РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ДИАГНОСТИКИ ТЕПЛОЭНЕРГЕТИЧЕСКОГО ОБОРУДОВАНИЯ НА ОСНОВЕ НЕЧЕТКИХ НЕЙРОННЫХ СЕТЕЙ
DOI:
https://doi.org/10.14529/power240108Ключевые слова:
интеллектуальная система диагностики, топливно-энергетический комплекс, измерительно-вычислительный комплекс, система мониторинга, инженерная онтологияАннотация
Разрабатываемая в данной статье интеллектуальная система диагностики оборудования технологических процессов в топливно-энергетическом комплексе РФ, имеет ряд преимуществ перед другими подобными системами.
Система основана на использовании современных измерительно-вычислительных комплексов, способных проводить сбор, обработку и хранение данных с различных устройств измерения и систем мониторинга оборудования в режиме онлайн. Это позволяет осуществлять диагностику оборудования без отрыва от основного технологического процесса и контролировать его текущее и фактическое состояние процесса в целом.
Система обладает высокой достоверностью получаемых данных и позволяет накапливать и сохранять информацию, создавая структурированный массив данных и инженерную онтологию. Основной целью системы является оценка технического состояния объектов системы теплоснабжения на основе диагностики разнообразных характеристик, таких как объемы ремонтов, замены, реконструкции и обслуживания оборудования. Результатом процедуры диагностики является количественное оценочное значение остаточного ресурса системы, оборудования или объекта, а также повышение их надежности путем предоставления оператору достоверной информации о текущем состоянии.
В данной работе оценка технического состояния осуществляется системой мониторинга, без учета других подсистем. Разработка и интеграция подобных интеллектуальных систем ориентирована на повышение эффективности и минимизацию ресурсных затрат.
Скачивания
Библиографические ссылки
Веселова Н.М., Зеляковский Д.В. Интеллектуальные системы диагностики энергетического обору-дования // Современные методы и приборы контроля качества и диагностики состояния объектов: сб. ст. 7-й Междунар. науч.-техн. конф., Могилев, 24–25 сентября 2020 г. Могилев: Белорусско-Российский уни-верситет, 2020. С. 45–50.
Интеллектуальная диагностика систем электрооборудования и связи магистральных трубопрово-дов / О.В. Крюков, А.В. Саушев, М.Н. Сычев [и др.]. М.; Вологда: ООО «Изд-во «Инфра-Инженерия», 2022. 276 с.
Повышение надежности эксплуатации электрооборудования и сетей 6–10 кВ при использовании цифровых технологий / Н.П. Кондратьева, В.К. Ваштиев, А.В. Радикова, А.А. Шишов // Актуальные вопро-сы энергетики АПК: Материалы Нац. науч.-практ. конф., посвященной 100-летию плана ГОЭРЛО, Ижевск, 03–04 декабря 2020 г. Ижевск: Ижевская государственная сельскохозяйственная академия, 2021. С. 42–45.
Подходы к построению интеллектуальной системы мониторинга, диагностики и прогнозирования технического оборудования / Р.Н. Поляков, Н.В. Крупенин, И.Е. Кудрявцев [и др.] // Современные матери-алы и технологии восстановления и упрочнения деталей промышленного оборудования: сборник матери-алов первой международной научно-практической конференции, Старый Оскол, 16–17 сентября 2021 г. Старый Оскол: Старооскольский технологический институт (филиал) Федерального государственного автономного образовательного учреждения высшего профессионального образования «Национальный исследовательский технологический университет «МИСиС», 2021. С. 81–85.
The role of hydrogen and fuel cells in the global energy system / I. Staffell, K.R. Ward, D. Scamman et al. // Energy & Environmental Science. 2019. Vol. 12, no. 2. P. 463–491. DOI: 10.1039/c8ee01157e
Проблемы замены изношенного оборудования в электроэнергетике России: приоритеты модерниза-ции в контексте обеспечения надежности и безопасности / Е.П. Грабчак, Е.Л. Логинов, Ю.А. Романова // Проблемы безопасности и чрезвычайных ситуаций. 2019. № 5. С. 38–43. DOI: 10.36535/0869-4176-2019-05-5
Duan J., He Y., Wu X. A space hybridization theory for dealing with data insufficiency in intelligent power equipment diagnosis // Electric Power Systems Research. 2021. Vol. 199. DOI: 10.1016/j.epsr.2021.107363
Zhang L., Wang J. Intelligent safe operation and maintenance of oil and gas production systems: Connota-tions and key technologies // Natural Gas Industry B. 2023. Vol. 10, iss. 3. P. 293–303. DOI: 10.1016/j.ngib.2023.05.006
Ibrahim A.I., Dommel H.W. An intelligent support system for the analysis of power system transients // International Journal of Electrical Power & Energy Systems. 2003. Vol. 25, iss. 1. P. 71–77. DOI: 10.1016/S0142-0615(02)00022-4
Хальясмаа А.И. Разработка системы оценки технического состояния электросетевого оборудова-ния на основе нейро-нечеткого логического вывода: дис. … канд. техн. наук. Екатеринбург, 2015. 167 с.
Петров А.М., Попов А.Н. Разработка интеллектуальной системы поддержки принятия решений по оценке состояния объектов системы теплоснабжения // Автоматизация и информатизация ТЭК. 2023. № 6 (599). С. 15–21. DOI: 10.33285/2782-604X-2023-6(599)-15-21
Петров А.М., Попов А.Н., Кузяков О.Н. Совершенствование архитектуры интеллектуальных си-стем управления
Автоматизация и информатизация ТЭК. 2023. № 4 (597). С. 15–22. DOI: 10.33285/2782-604X-2023-4(597)-15-22
Carvajal G., Maucec M., Cullick S. Chapter Five – Workflow Automation and Intelligent Control // Intel-ligent Digital Oil and Gas Fields. Gulf Professional Publishing, 2018. P. 149–195. DOI: 10.1016/B978-0-12-804642-5.00005-0
Basu S., Debnath A. Power Plant Instrumentation and Control Handbook: A Guide to Thermal Power Plants. Second Edition. Academic Press, 2019. 631 p. DOI: 10.1016/B978-0-12-819504-8.00007-X
Suárez-Ramón L., Carou-Álvarez J. Advance Metering Infrastructure in Smart Grids // Encyclopedia of Electrical and Electronic Power Engineering. Elsevier, 2023. P. 327–333. DOI: 10.1016/B978-0-12-821204-2.00013-1
Барский А.Б., Мельник Д.И. Нейросетевая модель целераспределения для вычислительной систе-мы архитектуры data flow // Информационные технологии. 2019. Т. 25, № 7. С. 441–448. DOI: 10.17587/it.25.441-448
Hidden Markov model based principal component analysis for intelligent fault diagnosis of wind energy converter systems / A. Kouadri, M. Hajji, M. Harkat et al. // Renewable Energy. 2020. Vol. 150. P. 598–606. DOI: 10.1016/j.renene.2020.01.010
Towards next-generation energy planning decision-making: An expert-based framework for intelligent decision support / H. Sellak, B. Ouhbi, B. Frikh, I. Palomares // Renewable and Sustainable Energy Reviews. 2017. Vol. 80. P. 1544–1577. DOI: 10.1016/j.rser.2017.07.013
Kats V.A., Adamtsevich L.A. Estimation of the Defect Hazard Class in Building Structures: a Decision Support System // International Journal for Computational Civil and Structural Engineering. 2021. Vol. 17, no. 4. P. 106–114. DOI: 10.22337/2587-9618-2021-17-4-106-114
Challenges for the cyber-physical manufacturing enterprises of the future / H. Panetto, B. Iung,
D. Ivanov et al. // Annual Reviews in Control. 2019. Vol. 47. P. 200–213. EDN VKEWKV. DOI: 10.1016/j.arcontrol.2019.02.002
Javaid M., Haleem A., Singh R., Suman R. An integrated outlook of Cyber-Physical Systems for Industry 4.0: Topical practices, architecture, and applications // Green Technologies and Sustainability. 2023. Vol. 1, iss. 1. DOI: 10.1016/j.grets.2022.100001
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
