РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ДИАГНОСТИКИ ТЕПЛОЭНЕРГЕТИЧЕСКОГО ОБОРУДОВАНИЯ НА ОСНОВЕ  НЕЧЕТКИХ НЕЙРОННЫХ СЕТЕЙ

A.N. Popov; A.M Petrov

doi:10.14529/power240108

Authors

A.N. Popov University of Tyumen, Tyumen, Russia
A.M Petrov Fedorovsky Polar State University, Norilsk, Russia

DOI:

https://doi.org/10.14529/power240108

Keywords:

intelligent diagnostics system, fuel and energy complex, measurement and computing complex, monitoring system, engineering ontology

Abstract

The intellectual system of equipment diagnostics for technological processes in the fuel and energy complex of the Russian Federation, being developed in this article, has several advantages over other similar systems. The system is based on the use of modern measurement and computing complexes, capable of collecting, processing, and storing data from various measurement devices and equipment monitoring systems in real-time. This allows for equipment diagnostics without interrupting the main technological process and monitoring its current and actual state as a whole.

The system has a high reliability of the obtained data and allows for the accumulation and storage of information, creating a structured array of data and engineering ontology. The main goal of the system is to assess the technical condition of objects in the heat supply system based on the diagnosis of various characteristics, such as repair volumes, replacement, reconstruction, and equipment maintenance. The result of the diagnostic procedure is a quantitative assessment of the residual resource of the system, equipment, or object, as well as increasing their reliability by providing the operator with reliable information about the current state.

In this work, the evaluation of the technical condition is carried out by the monitoring system, without considering other subsystems. The development and integration of such intellectual systems are aimed at increasing efficiency and minimizing resource costs.

Downloads

Download data is not yet available.

References

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