ND. Optima EAM

Проект направлен на создание программной платформы, позволяющей производить сбор и хранение информации об оборудовании, анализ полученных данных с возможностью расчета показателей состояния оборудования с вероятностью их изменений на плановый период, и формирование списка приоритетов включения оборудования в ремонтную программу.

Рейтинг проекта +45

Команда

+ Вступить в команду
Показать еще

Обсуждения

В чем нуждается проект

Статистическая информация об результатах осмотров, испытаний и аварий оборудования. Пилотный регион для апробации методик Пилотный проект внедрения

Комментарии

Игорь Проталинский

Проект направлен на создание системы поддержки решения о проведении работ по ремонту оборудования для снижения вероятности отказа оборудования, на основании проведения предикативного анализа изменения состояния оборудования.
Предлагаемая система позволит:
• Производить анализ изменений показателей технических характеристик с целью определения периода функционирования оборудования в пределах нормативных значений;
• Определение вероятности возникновения дефекта оборудования на дискретном промежутке времени в будущем, за счет анализа показателей технических характеристик;
• Формирование приоритизированного списка мероприятий для минимизации вероятности отказа.

Функционал прогнозирования значения технологического параметра на следующий временной отсчет производится с использованием метода регрессивного анализа. Линия, аппроксимирующая пять ретроспективных точек, своим расположением в плоскости «параметры-время» указывает на тенденцию изменения параметра (плавное или быстрое приближение к границе коридора нормальных значений технологического параметра). При регистрации высокой скорости приближения к границе коридора алгоритма перенастраивается на работу по трем точкам. Наличие коридора, в котором должны происходить нормальные флуктуации технологического параметра позволяет определить прогнозное значение параметра, при котором он выходит за границы коридора, что свидетельствует о возможном наличии дефекта.
Определение вероятности возникновения дефекта оборудования осуществляется на основе искусственной нейронной сети в форме многослойного персептрона, которая реализует функциональную зависимость между технологическими параметрами, характеризующими процесс функционирования оборудования и регистрируемыми дефектами.
Количество нейронов входного слоя равно числу технологических параметров (выделенных в качестве основных после корреляционного анализа, которые оказывают влияние на возникновение того или иного дефекта), а количество нейронов выходного слоя равно числу дефектов, регистрируемых в процессе функционирования оборудования, существенных с точки зрения обеспечения повышения безаварийности работы. С целью снижения размерности задачи анализа изменения показателей технических характеристик и определения вероятности возникновения дефекта в рамках проекта будет проведен корреляционный анализ входного набора технологических параметров группы оборудования проводится для целей снижения размерности вектора входных сигналов (технологические параметры в отклонениях от нормативного значения), который поступает на вход искусственной нейронной сети. Снижение размерности входного слоя нейронов обеспечит сокращение времени, затрачиваемого на обучения и тестирование нейросетевой модели прогнозирования возникновения дефектов оборудования.
Прогнозирование времени возможного возникновения дефекта производится на основе текущих и ретроспективных данных об изменении технологических параметров, которые могут быть получены от систем SCADA и/или АСКУЭ. В качестве функции активации нейронов промежуточного слоя сети выбрана сигмоидная. На предварительном этапе могут быть установлены дефекты, которые являются зависимыми от тех, возникновение которых прогнозируется с использованием нейросетевой модели. А значит, появляется возможность прогнозировать те дефекты, появление которых наиболее вероятно вслед за возможным возникновением основного набора независимых дефектов оборудования.
Для формирования приоритизированного списка мероприятий для минимизации вероятности отказа и устранения дефектов, прогнозирование которых осуществляется с использованием описанных выше методов, будут применяться продукционные правила вида, входящие в базу знаний интеллектуальной информационной системы, которая будет разработана по результатам выполнения проекта.
Нестационарность большинства групп технологического оборудования приводит к необходимости синтеза алгоритмов адаптации нейронных сетей к изменяющимся условиям функционирования.
Таким образом, инновационность подхода, направленного на решение проблемы прогнозирования возникновения дефектов технологического оборудования с учетом влияния внутренних и внешних причин на основе мониторинга изменения его технологических параметров, заключается в применении высокоэффективных методов искусственного интеллекта (нейронных сетей и баз знаний).

Ответить +3 26 июня в 09:18
Игорь Проталинский

В настоящее время в энергетической отрасли России имеется устойчивый тенденция на увеличение числа аварийных ситуаций, в том числе с тяжелыми системными последствиями, что приводит к:
• повышению стоимости владения оборудованием, вследствии проведения аварийных работ;
• снижения прибыли за счет недостачи электроэнергии конечному потребителю;
• повышению потерь электроэнергии при ее генерации и транспортировки.
Основная причина появления данной тенденции это не своевременное устранение дефектов оборудования в следствии:
• Невозможность полной диагностики сложного оборудования при осмотре вследствии технических ограничений;
• Несвоевременное проведение осмотров и испытаний оборудования;
• Некорректных оперативных действий персонала при обнаружении дефекта.
Невозможность проведения полной диагностики оборудования обусловлено технологическими и конструкционными особенностями оборудования, при которых выявление дефектов обусловлено частичным или полным разбором оборудования, что практически невозможно. Однако, развитие сложных скрытых дефектов сопровождается отклонением технических характеристик от нормативных значений и может быть идентифицировано персоналом при проведении испытаний оборудования.
Несвоевременное выявление и, как следствие, устранение дефектов технологического оборудования – основная причина появления отказа, который в свою очередь может привести к возникновению отказов. Решение данной проблемы может быть установка системы удаленного автоматизированного мониторинга технического состояния, которая позволит в реальном времени собирать и обрабатывать данные о технических характеристиках объектов. Однако, внедрение систем данного типа является сложной организационной задачей требующей крупных финансовых инвестиций, с высокими рисками их не возврата вложенных средств.
Cогласно отчету Министерства энергетики за 2014 г. ошибочные или неправильные действия оперативного персонала составляют до 5% причин аварийности на объектах энергетики. При этом необходимо отметить, что действия персонала являются слабоформализуемыми и обладают высокой степенью неопределенности.
Так же к причинам возникновения отказа оборудования можно причислить отсутствие анализа изменения технических характеристик во времени и принятия решения о возможной вероятности отказа оборудования. Однако, в данном направление производится работы:
В методике расчета технического состояния утвержденной Министерство энергетики российской федерации, для анализа состояния трансформаторного и коммутационного оборудования применяется показатели изменения таких характеристик как концентрация растворенных газов в масле.
В методике расчета вероятности отказа оборудования утвержденной ПАО «Россети», для расчета показателя вероятности используется показатели изменения технического состояния.
Однако, данные методики не позволяют проводить долгосрочные анализ и предикативный анализ изменения характеристик оборудования в будущем, так же используемый в методиках математический аппарат построены на жесткой математических моделях, которые обуславливают использование весовых коэффициентов, вычисленных эмпирических путем и отсутствующих алгоритмов их адаптации.
При этом на данный момент на территории России проявляется тренд на создание и внедрение систем учета энергетического оборудования, что позволило накопить значительный объем статистической информации (о характере изменения технологических параметров, характеризующих процесс нормального функционирования оборудования, а также в моменты времени регистрации дефекта, появления отказа, возникновения аварии. Что позволяет предположить, что при проведении работ по анализу накопленной информации с применением современного математического аппарата позволит сформировать систему предикативного анализа изменения состояния оборудования и возникновения дефектов, для поддержки принятия решения управляющего персонала о необходимости своевременного проведения работ по диагностике, обслуживанию или ремонту оборудования.

Ответить +3 26 июня в 09:19

Добавление комментария