Прогнозирование отказов воздушных линий 35 кВ на основе нейросети для обеспечения надежности электроснабжения агропромышленного комплекса

Аннотация

Представлены разработка, обучение и верификация интеллектуальной модели прогнозирования количества и типов технологических нарушений на воздушных линиях электропередачи напряжением 35 кВ. Основная цель работы заключается в повышении надежности электроснабжения объектов агропромышленного комплекса в условиях специфических и динамично меняющихся климатических факторов Шалинского района Чеченской Республики. Актуальность обусловлена критической зависимостью современного АПК от стабильного энергоснабжения и ограничениями традиционных подходов к диагностике состояния ВЛ 35 кВ, не способных учитывать сложные, нелинейные взаимосвязи множества факторов. В качестве методологической основы использована полносвязная нейронная сеть, обученная на обширном временном ряду данных за период 2018-2023 гг. Исходная информация была агрегирована из оперативных журналов, систем SCADA и локальных метеорологических станций, что позволило учесть влияние таких деструктивных факторов, как температурные перепады, ветровые нагрузки и гололедно-изморозевые отложения. Оптимизация архитектуры нейронной сети проводилась с использованием байесовского подхода, а её прогностическая способность оценивалась метрикой средней абсолютной ошибки (MAE). Эмпирические эксперименты показали, что оптимальной является трехслойная архитектура нейронной сети с конфигурацией 16 × 64 × 64 нейронов, которая обеспечила минимальное значение MAE ≈ 0,17 по каждому классу прогнозируемых повреждений. Было установлено, что дальнейшее увеличение глубины или ширины сети не приводило к существенному улучшению результатов, подтверждая оптимальный баланс между сложностью модели и объемом обучающих данных. Разработанная модель демонстрирует высокую перспективность для своевременного планирования превентивных ремонтных мероприятий, что значительно повышает операционную надежность электроснабжения критически важных объектов АПК.