2836.Труды IX Международной (XX Всероссийской) конференции по автоматизирова

Рассмотрен вариант построения системы многоаспектной оценки технического состояния оборудования электротехнических комплексов на основе алгоритмической и математической формализации предложенного инструмента поддержки принятия решений при эксплуатации ответственных объектов в условиях неопределенности.

In the article the option of creation system of complex technical condition assessment of electrotechnical complexes equipment based on the algorithmic and mathematical formalization of the proposed decision support tool in the operation of critical objects in conditions of uncertainty is considered.

Ключевые слова: многоаспектная оценка, нечеткая логика, прогнозирование, диагностический признак, принятие решений, база знаний.

Keywords: multidimensional assessment, fuzzy logic, forecasting, diagnostic sign, decision-making, knowledge base.

ВВЕДЕНИЕ

Эффективное функционирование современных производственных систем различных отраслей промышленности во многом определяется надежностью работы оборудования электротехнических комплексов, участвующего в процессах генерации, преобразования и распределения электрической энергии. Множество взаимосвязанных между собой и разнородных по физическому (конструкторскому) и функциональному составу элементов электрических сетей (измерительные и силовые трансформаторы, электрические машины, коммутационные аппараты и др.) формируют такую сложную структуру, как электротехнический комплекс (ЭТК) [1, 2].

Стоит отметить, что эффективность работы элементов ЭТК зависит от развитости информационной инфраструктуры, позволяющей использовать инструмен-

ты для оперативного сбора и анализа достоверных данных о техническом состоянии оборудования, а также при необходимости своевременно планировать проведение профилактических и ремонтно-восстановитель- ных мероприятий. В условиях существенной выработки ресурса оборудования ЭТК, являющейся причиной возникновения аварийных ситуаций, увеличения техногенных рисков и, как следствие, потери предприятием экономической выгоды, необходимо проводить не только измерение параметров оборудования, но и многоаспектно (комплексно) оценивать его работоспособность на текущий и перспективный периоды времени. В этом случае важно диагностировать наличие критических дефектов и дифференцировать по степени важности для их оперативного устранения и повышения системной надежности. Данные задачи требуют проработки на методическом уровне аппарата комплексной оценки технического состояния (ТС) оборудования, направленной на повышение эффективности и интеллектуализации деятельности инженерно-технического персонала, связанного с ЭТК [1–6].

I. ЗАДАЧА МНОГОАСПЕКТНОЙ ОЦЕНКИ ТЕХНИЧЕСКОГО СОСТОЯНИЯ

Многоаспектная оценка технического состояния оборудования ЭТК включает в себя формализацию взаимосвязи значений его ключевых параметров (диагностических признаков) с фактами возникновения дефектов в отдельных подсистемах, узлах и агрегатах [3, 4, 7]:

где xi – i-й параметр, определяющий ТС оборудования (его элементов); Y – величина, связанная с оценкой уров-

ня работоспособности оборудования в целом с учетом наличия или отсутствия в нем дефектов; символ «→» – способ формализации диагностической функции.

Составной параметр Y согласно выражению (1) должен обеспечить оценку эффективности работы оборудования в целом, а также его отдельных подсистем (элементов). По этой причине параметры, входящие в X, используются для контроля ТС различных узлов единицы оборудования с учетом способа их измерения. Диагностическая функция (2) в таком случае может быть записана в формате взаимосвязи частных функций:

где fi – функция оценки состояния i-го элемента оборудования ЭТК на основе значений диагностических признаков Xi, входящих в состав вектора параметров X.

Формирование вектора параметров X может также проводиться по признаку принадлежности диагностического параметра к определенной группе методов измерений (тепловизионный, ультрафиолетовый или вибрационный контроль и т.д.).

Рассматриваемый в общем виде способ комплексной оценки ТС оборудования ЭТК направлен на оперативное определение, устранение и предупреждение потенциальных дефектов [5, 6], в том числе за счет рационального планирования профилактических и ремонтно-восстано- вительных работ. В этом случае диагностическая функция (2) может быть представлена аналогичным образом, но с учетом оценки перспективного TС Yτ оборудования (его элементов) согласно прогнозным значениям диагностических признаков Xiτ, где τ – период упреждения.

II. ФОРМАЛИЗАЦИЯ МНОГОАСПЕКТНОЙ ОЦЕНКИ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ОБОРУДОВАНИЯ

На рис. 1 предложен алгоритм, отражающий ключевые этапы комплексной оценки ТС оборудования ЭТК в результате его инструментального обследования.

Первым этапом формализации задачи (1) является анализ исследуемого оборудования и выбор перечня ключевых диагностических признаков X (блок № 1).

В результате формирования структуры параметров исследуемого объекта составляется итоговая диагностическая функция объекта (2).

Отметим, что задача (2) зачастую является сложноформализуемой, поскольку приходится учитывать наличие множества разнородных параметров оборудования

другие факторы, влияющие на полноту и достоверность информации при эксплуатации элементов ЭТК [2–7].

На практике для решения задачи (2), как правило, необходимым является применение не классических детерминированных и стохастических подходов [8], а комбинированных методов, учитывающих как накопленные знания (информацию качественного содержания) в области эксплуатации оборудования ЭТК, так и ретроспективные данные. Для реализации подобного варианта решения с успехом может быть использован

Рис. 1. Алогоритм комплексной оценки текущего и перспективного технического состояния оборудования ЭТК

математический аппарат нечеткой логики с формированием баз знаний и адаптивных алгоритмов нечеткого вывода [5]. При этом для построения диагностических функций применяется не только статистическая (блок № 2), но и экспертная информация о работе оборудования как элемент аккумулированного опыта специалистов в исследуемой предметной области (блок № 3).

Структурно-параметрический синтез нечетких диагностических моделей (блок № 4) предполагает прежде всего формирование интегрированной базы знаний (БЗ). Она обеспечивает взаимосвязь ключевых значений параметров оборудования ЭТК в виде лингвистических переменных с соответствующими им термами («Низкий», «Средний», «Высокий» др.) для построения функций принадлежности, а также со значениями интегральной функции состояния Y.

Синтез нечетких БЗ осуществляется для каждой частной диагностической функции:

где xi, j – лингвистическая переменная, соответствующая j-му параметру, входящему в состав Xi; aiup, j –

оценка параметра xi, j, выбираемая из нечеткого множества Aj,j, в p-м правиле, характеризующем величину лингвистической переменной yi для оценочного терма

diu; wiup [0, 1] – вес правила; символы ( ) – логические операции «И» («ИЛИ»).

Нечеткие БЗ связывают значения вектора параметров Xi с результатом оценки состояния yi отдельной подсистемы (элемента) оборудования ЭТК посредством набора правил (нечетких импликаций) вида «ЕСЛИ

<Xi>, ТО <yi>» [9, 10].

Для формирования комплексной оценки ТС оборудования ЭТК формируется отдельная единая база знаний, структурно связывающая частные задачи диагностики в виде сегментов БЗ:

где dijp – оценка состояния i-го элемента (подсистемы)

оборудования в p-м правиле, характеризующем соответствие фактического состояния объекта j-му терму выходной переменной Y.

Границы нечеткого множества, состоящего из термов входных X и выходной Y переменных, определяются функциями принадлежности (ФП). ФП могут быть построены экспертно или с использованием методов анализа изменения параметров [3, 4, 6].

Согласно (3) и (4) правила баз знаний строятся экспертно, отражая при этом опыт и логику действий персонала, занимающегося обслуживанием оборудования ЭТК. По умолчанию все веса правил принимаются равными единице, впоследствии (по мере накопления статистических данных) для повышения точности оценки ТС они корректируются.

Настройка весов правил или параметров ФП в рамках рассматриваемой нечеткой диагностической модели и оценка области ее адекватности могут быть осуществлены на основе применения классических методов, а также эвристических подходов[11]. Заметим, что предлагаемая нечеткая модель позволяет осуществлять ее адаптацию кизменяющимся условиям эксплуатации оборудования. Наиболее часто на практике для оценки отклонения экспериментальных данных от модельных используют среднеквадратическое отклонениеRMSE [9, 10].

Решение задачи (2) с учетом (3) и (4) строится на основе общеизвестного алгоритма Мамдани [9]. В этом случае расчет степеней принадлежности μ термов различных переменных базируется на уравнениях логического содержания (5) и (6), позволяющих осуществить активизацию заключений правил БЗ [9, 10]:

где символы ( ) – операции максимизации (минимизации) соответствующих нечетких множеств.

В качестве результата вычислений имеем нечеткое множество Y = { μs1 (X)s1 , μs2 (X)s2 , ..., μsl (X)sl }.

Варианты комплексной оценки ТС оборудования ЭТК могут быть представлены в виде:

– принадлежности определенному классу состояния:

– значения, формируемого посредством процедуры дефаззификации рассмотренного ранее нечеткого мно-

жества Y по методу центра тяжести [9]:

Ymax

Y = YμS (X)dY / μS (X)dY.

Ymin

Модель для конкретного вида оборудования ЭТК (адаптированная под него) дает возможность комплексно оценивать ТС его подсистем в рамках контрольно-изме- рительных процедур параметров (см. рис. 1, блок № 5).

Стоит отметить, что при эксплуатации разнородного оборудования ЭТК важной задачей является планирование сроков проведения профилактических и ремонтых мероприятий на основе данных о его текущем, а также перспективном ТС. В работах [5, 6] рассмотрено применение для подобного рода задач аппарата краткосрочного прогнозирования, направленного на сокращение аварийных простоев оборудования и построение эффективной системы технического обслуживания и ремонта элементов ЭТК.

Далее формализуем в общем виде процедуру краткосрочного прогнозирования изменения параметров оборудования xi, позволяющую адаптироваться к влиянию различного рода случайных факторов (нестабильные процессы, скачкообразные изменения во временных рядах и др.) [6]. Данная процедура в общем алгоритме комплексной оценки текущего и перспективного состояния ЭТК (см. рис. 1) представлена функциональным блоком № 6.

Ключевые этапы работы блока № 6 (см. рис. 1) состоят из предварительной обработки исходных данных (частично реализуется в блоке № 3) и инициализации модели прогнозирования, выбора наилучшей модели формирования начальных условий, выбора адаптивной модели краткосрочного прогнозирования (АМП) на основе ряда критериев, прогнозирования и оценки адекватности результатов.

Согласно данным этапам для формирования множества моделей начальных условий (НУ) могут быть использованы совершенно различные зависимости [1, 8] исходя из специфики исследуемых процессов:

Следующим этапом формируется множество (8), состоящее из частных моделей краткосрочного прогнозирования (предикторов), которые формируют оценки, отталкиваясь от расчетных значений начальных условий, полученных на каждой предыдущей итерации. Фактически это означает применение различных элементов множества (8) в различные моменты времени.

где i = 1: q; q – число моделей, формирующих множество FM, исходя из специфики решаемой задачи.

Множество (8) рационально формировать на основе моделей, учитывающих вероятность возникновения на практике различных форм временных рядов (например, линейные, экспоненциальные, периодические, аддитивные и др.). В качестве подобных моделей могут быть использованы хорошо изученные методы автокорреляционного анализа временных рядов, полиномиальные зависимости, предикторы Тейла–Вейджа и др. [5, 6].

Рассмотренная процедура адаптивного прогнозирования строится на селекции наилучших НУ и АМП на основе их ранжирования с использованием векторов оценочных критериев EV и PV:

ошибки и средняя абсолютная процентная ошибка; σ – среднеквадратическое отклонение прогнозных оценок от измеренных значений технических параметров оборудования ЭТК.

Целевые функции векторов (9): r2 → max, {MSE, MAPE, σ} → min – используются непосредственно при выборе наилучших НУ и АМП.

Отклонение прогнозных оценок от эмпирических значений контролируемых параметров, как правило, может быть оценено на основе расчета показателя MAPE или определениядоверительныхграницинтервалов[8].

Таким образом, использование АМП и нечеткой диагностической модели позволяет получить комплексную оценку объекта исследования с точки зрения анализа фактического и перспективного ТС оборудования ЭТК (см. рис. 1, блок № 7). При отсутствии развивающихся дефектов и авариных ситуаций формируется решение о корректировке сроков проведения последующих контрольно-измерительных работ (блок № 9) с сохранением результатов в базу данных (БД) для обновления и пополнения информационного пространства (блок № 2). Ухудшенное ТС оборудования обусловливает необходимость оперативного проведения профилактических и других видов работ (блок № 10).

III. АНАЛИЗ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЯ

Рассмотрим частную задачу комплексной оценки ТС силовых маслонаполненных трансформаторов средней мощности на примере их типовой системы охлаждения. В качестве эмпирических данных (измерений) использовались результаты тепловизионного обследования [12, 13]. В этом случае контролируемыми параметрами явились максимальная и минимальная темпе-

в точках поверхности устройства регенерации масла – p3 и p4 соответственно. В рамках нечеткой модели сформирован вектор входных переменных, состоящий из агрегированных параметров: разности температур по поверхности бака трансформатора (x1 = p1 – p2) и разности температур по поверхности устройства регенерации

масла (x2 = p3 – p4).

В ходе анализа численных значений параметров p1, p2, p3 и p4 за трехлетний период времени, образующих временные ряды, было определено наличие периодического характера их изменений (сезонности). При этом структура временных рядов такова, что каждый сле-

дующий уровень pi, t зависит от pi, t–6, pi, t–12, pi, t–18, pi, t–24 в большей степени, чем от других уровней (где i = 1:4).

Наиболее высоким оказался коэффициент автокорреляции порядка ra = 12 (с учетом знаков), свидетельствующий о циклическом изменении параметров pi(t) в рамках одного года. Таким образом, была выявлена линейная тенденция в изучаемых временных рядах с определенной периодичностью. Данный факт был учтен при формировании множества АМП (8) для оценки перспективного теплового состояния силового маслонаполненного трансформатора.

На рис. 2 и 3 в качестве примера представлены итоговые оценки фактического и прогнозного значения параметров p1 и p2. Используя 68 и 95 % границы доверительных интервалов (см. рис. 3, F68+ / F68–

иE95+ / E95– соответственно) и величину MAPE, можно судить о точности используемой процедуры адаптив-

ного прогнозирования (см. рис. 3, E1 и E2). Величина среднего квадрата ошибки для параметров p1, p2, p3

иp4 в среднем определила точность модели прогнозирования (порядка 87–89 %).

Рис. 2. Оценка параметров максимальной и минимальной температуры в точках поверхности бака трансформатора

Рис. 3. Оценка точности процедуры адаптивного прогнозирования

Рис. 4. Взаимосвязь оценок фактического состояния бака трансформатора от значений контролируемых параметров:

а– функция отклика величины Y; б – области классов состояний:

1– отсутствие дефектов/незначительные дефекты; 2 – нарушение циркуляции масла; 3 – аварийный перегрев

На основе полученных результатов прогнозирования в рамках предлагаемой нечеткой модели проведена комплексная оценка ТС системы охлаждения трансформатора (рис. 4). Параметры модели при этом сформированы с использованием статистической информации о работе трансформаторов ТМН-6300/35 (за 2011–2013 гг.) в электросетевых объектах Пермского края.

ЗАКЛЮЧЕНИЕ

Анализ значений параметров нагрева элементов трансформатора позволил определить сезонный характер изменения температуры верхних и нижних слоев масла. При этом за трехлетний период времени величины комплексных оценок ТС оборудования ЭТК в рамках использования нечеткой модели (см. рис. 4) не превысили допустимых значений.

Предложенные решения по комплексной оценке ТС оборудования ЭТК могут бытьиспользованы совместно

с процедурами планирования технического обслуживания и ремонта оборудования в условиях неопределенности.

Тематика проводимых исследований соответствует тематике работ выполняемого в настоящее время гранта РФФИ № 14-07-96000 р_урал_а «Разработка интеллектуальной системы поддержки принятия решений обеспечения безаварийной работы энергетических объектов».

Библиографический список

1.Петроченков А.Б. О подходах к оценке технического состояния электротехнических комплексов и систем // Известия высших учебных заведений. Машиностроение. 2012. № 12. С. 16–20.

2.Petrochenkov A.B. Regarding life-cycle management of electrotechnical complexes in oil production // Russian Electrical Engineering, 2012. Vol. 83, iss. 11. P. 621–627.

3.Елтышев Д.К. Экспертно-статистический метод оценки работоспособности электротехнического оборудования // Системы. Ме-

тоды. Технологии. 2015. № 4 (28). С. 79–85.

4.Елтышев Д.К. Интеллектуализация процесса диагностики состояния электротехнического оборудования // Информатика и сис-

темы управления. 2015. № 1 (43). С. 72–82.

5.Khoroshev N.I., Kazantsev V.P. Management support of electroengineering equipment servicing based on the actual technical condition // Automation and Remote Control. 2015. Vol. 76, iss. 6. P. 1058–1069.

6.Некоторые аспекты технологии эксплуатации электротехнических объектов на основе методов краткосрочного прогнозиро-

вания технического состояния / В.П. Казанцев, А.Б. Петроченков, А.В. Ромодин, Н.И. Хорошев // Электротехника. 2011. № 11.

С. 28а–34.

7.Хорошев Н.И., Казанцев В.П. Применение правил нечеткой логики при эксплуатации электротехнического оборудования // Элек-

тротехника. 2011. № 11. С. 59–64.

8.Барзилович Е.Ю. Модели технического обслуживания сложных технических систем. М.: Высш. школа, 1982.

9.Штовба С.Д. Проектирование нечетких систем средствами МATLAB. М.: Горячая Линия – Телеком, 2007.

10.Shtovba S.D., Pankevich O.D., Nagorna A.V. Analyzing the criteria for fuzzy classifier learning s automatic control and computer sciences // 2015. Vol. 49, iss. 3. P. 123–132.

11.Кычкин А.В., Чудинов А.В. Эвристический алгоритм оптимизации мощности в активно-адаптивной сети // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. 2015. № 3 (15). С. 97–107.

12.Алексеев Б.А. Крупные силовые трансформаторы: контроль состояния в работе и при ревизии. М.: Энергопрогресс, 2010.

13.Хорошев Н.И. Оценка технического состояния силового маслонаполненного электротехнического оборудования в различных режимах его работы // Известия Том. политехн. ун-та. 2013.

Т. 323, № 4. С. 162–167.

Вопросы исследования в области надежности городского электрического транспорта встали наиболее остро в последние годы, так как данный вид городского транспорта является достаточно экономичным, а также экологически безопасным. Для его бесперебойной работы необходимо разработать оптимальную систему плановопредупредительных ремонтов.

Issues of research in the field of urban electric transport re-

в связи с этим встает вопрос о связи параметров надежности ТЭД с надежностью данного транспортного средства в целом, для чего введены понятия коэффициента готовности КГ.ТЭД и коэффициента технического

использования КТ.ТЭД.

Коэффициент технического использования троллейбуса или трамвая определяется по формуле

liability risen most sharply in recent years, as this type of urban transport, due to the fact that the trams and trolleybuses are economical enough and also are environmentally friendly transport types. For its trouble-free operation is necessary to develop an optimal system of preventive maintenance.

Ключевые слова: тяговый электродвигатель, надежность, коэффициент готовности, коэффициент обслуживания, коэффициент использования.

Keywords: traction motor, traction engine, reliability, availability factor, maintenance factor, the utilization rate.

На сегодняшний день самым экологически безопасным видом городского пассажирского транспорта являются троллейбусы и трамваи. Чтобы обеспечить надежность и эффективность их работы, необходимо разработать оптимальную систему планово-предупреди- тельных ремонтов.

Отказы основных элементов системы происходят по различным причинам: вследствие концентрации электрических нагрузок или перенапряжений, из-за механических повреждений, износа, конструктивных недостатков или производственных дефектов, неблагоприятного воздействия атмосферных осадков и т.д.

Одним из основных элементов трамвая и троллейбуса является тяговый электродвигатель (ТЭД). Как показывает анализ исследований, ряд принятых в настоящее время параметров надежности не может полностью охарактеризовать техническое состояние ТЭД,

где tP – время эффективной работы; tT – время выполнения технических операций; tОБ – время выполнения технического обслуживания. Данный коэффициент учитывает совокупность тех факторов, которые определяют на каком-либо календарном отрезке времени нахождение транспортного средства в рабочем состоянии.

Так как надежное функционирование транспорта зависит от надежности составляющего его структуру оборудования, то к этому оборудованию можно отнести все показатели, входящие в коэффициент технического использования троллейбуса или трамвая, т.е.

КТ = f (КТ.ТЭД; КТ.МО; КТ.ВО; КТ.СУ).

Исходя из вышеприведенного, КГ для ТЭД можно записать в виде

где tФ.ТЭД – время функционирования ТЭД при выполнении машиной эффективной работы, в процессе которой на нее воздействуют динамические нагрузки, возникающие в процессе движения; tФ.Т.ТЭД – время функ-

ционирования ТЭД при выполнении технологических операций, в процессе которых на тяговый электродвигатель в основном воздействуют массовые параметры приводимого механизма; tВ.ТЭД – время устранения отказов; tОБ – времявыполнениятехническогообслуживания.

Другим показателем надежности функционирования является коэффициент готовности КГ, характеризующий техническое состояние системы в определенный период времени:

По аналогии с положениями относительно коэффициента КТ можно записать выражение для КГ:

Для оценки взаимосвязи коэффициента готовности КГ.ТЭД с коэффициентом технического использования КТ.ТЭД можно выразить составляющую календарного фонда времени tК.ТЭД:

где tОР – время простоев по организационным причинам. Через коэффициент готовности и коэффициент технического обслуживания можно записать следующее

выражение:

Из выражения (4) можно получить формулу

tФ.ТЭД + tФ.Т.ТЭД + tB.M = tФ.ТЭД + tФ.Т.ТЭД .

Из выражения (6) имеем

tОБ.ТЭД = tК.ТЭД (1 – tОБ.ТЭД).

Подставляя полученные выражения в формулу (5) и имея ввиду выражения

или

для коэффициента потерь на организационные простои

tОР = tК.ТЭД (1 – КР),

получаем

tФ.ТЭД = tК.ТЭД КТ.И КГ.ТЭД (КОБ.ТЭД +КОР – 1). (7)

Таким образом, в зависимости от эффективной работы (7) основным количественным показателем надежности является коэффициент готовности, функциональная связь которого с коэффициентом технического использования может быть получена из сопоставления выражений

tФ.ТЭД = tК.ТЭД КТ.И КГ.ТЭД КОР

и выражения (7), имеет следующий вид:

Из формулы (8) видно, что коэффициент готовности выражает надежность при фиксированном значении КОБ.ТЭД, являющегося функцией времени обслуживания tОБ.ТЭД. С увеличением tОБ.ТЭД снижается вероятность постепенных отказов и повышается в связи с этим коэффициент готовности. Однако появление внезапных отказов не зависит от планового обслуживания, а время, затраченное на него, может использоваться для полезной работы. Из всего вышесказанного можно сделать вывод, что существует оптимальное значение коэффициента обслуживания КОБ.ТЭД, при котором КГ.ТЭД и время полезной работы будут максимальны.

Библиографический список

1.Николаев Д.В. Надежность тягового электродвигателя троллейбуса // Энергетика, электромеханика и энергоэффективные технологии глазами молодежи: материалы Рос. молодеж. науч. конф. Томск, 2012.

2.Северцев Н.А. Надежность сложных технических систем в эксплуатации и отработке. М.: Высшая школа, 1989.

3.Тарнижевский М.В., Томлянович Д.К. Проектирование устройств электроснабжения трамвая и троллейбуса. М., 1986.

Keywords: technical University, reference Department, training innovation cooperation, field study, courses.

ВВЕДЕНИЕ

Современная промышленность России столкнулась

ссерьезными вызовами, связанными с усложнением производственных объектов и средств управления ими,

содной стороны, и недостаточной готовностью технологического персонала к работе в новых условиях –

направлениях;

♦опережающую практику подготовки специалистов по инженерно-техническим и научным специальностям, способных в дальнейшем создать технологическую основу поступательного развития отрасли. Учить надо тому, что будет, а не тому, что было и есть;

♦формирование нового содержания технологической, гуманитарной, информационной, экологической, экономической и управленческой подготовки инженерных кадров;

♦изменение менталитета преподавателей для науч- но-образовательного процесса, рассматривающих студента не как объект, а как субъект образования, который обладает умением самостоятельно решать поисковые задачи, формирует культуру инновационной экономики в логической цепочке создания новых знаний, трансформирования их в высокие энергосберегающие технологии для организации производства кон-