Разработка комплексной системы оценки технического состояния генерирующего оборудования с использованием нейросетевого моделирования

  • Петр [Petr] Валерьевич [V.] Шамигулов [Shamigulov]
  • Махсуд [Makhsud] Мансурович [M.] Султанов [Sultanov]
  • Шушаник [Shushanik] Мушеговна [М.] Милитонян [Militonyan]
  • Юлия [Yuliya] Анатольевна [A.] Горбань [Gorban]
Ключевые слова: нейросетевые модели, цифровая энергетика, показатели надежности, системы оценки, диагностика оборудования

Аннотация

Предложен подход к решению задачи реализации нейросетевой модели оценки технического состояния гидрогенератора. Представлен набор универсальных показателей, оцениваемых без останова оборудования, характеризующих техническое состояние. Описаны подходы к формированию обучающих и валидационных шаблонов, обеспечивающие обучение качественное нейросети. Даны алгоритмы функциональной системы оценки и сформировано универсальное представление отношений между объектами математической модели определения остаточного ресурса генерирующего оборудования. Полученные результаты научного исследования позволяют применять предложенную комплексную систему оценки технического состояния генерирующего оборудования с использованием нейросетевого моделирования для оценки текущего остаточного ресурса генерирующего оборудования на основе доступных диагностических данных. 

Сведения об авторах

Петр [Petr] Валерьевич [V.] Шамигулов [Shamigulov]

кандидат технических наук, доцент кафедры энергетики филиала НИУ «МЭИ» в г. Волжский, e-mail: shamigulov@mail.ru

Махсуд [Makhsud] Мансурович [M.] Султанов [Sultanov]

кандидат технических наук, доцент кафедры энергетики филиала НИУ «МЭИ» в г. Волжский, e-mail: sultanov_mm@mail.ru

Шушаник [Shushanik] Мушеговна [М.] Милитонян [Militonyan]

инженер-исследователь, ассистент кафедры энергетики филиала НИУ «МЭИ»  в г. Волжском, e-mail: militonyan_s@mail.ru

Юлия [Yuliya] Анатольевна [A.] Горбань [Gorban]

кандидат технических наук, доцент кафедры энергетики филиала НИУ «МЭИ» в г. Волжский, e-mail: yuliya.bk.ru@mail.ru

Литература

1. Energy Automation LLC [Офиц. сайт] http://www.enera.com.ua/products/production/Safe-t/ (дата обращения 06.07.2022).
2. Karandaev A.S., Yachikov I.M., Khramshin V.R. Methods of Multi-parameter Diagnostics of Electric Equipment Condition within On-line Monitoring Systems // Proc. Eng. 2016. V. 150. Pp. 32—38.
3. Аронсон К.Э. и др. Концепция комплексной системы мониторинга состояния оборудования энергоблока // Теплоэнергетика. 2002. №. 2. С. 47—53.
4. Попырин Л.С. Информативность показателей надежности энергетических установок // Теплоэнергетика. 1994. №. 7. С. 39—43.
5. Зайченко Ю.П., Заец И.О., Камоцкий О.В. Исследование различных типов функций принадлежности параметров нечетких прогнозирующих моделей в нечетком методе группового учета аргументов // Управляющие системы и машины. 2003. № 2. С. 56—67.
6. Шехватов Д. Управление основными фондами: как автоматизировать ремонты и техническое обслуживание // CIO. 2003. № 2.
7. Olfa K., Hans-Rolf T. Sensor Technology and Future Trend // IEEE Trans. Instrumentation and Measurement. 2004. V. 53(6). Pp. 1497—1501.
8. Zaman M.H.M. e. a. Neural Network Based Prediction of Stable Equivalent Series Resistance in Voltage Regulator Characterization // Bulletin of Electrical Eng. and Informatics 2018. V. 7(1). Pp. 134—142.
9. Akram S.V. e. a. Adoption of Blockchain Technology in Various Realms: Opportunities and Challenges // Security and Privacy. 2020. V. 3(3). P. 109.
10. Praveen Kr.M. Hardware Design of Equilateral Triangular Microstrip Antenna Using Artificial Neural Network // Intern. J. Computing Sci. and Communication Technol. 2011. V. 3(2).
11. Труханов В.М. Надежность в технике. М.: Спектр, 2017.
12. Guliyev H.B., Zeynalova N.F. Methods Indemnification of Reactive Capacity in the Electric Network for Increase of Regime Reliability of the Power Supply System // Reliability: Theory & Appl. 2015. V. 10. No. 3(38). Pp. 6—15.
13. Коц И. Н. и др. Методы диагностики инженерных объектов на основе нейросетей // Инженерный вестник Дона. 2020. №. 8(68). С. 108—122.
14. Наумов С.А., Крымский А.В., Липатов М.А., Скрабатун Д.М. Опыт использования удаленного доступа и предиктивной аналитики состояния энергетического оборудования // Теплоэнергетика. 2018. № 4. С. 21—33.
15. Римов А.А. Методические аспекты оценки и прогноза технического состояния основного установленного оборудования электростанций // Надежность и безопасность энергетики. 2018. Т. 11. № 2. С. 134—142.
16. Glotov A.V., Cheremisinov S.V., Shcherbakov M.V. Ontological Model of Risk-oriented Management of the Technical Condition of Technological Equipment // Energy of a Unified Network. 2019. No. 3. Pp. 76—85.
17. Shcherbakov M., Skorobogatchenko D., Zelyakovskiy D. Algorithm for Identifying Obvious Defects of Technological Equipment in the Energy Sector Based on the Neural Network Model // Scientific Gazette of NSTU. 2016. V. 63. No. 2. Pp. 70—89.
18. Алексеев Б.А. Крупные силовые трансформаторы. Контроль состояния в работе и при ревизии // Библиотека электротехника. 2010. №. 1. С. 3—88.
19. Дашевский Е.Г. Автоматизированная система мониторинга технического состояния силовых трансформаторов с длительным сроком службы: дис. … учен. степени канд. техн. наук. Новочеркасск: Изд-во Южно-Российского гос. техн. ун-та, 2011.
20. Praveen Kr.M., Singh A., Kumar R. MATLAB Approach for Back propagation, Neural Network Perceptron // Proc. IEEE Intern. Conf. Advances in Communication, Network, and Computing. 2010.
21. Климов А.Г., Козлов В.Р. Диагностическое оборудование и средства неразрушающего контроля для объектов энергетики // Энергетик. 2003. №. 1. С. 42—43.
22. Мищеряков С.В. Цифровая оценка надежности производственной системы субъектов энергетики // Надежность и безопасность энергетики. 2018. Т. 11. №. 2. С. 109—116.
23. Приказ Министерства энергетики Российской Федерации № 229 от 19 июня 2003 г. «Об утверждении Правил технической эксплуатации электрических станций и сетей Российской Федерации».
24. Министерство энергетики Российской Федерации. Информация об авариях в электрических сетях и генерации [Офиц. сайт] https://minenergo.gov.ru (дата обращения 17.03.2021).
25. Конев Г., Стефанов С. Организация деятельности по управлению техническим обслуживанием в промышленной компании // Наука, техника и образование. 2016. Т. 1. №. 1. С. 125—131.
26. Orange [Офиц. сайт] https://download.biolab.si/download/files/Orange3-3.28.0-Miniconda-x86_64.exe (дата обращения 22.03.2021).
---
Для цитирования: Шамигулов П.В., Султанов М.М., Милитонян Ш.М., Горбань Ю.А. Разработка комплексной системы оценки технического состояния генерирующего оборудования с использованием нейросетевого моделирования // Вестник МЭИ. 2022. № 6. С. 136—145. DOI: 10.24160/1993-6982-2022-6-136-145
---
Работа выполнена при поддержке: государственного задания Российской Федерации № FSWF- 2020-0025 по теме «Разработка методов и анализ способов достижения высокого уровня безопасности и конкурентоспособности объектов энергетических систем на базе цифровых технологий»
#
1. Energy Automation LLC [Ofits. Sayt] http://www.enera.com.ua/products/production/Safe-t/ (Data Obrashcheniya 06.07.2022).
2. Karandaev A.S., Yachikov I.M., Khramshin V.R. Methods of Multi-parameter Diagnostics of Electric Equipment Condition within On-line Monitoring Systems. Proc. Eng. 2016;150:32—38.
3. Aronson K.E. i dr. Kontseptsiya Kompleksnoy Sistemy Monitoringa Sostoyaniya Oborudovaniya Energobloka. Teploenergetika. 2002;2:47—53. (in Russian).
4. Popyrin L.S. Informativnost' Pokazateley Nadezhnosti Energeticheskikh Ustanovok. Teploenergetika. 1994;7:39—43. (in Russian).
5. Zaychenko Yu.P., Zaets I.O., Kamotskiy O.V. Issledovanie Razlichnykh Tipov Funktsiy Prinadlezhnosti Parametrov Nechetkikh Prognoziruyushchikh Modeley v Nechetkom Metode Gruppovogo Ucheta Argumentov. Upravlyayushchie Sistemy i Mashiny. 2003;2:56—67. (in Russian).
6. Shekhvatov D. Upravlenie Osnovnymi Fondami: kak Avtomatizirovat' Remonty i Tekhnicheskoe Obsluzhivanie. CIO. 2003;2. (in Russian).
7. Olfa K., Hans-Rolf T. Sensor Technology and Future Trend. IEEE Trans. Instrumentation and Measurement. 2004;53(6):1497—1501.
8. Zaman M.H.M. e. a. Neural Network Based Prediction of Stable Equivalent Series Resistance in Voltage Regulator Characterization. Bulletin of Electrical Eng. and Informatics 2018;7(1):134—142.
9. Akram S.V. e. a. Adoption of Blockchain Technology in Various Realms: Opportunities and Challenges. Security and Privacy. 2020;3(3):109.
10. Praveen Kr.M. Hardware Design of Equilateral Triangular Microstrip Antenna Using Artificial Neural Network. Intern. J. Computing Sci. and Communication Technol. 2011;3(2).
11. Trukhanov V.M. Nadezhnost' v Tekhnike. M.: Spektr, 2017. (in Russian).
12. Guliyev H.B., Zeynalova N.F. Methods Indemnification of Reactive Capacity in the Electric Network for Increase of Regime Reliability of the Power Supply System. Reliability: Theory & Appl. 2015;10;3(38):6—15.
13. Kots I. N. i dr. Metody Diagnostiki Inzhenernykh Obektov na Osnove Neyrosetey. Inzhenernyy Vestnik Dona. 2020;8(68):108—122. (in Russian).
14. Naumov S.A., Krymskiy A.V., Lipatov M.A., Skrabatun D.M. Opyt Ispol'zovaniya Udalennogo Dostupa i Prediktivnoy Analitiki Sostoyaniya Energeticheskogo Oborudovaniya. Teploenergetika. 2018;4:21—33. (in Russian).
15. Rimov A.A. Metodicheskie Aspekty Otsenki i Prognoza Tekhnicheskogo Sostoyaniya Osnovnogo Ustanovlennogo Oborudovaniya Elektrostantsiy. Nadezhnost' i Bezopasnost' Energetiki. 2018;11;2:134—142. (in Russian).
16. Glotov A.V., Cheremisinov S.V., Shcherbakov M.V. Ontological Model of Risk-oriented Management of the Technical Condition of Technological Equipment. Energy of a Unified Network. 2019;3:76—85.
17. Shcherbakov M., Skorobogatchenko D., Zelyakovskiy D. Algorithm for Identifying Obvious Defects of Technological Equipment in the Energy Sector Based on the Neural Network Model. Scientific Gazette of NSTU. 2016;63;2:70—89.
18. Alekseev B.A. Krupnye Silovye Transformatory. Kontrol' Sostoyaniya v Rabote i pri Revizii. Biblioteka Elektrotekhnika. 2010;1:3—88. (in Russian).
19. Dashevskiy E.G. Avtomatizirovannaya Sistema Monitoringa Tekhnicheskogo Sostoyaniya Silovykh Transformatorov s Dlitel'nym Srokom Sluzhby: Dis. … Uchen. Stepeni Kand. Tekhn. Nauk. Novocherkassk: Izd-vo Yuzhno-Rossiyskogo Gos. Tekhn. Un-ta, 2011. (in Russian).
20. Praveen Kr.M., Singh A., Kumar R. MATLAB Approach for Back propagation, Neural Network Perceptron. Proc. IEEE Intern. Conf. Advances in Communication, Network, and Computing. 2010.
21. Klimov A.G., Kozlov V.R. Diagnosticheskoe Oborudovanie i Sredstva Nerazrushayushchego Kontrolya dlya Ob'ektov Energetiki. Energetik. 2003;1:42—43. (in Russian).
22. Mishcheryakov S.V. Tsifrovaya Otsenka Nadezhnosti Proizvodstvennoy Sistemy Sub'ektov Energetiki. Nadezhnost' i Bezopasnost' Energetiki. 2018;11;2109—116. (in Russian).
23. Prikaz Ministerstva Energetiki Rossiyskoy Federatsii № 229 ot 19 Iyunya 2003 g. «Ob Utverzhdenii Pravil Tekhnicheskoy Ekspluatatsii Elektricheskikh Stantsiy i Setey Rossiyskoy Federatsii». (in Russian).
24. Ministerstvo Energetiki Rossiyskoy Federatsii. Informatsiya ob Avariyakh v Elektricheskikh Setyakh i Generatsii [Ofits. Sayt] https://minenergo.gov.ru (Data Obrashcheniya 17.03.2021). (in Russian).
25. Konev G., Stefanov S. Organizatsiya Deyatel'nosti po Upravleniyu Tekhnicheskim Obsluzhivaniem v Promyshlennoy Kompanii. Nauka, Tekhnika i Obrazovanie. 2016;1;1:125—131. (in Russian).
26. Orange [Ofits. Sayt] https://download.biolab.si/download/files/Orange3-3.28.0-Miniconda-x86_64.exe (Data Obrashcheniya 22.03.2021).
---
For citation: Shamigulov P.V., Sultanov M.M., Militonyan Sh.M., Gorban Yu.A. Development of a Comprehensive System for Assessing the Generating Equipment Technical Condition Using Neural Network Modeling. Bulletin of MPEI. 2022;6:136—145. (in Russian). DOI: 10.24160/1993-6982-2022-6-136-145
---
The work is executed at support: State Task of the Russian Federation No. FSWF- 2020-0025 on the Topic «Development of Methods and Analysis of Ways to Achieve a High Level of Safety and Competitiveness of Energy System Facilities Based on Digital Technologies»
Опубликован
2022-04-26
Раздел
Автоматизация и управление технологическими процессами и производствами (технические науки) (2.3.3)