., Федоренко Г. М., Остапчук Л. Б.,. Саратов В .О. 
Контроль та діагностика технічного стану основного електротехнічного та 
теплового обладнання АЕС, ТЕС і ГЕС на основі тепловізійних технологій. // 
Київ: Проблеми безпеки атомних електростанцій і Чорнобиля. – 2006. ‒ Вип. 
4. – С. 125-131. Електронний ресурс]. Адреса доступу: 
https://www.ispnpp.kiev.ua/wp-content/uploads/2017/2006_04/c125.pdf. 
45.  Система CEM-DAS компанії ABB. 
https://general.energy/news/abb-lidiru%D1%94-v-galuzi-monitoringu-
vikidiv-vpershe-v-galuzi-provivshi-kvalifikaczijnij-test-sistemi-zboru-danih/.  
46. Рой В. Ф. Системи діагностування, контролю, керування та 
захисту електроенергетичних установок і комплексів : конспект лекцій для 
аспірантів першого року навчання за спеціальністю 141 – Електроенергетика, 
електротехніка та електромеханіка / В. Ф. Рой, Ю. П. Кравченко ; Харків. 
нац. ун-т міськ. госп-ва ім. О. М. Бекетова. – Харків : ХНУМГ ім. О. М. 
Бекетова, 2020. − 128 с. 
85 
 
47. Математичне моделювання в електроенергетиці : [навч. посібник] / 
[Уклад. М. С. Середа]. – Львів. : Вид-во нац. ун-т «Львівська політехніка», 
підручник, 2010. – 608 с. 
48. Рой В. Ф. Системи діагностування, контролю, керування й захисту 
електроенергетичних установок і комплексів // Конспект лекцій / В. Ф. Рой, 
Ю. П. Кравченко. – Харків ; ХНУМГ ім. О. М. Бекетова – 2019. – 125 с. 
49. Рой В. Ф. Електромагнітні процеси у вузлах навантаження 
високовольтних електричних мереж.// Конспект лекцій / В. Ф. Рой, Ю. П. 
Кравченко. – Харків; ХНУМГ ім. О. М. Бекетова. – 2019. – 108 с. 
50. Матвійчук В.А. Діагностування електрообладнання / В.А. 
Матвійчук, О.Є. Рубаненко, І.О. Гунько // навч. посіб.-Вінниця: ВНАУ, 2020.-
138 с. 
51. ENERGY AUTOMATION LLC. «Централізована система 
моніторингу і діагностики». http://www.enera.com.ua/solutions/Centralized-
CFM/. 
52. Довбиш А. С. Основи теорії розпізнавання образів : навч. посіб. : у 
2 ч. / А. С. Довбиш, І. В. Шелехов. – Суми : Сумський державний 
університет, 2015. – Ч. 1. – 109 с. 
53. Shalkoff R. J. Digital image processing and computer vision / R. J. 
Shalkoff. – New York-Chichester-Brisbane-TorontoSingapore: John Wiley & 
Sons, 1989. – 489 p. 
https://www.scirp.org/reference/referencespapers?referenceid=2298272.  
54. Assessment of Power Transformer Technical State Using Explainable 
Artificial Intelligence November 2024 Problems of the Regional Energetics. 
DOI:10.52254/1857-0070.2024.4-64.01. 
https://www.researchgate.net/publication/386364668_Assessment_of_Pow
er_Transformer_Technical_State_Using_Explainable_Artificial_Intelligence. 
  
86 
 
55. Притискач, І. В. Методи оцінки технічного стану в системах 
моніторингу силових трансформаторів / І. В. Притискач // Енергетика: 
економіка, технології, екологія : науковий журнал. – 2014. – Спецвипуск. – С. 
66–71. – https://ela.kpi.ua/handle/123456789/13710. 
56. Бондаренко О. І. Надійність роботи силових трансформаторів у 
сучасних електричних мережах. – Харків: НТУ «ХПІ», 2019. – 310 с. 
57. О. В. ШУТЕНКО, Д. М. БАКЛАЙ. Аналіз графічних методів 
розпізнавання типу дефекту за результатами ХАРГ.Вісник НТУ «ХПІ» . 
2016.№ 3 (1175). с.122-140. https://files.core.ac.uk/download/pdf/162879667.pdf. 
58. ГКД 34.20.661-2003 Правила організації технічного 
обслуговування та ремонту обладнання будівель і споруд електростанцій та 
мереж (в редакції наказу від 15.03.2019 № 124). 
https://online.budstandart.com/ua/catalog/doc-page.html?id_doc=85613. 
59. Yefimov O.V. Reactors and steam-generators of NPP power units: 
schemes, processes, materials, constructions, models / O.V. Yefimov, M.M. 
Pylypenko, T.V. Ponanina, T.A. Harkusha. / Kharkiv: ‒ “V Spravi” ‒ 2017. ‒ 
420 p.  
60. Лут М.Т., Мірошник О.В., Трунова І.М.. Основи технічної 
експлуатації енергетичного обладнання АПК.: Підручник для студентів ВНЗ. 
– Харків: Факт, 2008. - 438 с. 
61. ДСТУ 2389-94 Технічне діагностування та контроль технічного 
стану. Терміни та визначення.  https://online.budstandart.com/ua/catalog/doc-
page.html?id_doc=104134.  
62. СОУ НАЕК 033:2024. Технічне обслуговування та ремонт. 
Правила організації технічного обслуговування та ремонту обладнання 
енергоблоків і загальностанційного обладнання атомних електростанцій. 
https://old.energoatom.com.ua/parts/pdf-
ile/sou/SOU%20NAEK%20033_2024.pdf. 
  
87 
 
63. СОУ-Н ЕЕ 20.623:2009. Система технічного обслуговування та 
ремонту обладнання електростанцій. Номенклатура і комплектність 
нормативно-технічних конструкторських ремонтних документів. 
https://online.budstandart.com/ua/catalog/doc-page.html?id_doc=68362. 
64. Пальчевський Б. О. Дослідження технологічних систем 
(моделювання, проектування, оптимізація) / Б. О. Пальчевський.– Львів : 
Світ, 2001. – 232 с. 
65. Тимченко А. А. Основи системного проектування тасистемного 
аналізу складних об’єктів: Основи системного підходу та системного аналізу 
об'єктів нової техніки : навчальний  посібник / За ред. Ю. Г. Леги / А. А. 
Тимченко. – К. : Либідь, 2004. – 288 с. 
66. Кушніров П. В. Системно-структурне моделювання технологічних 
процесів і систем : навчальний посібник / П. В. Кушніров, А. В. Євтухов, І. 
М. Дегтярьов. – Суми : Сумський державний університет, 2023. – 134 с. 
67. Сахно Є. Ю. Основи системотехніки: навчальний посібник / Є. Ю. 
Сахно, О. І. Терещук, В. М. Чуприна, С. В. Коваленко. – Чернігів : НУ 
«Чернігівська політехніка», 2022. – 280 с. 
68. Gertsbakh, I Reliability Theory with Application to Preventive  
Maintenance [Text] / I. Gertsbakh. – Springer, 2000. –348 c. 
69. Pacurar A. C. Applications of Design for Manufacturingand Assembly. 
Chapter 1. Introductory Chapter : Applications of Design for Manufacturing and 
Assembly [Electronic resource] / A. C. Pacurar. – IntechOpen, 2019. – 100 p.  
https://www.intechopen.com/chapters/64640. 
70. Mathematical Modeling of Technological Processes / 8th International 
Conference, CITech 2015 (September 24–27, 2015). – Almaty : Springer. 
https://link.springer.com/book/10.1007/978-3-319-25058-8. 
71. Економіка енергетики: підручник/за ред. д.е.н., проф. 
Л.Г.Мельника – Суми: Університетська книга, 2015. – 378 с. 
https://newlibrary.snau.edu.ua/cgi-bin/koha/opac-retrieve-
file.pl?id=16ea5301429f779be93c0389b4b2c214. 
88 
 
72. IT-Enterprise. Ремонти і обслуговування, EAM. 
https://www.it.ua/about-company. 
73. Новітні технології сучасного суспільства (НТСС-2022) : ІІІ 
Міжнародна науково-практична конференція (м. Чернігів, 20 грудня 2022 р.) 
: тези доповідей – Чернігів : НУ «Чернігівська політехніка», 2022. – 251 с. 
https://inel.stu.cn.ua/ntss/NTSS_2022_zbirnyk.pdf. 
74. ПРОЄКТУВАННЯ СИСТЕМ ЗАБЕЗПЕЧЕННЯ СПОЖИВАЧІВ 
ЕЛЕКТРИЧНОЮ ЕНЕРГІЄЮ [Електронний ресурс] : навч. посіб. для студ. 
спеціальності 141 «Електроенергетика, електротехніка та електромеханіка», 
освітніх програм «Системи забезпечення споживачів електричною енергією» 
та «Енергетичний менеджмент та енергоефективні технології» / В. А. Попов, 
В. В. Ткаченко, О. С. Ярмолюк ; КПІ ім. Ігоря Сікорського. – Електронні 
текстові дані (1 файл: 14,5 Мбайт). – Київ : КПІ ім. Ігоря Сікорського, 2021. – 
222 с. https://ela.kpi.ua/server/api/core/bitstreams/2ca42acc-2a7c-4d9c-86c5-
66a7ad3e9e6d/content. 
75. Норми випробування електрообладнання - Тепловізійний контроль 
електрообладнання та повітряних ліній електропередавання. 
https://forca.com.ua/knigi/pravila/normi-viprobuvannya-
elektroobladnannya_33.html. 
76. Havryliuk B.  Samoilyk O.. IMPROVING OF THE EFFICIENCY OF 
ELECTRICAL NETWORK OPERATION DUE TO OPTIMIZATION OF 
MAINTENANCE AND REPAIR OF EQUIPMENT. / Havryliuk B. VI 
International Scientific and Theoretical Conference. Scientific method: reality and 
future trends of researching. 06.06.2025. Montreal, Canada. р.127. 
https://previous.scientia.report/index.php/archive/issue/view/126. 
 
 
 
 
89
ChSTU repository

ChSTU repository preserves and enables easy and open access to all types of digital content including text, images, moving images, mpegs and data sets
