Снижение влияния неопределенности исходной информации в интеллектуальных автоматизированных системах управления тепловыми процессами при обеспечении надежной эксплуатации энергетического оборудования
Ключевые слова:
неопределенность, исходная информация, жизненный цикл, нейронные сети, интеллектуальная АСУ ТП
Аннотация
Неопределенность исходной информации, используемой для решения ключевых задач в интеллектуальной автоматизированной системе управления тепловыми процессами (АСУ ТП), влияет на расчет управляющих воздействий, реализацию оптимальных режимов работы оборудования и, как следствие, приводит к снижению надежности. Как правило, такого рода информация может быть качественной (использование экспертных знаний) и количественной. В этой связи крайне актуальной является задача снижения влияния неопределенности.
Цель работы — установление видов и источников неопределенности исходной информации, используемой интеллектуальной АСУ ТП, и формирование подходов для снижения ее влияния на надежность эксплуатации энергетического оборудования.
Обеспечение заданных показателей надежности, экономичности и экологичности в современных интеллектуальных АСУ ТП базируется на предиктивных стратегиях, когда прогнозируются техническое состояние оборудования, конкретные деградационные процессы, следовательно, неопределенности различных типов могут оказывать существенное негативное влияние.
Для снижения влияния неопределенности исходной информации, влияющей на надежность эксплуатации энергетического оборудования, предложено использование искусственных нейронных сетей. Их применение обеспечивает прогнозирование возникновения дефектов оборудования, а также его отказов на основе ретроспективных данных на заданные прогнозные интервалы времени.
Продемонстрирован способ снижения влияния аномалий, содержащихся в исходной информации, используемой в интеллектуальной АСУ ТП для объектов энергетики. Исследованы пропуски и выбросы данных, устранение которых обеспечивает снижение влияния неопределенности и повышение качества решения ключевых задач в интеллектуальных АСУ ТП. Проведены экспериментальные исследования, выявившие математические методы, обеспечивающие устранение пропусков и аномалий в исходной информации наилучшим образом.
Описаны методические аспекты устранения различных видов неопределенности, присутствующих при управлении объектами энергетики с использованием интеллектуальной АСУ ТП на ключевых этапах жизненного цикла оборудования энергетики.
Литература
1. Аракелян Э.К., Пикина Г.А. Оптимизация и оптимальное управление. М.: Издат. дом МЭИ, 2008.
2. Калядин А.Ю. SCADA-системы для энергетиков // Энергетик. 2000. № 9. С. 31—33.
3. Щербатов И.А. Управление сложными слабоформализуемыми многокомпонентными системами. Ростов-на-Дону: Изд-во ЮНЦ РАН, 2015.
4. Симанков В.С., Бучацкая В.В., Теплоухов С.В. Подход к учету неопределенности исходной информации в системных исследованиях // Вестник Адыгейского государственного ун-та. Серия «Естественно-математические и технические науки». 2017. Вып. 3(206). С. 100—108.
5. Щербатов И.А. Неопределенность в задачах моделирования и управления сложными слабоформализуемыми системами // Вестник НГУЭУ. 2014. № 3. С. 306—321.
6. ГОСТ 27625—88. Блоки энергетические для тепловых электростанций. Требования к надежности, маневренности и экономичности.
7. Ящура А.И. Система технического обслуживания и ремонта энергетического оборудования. М.: Изд-во НЦ ЭНАС, 2017.
8. Selcuk S. Predictive Maintenance, Its Implementation and Latest Trends // Proc. Institution of Mechanical Engineers. Pt. B. J. Engineering Manufacture. 2016. V. 231. No. 9. Pp. 1670—1679.
9. Щербатов И.А. Современное состояние проблемы разработки систем предиктивной аналитики в энергетике // J. Advanced Research in Techn. Sci. 2019. № 14(2). С. 118—123.
10. Савоськин В.В., Черкашин М.В. Технологии и решения по вибрационному контролю и диагностике технического состояния динамического оборудования // Автоматизация в промышленности. 2016. № 3. С. 29—32.
11. Вавилов В.П., Александров А.Н. Инфракрасная термографическая диагностика в строительстве и энергетике. М.: НТФ «Энергопрогресс», 2003.
12. Приказ Министерства энергетики РФ № 676 от 26 июля 2017 г. «Об утверждении методики оценки технического состояния основного технологического оборудования и линий электропередачи электрических станций и электрических сетей».
13. Проталинский О.М., Андрюшин А.В., Щербатов И.А., Проталинский И.О. Система идентификации дефектов технологического оборудования объектов энергетики // Энергосбережение и водоподготовка. 2018. № 5(115). С. 56—63.
14. Protalinsky O.M., Shcherbatov I.A., Stepanov P.V. Identification of the Actual State and Entity Availability Forecasting in Power Engineering Using Neural-network Technologies // J. Physics: Conf. Series. 2017. V. 891. P. 012289.
15. Проталинский О.М., Щербатов И.А., Ханова А.А., Проталинский И.О. Адаптивная система прогнозирования надежности технологического оборудования объектов энергетики // Информатика и системы управления. 2019. № 1(59). С. 93—105.
16. Ефимов П.В., Щербатов И.А. Алгоритм идентификации явных дефектов технологического оборудования в энергетике на основе нейросетевой модели // Известия Юго-Западного гос. ун-та. Серия «Управление, вычислительная техника, информатика. Медицинское приборостроение». 2018. Т. 8. № 2(27). С. 32—40.
17. Бородин В.А., Андрюшин А.В., Проталинский О.М., Ханова А.А. Многоэкспертная система планирования ремонтных программ энергетического оборудования // Управление развитием крупномасштабных систем: Материалы XII Междунар. конф. 2019. С. 460—467.
18. ГОСТ Р 51318.22—99. Совместимость технических средств электромагнитная. Радиопомехи индустриальные от оборудования информационных технологий. Нормы и методы испытаний.
19. СТО 70238424.27Л00.010—2011. Автоматизированные системы управления технологическими процессами (АСУТП) ТЭС: условия создания, нормы и требования.
20. Литтл Р.Дж.А., Рубин Д.Б. Статистический анализ данных с пропусками. М.: Финансы и статистика, 1990.
21. Злоба Е., Яцкие И. Статистические методы восстановления пропущенных данных // Computer Modelling&New Technologies. 2002. Т. 6. № 1. С. 51—61.
22. Абраменкова И.В., Круглов В.В. Методы восстановления пропусков в массивах данных // Программные продукты и системы. 2005. № 2. С. 18-22.
23. ГОСТ Р ИСО 16269-4—2017. Статистические методы. Статистическое представление данных. Ч. 4. Выявление и обработка выбросов.
24. РД 34.09.451—83. Типовой алгоритм расчета ТЭП мощных отопительных ТЭЦ. Ч. 1. Организационно-технологическая сущность расчетов.
25. РД 153-34.1-35.127—2002. Общие технические требования к программно-техническим комплексам для АСУ ТП тепловых электростанций.
26. Андрюшин А.В., Щербатов И.А., Цуриков Г.Н., Титов Ф.М. Система предиктивной аналитики для энергетических объектов // Управление развитием крупномасштабных систем: Материалы XII Междунар. конф. 2019. С. 566—570.
27. Arakelian E., Shcherbatov I., Tsurikov G., Titov F., Pashchenko A. Creation of Predictive Analytics System for Power Energy Objects // Management of Large-scale System Development: Proceedings XII Intern. Conf. 2019. P. 8911082.
28. Горбань Ю.А. Оптимизация периода расчета технико-экономических показателей энергоблока ТЭС: дис .... канд. техн. наук. М.: НИУ «МЭИ», 2020.
29. Захарченко В.Е. Контроль достоверности значений параметров в АСУ ТП // Имитационное моделирование. Теория и практика: Сб. трудов III Всерос. науч.-прак. конф. по имитационному моделированию и его применению в науке и промышленности. СПб.: ФГУП ЦНИИ технологии судостроения, 2007. С. 278—286.
30. Щербатов И.А. Глобальная цель сложной слабоформализуемой технической системы. Астрахань: Изд-во АГТУ, 2017.
---
Для цитирования: Аракелян Э.К., Щербатов И.А. Снижение влияния неопределенности исходной информации в интеллектуальных автоматизированных системах управления тепловыми процессами при обеспечении надежной эксплуатации энергетического оборудования // Вестник МЭИ. 2021. № 3. С. 78—87. DOI: 10.24160/1993-6982-2021-3-78-87.
---
Работа выполнена при поддержке: Российского научного фонда (грант № 19-19-00601)
#
1. Arakelyan E.K., Pikina G.A. Optimizatsiya i Optimal'noe Upravlenie. M.: Izdat. Dom MEI, 2008. (in Russian).
2. Kalyadin A.Yu. SCADA-sistemy dlya Energetikov. Energetik. 2000;9:31—33. (in Russian).
3. Shcherbatov I.A. Upravlenie Slozhnymi Slaboformalizuemymi Mnogokomponentnymi Sistemami. Rostov-na-Donu: Izd-vo YUNTS RAN, 2015. (in Russian).
4. Simankov V.S., Buchatskaya V.V., Teploukhov S.V. Podkhod k Uchetu Neopredelennosti Iskhodnoy Informatsii v Sistemnykh Issledovaniyakh. Vestnik Adygeyskogo Gosudarstvennogo Un-ta. Seriya «Estestvenno-Matematicheskie i Tekhnicheskie Nauki». 2017;3(206):100—108. (in Russian).
5. Shcherbatov I.A. Neopredelennost' v Zadachakh Modelirovaniya i Upravleniya Slozhnymi Slaboformalizuemymi Sistemami. Vestnik NGUEU. 2014;3:306—321. (in Russian).
6. GOST 27625—88. Bloki Energeticheskie dlya Teplovykh Elektrostantsiy. Trebovaniya k Nadezhnosti, Manevrennosti i Ekonomichnosti. (in Russian).
7. Yashchura A.I. Sistema Tekhnicheskogo Obsluzhivaniya i Remonta Energeticheskogo Oborudovaniya. M.: Izd-vo NTS ENAS, 2017. (in Russian).
8. Selcuk S. Predictive Maintenance, Its Implementation and Latest Trends. Proc. Institution of Mechanical Engineers. Pt. B. J. Engineering Manufacture. 2016;231;9:1670—1679.
9. Shcherbatov I.A. Sovremennoe Sostoyanie Problemy Razrabotki Sistem Prediktivnoy Analitiki v Energetike. J. Advanced Research in Techn. Sci. 2019;14(2):118—123. (in Russian).
10. Savos'kin V.V., Cherkashin M.V. Tekhnologii i Resheniya po Vibratsionnomu Kontrolyu i Diagnostike Tekhnicheskogo Sostoyaniya Dinamicheskogo Oborudovaniya. Avtomatizatsiya v Promyshlennosti. 2016;3:29—32. (in Russian).
11. Vavilov V.P., Aleksandrov A.N. Infrakrasnaya Termograficheskaya Diagnostika v Stroitel'stve i Energetike. M.: NTF «Energoprogress», 2003. (in Russian).
12. Prikaz Ministerstva Energetiki RF № 676 ot 26 Iyulya 2017 g. «Ob Utverzhdenii Metodiki Otsenki Tekhnicheskogo Sostoyaniya Osnovnogo Tekhnologicheskogo Oborudovaniya i Liniy Elektroperedachi Elektricheskikh Stantsiy i Elektricheskikh Setey».(in Russian).
13. Protalinskiy O.M., Andryushin A.V., Shcherbatov I.A., Protalinskiy I.O. Sistema Identifikatsii Defektov Tekhnologicheskogo Oborudovaniya Ob′ektov Energetiki. Energosberezhenie i Vodopodgotovka. 2018;5(115):56—63. (in Russian).
14. Protalinsky O.M., Shcherbatov I.A., Stepanov P.V. Identification of the Actual State and Entity Availability Forecasting in Power Engineering Using Neural-network Technologies. J. Physics: Conf. Series. 2017;891:012289.
15. Protalinskiy O.M., Shcherbatov I.A., Khanova A.A., Protalinskiy I.O. Adaptivnaya Sistema Prognozirovaniya Nadezhnosti Tekhnologicheskogo Oborudovaniya Ob′ektov Energetiki. Informatika i Sistemy Upravleniya. 2019;1(59):93—105. (in Russian).
16. Efimov P.V., Shcherbatov I.A. Algoritm Identifikatsii Yavnykh Defektov Tekhnologicheskogo Oborudovaniya v Energetike na Osnove Neyrosetevoy Modeli. Izvestiya Yugo-Zapadnogo Gos. Un-ta. Seriya «Upravlenie, Vychislitel'naya Tekhnika, Informatika. Meditsinskoe Priborostroenie». 2018;8;2(27):32—40. (in Russian).
17. Borodin V.A., Andryushin A.V., Protalinskiy O.M., Khanova A.A. Mnogoekspertnaya Sistema Planirovaniya Remontnykh Programm Energeticheskogo Oborudovaniya. Upravlenie Razvitiem Krupnomasshtabnykh Sistem: Materialy XII Mezhdunar. Konf. 2019:460—467. (in Russian).
18. GOST R 51318.22—99. Sovmestimost' Tekhnicheskikh Sredstv Elektromagnitnaya. Radiopomekhi Industrial'nye ot Oborudovaniya Informatsionnykh Tekhnologiy. Normy i Metody Ispytaniy. (in Russian).
19. STO 70238424.27L00.010—2011. Avtomatizirovannye Sistemy Upravleniya Tekhnologicheskimi Protsessami (ASUTP) TES: Usloviya Sozdaniya, Normy i Trebovaniya. (in Russian).
20. Littl R.Dzh.A., Rubin D.B. Statisticheskiy Analiz Dannykh s Propuskami. M.: Finansy i Statistika, 1990. (in Russian).
21. Zloba E., Yatskie I. Statisticheskie Metody Vosstanovleniya Propushchennykh Dannykh. Computer Modelling&New Technologies. 2002;6;1:51—61. (in Russian).
22. Abramenkova I.V., Kruglov V.V. Metody Vosstanovleniya Propuskov v Massivakh Dannykh. Programmnye Produkty i Sistemy. 2005;2:18-22. (in Russian).
23. GOST R ISO 16269-4—2017. Statisticheskie Metody. Statisticheskoe Predstavlenie Dannykh. Ch. 4. Vyyavlenie i Obrabotka Vybrosov. (in Russian).
24. RD 34.09.451—83. Tipovoy Algoritm Rascheta TEP Moshchnykh Otopitel'nykh TETS. Ch. 1. Organizatsionno-tekhnologicheskaya Sushchnost' Raschetov. (in Russian).
25. RD 153-34.1-35.127—2002. Obshchie Tekhnicheskie Trebovaniya k Programmno-tekhnicheskim Kompleksam dlya ASU TP Teplovykh Elektrostantsiy. (in Russian).
26. Andryushin A.V., Shcherbatov I.A., Tsurikov G.N., Titov F.M. Sistema Prediktivnoy Analitiki dlya Energeticheskikh Ob′ektov. Upravlenie Razvitiem Krupnomasshtabnykh Sistem: Materialy XII Mezhdunar. Konf. 2019:566—570. (in Russian).
27. Arakelian E., Shcherbatov I., Tsurikov G., Titov F., Pashchenko A. Creation of Predictive Analytics System for Power Energy Objects. Management of Large-scale System Development: Proceedings XII Intern. Conf. 2019:8911082.
28. Gorban' Yu.A. Optimizatsiya Perioda Rascheta Tekhniko-ekonomicheskikh Pokazateley Energobloka TES: Dis .... Kand. Tekhn. Nauk. M.: NIU «MEI», 2020. (in Russian).
29. Zakharchenko V.E. Kontrol' Dostovernosti Znacheniy Parametrov v ASU TP. Imitatsionnoe Modelirovanie. Teoriya i Praktika: Sb. Trudov III Vseros. Nauch.-prak. Konf. po Imitatsionnomu Modelirovaniyu i Ego Primeneniyu v Nauke i Promyshlennosti. SPb.: FGUP TSNII Tekhnologii Sudostroeniya, 2007:278—286. (in Russian).
30. Shcherbatov I.A. Global'naya Tsel' Slozhnoy Slaboformalizuemoy Tekhnicheskoy Sistemy. Astrakhan': Izd-vo AGTU, 2017. (in Russian).
---
For citation: Arakelyan E.K., Shcherbatov I.A. Reducing the Impact of Source Information Uncertainty in Intelligent Automated Thermal Process Control Systems in Ensuring Reliable Operation of Power Equipment. Bulletin of MPEI. 2021;3:78—87. (in Russian). DOI: 10.24160/1993-6982-2021-3-78-87.
---
The work is executed at support: Russian Science Foundation (Grant No. 19-19-00601)
2. Калядин А.Ю. SCADA-системы для энергетиков // Энергетик. 2000. № 9. С. 31—33.
3. Щербатов И.А. Управление сложными слабоформализуемыми многокомпонентными системами. Ростов-на-Дону: Изд-во ЮНЦ РАН, 2015.
4. Симанков В.С., Бучацкая В.В., Теплоухов С.В. Подход к учету неопределенности исходной информации в системных исследованиях // Вестник Адыгейского государственного ун-та. Серия «Естественно-математические и технические науки». 2017. Вып. 3(206). С. 100—108.
5. Щербатов И.А. Неопределенность в задачах моделирования и управления сложными слабоформализуемыми системами // Вестник НГУЭУ. 2014. № 3. С. 306—321.
6. ГОСТ 27625—88. Блоки энергетические для тепловых электростанций. Требования к надежности, маневренности и экономичности.
7. Ящура А.И. Система технического обслуживания и ремонта энергетического оборудования. М.: Изд-во НЦ ЭНАС, 2017.
8. Selcuk S. Predictive Maintenance, Its Implementation and Latest Trends // Proc. Institution of Mechanical Engineers. Pt. B. J. Engineering Manufacture. 2016. V. 231. No. 9. Pp. 1670—1679.
9. Щербатов И.А. Современное состояние проблемы разработки систем предиктивной аналитики в энергетике // J. Advanced Research in Techn. Sci. 2019. № 14(2). С. 118—123.
10. Савоськин В.В., Черкашин М.В. Технологии и решения по вибрационному контролю и диагностике технического состояния динамического оборудования // Автоматизация в промышленности. 2016. № 3. С. 29—32.
11. Вавилов В.П., Александров А.Н. Инфракрасная термографическая диагностика в строительстве и энергетике. М.: НТФ «Энергопрогресс», 2003.
12. Приказ Министерства энергетики РФ № 676 от 26 июля 2017 г. «Об утверждении методики оценки технического состояния основного технологического оборудования и линий электропередачи электрических станций и электрических сетей».
13. Проталинский О.М., Андрюшин А.В., Щербатов И.А., Проталинский И.О. Система идентификации дефектов технологического оборудования объектов энергетики // Энергосбережение и водоподготовка. 2018. № 5(115). С. 56—63.
14. Protalinsky O.M., Shcherbatov I.A., Stepanov P.V. Identification of the Actual State and Entity Availability Forecasting in Power Engineering Using Neural-network Technologies // J. Physics: Conf. Series. 2017. V. 891. P. 012289.
15. Проталинский О.М., Щербатов И.А., Ханова А.А., Проталинский И.О. Адаптивная система прогнозирования надежности технологического оборудования объектов энергетики // Информатика и системы управления. 2019. № 1(59). С. 93—105.
16. Ефимов П.В., Щербатов И.А. Алгоритм идентификации явных дефектов технологического оборудования в энергетике на основе нейросетевой модели // Известия Юго-Западного гос. ун-та. Серия «Управление, вычислительная техника, информатика. Медицинское приборостроение». 2018. Т. 8. № 2(27). С. 32—40.
17. Бородин В.А., Андрюшин А.В., Проталинский О.М., Ханова А.А. Многоэкспертная система планирования ремонтных программ энергетического оборудования // Управление развитием крупномасштабных систем: Материалы XII Междунар. конф. 2019. С. 460—467.
18. ГОСТ Р 51318.22—99. Совместимость технических средств электромагнитная. Радиопомехи индустриальные от оборудования информационных технологий. Нормы и методы испытаний.
19. СТО 70238424.27Л00.010—2011. Автоматизированные системы управления технологическими процессами (АСУТП) ТЭС: условия создания, нормы и требования.
20. Литтл Р.Дж.А., Рубин Д.Б. Статистический анализ данных с пропусками. М.: Финансы и статистика, 1990.
21. Злоба Е., Яцкие И. Статистические методы восстановления пропущенных данных // Computer Modelling&New Technologies. 2002. Т. 6. № 1. С. 51—61.
22. Абраменкова И.В., Круглов В.В. Методы восстановления пропусков в массивах данных // Программные продукты и системы. 2005. № 2. С. 18-22.
23. ГОСТ Р ИСО 16269-4—2017. Статистические методы. Статистическое представление данных. Ч. 4. Выявление и обработка выбросов.
24. РД 34.09.451—83. Типовой алгоритм расчета ТЭП мощных отопительных ТЭЦ. Ч. 1. Организационно-технологическая сущность расчетов.
25. РД 153-34.1-35.127—2002. Общие технические требования к программно-техническим комплексам для АСУ ТП тепловых электростанций.
26. Андрюшин А.В., Щербатов И.А., Цуриков Г.Н., Титов Ф.М. Система предиктивной аналитики для энергетических объектов // Управление развитием крупномасштабных систем: Материалы XII Междунар. конф. 2019. С. 566—570.
27. Arakelian E., Shcherbatov I., Tsurikov G., Titov F., Pashchenko A. Creation of Predictive Analytics System for Power Energy Objects // Management of Large-scale System Development: Proceedings XII Intern. Conf. 2019. P. 8911082.
28. Горбань Ю.А. Оптимизация периода расчета технико-экономических показателей энергоблока ТЭС: дис .... канд. техн. наук. М.: НИУ «МЭИ», 2020.
29. Захарченко В.Е. Контроль достоверности значений параметров в АСУ ТП // Имитационное моделирование. Теория и практика: Сб. трудов III Всерос. науч.-прак. конф. по имитационному моделированию и его применению в науке и промышленности. СПб.: ФГУП ЦНИИ технологии судостроения, 2007. С. 278—286.
30. Щербатов И.А. Глобальная цель сложной слабоформализуемой технической системы. Астрахань: Изд-во АГТУ, 2017.
---
Для цитирования: Аракелян Э.К., Щербатов И.А. Снижение влияния неопределенности исходной информации в интеллектуальных автоматизированных системах управления тепловыми процессами при обеспечении надежной эксплуатации энергетического оборудования // Вестник МЭИ. 2021. № 3. С. 78—87. DOI: 10.24160/1993-6982-2021-3-78-87.
---
Работа выполнена при поддержке: Российского научного фонда (грант № 19-19-00601)
#
1. Arakelyan E.K., Pikina G.A. Optimizatsiya i Optimal'noe Upravlenie. M.: Izdat. Dom MEI, 2008. (in Russian).
2. Kalyadin A.Yu. SCADA-sistemy dlya Energetikov. Energetik. 2000;9:31—33. (in Russian).
3. Shcherbatov I.A. Upravlenie Slozhnymi Slaboformalizuemymi Mnogokomponentnymi Sistemami. Rostov-na-Donu: Izd-vo YUNTS RAN, 2015. (in Russian).
4. Simankov V.S., Buchatskaya V.V., Teploukhov S.V. Podkhod k Uchetu Neopredelennosti Iskhodnoy Informatsii v Sistemnykh Issledovaniyakh. Vestnik Adygeyskogo Gosudarstvennogo Un-ta. Seriya «Estestvenno-Matematicheskie i Tekhnicheskie Nauki». 2017;3(206):100—108. (in Russian).
5. Shcherbatov I.A. Neopredelennost' v Zadachakh Modelirovaniya i Upravleniya Slozhnymi Slaboformalizuemymi Sistemami. Vestnik NGUEU. 2014;3:306—321. (in Russian).
6. GOST 27625—88. Bloki Energeticheskie dlya Teplovykh Elektrostantsiy. Trebovaniya k Nadezhnosti, Manevrennosti i Ekonomichnosti. (in Russian).
7. Yashchura A.I. Sistema Tekhnicheskogo Obsluzhivaniya i Remonta Energeticheskogo Oborudovaniya. M.: Izd-vo NTS ENAS, 2017. (in Russian).
8. Selcuk S. Predictive Maintenance, Its Implementation and Latest Trends. Proc. Institution of Mechanical Engineers. Pt. B. J. Engineering Manufacture. 2016;231;9:1670—1679.
9. Shcherbatov I.A. Sovremennoe Sostoyanie Problemy Razrabotki Sistem Prediktivnoy Analitiki v Energetike. J. Advanced Research in Techn. Sci. 2019;14(2):118—123. (in Russian).
10. Savos'kin V.V., Cherkashin M.V. Tekhnologii i Resheniya po Vibratsionnomu Kontrolyu i Diagnostike Tekhnicheskogo Sostoyaniya Dinamicheskogo Oborudovaniya. Avtomatizatsiya v Promyshlennosti. 2016;3:29—32. (in Russian).
11. Vavilov V.P., Aleksandrov A.N. Infrakrasnaya Termograficheskaya Diagnostika v Stroitel'stve i Energetike. M.: NTF «Energoprogress», 2003. (in Russian).
12. Prikaz Ministerstva Energetiki RF № 676 ot 26 Iyulya 2017 g. «Ob Utverzhdenii Metodiki Otsenki Tekhnicheskogo Sostoyaniya Osnovnogo Tekhnologicheskogo Oborudovaniya i Liniy Elektroperedachi Elektricheskikh Stantsiy i Elektricheskikh Setey».(in Russian).
13. Protalinskiy O.M., Andryushin A.V., Shcherbatov I.A., Protalinskiy I.O. Sistema Identifikatsii Defektov Tekhnologicheskogo Oborudovaniya Ob′ektov Energetiki. Energosberezhenie i Vodopodgotovka. 2018;5(115):56—63. (in Russian).
14. Protalinsky O.M., Shcherbatov I.A., Stepanov P.V. Identification of the Actual State and Entity Availability Forecasting in Power Engineering Using Neural-network Technologies. J. Physics: Conf. Series. 2017;891:012289.
15. Protalinskiy O.M., Shcherbatov I.A., Khanova A.A., Protalinskiy I.O. Adaptivnaya Sistema Prognozirovaniya Nadezhnosti Tekhnologicheskogo Oborudovaniya Ob′ektov Energetiki. Informatika i Sistemy Upravleniya. 2019;1(59):93—105. (in Russian).
16. Efimov P.V., Shcherbatov I.A. Algoritm Identifikatsii Yavnykh Defektov Tekhnologicheskogo Oborudovaniya v Energetike na Osnove Neyrosetevoy Modeli. Izvestiya Yugo-Zapadnogo Gos. Un-ta. Seriya «Upravlenie, Vychislitel'naya Tekhnika, Informatika. Meditsinskoe Priborostroenie». 2018;8;2(27):32—40. (in Russian).
17. Borodin V.A., Andryushin A.V., Protalinskiy O.M., Khanova A.A. Mnogoekspertnaya Sistema Planirovaniya Remontnykh Programm Energeticheskogo Oborudovaniya. Upravlenie Razvitiem Krupnomasshtabnykh Sistem: Materialy XII Mezhdunar. Konf. 2019:460—467. (in Russian).
18. GOST R 51318.22—99. Sovmestimost' Tekhnicheskikh Sredstv Elektromagnitnaya. Radiopomekhi Industrial'nye ot Oborudovaniya Informatsionnykh Tekhnologiy. Normy i Metody Ispytaniy. (in Russian).
19. STO 70238424.27L00.010—2011. Avtomatizirovannye Sistemy Upravleniya Tekhnologicheskimi Protsessami (ASUTP) TES: Usloviya Sozdaniya, Normy i Trebovaniya. (in Russian).
20. Littl R.Dzh.A., Rubin D.B. Statisticheskiy Analiz Dannykh s Propuskami. M.: Finansy i Statistika, 1990. (in Russian).
21. Zloba E., Yatskie I. Statisticheskie Metody Vosstanovleniya Propushchennykh Dannykh. Computer Modelling&New Technologies. 2002;6;1:51—61. (in Russian).
22. Abramenkova I.V., Kruglov V.V. Metody Vosstanovleniya Propuskov v Massivakh Dannykh. Programmnye Produkty i Sistemy. 2005;2:18-22. (in Russian).
23. GOST R ISO 16269-4—2017. Statisticheskie Metody. Statisticheskoe Predstavlenie Dannykh. Ch. 4. Vyyavlenie i Obrabotka Vybrosov. (in Russian).
24. RD 34.09.451—83. Tipovoy Algoritm Rascheta TEP Moshchnykh Otopitel'nykh TETS. Ch. 1. Organizatsionno-tekhnologicheskaya Sushchnost' Raschetov. (in Russian).
25. RD 153-34.1-35.127—2002. Obshchie Tekhnicheskie Trebovaniya k Programmno-tekhnicheskim Kompleksam dlya ASU TP Teplovykh Elektrostantsiy. (in Russian).
26. Andryushin A.V., Shcherbatov I.A., Tsurikov G.N., Titov F.M. Sistema Prediktivnoy Analitiki dlya Energeticheskikh Ob′ektov. Upravlenie Razvitiem Krupnomasshtabnykh Sistem: Materialy XII Mezhdunar. Konf. 2019:566—570. (in Russian).
27. Arakelian E., Shcherbatov I., Tsurikov G., Titov F., Pashchenko A. Creation of Predictive Analytics System for Power Energy Objects. Management of Large-scale System Development: Proceedings XII Intern. Conf. 2019:8911082.
28. Gorban' Yu.A. Optimizatsiya Perioda Rascheta Tekhniko-ekonomicheskikh Pokazateley Energobloka TES: Dis .... Kand. Tekhn. Nauk. M.: NIU «MEI», 2020. (in Russian).
29. Zakharchenko V.E. Kontrol' Dostovernosti Znacheniy Parametrov v ASU TP. Imitatsionnoe Modelirovanie. Teoriya i Praktika: Sb. Trudov III Vseros. Nauch.-prak. Konf. po Imitatsionnomu Modelirovaniyu i Ego Primeneniyu v Nauke i Promyshlennosti. SPb.: FGUP TSNII Tekhnologii Sudostroeniya, 2007:278—286. (in Russian).
30. Shcherbatov I.A. Global'naya Tsel' Slozhnoy Slaboformalizuemoy Tekhnicheskoy Sistemy. Astrakhan': Izd-vo AGTU, 2017. (in Russian).
---
For citation: Arakelyan E.K., Shcherbatov I.A. Reducing the Impact of Source Information Uncertainty in Intelligent Automated Thermal Process Control Systems in Ensuring Reliable Operation of Power Equipment. Bulletin of MPEI. 2021;3:78—87. (in Russian). DOI: 10.24160/1993-6982-2021-3-78-87.
---
The work is executed at support: Russian Science Foundation (Grant No. 19-19-00601)
Опубликован
2020-11-16
Выпуск
Раздел
Автоматизация и управление технологическими процессами и производствами (05.13.06)
