авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 || 3 |

«СЕВЕРО-КАВКАЗСКИЙ ГОРНО-МЕТАЛЛУРГИЧЕСКИЙ ИНСТИТУТ (ГОСУДАРСТВЕННЫЙ ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ) На правах рукописи ...»

-- [ Страница 2 ] --

ГЛАВА 2. РАЗРАБОТКА МЕТОДОВ ОЦЕНКИ СОСТОЯНИЯ ОБОРУДОВАНИЯ И ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ПРОЦЕССА ОБНОВЛЕНИЯ ПРОИЗВОДСТВЕННЫХ ФОНДОВ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ ОБЪЕКТОВ 2.1 Анализ и выбор критериев необходимых для оценки состояния производственных фондов электроэнергетических объектов Согласно поставленной задаче исследования и разработки системы поддержки принятия решений повышения эффективности технического об служивания и оптимизации процесса обновления и модернизации электро энергетических производственных фондов на основе оценки состояния обо рудования в условиях перехода к активно-адаптивным сетям был проведен анализ особенностей построения подобных систем и структуры электроэнер гетических объектов.

Объекты электроэнергетики - это имущественные объекты, непосред ственно используемые в процессе производства, передачи электрической энергии, оперативно-диспетчерского управления в электроэнергетике и сбы та электрической энергии, в том числе объекты электросетевого хозяйства (линии электропередачи, трансформаторные и иные подстанции, распредели тельные пункты и иное предназначенное для обеспечения электрических свя зей и осуществления передачи электрической энергии оборудование) [30].

В целом электроэнергетические объекты можно подразделить на объ екты генерации и электросетевые объекты. Любой электроэнергетический объект представляет собой сложную систему, состоящую из большого коли чества оборудований разных видов, каждый из которых характеризуется множеством свойств и конструктивных особенностей.

Важным этапом при разработке системы для оценки состояния основ ных средств является определение параметров, мониторинг которых будет проводиться. Правильный выбор отслеживаемых параметров каждого из ак тивов при непрерывном наблюдении позволит:

- повысить уровень выявления возникающих в работе дефектов, их об наружение на ранней стадии развития;

- обеспечит правильное принятие решений при устранении причин воз никновения нештатных ситуаций;

- обеспечит высокий коэффициент готовности и продление срока службы.

Как правило, совокупность параметров подлежащих наблюдению и шкала их измерений может быть сформирована на основании требований нормативных и заводских документов. В целях повышения эффективности процесса мониторинга для определения набора отслеживаемых критериев необходимо определить перечень дефектов, которые представляют наиболь шую опасность для нормального функционирования производственного ак тива и должны обнаруживаться в процессе оценки технического состояния оборудования. Для этого необходимо обобщить и проанализировать опыт эксплуатации оборудования, разделить дефекты на диагностируемые и не диагностируемые, классифицировать дефекты по вероятности их появления, скорости развития, причинам возникновения, а также степени опасности. По сле чего осуществляется выбор параметров контроля.

При определении перечня контролируемых параметров можно опи раться на руководящие документы (РД) и на методики международной элек тротехнической комиссии (МЭК) [31, 32, 33].

Также согласно положению о технической политике ОАО «ФСК ЕЭС»

[34] диагностический контроль технического состояния оборудования, влияющий на надежность ЕНЭС, должен обеспечиваться в соответствии с положениями программы развития системы диагностики [35].

Под рабочим напряжением преимущественно должен быть обеспечен непрерывный автоматический контроль состояния:

силовых трансформаторов и шунтирующих реакторов по контролю:

- параметров электроэнергии (токи, напряжения, активные, реактив ные мощности, cos ) сторон ВН, СН, НН;

- физико-химических характеристик трансформаторного масла (газо влагосодержанию);

- качества изоляции (tg, емкости) вводов ВН, СН;

- уровню частичных разрядов;

- температуры верхних слоев масла на входе и выходе охладителей;

- технологических защит и сигнализации, систем охлаждения и уст ройства РПН;

высоковольтных вводов 110 кВ и выше по изменению абсолютного значения угла диэлектрических потерь tg и емкости изоляции;

трансформаторов тока 330 кВ и выше по изменению абсолютного значения угла диэлектрических потерь tg и емкости изоляции;

ограничителей перенапряжений по току проводимости, количеству и величине токов срабатывания;

выключателей и разъединителей по коммутационному ресурсу.

Таким образом, электроэнергетический объект представляет собой со вокупность различных по техническим характеристикам и назначению обо рудований.

В рамках данной диссертационной работы проведено исследование производственных активов на примере электросетевых объектов, рассмотре на оценка технического состояния оборудования трансформаторных под станций, в состав которых входят: силовые трансформаторы, аппаратура за щиты и коммутации, шинные устройства, измерительные трансформаторы и устройства автоматического контроля и управления. Для каждой единицы оборудования устанавливается перечень наблюдаемых параметров. Общая структура объектов электроэнергетики и контролируемых параметров приве дена на рисунке 2.1.

Электроэнергетические объекты Воздушные линии Кабельные линии Объекты генерации Подстанции электропередач электропередач Распределительный Выпрямительная Трансформаторная пункт подстанция подстанция ограничители Измерительный выключатели … разъединители Силовой транс трансформатор перенапряжений форматор температуры верхних слоев масла уровень частичных газо- влагосо- параметры tg … на входе и выходе охладителей разрядов держание электроэнергии Рисунок 2.1 – Структура объектов электроэнергетики и контролируе мых параметров производственных фондов Обычно используется два основных подхода к контролю технического состояния объекта: в пространстве параметров и в пространстве сигналов [36]. В первом случае тем или иным способом определяются текущие значе ния параметров объекта (коэффициенты передаточных функций, постоянные времени и т. д.), и оценивается отклонение их от номинального значения. Во втором случае проверяется отклонение выходных сигналов объекта и его блоков от расчетных значений. В обоих случаях объект считается функцио нирующим неправильно, если отклонение превышает допустимую величи ну [37]. Таким образом, для каждого выбранного параметра необходимо ус тановить его предельные значения.

Пороговые значения контролируемых параметров оборудований могут быть получены различными методами:

- экспертный метод, основанный на учете мнений группы специали стов;

- статистический метод предполагает получение значений на основе накопленных данных с помощью методов статистики путем анализа резуль татов непосредственных измерений параметров состояния на группе одно типных объектов, работающих в одинаковых режимах и условиях, либо пе риодических измерениях каждого из этих параметров у одного объекта;

- метод натуральных испытаний представляет собой эксперименталь ные исследования самого объекта или его модели на испытательных стендах, где создают специальные режимы работы, ускоряющие процессы старения конструкционных материалов и развития дефектов;

- метод математического моделирования, который предполагает нали чие математической модели оборудования, представляющий собой совокуп ность формул, по которым рассчитываются пороговые значения всех вы бранных параметров для конкретного режима работы оборудования с учетом конкретных внешних условий при появлении тех или иных дефектов.

Каждый из перечисленных методов получения пороговых значений контролируемых параметров оборудования имеет определенные недостатки.

К недостаткам коллективной работы группы экспертов относятся:

- сложность процедуры получения информации;

- сложность формирования группового мнения по индивидуальным суждениям экспертов;

- крайне субъективный характер полученных результатов, существенно зависящий от степени их компетентности.

Применение статистических методов требует накопление данных за достаточно большой интервал времени.

Результаты натурального моделирования не всегда могут совпадать с опытом эксплуатации оборудования в реальных условиях. При исследовании модели объекта необходимо учитывать, что модель не может быть полно стью адекватна своему прототипу.

Для электроэнергетического оборудования, которое представляет со бой довольно сложный объект с многочисленными связями и характеристи ками не разработаны полноценные математические модели, учитывающие все особенности процессов и их свойств.

Вследствие перечисленных недостатков рассмотренных методов опре деление предельных значений параметров оборудования на первоначальном этапе внедрения информационной системы могут быть использованы поро говые значения, приведенные в РД 34.45-51.300-97 [38, 39]. При функциони ровании системы за большой период времени и накоплении данных с помо щью методов математической статистики можно будет корректировать до пустимые и предельно-допустимые значения контролируемых параметров.

Автоматизированное определение предельных значений наблюдаемых критериев позволит:

- повысить объективность и обоснованность нормативных значения па раметров оборудования;

- получать новые пороговые значения;

- уточнять пороговые значения по мере необходимости.

2.2 Разработка метода преобразования параметров технического состояния производственных фондов для системы поддержки принятия решений Одной из составляющих звеньев функционирования активно адаптивной сети являются системы сбора и обработки информации о состоя нии производственных фондов в режиме реального времени.

В интеллектуальных электроэнергетических системах важная роль от водится датчикам состояния, которые отслеживают множество параметров производственных фондов. Результаты измерений параметров каждой еди ницы оборудования зависят от соответствующих технических параметров производственного актива и условий эксплуатации на момент измерений.

Например, в трансформаторе в результате тепловых, механических и элек трических воздействий чаще всего повреждению подвергается изоляционная система. Остаточный ресурс трансформатора может определяется степенью деградации изоляции, условиями работы обмоток и нагрузкой. Мониторинг нагрузки и условий функционирования осуществляется измерением напря жений, токов, температуры и т.д. При это возрастают объемы обрабатывае мых и анализируемых данных.

Информация, поступающая в систему поддержки принятия решений, состоит из результатов измерения параметров, принадлежащих разным ви дам контроля. Каждый вид контроля дает свою характеристику анализируе мого объекта или его системы: электрическую, магнитную, химическую.

В таблице 2.1 приведены основные параметры электроэнергетического оборудования, нуждающиеся в непрерывном мониторинге.

Таблица 2.1 – Основные контролируемые параметры состояния элек троэнергетического оборудования № Наименование оборудования Параметры состояния Состояние изоляции обмоток Силовые маслонаполненные Состояние масла 1. трансформаторы Состояние вводов Состояние РПН Состояние привода 2. Коммутационное оборудование Состояние изоляции Состояние изоляции линии 3. Кабельные линии Состояние соединительных муфт Состояние подвесной изоляции 4. Воздушные линии Контроль импульсных и грозовых пе ренапряжений Состояние изоляции ТТ и ТН Измерительные трансформаторы 5.

тока и напряжения Состояние вводов Величина тока проводимости 6. Ограничители перенапряжений Гармоники в токе проводимости Состояние изоляции статора Высоковольтные электрические Вибрационные параметры опорных 7.

машины подшипников и пакета статора Для отслеживания состояния каждого параметра может быть установ лено несколько датчиков, так как одиночный датчик не всегда позволяет по лучить точную и надежную оценку наблюдаемого параметра. Так, в системе мониторинга разработанной компанией Siemens для контроля состояния трансформатора задействованы 45 датчиков (таблица 2.2) [40].

Таблица 2.2 – Данные контролируемых параметров трансформатора Параметр (Pj) Количество датчиков Напряжение Ток Положение отпаек РПН Температура в разных точках Газы, растворенные в масле Влажность масла Включение насосов и вентиляторов 4 + Скорость потоков:

Воздуха Масла Уровень масла в:

Расширителе Баке устройства РПН Давление масла во вводах ВН Так для контроля режима работы трансформатора собираются данные о токах, напряжениях, геомагнитных возмущениях, положениях устройства РПН, о рабочем состоянии вентиляторов и насосов, о других параметрах раз ных узлов;

для мониторинга состояния коммутационного аппарата осущест вляется контроль вибрационных процессов, скоростных и временных пара метров работы привода, кривой тока управления коммутационным аппара том и т.д.

Таким образом, для каждой единицы оборудования N устанавливается набор контролируемых параметров Pni (i 1, I), в свою очередь для монито ринга каждого из выбранных параметров может производится DkPni (k 1, K ) измерений. На рисунке 2.2 рассмотрена схема контроля пара метров оборудования на примере трансформатора, при I=12, K=45.

Трансформатор P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P D1 - D3 D4 - D8 D9 D10 - D19 D20 - D23 D24 D25 - D32 D33 - D36 D37 - D40 D41 D42 D43 - D Рисунок 2.2 – Структурная схема контроля параметров трансформато ра: D1-D3 – датчики напряжения;

D4-D8 –датчики тока;

D9 – датчик положе ния отпаек РПН;

D10- D19 – датчики температуры в разных точках;

D20-D – датчики газов, растворнных в масле;

D24 – датчик влажности масла;

D25 D32 – датчики включения насосов и вентиляторов;

D33-D36 – датчики скоро сти потока воздуха;

D37-D40 – датчики скорости потока масла;

D41 – датчик уровня масла в расширителе;

D42 – датчик уровня масла в баке устройства РПН;

D43-D45 – датчики давления масла во вводах ВН Сигналы, получаемые от датчиков состояния производственных акти вов нужно структурировать и преобразовать для свертывания количества произведенных измерений для каждого из исследуемых параметров в целях дальнейшего сравнения с расчетными значениями и определения интегриро ванного показателя технического состояния как каждого оборудования в от дельности, так и электроэнергетического объекта в целом. Также важной функцией разрабатываемой системы является определение неисправностей в работе датчиков. В качестве математического аппарата для обработки ин формации предлагается использовать аппарат искусственных нейронных се тей. Применение нейронной сети позволит высококачественно обрабатывать получаемую информацию, распознать и классифицировать ситуации при на личии сбоев в работе измерительных приборов.

При моделировании нейронных сетей могут быть использованы раз личные типы архитектур, такие как самоорганизующиеся сети Кохонена, се ти адаптивного резонанса, рециркуляционные, рекуррентные, встречного распознания, сети Хемминга и Хопфилда и др. Для моделирования нейрон ной сети и проверки ее работоспособности была использована программная среда Matlab и пакет Neural Network [41, 42, 43]. При идентификации изме ряемых параметров в качестве основной архитектуры был выбран много слойный персептрон, целесообразность применения которой обоснована многочисленными экспериментальными исследованиями, проведенными в процессе решения поставленной задачи контроля и оценки технического со стояния оборудования.

На рисунке 2.3 рассмотрена схема преобразования множества измере ний, производимых для одного параметра оборудования.

Рисунок 2.3 – Схема преобразования измеряемых датчиками состояния наблюдаемого параметра Для каждого параметра оборудования, в зависимости от количества производимых измерений заранее определяется количество нейронов на вхо де, на выходе имеется один нейрон, отражающий результат произведенных измерений.

Математическая модель нейрона описывается выражением:

L K xi f ( s ) f ( wil f ( wlk d k )), (2.1) l 0 k где dk – компонент входного вектора (k 1, K ) ;

wlk – весовые коэффициенты между входным и скрытым слоями (l 1, L ) ;

wil – весовые коэффициенты между скрытым и выходным слоями (i 1, I) ;

L – число нейронов в скрытом слое;

f (s) – функция активации;

xi – выходной сигнал.

Таким образом, на вход нейронной сети подается k-мерный вектор те кущих измерений технического состояния наблюдаемого параметра обору дования Dk. Оптимальное количество нейронов в скрытом слое L подбирает ся экспериментально. Выражение (2.1) описывает результат классификации множества измерений контролируемого параметра Xi=Xi(Dk).

В качестве функции активации была применена сигмоидная функция, определяемая по формуле:

f ( x). (2.2) 1 ex Многослойный персептрон с сигмоидной функцией активации нейро нов способен аппроксимировать любую функциональную зависимость.

Можно выделить три основных вида алгоритмов [44, 45]:

алгоритмы инициализации, которые относятся к методам, ини 1) циализирующим веса нейронной сети до ее обучения;

контролируемое обучение (с учителем), при котором изменяются 2) веса, используя наборы обучающих выборок, включающих входные значения и известные значения выходов;

неконтролируемое обучение (без учителя), при котором веса из 3) меняются, используя наборы входов.

Рассматриваемая многослойная нейронная сеть прямого распростране ния обучается с учителем. Это означает, что должно быть задано множество пар векторов:{dn, gn}, где {dn} – формализованное условие задачи, а{gn} – из вестное решение (истинный выход) для этого условия.

Совокупность пар {dn, gn} составляет обучающее множество.

Количество элементов в обучающем множестве N – должно быть дос таточным для обучения сети, чтобы под управлением алгоритма сформиро вать набор параметров сети, дающий нужное отображение DX.

Задача обучения нейронной сети сводится к подбору таких значений весов сети, чтобы ошибка была минимальна для данного обучающего множе ства {dn, gn}. Каждый раз, когда входной вектор от учебного набора приме нен к сети, сеть производит фактический выход. Мы можем таким образом определить квадратичную ошибку для этого входного вектора, суммируя квадратичные ошибки в каждом узле выхода:

1S ( xs g s ) 2, E (2.3) 2 s Процесс обучения рассматривается как задача многомерной оптимиза ции, которая состоит в поиске оптимальных значений весовых коэффициен тов w. Главная задача в обучение нейронной сети, это минимизировать квад ратичную ошибку. Мы может также определить полную квадратичную ошибку, суммируя все пары входа – выхода в учебном наборе:

1L S E ( xls g ls ) 2 l 1 s Рассмотрим узел s в скрытом слое, его выход характеризуется функцией f(nets), где nets является суммой выходов входного слоя:

K nets wlk d k, k Для минимизации квадратичной ошибки, будем использовать алгоритм градиентного спуска. Определим, какое направление является «скоростным спуском» на поверхности ошибок и изменим каждый вес w так, чтобы мы двигались в этом направление. Математический это означает, что каждый вес w будет изменен на небольшое значение dw в направлении уменьшения E:

w(t 1) w(t ) w(t ), (2.4) dE где w(t ) t ;

w(t) – вес во время t;

w(t+1) – обновленный вес.

dw Выражение (2.4) называется обобщенным дельта – правилом. Чтобы выполнить градиентный спуск, необходимо найти частную производную dE dw каждого веса.

Для корректировки весов, между скрытым и выходным слоем, нужно найти частную производную, для каждого узла выходного слоя.

dE ( xs g s ) xs (1 xs ) d k.

dwlk Таким образом мы нашли частную производную ошибки E по весам и можем использовать этот результат в уравнение (2.4), чтобы выполнить градиентный спуск для всех весов между скрытым и выходным слоям.

Теперь рассмотрим веса, между входным слоем и скрытым слоем.

S dE dE dxs dnets dd k dnets.

dwlk s 1 dxs dnets dhl dnets dwlk S dE ( xs g s )x s (1 xs ) wlk d k (1 d k )d k.

dwlk s Таким образом мы нашли частную производную ошибки по весу на основе известных величин.

В процессе экспериментов подобраны параметры, при которых дости гаются приемлемые параметры скорости сходимости и качества решения.

Нормализация значений текущих измерений параметров электроэнер * гетических оборудований xi (t ) и их нормативных значений x i (t ) происхо дит с помощью нейросетевой модели, приведнной на рисунке 2.4, следую щим образом: для каждого измеряемого параметра определяется максималь ное значение, после чего значения текущего и расчетного параметра делятся на него. В этом случае значения всех параметров будут изменяться в интер вале от 0 до 1 включительно.

Обратное {xi(абс)} {xi(отн)} {xi(абс)} Нейронная сеть преобразование Рисунок 2.4 – Схема преобразования измеряемых параметров в относи тельные Таким образом, при расчете интегрированного показателя техническо го состояния оборудования (2.9) значения измеряемых и расчетных данных будут преобразовываться в относительные величины;

при запросе пользова теля значений конкретных параметров будет происходить обратное преобра зование.

2.3 Разработка математической модели оценки состояния производственных фондов электроэнергетических объектов На современном этапе развития электроэнергетической отрасли осо бенно важны вопросы совершенствования методов оценки состояния обору дования и эффективности процесса обновления производственных фондов [3, 46]. Это обусловлено, прежде всего, значительной изношенностью основных средств и высоким уровнем инцидентов, приводящих к сбою подачи энергии.

Текущая ситуация требует совершенствования процесса обновления и мо дернизации инфраструктуры путем продления ресурса оборудования, опре деления приоритетов в их замене и предотвращения сетевых сбоев [47].

В целях повышения надежности, контроля и управления параметрами оборудования при переходе к интеллектуальной электроэнергетической сис теме актуализируется задача разработки и внедрения новых методов оценки технического состояния, анализа, планирования и развития энергосистем.

Предлагаемая интеллектуальная система поддержки принятия решений для оценки эффективности процесса обновления и модернизации производ ственных фондов электроэнергетических объектов должна осуществлять сбор, обработку информации в режиме реального времени импортируемых из различных внешних источников. Анализ режимов функционирования производственного актива, сроков и условий эксплуатации на основании ис торических данных в совокупности с данными датчиков в режиме реального времени позволит получать объективную оценку технического состояния оборудования [25].

Планировать воздействия на основные средства целесообразно после проведения оценки технического состояния. Для построения систем оценки технического состояния оборудования необходимо определить:

- периодичность контроля;

- набор средств контроля и измерений;

- перечень технических параметров, характеризующих состояние объ екта.

Периодичность сбора и обработки данных определяется динамикой по ведения объекта контроля и управления. Для объектов интеллектуальных электроэнергетических сетей контроль состояния осуществляется путем не прерывного мониторинга. Непрерывный контроль способствует повышению наджности функционирования энергообъектов, а также изменению страте гии периодически проводимых профилактических работ на более эффектив ную систему профилактики с мероприятиями, зависящими от состояния объ екта.

Оценка состояния может производиться как методами непрерывного контроля, так и обследованием оборудования в отключенном состоянии. Об следования с отключением от сети необходимы для уточнения диагноза и определения мест дефектов.

К набору средств контроля и измерений можно отнести датчики для непрерывного контроля состояния, системы автоматизированного контроля учета энергоресурсов, системы паспортных данных оборудований и т.д. Наи большей эффективностью обладают системы контроля, использующие целый комплекс датчиков, реагирующих на максимально возможное число видов развивающихся при работе дефектов.

Как было отмечено выше, перечень критериев оценки состояния актива и шкала их измерений формируется на основании требований нормативных и заводских документов, опыта эксплуатации оборудования. Для каждого кри терия устанавливаются предельные значения параметров, вводятся первона чальные данные об объекте с учетом срока и условий эксплуатации объекта, статистические данные, полученные в процессе эксплуатации однотипных технических систем и объектов.

Определение наджности как свойства объекта по ГОСТу 27.002-89 со держит прямое указание на непосредственную связь показателей наджности и параметров объекта [48]. Согласно этому стандарту нахождение парамет ров в определнных границах, установленных в нормативно-технической до кументации, свидетельствует о работоспособном состоянии объекта. При ближение контролируемого параметра к граничному значению свидетельст вует об уменьшении запаса наджности [49].

Таким образом, оценка технического состояния системы управления по найденной совокупности ее параметров должна отвечать на главный вопрос – насколько ее основные характеристики удовлетворяют поставленным требо ваниям, обеспечивая тем самым выполнение заданных функций, а контроли руемые параметры должны удовлетворять ограничениям вида:

xi xi xi, i 1, I. (2.5) В этих целях может быть предложен «обобщенный» параметр J, кото рый вводится как функция контролируемых параметров (x1, x2, …, xN). В ка честве такого обобщенного параметра используется следующее выражение [50]:

I J ci xi xi*, (2.6) i где ci – весовые коэффициенты, учитывающие вклад каждого из парамет ров xi в формирование обобщенного показателя J, ci[0,1];

xi – значения контролируемых параметров в текущий момент времени;

xi* – расчетные значения контролируемых параметров.

Допустимая область определяется соотношением J Jmax, где Jmax – граничное значение обобщенного параметра J.

Таким образом, контроль единицы оборудования по совокупности па раметров (2.5) предлагают заменить проверкой выполнения лишь одного ус ловия (2.6). Наблюдая за изменением обобщенного параметра J(t) во време ни, можно по его величине прогнозировать состояние контролируемой сис темы объекта в будущий момент времени, что также является одним из дос тоинств данного подхода.

Предложенный подход оценки состояния оборудования является неэф фективным при принятии решений, так как при формировании обобщенного показателя учитываются только весовые коэффициенты каждого из парамет ров, при этом не учитывается существенность отклонений каждого из пара метров xi.

В данном случае функция (2.6) является линейной, для того чтобы по лученная оценка отражала отклонения каждого из параметров предлагается при расчете показателя J(t) применить квадратичную функцию и может быть представлена в следующем виде:

I J (t ) ci E ( xi (t ), xi* (t )), i E ( xi (t ), xi* (t )) ai ( xi (t ) xi* (t )) 2, ai 0, I J (t ) ci ai ( xi (t ) xi* (t )) 2, (2.7) i где a i – масштабирующий коэффициент, учитывающий существенность отклонений каждого параметра x i.

Масштабирующий коэффициент, определяется в зависимости от вели чины отклонения расчетных значений параметров производственного актива от текущих по шкале от 1 до 10. При этом, чем существеннее отклонение для определенного параметра, тем большее значение принимает a i, соответст венно тем сильнее будет сжиматься график функции вдоль оси J(t).

Для каждого параметра устанавливается соответствующий показатель, управляющий величиной отклонения. В зависимости от значения коэффици ента a i функция J(t) может принимать следующий вид (где x xi (t ) xi (t ) ):

* Рисунок 2.5 – График функции J(t) в зависимости от выбранного значе ния масштабирующего коэффициента ai Таким образом, применение предложенной квадратичной функции (2.7) позволит более точно определить состояние объекта в зависимости от степени отклонения контролируемых параметров.

В зависимости от степени выявленных отклонений между текущими и расчетными значениями у разных видов оборудований может отслеживаться разное количество параметров. Для того чтобы значения показателя состоя ния J(t) находились в строго определенном диапазоне вне зависимости от ко личества контролируемых параметров выражение (2.7) примет вид:

I c a ( x (t ) x (t )) * ii i i J (t ) i, (2.8) I где I – количество контролируемых параметров оборудования.

Таким образом, выражение (2.8) позволяет получить количественную оценку технического состояния оборудования, но не учитывает важность са мого основного средства, то есть для разных видов оборудований могут быть получены показатели технического состояния J(t) с одинаковыми значения ми;

при этом каждый актив в силу своей физической природы и производст венных мощностей может характеризоваться разным весом для обеспечения полноценного функционирования производственного процесса, которое должно учитывается при принятии решений. Для того чтобы рассчитанный показатель объективно отражал техническое состояние с учетом значимости самого оборудования предлагается в выражение (2.8) включить весовой ко эффициент учитывающий важность функционирования актива:

I c a ( x (t ) x (t )) * ii i i J n (t ) wn i, (2.9) I где wn – весовой коэффициент важности n-го оборудования, wi[0,1];

Jn(t) – интегрированный показатель текущего технического состояния n-го оборудования.

Все используемые весовые коэффициенты определяются путем экс пертного оценивания, и могут корректироваться при необходимости со вре менем [51, 52].

Рассмотрим процесс определения расчетных и текущих значений кон тролируемых параметров.

Совокупность технических параметров оборудования зависит:

от первоначального состояния оборудования;

от истории условий эксплуатации;

от режимов работы.

К условиям эксплуатации относятся рабочие нагрузки, систематиче ские и случайные факторы внешних воздействий и т. п. Режим работы пред ставляет собой набор технических и технологических процессов, каждый из которых характеризуется совокупностью рабочих параметров в определен ный период времени.

Расчетные значения контролируемых параметров функционирования оборудования описывается уравнением состояния:

xi* (t ) F ( xi (t0 ), u[t0,t ], Ki ), (2.10) где xi (t 0 ) – расчетное значение i-го технического параметра оборудования на момент начала эксплуатации объекта;

u[ t0,t ] – условия эксплуатации оборудования на промежутке времени [t0, t];

K i – коэффициент, характеризующий режим работы оборудования.

Результат измерений параметров каждой единицы оборудований зави сят от соответствующих технических параметров производственного актива и условий эксплуатации на момент измерений, и описывается уравнением:

xi (t ) H (vi (t ), ui (t )), (2.11) где vi(t) – значение измерений i-го параметра оборудования в текущий мо мент времени;

ui(t) – условия эксплуатации объекта в текущий момент времени.

Тогда математическая модель оценки фактического технического со стояния оборудования выглядит следующим образом [77]:

I ci ai ( xi (t ) xi* (t )) J n (t ) wn i 1, I x * (t) = F(x (t ), u, K), (2.12) i i 0 [t0, t] xi (t ) H (vi (t ), u i (t )), J(t) min, J (t ) J m ax (t ).

Таким образом, значение интегрированного показателя J(t) отражает текущее технического состояние электроэнергетического оборудования с учетом важности производственного актива и существенностью отклонений каждого из его параметров. Результаты оценки состояния оборудования ис пользуются для прогноза состояния оборудования и его отдельных узлов на временном горизонте, на котором рассматриваются различные варианты тех нических решений.

Разрабатываемая автоматизированная система должна предоставлять пользователю комплексную оценку технического состояния не только каж дой единицы оборудования и любых его группировок, но и электроэнергети ческого объекта в целом.

Для расчета показателя технического состояния электроэнергетическо го объекта используется соотношения вычисления средневзвешенного значе ния по всем составляющим:

N J (t ) n J э. о. (t ) n (2.13), N w n n где Jэ.о.(t) – показатель технического состояния электроэнергетического объекта в момент времени t;

Jn(t) – значение показателя технического состояния n-го оборудования.

Оценка значимости производственных фондов Для расстановки приоритетов в обновлении тех или иных объектов ос новных фондов и принятия обоснованных решений предлагается учитывать не только значения интегрированных показателей технического состояния оборудований, но и значимость объектов, на которых они эксплуатируются.

Данное решение обусловлено тем, что, как правило, при наличии большого парка производственных активов финансовые ресурсы бывают ограничены.

Так при формировании плана работ в рамках выделенных сумм финан сирования из множества основных средств, имеющих одинаковую оценку технического состояния, очередность определяется в зависимости от при быльности электроэнергетического объекта, на котором функционирует ак тив. В условиях перехода к интеллектуальным электроэнергетическим сетям необходимо отказаться от принципа «спрос – любой ценой» и перейти к принципу «уровень надежности, обеспеченный платежеспособным спросом»

[53]. Так же при определении важности электроэнергетического объекта не обходимо учитывать категорию потребителей электрической энергии.

Таким образом, для каждой единицы оборудования рассчитается коэф фициент важности (значимости). Коэффициент определяется в зависимости от объема полезного отпуска электроэнергии с объекта, на котором эксплуа тируется основное средство, категории потребителей и степени загрузки производственных мощностей по отношению к максимальной проектной мощности объекта за период T:

Wэ.о. Z э.о.

Vn K э.о., (2.14) W где Vn – коэффициент важности объекта, на котором функционирует n-ое оборудование;

Wэ.о. – объем полезного отпуска электрической энергии с электроэнер гетического объекта, на котором эксплуатируется оборудование за пе риод T;

W – суммарный объем полезного отпуска электрической энергии с сети анализируемой корпорации (филиала, компании и т.д.) за период T ( W Wэ.о. );

Zэ.о. – коэффициент нагрузки электроэнергетического объекта на кото ром эксплуатируется оборудование за период T, Zэ.о[0,1];

Kэ.о. – коэффициент категорийности электроэнергетического объекта на котором эксплуатируется оборудование за период T, Kэ.о[0,1].

Значение коэффициента Кэ.о. определяется методом экспертных оценок в зависимости от категории потребителей электрической энергии объекта, исходя из степени тяжести экономических и социальных последствий при прерывании электроснабжения.

При определении Кэ.о. учитываются следующие аспекты:

- сбой электроснабжения может повлечь за собой опасность для жизни людей, угрозу для безопасности государства, значительный материальный ущерб, нарушение функционирования особо важных элементов коммуналь ного хозяйства, объектов связи и телевидения;

- нарушение подачи энергии может привести к массовому недоотпуску продукции, массовым простоям рабочих, механизмов и промышленного транспорта и т.д.

- прерывание электроснабжения несет незначительные экономические, социальные, экологические последствия и допускается перерыв в электропи тании на время ликвидации аварии выездной аварийной бригадой.

Таким образом, при ограниченных финансовых ресурсах при принятии решений и планировании определенных воздействий на оборудования с оди наковой оценкой технического состояния предпочтение будет отдаваться ос новным средствам, которые функционируют на электроэнергетических объ ектах, приносящие большую прибыль для организации и нарушение функ ционирования которых характеризуется большей степенью тяжести эконо мических и социальных последствий.

Оценка затрат на процесс обновления и модернизации производственных фондов Предлагаемая автоматизированная система принятия решений содер жит справочники по стоимости технического обслуживания и обновления оборудования, на основании которых подсчитываются затраты на техниче ское обслуживание каждой единицы оборудования и его обновления. Если затраты Сi на техническое обслуживание оборудования за плановый период T составляют более 30% от стоимости нового обновления и срок его эксплуа тации свыше нормативного, то системой принимается решение по обновле нию актива.

При этом:

N Cn C зад, n1 (2.15) J (t ) min, n где Сn – затраты на техническое обслуживание и ремонт n-го оборудования;

Сзад – объем выделенных ресурсов, согласной инвестиционной про грамме на техническое обслуживания и обновление производственных фондов.

Таким образом, по каждому оборудованию получаем оценку его техни ческого состояния Jn(t), коэффициент важности Vn и стоимость затрат Сn.

Оборудования сортируются согласно значениям рассчитанных показа телей состояния, после чего удаляются те объекты, значение которых нахо дится в пределах доверительной зоны (Jmin Jn(t) Jmax) и соответственно имеют низкий показатель риска. Далее основные средства с одинаковой оценкой технического состояния ранжируются в соответствии со значениями показателей важности объекта и рассчитанным коэффициентам затрат.

По результатам проведенного анализа система поддержки принятия решений формирует следующие группы оборудований:

1) требующей замены;

2) требующего капитального ремонта;

3) требующей среднего ремонта;

4) требующей учащенный контроль;

5) годной к эксплуатации.

Таким образом, автоматизированная система позволяет с достаточной степенью точности определить ожидаемые затраты на техническое обслужи вание и обновление производственных фондов, учитывая имеющиеся воз можности финансирования, при формирования годовых планов технического обслуживания. Также применение средств поддержки принятия решений по зволяет формировать технически и экономически обоснованную стратегию работ по модернизации, технологическому развитию и обеспечению функ ционирования станочного парка предприятия.

Комплексный подход при оценке, планировании воздействий и приня тии решений позволяет добиться высоких результатов.

2.4 Разработка методики повышения эффективности процесса обновления и модернизации производственных фондов электроэнергетических объектов Одним из важнейших функций разрабатываемой системы является контроль реализации принятых решений, который осуществляется для дос тижения следующих целей:

- повышение эффективности процесса обновления парка основных средств электроэнергетических объектов, и как следствие повышение надеж ности функционирования энергосистемы, предотвращение сбоев в подаче электрической энергии;

- повышение прозрачности распределения ресурсов выделенных в рам ках финансирования;

- обеспечение своевременного исполнения принятых к реализации ре шений;

- результаты проведенных наблюдений сохраняются в базу знаний и способствуют дальнейшему самообучению системы.

Основной целю системы поддержки принятия решений является по вышение надежности функционирования энергообъектов и предотвращение предаварийных и аварийных инцидентов. Как показывает проведенное ис следование функционирования распределительных электроэнергетических сетей РСО-Алания, основными причинами технологических нарушений по оборудованию электроустановок являются:

воздействие погодных стихийных явлений – 31%;

воздействие посторонних лиц и организаций – 26%;

несоблюдение сроков, невыполнение в требуемых объемах техни ческого обслуживания оборудования – 43%.

Практика свидетельствует о том, что даже качественно разработанные решения оказываются невыполненными в связи с отсутствием отлаженной системы контроля. В связи, на этапе реализации утвержденных решений ак туальной является задача отслеживания сроков, объемов и качества прово димых работ. На рисунке 2.6 приведена обобщенная структурная схема про цесса технического обслуживания и обновления производственных фондов [54].

A Центр управления Функциональные Множество Производственные A1 A2 A3 A4 A подразделения работ активы (руководящий орган) Рисунок 2.6 – Структурная схема процесса технического обслуживания и обновления производственных фондов.

В рассматриваемой схеме выделены следующие информационные по токи:

А1 – перечень мероприятий и рекомендаций по техническому обслу живанию, ремонту и обновлению основных средств;

А2 – утвержденные решения;

А3 – ресурсы, выделенные на выполнение утвержденных мероприятий;

А4 – темпы и объемы работ;

А5 – результаты проведенных мероприятий;

А6 – отчетная информация об исполнении поставленных задач.

Совокупность мероприятий и рекомендаций по техническому обслу живанию, ремонту и обновлению основных средств (А1), формируемых ав томатизированной информационной системой, должна быть утверждена ру ководством организации и уполномоченными должностными лицами, отве чающими за принятие решений, распределение ресурсов между функцио нальными подразделениями. После чего, утвержденный план мероприятий (А2) распределяется между соответствующими функциональными подразде лениями, которые являются непосредственными исполнителями.

Весь объем мероприятий по техническому обслуживанию, реконструк ции и обновлению декомпозируется на множество работ, каждое из которых требует применение отдельных видов технологий, способов, специалистов и т.д. Только выполнение полного объема работ обеспечивает достижению по ставленных целей. На выполнение каждого вида мероприятий функциональ ное подразделение выделяет определенный объем ресурсов (А3).

В зависимости от выделенных объемов финансирования, координиро ванной работы подразделений формируются данные о темпах, сроках и объ емах выполненных работ (А4). После проведенных действий данные (А5) со храняются в базу данных, а отчетная информация (А6) передается в центр управления.

Таким образом, в результате контроля исполнения принятых решений должна определяться степень соответствия принятых управленческих реше ний фактическому состоянию электроэнергетического объекта, выявляющая отклонения и их причины.

Целевую функцию процесса выполнения принятых к реализации меро приятий можно представить в следующем виде [55]:

S N Q ( Psi Fsi ) 2 min, T T (2.16) s 1 i где N – количество оборудования, включенное в план технического обслу живания или обновления, n[0,1];

S – количество функциональных подразделений, задействованных в проведении работ, S[0,1];

Т – отчетный период (квартал, год);

T Psi – планируемые объемы работ по n-му оборудованию по подразде лению s за период Т, руб.;

T Fsi – фактические объемы выполненных работ по n-му оборудованию по подразделению s за период Т, руб.

При наличии на объекте высоконадежного оборудования с низким уровнем изношенности и при отсутствии возмущений со стороны внешней среды на электроэнергетическую систему намеченный объем работ осущест влялся бы строго по плану ( Psi Fsi ) при плановом расходовании ресурсов T T П С si. Однако, при реализации принятых решений между плановым и факти ческим объемом работ существует отклонение. В связи, с чем задача повы шения эффективности процесса обновления основных средств сводится к минимизации суммы квадратов разностей между планируемым и фактиче ским значениями объема работ за некоторый период T. Для этого необходи мо разработать систему поддержки темпов выполнения работ подразделени ем путем корректировки темпов расходования ресурсов.

Плановый темп выполнения работ может быть представлен в следую щем виде:

Psi Asi Сsi, П П T (2.17) П где Asi – матрица коэффициентов плановых темпов поступления ресурсов;

П Сsi – матрица плановых темпов поступления ресурсов.

Фактический темп выполнения работ, как правило, бывает ниже запла нированного ( Fsi Psi ) и описывается выражением:

T T Fsi Asi Сsi, Ф П T (2.18) Ф где Asi – матрица коэффициентов фактических темпов поступления ресур сов.

Таким образом, при отклонении фактических данных от плановых ( Fsi Psi ) матрица коэффициентов плановых темпов поступления ресурсов T T бывает меньше матрицы коэффициентов фактических темпов ( Asi Asi ) и Ф П для обеспечения выполнения работ в полном объеме в запланированные сро ки в автоматизированной системе поддержки принятия решений предусмот рен механизм формирования дополнительных плановых темпов поставки ре сурсов С si в соответствии с недоработанным объемов работ. В этом случае уравнение дополнительных плановых темпов поступления и распределения ресурсов имеет вид:

Psi Asi (С si C si );

П П T (2.19) C si C ( Psi Fsi );

T T где С – вектор имеющихся в организации объемов ресурсов.

Процесс текущего контроля обеспечивает повышение гибкости систе мы, точности и объективности и включает в себя следующие четыре стадии:

- установление норм функционирования;

- сбор данных о фактических результатах проведенных работ и меро приятий;

- сравнение и оценка фактического и ожидаемого результата;

- разработка корректирующих действий.

2.5 Применение интегрированного показателя оценки технического состояния оборудования в процессе принятия решений Для расчета показателя состояния производственного актива электро энергетического объекта на основе выше рассмотренной математической мо дели (2.7) необходимо определить:

- нормативные значения каждого из наблюдаемых параметров обору дования и преобразовать их относительные значения, согласно выше рас смотренной схеме преобразования измеряемых параметров;

- весовые коэффициенты, учитывающие вклад каждого из параметров xi в формирование интегрированного показателя;

- масштабирующие коэффициенты, учитывающие существенность от клонений каждого параметра;

- весовые коэффициенты важности n-го оборудования.

Весовые коэффициенты ci, учитывающие вклад каждого из параметров xi в формирование интегрированного показателя определяются путем экс пертного оценивания в интервале от 0 до 1. Пример шкалы определения сте пени влияния параметра в формировании интегрированного показателя со стояния приведена в таблице 2.3.

Таблица 2.3 – Соответствие значений шкалы значений весовых коэф фициентов, учитывающих вклад каждого из параметров.

Значение весового Степень влияния параметра в формировании коэффициента сi интегрированного показателя состояния отсутствует 0-0, слабое 0,3-0, существенное 0,5-0, явное 0,7-0, абсолютное 0,9- Весовые коэффициенты важности основного средства оцениваются экспертами по шкале от 0 до 1. В качестве примера расчетных и текущих значений контролируемых параметров, при определении интегрированного показателя состояния основного средства приняты экспериментальные дан ные, полученные на электроэнергетических объектах ГУП «Аланияэлектро сеть» представленные в таблице 2.4.

Таблица 2.4 – Данные о состоянии электроэнергетических оборудова ний.

Наимено Интегриро- Коэффи вание элек Наименование ванный по- циент троэнерге- Инв.№ производственного актива казатель со- важности, тического стояния, Jn(t) Vn объекта ПС №03 Трансформатор силовой 300015 7,53 0, ПС №01 Выключатель масляный 100002 1,25 0, ПС №03 Выключатель масляный 300001 4,56 0, ПС №02 Трансформатор масляный 200002 0,79 0, ПС №01 Трансформатор силовой 100003 0,51 0, ПС №01 Трансформатор силовой 100008 0,85 0, ПС №01 Выключатель масляный 100007 4,56 0, ПС №02 Трансформатор силовой 200010 1,11 0, ПС №01 Выключатель вакуумный 100005 0,01 0, ПС №02 Выключатель элегазовый 200006 0,85 0, ПС №02 Выключатель масляный 200009 3,04 0, ПС №03 Трансформатор масляный 300007 4,6 0, ПС №01 Трансформатор масляный 100019 2,9 0, ПС №01 Ограничитель перенапряжений 100015 7,11 0, ПС №02 Выключатель вакуумный 200011 1,99 0, ПС №03 Выключатель вакуумный 300021 2,81 0, ПС №03 Ограничитель перенапряжений 300022 0,78 0, ПС №02 Ограничитель перенапряжений 200016 1,34 0, Интегрированный показатель состояния производственного актива от ражает степень тяжести технического состояния и может принимать значе ния от 0 до 10. Чем больше значение рассматриваемого показателя, тем хуже его эксплуатационные характеристики.

При формировании плана обновления производственных фондов и принятии решений первостепенное внимание уделяется тем основным сред ствам, которые попадают в зону риска. Так в рассмотренном примере наи большую опасность дальнейшей эксплуатации имеют основные средства со значением показателя состояния свыше 4 (инв.№№ 300015, 300001, 100007, 300007, 100015). При наличии финансовых ресурсов все основные средства включаются в план модернизации и обновления, при ограниченных объемах финансирования, отбираются активы с наибольшими показателями J(t), а ос тальные сортируются в зависимости от коэффициентов важности. В том слу чае, если после включения в план действий всех основных средств остаются средства проведение мероприятий по управлению, то происходит ранжиро вание основных средств с более низкими показателями состояния и т.д.

В ходе проведенных экспериментов в ГУП «Аланияэлектросеть» в 2012 году было выявлено значительное снижение количества зарегистриро ванных технологических нарушений, аварий и инцидентов, что подтвержда ется полученными данными, приведенными в таблице 2.5.

Таблица 2.5 – Динамика технологических нарушений в электрических сетях ГУП «Аланияэлектросеть» за период 2007-2012гг.

2007 2008 2009 2010 2011 Показатели год год год год год год Финансирование, млн.

6,39 6,90 11,45 21,47 48,39 16, руб.

Количество технологиче 25 19 20 16 19 ских нарушений После внедрения разработанной системы поддержки принятия реше ний в 2012 году уровень эффективности процесса обновления производст венных фондов повысился, так при существенном сокращении финансирова ния в 2012 г. по сравнению с 2011 г. количество технологических нарушений уменьшилось.


Экспериментальная проверка результатов данной диссертационной ра боты в ГУП «Аланияэлектросеть» показала положительную тенденцию тех нологических нарушений (рисунок 2.7) Рисунок 2.7 – Динамика технологических нарушений в ГУП «Алания электросеть» в период 2007-2012гг.

Так в 2012 г. резко сократилось сумма капитальных вложений по срав нению с предыдущими годами, но, не смотря ограниченность финансовых ресурсов, удалось снизить количество технологических нарушений на иссле дуемом электроэнергетическом объекте.

2.6 Выводы к главе В соответствии с поставленной задачей разработки системы поддержки принятия решений были достигнуты следующие результаты:

Разработана нейросетевая модель преобразования множества кон 1.

тролируемых параметров технического состояния, необходимая для сверты вания количества произведенных измерений и дальнейшего сравнения с рас четными значениями.

На основе многофакторного градиентного анализа предложен но 2.

вый подход планирования воздействий на основное средство и разработана математическая модель оценки технического состояния оборудования и электроэнергетического объекта в целом. Данная модель позволяет оценить техническое состояние производственных фондов с учетом значимости про изводственного актива и существенности отклонений каждого из его контро лируемых параметров с применением предложенного интегрированного по казателя технического состояния оборудования Jn(t), коэффициента важно сти электроэнергетического объекта Vn, на котором эксплуатируется актив и стоимости затрат технического обслуживания и обновления Сn.

Разработана методика повышения эффективности процесса техни 3.

ческого обслуживания, модернизации и обновления основных средств элек троэнергетического объекта, позволяющая сократить отклонения выполняе мых объемов работ от запланированных.

Проведена аппроксимация экспериментальных данных и рассчи 4.

таны показатели оценки технического состояния оборудований электроэнер гетического объекта.

ГЛАВА 3. РАЗРАБОТКА ФУНКЦИОНАЛЬНОЙ МОДЕЛИ И СТРУКТУРЫ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ПРОИЗВОДСТВЕННЫМИ ФОНДАМИ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ ОБЪЕКТОВ 3.1 Разработка модели обработки информации для оценки технического состояния оборудования и повышения эффективности процесса обновления производственных фондов Электроэнергетика является базовой отраслью российской экономики, обеспечивающей электрической и тепловой энергией внутренние потребно сти народного хозяйства и населения, а также осуществляющей экспорт электроэнергии в страны СНГ и дальнего зарубежья. Устойчивое развитие и надежное функционирование отрасли во многом определяют энергетическую безопасность страны и являются важными факторами ее успешного эконо мического развития [56].

Современное состояние электроэнергетики характеризуется увеличе нием нагрузок и высоким уровнем износа оборудования. Если учесть, что ос новной пик развития российской электроэнергетики пришелся на 60-е годы прошлого века, становится очевидно, что сроки эксплуатации основных средств достигли критического максимума, а новых мощностей недостаточно не только для обеспечения роста потребностей в электроэнергии, но и для стабильного надежного энергоснабжения при текущем уровне потребления.

Таким образом, электроэнергетическая система страны, нуждается в серьез ной модернизации производственных фондов и обновлении как в части заме ны 50-65% физически и морально устаревшего оборудования, так и в приме нении новых технологий и информационно-диагностических систем [57].

Во всех развитых странах возрастает внимание к системам электро энергетики, использующим современное оборудование, технологии, средства измерения и управления, позволяющие на более высоком уровне обеспечить надежность их функционирования.

К основным целям внедрения активно-адаптивных сетей можно отне сти: повышение качества электроснабжения;

уменьшение потерь электро энергии;

повышение наблюдаемости сети и надежности функционирования энергосистем.

Эффективное управление сетями нового поколения и порождаемыми ими огромными массивами данных требует новых подходов к созданию ин формационных систем обработки данных и принятия решений, а также раз работки новых и совершенствования уже существующих способов оценки текущего технического состояния оборудования, анализа, прогнозирования и планирования, основанных на методах искусственного интеллекта и принци пах адаптивного управления.

В современных условиях система мониторинга должна иметь средства передачи данных в автоматизированную систему, обеспечивающую принятие оперативных управленческих решений. Модель предлагаемой интеллекту альной системы поддержки принятия решений для оценки эффективности процесса обновления и модернизации производственных фондов электро энергетических объектов приведена на рисунке 3.1.

X Оценка технического X1 состояния оборудования Наблюдение и путем расчета Анализ X X2 X контроль интегрированного показателя Ji(t) Прогнозирование X X Планирование мероприятий X Принятие на основе полученных Реализация решений на значений интегрированного утвержденных X8 X основе текущей показателя Ji(t) и объемов решений ситуации финансирования X Входящая информация Внутренняя информация Внешняя информация Рисунок 3.1 – Модель процесса принятия решений в системе управле ния производственными фондами Структурно процесс оценки технического состояния электроэнергети ческого оборудования и определения эффективности обновления производ ственных фондов можно разделить на следующие этапы: наблюдение и кон троль, анализ, оценка технического состояния, прогнозирование, планирова ние, принятие решений и реализация решений.

В предложенной системе существуют следующие информационные связи:

X1 – входящие информационные потоки от внешних источников (сис тем непрерывного контроля оборудования, систем автоматизированного уче та энергоресурсов и т.д.);

X2 – информационные потоки о техническом состоянии оборудования;

X3 – поток информации о результатах анализа данных технического состояния;

X4 – входящие информационные потоки, учитываемые при оценке технического состояния оборудования;

X5 – потоки информации оценки текущего технического состояния оборудования;

X6 – потоки информации прогнозируемых данных технического со стояния;

X7 – информационные потоки о планах-графиках работ и программ технического обслуживания и обновления основных средств;

X8 – потоки информации об утвержденных решениях и принятых к реализации мероприятий;

X9 – информационные потоки от внешних управляющих структур электроэнергетического объекта;

X10 – информационные потоки о результатах выполненных работ.

Для обеспечения непрерывного отслеживания состояния основных фондов в предлагаемой системе выделен блок наблюдения и контроля, в ко торый поступает информация о состоянии производственных фондов (X1) (данные от датчиков состояния, которые отслеживают множество параметров оборудований, систем паспортных данных основных средств и т.д.).

Отслеживаемые данные о техническом состоянии оборудования (X2) передаются в блок анализа, а на основании результатов обработки и интел лектуального анализа данных (X3) происходит оценка текущего техническо го состояния, как каждой единицы оборудования, так и энергообъекта в це лом. При этом на результаты расчета показателей оценки состояния активов могут оказывать влияние мнения экспертов (X4) при оценивании весовых ко эффициентов ci, аi, wi.

Рассчитанные показатели состояний (X5) могут быть использованы как для прогноза, так и для планирования планов-графиков работ и программ об новления производственных фондов (X6, X7).

На процесс планирования и принятия решений могут влиять информа ционные потоки от внешних управляющих структур электроэнергетического объекта (X9) (информация о внешних возмущениях, изменения объемов фи нансирования и т.д.).

Важным составляющим рассматриваемой системы является блок при нятия решений, который по результатам проведенных расчетов формирует оптимальные обоснованные решения для эффективного функционирования объекта в целом. Утвержденные решения (X8) должны быть реализованы в заданный период времени с учетом имеющихся ресурсов.

Для обеспечения своевременного выполнения всех мероприятий и ре комендаций, а также обеспечения целевого и эффективного расходования финансовых средств в систему поступает детализированная информация о проведенных работах (X10).

Таким образом, к основным функциям предложенной системы отно сятся: непрерывный контроль состояния оборудования, оценка технического состояния в режиме реального времени, предотвращение нештатных ситуа ций, планирование программ обновления и модернизации, с помощью мето дов интеллектуального анализа данных и принятия решений. Не менее важ ным является этап реализации решений, так как система позволяет дать оценку эффективности принятых к исполнению решений и проведенных ме роприятий, что способствует оптимизации процесса распределения финансо вых ресурсов выделенных в рамках инвестиционной программы, а также по вышению эффективности процесса обновления и модернизации производст венных фондов [47].

Предлагаемая модель системы сбора и обработки данных обеспечит ав томатизацию процессов оценки технического состояния и анализа данных, а также формирование обоснованных стратегических решений.

3.2 Функциональное моделирование системы поддержки принятия решений для оценки состояния оборудования и повышения эффективности процесса обновления производственных фондов электроэнергетических объектов В условиях перехода к интеллектуальной электроэнергетической сис теме в целях оптимизации процессов эксплуатации, технического обслужи вания, модернизации и обновления оборудования большое внимание уделя ется удаленному мониторингу производственных фондов, интегрированному в корпоративные системы управления.


Развитая система обработки информации и баз данных резко увеличит возможности по оптимизации режимов работы и совершенствованию про цессов обновления инфраструктуры, даст возможность принимать оптималь ные решения, в том числе и эффективного распределения инвестиций.

Энергосистема на базе концепции активно-адаптивной сети подразуме вает использование динамических данных, получаемых от оборудования и датчиков, в целях оптимизации пропускной способности сетей и снижения вероятностей аварий. Внедрение интеллектуальных систем поддержки при нятия решений для оценки технического состояния производственных фон дов позволит:

- предоставлять достоверную информацию о состоянии оборудования как в режиме реального времени, так и за любой период эксплуатации;

- минимизировать простаивающие и резервные мощности;

- сократить капитальные затраты и затраты на обслуживание;

- улучшить параметры наблюдаемости электроэнергетической сети;

- повысить надежность электроснабжения;

- предупредить и предотвратить возникновение нештатных режимов;

- оперативно реагировать на происходящие изменения;

- обосновать целесообразность применяемых относительно инвестиций решений.

Важнейшим инструментом при создании подобных сложных информа ционных систем является системное моделирование.

Моделирование – основной метод исследований во всех областях зна ний и научно-обоснованный метод оценок характеристик сложных систем, используемый для принятия решений в различных сферах инженерной дея тельности [58]. Выбор метода моделирования и необходимая детализация моделей существенно зависят от этапа разработки сложной системы [59].

Применение методологии системного моделирования на стадии проектиро вания интеллектуальной системы принятия решений для оценки состояния оборудования электроэнергетических объектов позволяет четко обосновать и сформулировать требования к будущей системе, выделить основные функ ции и задачи, определить взаимосвязь ее элементов и разработать системный проект. На рисунке 3.2 приведена функциональная модель, которая является основой содержательного представления системного моделирования процес са оценки состояния электроэнергетической инфраструктуры [60].

Инвестиционная Нормы, программа ГОСТы Данные систем мониторинга Отчеты Оценка технического состояния Паспортные данные электроэнергетического оборудования Управленческие решения Информация о внешней среде оборудования Данные технического осмотра А0 Требования на корректировку Данные систем контроля и учета входов или управлений энергоресурсов энергоресурсов Технические Персонал Программное средства обеспечение Рисунок 3.2 – Контекстная диаграмма описания процесса оценки со стояния оборудования электроэнергетического объекта Согласно методологии SADT (Structured Analysisand Design Technique) [61, 62], процесс оценки состояния оборудования представляется в виде со вокупности множества взаимосвязанных действий, работ, которые взаимо действуют между собой на основе определенных правил, с учетом потреб ляемых информационных, человеческих и производственных ресурсов, имеющих четко определенный вход и не менее четко определенный выход.

Проведенное исследование системы энергоснабжения РСО-Алания по казывает, что существующие нормативные документы, ГОСТы, правила вы вода объектов в ремонт и из эксплуатации устарели и требуют изменений, так как не отвечают требованиям интеллектуальных электрических сетей.

К ресурсам, исполняющим процесс оценки состояния производствен ных фондов, относятся технические средства, программное обеспечение и персонал. Технические средства, применяемые в процессе принятия реше ний, представляют собой сетевое обеспечение и вычислительную технику.

Программное обеспечение – операционные системы, пакеты прикладных программ, среды моделирования, объектно-ориентированные языки про граммирования и т.д. В качестве персонала выступают различные подразде ления, участвующие в процессе оценки технического состояния производст венных фондов: руководители, операторы, администраторы баз данных, ин женеры-расчетчики;

инженеры-программисты, специалисты по техническо му обслуживанию и ремонту и т. д.

Основной процесс функциональной модели, представленной на рису нок 3.2, декомпозируется и представляется в виде иерархии диаграмм (рису нок 3.3). В его составе выделены следующие функциональные блоки:

A1 – обработка данных;

A2 – интеллектуальный анализ данных;

A3 – оценка состояния;

A4 – принятие решений;

A5 – контроль реализации принятия решений.

Инвестиционная программа () Нормы, ГОСТы Данные систем мониторинга Правила оценки Паспортные данные оборудования Обработка Результаты данных обработки Информация о внешней среде Данные технического осмотра А Данные систем контроля и учета Результаты Интеллекту энергоресурсов энергоресурсов интеллек альный анализ туального данных анализа А2 Интегри рованный показатель Оценка состояния состояния А Требования на корректировку входов или выходов Принятие решений Управленческие решения А Контроль Технические средства реализации принятых Отчеты Персонал решений Программное обеспечение Результаты выполненных работ А () Рисунок 3.3 – Детализированная контекстная диаграмма процесса оценки состояния оборудования электроэнергетического объекта Функциональный блок А1 представляет собой подсистему предвари тельной обработки потока данных, импортируемых из внешних источников (систем мониторинга, систем электронных паспортов основных средств, ав томатизированных систем контроля и учта энергоресурсов и т.д.), в форма ты, подходящие для хранения и последующего анализа.

На рисунке 3.4 изображена диаграмма, представляющая детализиро ванное описание процесса обработки данных, на которой в качестве выпол няемых функций отмечены:

А11 – очистка данных – исключение противоречий и случайных «шу мов» из исходных данных;

А12 – интеграция данных – объединение данных из нескольких воз можных источников в одной базе данных;

А13 – преобразование данных. На данном этапе данные преобразуются к форме, подходящей для анализа. Часто применяется агрегация данных, дискретизация атрибутов, сжатие данных и сокращение размерности [63];

А14 – сохранение данных.

Инвестиционная программа Нормы, ГОСТы Данные систем мониторинга Паспортные данные оборудования Очистка Результаты данных фильтрации Информация о внешней среде Данные технического осмотра А Данные систем контроля и учета Интеграция Результаты энергоресурсов энергоресурсов данных интеграции А12 данных Преобразование Системати зированные данных А13 данные Сохранение Результаты данных А14 обработки данных Технические средства Персонал Программное обеспечение Рисунок 3.4 – Диаграмма декомпозиции процесса обработки данных Результаты обработки данных поступают в подсистему интеллектуаль ного анализа, позволяющую выявить закономерности и тренды в больших объемах разнородной информации. Детализация блока А2 представлена диа граммой, изображенной на рисунке 3.5. В составе исходного процесса интел лектуального анализа данных выделены следующие подпроцессы:

А21 –контроль текущих значений;

А22 – выявление отклонений;

А23 – регистрация отклонений;

А24 – выявление закономерностей;

А25 – анализ исключений;

А26 – выявление трендов и колебаний;

А27 – анализ видов последствий;

А28 – прогнозирование развития процессов.

Инвестиционная программа Нормы, ГОСТы Контроль Данные о Результаты текущих состоянии обработки значений данных А Выявление Данные об отклонений отклонениях Зарегистри А рованные Регистрация отклонения отклонений А23 Выявлен Выявление ные законо закономер- мерности Досто ностей верные А законо Анализ мерности исключений А Выявление Показатели трендов и тренда колебаний Методы управления А () Анализ видов видами отказов последствий А Результаты интеллек Прогнози туального Оценка рование развития анализа рисков процессов А Технические средства Программное обеспечение Рисунок 3.5 – Диаграмма декомпозиции процесса интеллектуального анализа данных Далее результаты проведенного интеллектуального анализа поступают в подсистему оценки состояния оборудования, которая представлена сле дующими функциональными блоками (рисунок 3.6):

А31 – определение нагрузочной способности;

А32 – определение коэффициента значимости объекта;

А33 – расчет интегрированного показателя.

Инвестиционная программа Нормы, ГОСТы Показатель Определение нагрузочной нагрузочной Результаты способности интеллектуального способности А анализа Определение Коэффициент коэффициента значимости значимости А Расчет интегрированного Интегрированный показателя состояния показатель А33 состояния Технические средства Персонал Программное обеспечение Рисунок 3.6 – Диаграмма декомпозиции процесса оценки состояния На основе полученных показателей состояния формируется управлен ческое решение исходя из приоритетов обновления и модернизации оборудо вания с учетом заданных или планируемых объемов инвестиций.

Декомпозиция функциональной модели принятия решений рассмотре на на рисунке 3.7. Процесс принятия решений представлен взаимосвязью следующих функциональных блоков:

А41 – сравнение показателей состояния;

А42 – поиск оптимальных решений;

А43 – формирование долгосрочных программ;

А44 – формирование планов работ.

Инвестиционная программа Нормы, ГОСТы Сравнение Результаты Интегрированный показателей сравнения состояния показатель состояния А Оптимальные Поиск решения оптимальных решений А Долгосрочная программа Формирование работ долгосрочных программ А Требования на корректировку Планирование входов или управлений работ А Управленческие решения Технические средства Персонал Программное обеспечение Рисунок 3.7 – Диаграмма декомпозиции процесса принятия решений Для обеспечения контроля целевого расходования финансовых ресур сов, оценки выполняемых работ, а также эффективности выдаваемых систе мой рекомендаций для дальнейшего самообучения в проектируемой системе предусмотрен компонент контроля реализации принятых решений. Детали зация данного блока приведена на рисунок 3.8.

Процесс контроля реализации принятых решений предполагает выпол нение следующих функций:

А51– определение степени реализации принятых решений;

А52 – оценка эффективности выполненных работ;

А53 – сохранение результатов в базу знаний;

А54 –формирование отчетов.

После произошедшей нештатной ситуации производится анализ приня тых и непринятых решений, их последствий, выработка правил, и запись оп тимальных решений в базу продукционных правил [64].

Правила оценки Коэффициент Управленческие реализации Определение решения решений степени реализации принятых решений Результат А выполненных Показатель работ эффективности Оценка выполненных эффективности работ выполненных работ А52 Результаты оценки состояния и принятых Сохранение результатов в решений базу знаний А Формирование отчетов Отчеты А Технические средства Персонал Программное обеспечение Рисунок 3.8 – Диаграмма декомпозиция функционального блока кон троля реализации принятых решений.

Контроль реализации принятых решений и выполненных мероприятий даст возможность понять правильность выбора:

• подсистем и критериев для оценки состояния оборудования;

• перечня контролируемых параметров;

• оповещений и рекомендаций.

В проектируемой системе поддержки принятия решений для оценки состояния оборудования электроэнергетических объектов предусмотрен ме ханизм самообучения, позволяющий повысить эффективность формируемых рекомендаций и как следствие оптимизировать процесс распределения капи тальных вложений при обновлении и модернизации инфраструктуры.

Таким образом, разработана функциональная модель процесса оценки состояния оборудования электроэнергетическим объектов в рамках ИЭС ААС на основе технологии IDEF0, что позволило выделить основной спектр задач и сформулировать требования к их реализации в составе интеллекту альной системы поддержки принятия решений. Проектируемая система даст возможность предоставлять управленческому аппарату интеллектуальные средства оценки, анализа и прогнозирования состояния производственных фондов на основании комплексного учета различных факторов. На этой ос нове в подсистеме будет осуществляться выбор стратегий управления отка зами, планирование и учет выполнения работ.

3.3 Разработка структуры системы поддержки принятия решений для оценки состояния оборудования и повышения эффективности процесса обновления производственных фондов электроэнергетических объектов Система поддержки принятия решений должна быть построена в соот ветствии с особенностями перехода и внедрения активно-адаптивной сети и возможностью применения разработанной математической модели оценки технического состояния оборудования и методики повышения эффективно сти процесса обновления производственных фондов.

Данная информационная система должна выполнять следующие функ ции:

- оценка и анализ состояния оборудования в режиме реального време ни;

- повышение наблюдаемости энергосистемы;

- определение приоритетов в замене основных фондов и направление инвестиций в то оборудование, которое вскоре может дать сбои или прибли жается к работе на полную мощность;

предоставление рекомендаций диспетчерскому, оперативно технологическому и ремонтному персоналу для реализации управляющих воздействий и проведения соответствующих работ;

- проведение анализа действия оперативного персонала;

- оптимизация планирования технического обслуживания и ремонт оборудования;

- предотвращение выхода из строя важных компонентов, - повышение надежности и экономически оптимальное функциониро вание системы и т.д.

Предлагаемая структурная схема интеллектуальной системы управле ния приведена на рисунке 3.9.

Рисунок 3.9 – Структура интеллектуальной системы управления со стоянием основных фондов электроэнергетических объектов.

Рассмотрим основные уровни разрабатываемой интеллектуальной сис темы управления [65]:

1. Сбор исходных данных об энергетических объектах осуществляется различными способами:

получение данных с систем мониторинга. Учитывая возрастающие возможности датчиков в области непрерывного отслеживания статуса обору дования интеллектуальной электрической сети, в рассматриваемую систему поступает постоянный поток данных от этих устройств. Для каждого обору дования устанавливается набор параметров отклонений, которые приводят к сбоям и работу которых необходимо контролировать с помощью датчиков (например, для трансформатора важными критериями являются отслежива ние состава охлаждающего масла, регулярности в переключении обмоток, чрезмерных перегрузок по току и напряжению и т.д.);

- организация системы электронных паспортов основных средств, со держащей следующую информацию по каждой единице оборудования: на именование, инвентарный номер, модель, год выпуска, год ввода в эксплуа тацию, основные технические характеристики, данные о проведенных техни ческих обслуживаниях, данные об отказах в работе, времени наработки на отказ, остаточной балансовой стоимости и т.д. На основании исторических характеристик можно определить закономерности поведения характеристик оборудования и получить качественный прогноз функционирования.

- контактный метод с выездом на объект рабочей бригады с использо ванием средств измерений (система внешнего аудита);

- получение информации с автоматизированной измерительной систе мы контроля и учта энергоресурсов, в целях отслеживания соответствия на грузки электроэнергетического объекта ее мощностям, для расчета коэффи циентов важности оборудований и электроэнергетических объектов, а также полученные данные могут быть использованы при прогнозирования потреб ления и необходимости в увеличении мощностей передающих сетей.

- получения информации о внешних природно-климатических воздей ствиях (молниевые воздействия, гололедно-ветровые воздействия, пожары, нагревы проводов и т.д.).

2. На уровне предварительной обработки данных решаются задачи ор ганизации передачи данных из внешних источников с поддержкой уникаль ных идентификаторов информационных объектов на основе общесистемных справочников и классификаторов.

3. Уровень хранения. На данном уровне осуществляется хранение по ступающей в систему информации о производственных активах, а также удобный и быстрый поиск нужных данных.

4. Уровень анализа и формирования знаний. Технологии интеллекту ального анализа данных позволяют решать множество задач с привлечением методов искусственного интеллекта. Результаты анализа сохраняются в базу знаний.

5. Уровень принятия решений. На данном этапе происходит формиро вание инструкций, рекомендаций, перечня мероприятий по оптимизации процесса обновления основных фондов, решению задач технического пере вооружения предприятия и т.д.

6. Уровень контроля реализации решений позволяет отследить степень исполнения и эффективности мероприятий. В ходе контроля осуществляется накопление информации о фактических последствиях принятых решений, проводится анализ отклонений от запланированных или спрогнозированных последствий, выполняется корректировка нормативов [67].

Результаты эффективности принятых к исполнению мероприятий пе редаются в подсистему приобретения знаний, автоматизирующую процесс наполнения баз знаний.

Внедрение данной системы как одной из составляющих элементов ин теллектуальной электроэнергетической сети направлено на достижение каче ственно нового уровня эффективности ее функционирования и развития, а также повышение системной надежности.

Разрабатываемая система является инновационной применительно к данной предметной области и позволит:

- предоставлять достоверную информацию о состоянии оборудования энергетических объектов и необходимости обновления инфраструктуры;

- повысить надежность работы основного и вспомогательного оборудо вания и энергоснабжения в целом;

- снизить затраты на обслуживание и обновление инфраструктуры;

- оперативно реагировать на происходящие изменения;

- повысить эффективность и оперативность работы диспетчерских служб;

- предотвратить внештатные и аварийные ситуации;

- обеспечить целевое расходование выделенных средств;

- давать конкретные указания по определению приоритетов в замене основных фондов;

- обосновать целесообразность применяемых относительно инвестиций решений и т.д.

3.4 Выводы к главе По результатам третьей главы можно сделать следующие выводы:

Разработана модель обработки информации о техническом состоя 1.

нии оборудования для оценки уровня надежности производственных фондов при эксплуатации и повышения эффективности процесса их модернизации и обновления. Рассмотрены информационные потоки данных в предложенной модели.

Разработана функциональная модель процесса оценки состояния 2.

оборудования электроэнергетических объектов в рамках интеллектуальной электроэнергетической системы на основе методологии системного анализа и IDEF-технологий.

Разработана структура интеллектуальной системы поддержки 3.

принятия решений для оценки состояния оборудования и повышения эффек тивности процесса обновления электроэнергетических производственных ак тивов.

Сформулированы основные требования, задачи и функции систе 4.

мы поддержки принятия решений.



Pages:     | 1 || 3 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.