«МЕТОДЫ И АЛГОРИТМЫ ПРИНЯТИЯ РЕШЕНИЙ В СИСТЕМАХ УПРАВЛЕНИЯ ПРОИЗВОДСТВЕННЫМИ ФОНДАМИ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ ОБЪЕКТОВ ...»

СЕВЕРО-КАВКАЗСКИЙ ГОРНО-МЕТАЛЛУРГИЧЕСКИЙ ИНСТИТУТ

(ГОСУДАРСТВЕННЫЙ ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ)

На правах рукописи

Гаглоева Индира Эдуардовна

МЕТОДЫ И АЛГОРИТМЫ ПРИНЯТИЯ РЕШЕНИЙ В СИСТЕМАХ

УПРАВЛЕНИЯ ПРОИЗВОДСТВЕННЫМИ ФОНДАМИ

ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ ОБЪЕКТОВ

Специальность: 05.13.01– «Системный анализ, управление и обработка информации (промышленность)»

Диссертация на соискание учной степени кандидата технических наук

Научный руководитель:

д.т.н. профессор Кумаритов Алан Мелитонович Владикавказ –

СОДЕРЖАНИЕ

СПИСОК УСЛОВНЫХ ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ.................. ВВЕДЕНИЕ

ГЛАВА 1. СИСТЕМНЫЙ АНАЛИЗ ОСОБЕННОСТЕЙ ПОСТРОЕНИЯ

СИСТЕМ ОБРАБОТКИ ИНФОРМАЦИИ В ИНТЕЛЛЕКТУАЛЬНЫХ

ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ СЕТЯХ

1.1 Проблемы и перспективы внедрения технологий интеллектуальных электроэнергетических сетей

1.2 Анализ методов оценки состояния оборудования и эффективности процесса обновления производственных фондов электроэнергетических объектов

1.3 Анализ эффективности функционирования систем сбора и обработки информации о состоянии производственных фондов электроэнергетических объектов

1.4 Анализ средств и технологий поддержки принятия решений в интеллектуальных электрических системах с активно-адаптивной сетью…

1.5 Выводы по первой главе и постановка задачи исследования............

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.................. 2.2 Разработка метода преобразования параметров технического состояния производственных фондов для системы поддержки принятия решений

2.3 Разработка математической модели оценки состояния производственных фондов электроэнергетических объектов.................. 2.4 Разработка методики повышения эффективности процесса обновления и модернизации производственных фондов электроэнергетических объектов

2.5 Применение интегрированного показателя оценки технического состояния оборудования в процессе принятия решений

2.6 Выводы к главе 2

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

3.2 Функциональное моделирование системы поддержки принятия решений для оценки состояния оборудования и повышения эффективности процесса обновления производственных фондов электроэнергетических объектов

3.3 Разработка структуры системы поддержки принятия решений для оценки состояния оборудования и повышения эффективности процесса обновления производственных фондов электроэнергетических объектов

3.4 Выводы к главе 3

ГЛАВА 4. РАЗРАБОТКА АЛГОРИТМИЧЕСКОГО И ПРОГРАММНОГО

КОМПЛЕКСА СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ

ОЦЕНКИ СОСТОЯНИЯ ОБОРУДОВАНИЯ И ПОВЫШЕНИЯ

ЭФФЕКТИВНОСТИ ПРОЦЕССА ОБНОВЛЕНИЯ ПРОИЗВОДСТВЕННЫХ

ФОНДОВ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ ОБЪЕКТОВ

комплекса

4.2 Разработка архитектуры системы поддержки принятия решений для оценки состояния оборудования и повышения эффективности процесса обновления производственных фондов

4.3 Реализация пользовательского интерфейса системы поддержки принятия решений

4.4 Выводы к главе 4

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

кандидатской диссертационной работы

СПИСОК УСЛОВНЫХ ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ

ЕНЭС единая национальная электрическая сеть ИЭС ААС интеллектуальная электроэнергетическая система с СУБД система управления базами данных

ВВЕДЕНИЕ

Актуальность работы. В настоящее время во всех развитых странах мира большое внимание уделяется системам электроэнергетики, использующим самое современное оборудование и технологии, средства измерения и управления, позволяющие на более высоком уровне обеспечить надежность и экономичность функционирования электроэнергетических объектов. Задача эта является актуальной и для российской электроэнергетики, так как для отрасли характерен высокий моральный и физический износ производственных фондов, приводящий к значительным потерям электроэнергии и сбоям в энергоснабжении.

Качественно новый уровень в обеспечении бесперебойной работы электроэнергетических объектов, может быть достигнут при использовании информационных технологий, в частности систем поддержки принятия решений, предназначенных для автоматизации процесса технического обслуживания и обновления инфраструктуры, а также компьютерного анализа данных о состояния сети и эффективности работы диспетчерских служб.

Особенно это актуально в настоящее время в условиях перехода к интеллектуальной электроэнергетической системе с активно-адаптивной сетью (ИЭС ААС, Smart Grid) [1].

Разработка подобных систем соответствует одному из основных направлений энергетической стратегии России до 2030 года, стимулирующему создание высоко интегрированных интеллектуальных системообразующих и распределительных электрических сетей нового поколения в Единой энергетической системе России и концепции построения ИЭС ААС.

Переход к адаптивным технологиям связан с увеличением объема информации о состоянии электроэнергетических объектов, ее элементов и о внешней среде. Существует объективная необходимость в разработке системы принятия решений при управлении производственными фондами для обеспечения сбора, анализа и последующей обработки данных о техническом состоянии, а также поддержки управленческих решений в части выработки рекомендаций по техническому обслуживанию, модернизации или введению новых активов, обоснованности направления инвестиций в то или иное оборудование.

Предлагаемая в диссертационной работе система поддержки принятия решений осуществляет: обработку и анализ больших объемов данных; формирование рекомендаций по обновлению инфраструктуры, исходя из текущих и планируемых объемов финансирования, сохраняя при этом надежность функционирования объекта; преобразование сложных и разнородных информационных потоков о состоянии сети в форматы, легко воспринимаемые лицом принимающее решение.

Проведенное исследование возрастной структуры электросетевого оборудования, технического состояния инфраструктуры и уровня технологических нарушений при функционировании электроэнергетических объектов РФ показывает, что:

- автоматизация процесса управления производственными фондами остается на низком уровне;

- при направлении капитальных вложений в то или иное основное средство не учитывается его фактическое техническое состояние, в связи, с чем инвестиции не всегда направлены в оборудование, которое вскоре может дать сбои;

- существует необходимость в оптимизации процесса планирования технического обслуживания и обновления инфраструктуры на основе текущей оценки технического состояния каждой единицы оборудования, с учетом важности и значимости электроэнергетических объектов.

В настоящее время разработаны и приняты стратегия развития электроэнергетики до 2030 года и Генеральная схема размещения объектов электроэнергетики до 2020 года, но о новых технологиях в них не упоминается, также отсутствуют программы по реализации конкретных проектов.

Особая актуальность задачи разработки методов и алгоритмов обработки информации о техническом состоянии оборудования диктуется необходимостью совершенствования электроэнергетических сетей, с целью повышения наджности функционирования энергосистемы, предотвращения сбоев в энергоснабжении, путем определения приоритетов в замене производственных фондов при планировании работ и распределении капитальных вложений.

Целью диссертационной работы является исследование и разработка системы принятия решений при управлении производственными фондами на основе оценки технического состояния оборудования и повышения эффективности процесса их обновления в интеллектуальных электроэнергетических системах с активно-адаптивной сетью.

Поставленная цель потребовала решения следующих задач:

1. Исследование предметной области с целью выявления проблем и особенностей, учитываемых при моделировании и разработке систем принятия решений при управлении производственными фондами на основе оценки фактического состояния активов;

Анализ существующих систем непрерывного контроля технического состояния электроэнергетического оборудования;

Разработка методов оценки технического состояния производственных фондов электроэнергетических объектов и повышения эффективности процесса обновления производственных фондов на базе концепции Smart Grid;

Разработка структуры, алгоритмов функционирования основных подсистем системы поддержки принятия решений при управлении электроэнергетическими производственными активами;

Разработка принципов построения программного комплекса для повышения эффективности технического обслуживания и оптимизации процесса обновления основных средств.

Объект исследований – системы сбора и обработки информации о техническом состоянии электроэнергетического оборудования.

Предмет исследований – алгоритмические и математические методы, модели поддержки принятия решений, информационные технологии и технические средства построения систем поддержки принятия решений.

Методы исследований. Решение поставленных задач базируется на применении комплекса методов системного анализа, теории принятия решений, математической статистики, технико-экономического анализа, нейронных сетей.

Научная новизна диссертационной работы:

Разработан интегрированный показатель оценки технического состояния электроэнергетического оборудования (Jn(t)), позволяющий идентифицировать состояние актива с учетом важности каждого из его контролируемых параметров и степени их отклонений, а также значимости производственного фонда.

Предложен новый подход планирования воздействий на основные средства путем определения приоритетов, основанный на применении разработанного интегрированного показателя технического состояния оборудования (Jn(t)), коэффициента важности электроэнергетического объекта (Vn), на котором эксплуатируется актив и стоимости затрат технического обслуживания и обновления (Сn).

Предложен способ обработки информации в системе управления производственными фондами, позволяющий повысить эффективность распределения капитальных вложений и минимизировать отклонения выполняемых объемов работ от запланированных на основе мониторинга реализации инвестиционной программы и утвержденных решений.

Предложены функциональная модель процесса оценки состояния оборудования электроэнергетических объектов в рамках интеллектуальной электроэнергетической системы, структура и средства визуализации системы принятия решений, обеспечивающие проведение оперативного качественного и количественного анализа информации о состоянии основных средств в целях обоснования направления инвестиций в то или иное оборудование.

Практическая значимость диссертационной работы:

1. На основе проведенного анализа существующих систем обработки информации о техническом состоянии оборудования и систем поддержки принятия решений при управлении производственными фондами объектов электроэнергетики обозначены следующие приоритетные задачи: преобразование сложных и разнородных данных в информацию понятной и доступной пользователю, направление инвестиций на ремонт, модернизацию и обновление наиболее «узких мест»; контроль процесса реализации принятых мероприятий и выполнения инвестиционных программ.

2. Разработана система поддержки принятия решений, позволяющая:

повысить качество принимаемых управленческих решений за счет определения фактической ситуации в энергосистеме, на основе применения разработанного интегрированного показателя технического состояния оборудования;

обосновать необходимость направления инвестиций в обновление и модернизацию инфраструктуры при обращении за утверждением тарифов в регулирующие органы;

повысить надежность функционирования энергетических объектов;

сократить капитальные и операционные затраты.

На основе многофакторного градиентного анализа разработан новый метод оценки состояния оборудования для выработки управляющих решений, основанный на анализе данных из внешних систем (систем мониторинга, систем электронных паспортов основных средств, автоматизированных систем контроля и учта энергоресурсов и т.д.) и определения текущего технического состояния с учетом значимости электроэнергетических объектов и важности контролируемых параметров;

4. Разработаны алгоритмическое и программное обеспечение системы принятия решений при управлении процессами обновления, модернизации и технического обслуживания электроэнергетических производственных фондов.

5. Ожидаемый годовой экономический эффект от внедрения в СОф ОАО «МРСК СК» составит 862 тыс. руб. за счет снижения вероятности системных аварий и снижения недоотпуска электрической энергии потребителям.

Обоснованность и достоверность научных положений и выводов и результатов исследований подтверждаются соответствием результатов теоретических исследований экспериментальным данным и внедрением разработанной методики оценки технического состояния производственных фондов и системы поддержки принятия решений в СОф ОАО «МРСК СК».

Апробация диссертационной работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на ежегодных НТК СКГМИ (ГТУ), научных семинарах кафедры информационных систем в экономике СКГМИ (ГТУ) (2010– 2013 гг.), на семинаре в Северо-Осетинском филиале МРСК Северного Кавказа, а также на следующих международных, всероссийских научно-технических и научно-практических конференциях:

VI Международно-практическая конференция «Перспективы развития информационных технологий», г. Новосибирск 2012 г.; II международная научно-практическая конференция студентов, аспирантов и молодых учных «Наука XXI века: новый подход», г. Санкт-Петербург 2012г.; VII Международная научно-практическая конференция «Актуальные вопросы науки», г.

Москва 2012г.; X Юбилейная Международная научная конференция «Актуальные вопросы современной техники и технологии», г. Липецк 2013г.; III Международная научно-практическая конференция «Решение проблем развития предприятий: роль научных исследований», г. Краснодар, 2013г.; Международная научная конференция «Тенденции современной науки», г.

Гданьск, 2013г.

Личный вклад автора. Лично автором получены следующие основные результаты:

- разработан интегрированный показатель оценки технического состояния электроэнергетического оборудования;

- предложен новый подход планирования воздействий на основные средства, основанный на применении разработанного интегрированного показателя технического состояния оборудования, коэффициента важности электроэнергетического объекта, на котором эксплуатируется актив и стоимости затрат технического обслуживания и обновления;

- предложен способ обработки информации в системе управления производственными фондами;

- разработана функциональная модель процесса оценки состояния оборудования объектов электроэнергетики в рамках интеллектуальной электроэнергетической системы, структура и средства визуализации системы принятия решений.

Публикации. По теме диссертации опубликовано 14 печатных работ, в т. ч. 6 работ в ведущих рецензируемых научных журналах и изданиях, определенных ВАК РФ для публикации основных научных результатов.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и списка использованной литературы, включающего наименования, и содержит 132 страниц машинописного текста, 31 рисунок и 7 таблиц и 1приложения.

ГЛАВА 1. СИСТЕМНЫЙ АНАЛИЗ ОСОБЕННОСТЕЙ ПОСТРОЕНИЯ

СИСТЕМ ОБРАБОТКИ ИНФОРМАЦИИ В ИНТЕЛЛЕКТУАЛЬНЫХ

ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ СЕТЯХ

1.1 Проблемы и перспективы внедрения технологий интеллектуальных электроэнергетических сетей В настоящее время состояние электроэнергетики России не соответствует растущей потребности развития экономики и социальной структуры страны. К негативным факторам состояния отрасли можно отнести: высокий уровень потерь, высокие риски надежного и качественного электроснабжения потребителей, снижение экономичности функционирования системы энергоснабжения, средства управления, не отвечающие современным требованиям, недостаточность применения новых технологий в электроэнергетических сетях, отставание во внедрении автоматизированных систем обработки данных [2, 3].

Одним из приоритетных направлений в сфере электроэнергетики, согласно энергетической стратегии России до 2030 года, является создание высоко интегрированных интеллектуальных системообразующих и распределительных электрических сетей нового поколения в Единой энергетической системе России (интеллектуальные сети - Smart Grids) [4].

Интеллектуальная сеть — качественно новый вид электрической сети, позволяющей осуществлять в реальном времени мониторинг и управление сетью, осуществлять коммуникации между потребителями и поставщиками, предоставляя возможность оптимизации потребления, сокращая стоимость электроэнергии, и тем самым обеспечивая новый уровень надежности и экономичности энергоснабжения [5].

Термин «Smart Grid» до сих пор не имеет единой, общепринятой интерпретации. Так зарубежное понимание умных сетей подразумевает дооснащение существующих электроэнергетических сетей приборами учета на границах с потребителями, соединенными в единую информационную сеть и способствующими оптимально расходовать ресурсы, а также развитие малой и возобновляемой генерации. Для европейских стран Smart Grid подразумевает, прежде всего, надежную и эффективную интеграцию электрогенераторов на возобновляемых источниках энергии с потребителями и традиционной энергосистемой.

Национальная лаборатория энергетических технологий Министерства энергетики США (The National Energy Technology Laboratory USA - NETL) определяет Smart Grid как совокупность организационных изменений, новой модели процессов, решений в области информационных технологий, а также решений в области автоматизированных систем управления технологическими процессами и диспетчерского управления в электроэнергетике [6].

Наиболее полно общую функционально-технологическую идеологию этой концепции отражает сформулированное Институтом инженеров электротехники и электроники (The Institute of Electrical and Electronics Engineers - IEEE) определение Smart Grid как концепции полностью интегрированной, саморегулирующейся и самовосстанавливающейся электроэнергетической системы, имеющей сетевую топологию и включающей в себя все генерирующие источники, магистральные и распределительные сети и все виды потребителей электрической энергии, управляемые единой сетью информационно- управляющих устройств и систем в режиме реального времени [7].

Российские «умные сети» — это комплексная модернизация и инновационное развитие всех субъектов электроэнергетики на основе передовых технологий и сбалансированных проектных решений глобально на всей территории страны [8].

Вместе с тем для реализации концепции активно-адаптивной сети в стране существуют сдерживающие факторы, к которым можно отнести: уровень развития информационных технологий, коммуникаций, альтернативных источников электроэнергии, широкий территориальный размах энергосистемы страны, значительная изношенность сетей и т. д.

В России идея Smart Grid в настоящее время выступает в качестве концепции интеллектуальной электроэнергетической системы с активноадаптивной сетью, которую можно описать следующими признаками [9]:

- насыщенность активными элементами, позволяющими изменять топологические параметры сети;

- наличие большого количества датчиков, измеряющих текущие режимные параметры для оценки состояния сети в различных режимах работы энергосистемы;

- внедрение систем сбора и обработки данных (программно-аппаратные комплексы), а также средств управления активными элементами сети и электроустановками потребителей;

- наличие необходимых исполнительных органов и механизмов, позволяющих в режиме реального времени изменять топологические параметры сети, а также взаимодействовать со смежными энергетическими объектами;

- возможность автоматической оценки текущей ситуации в энергосистеме, ее отдельных частях и построения прогнозов работы сети;

- высокое быстродействие управляющей системы и информационного обмена.

Таким образом, «умная сеть» это совокупность методов, технологий и инструментов, общей целью которых является объединение на технологическом уровне электрических сетей, производителей и потребителей в единую автоматизированную систему, позволяющая вывести электроэнергетику на качественно новый уровень.

Внедрение технологии Smart Grid подразумевает полное переоснащение электроэнергетической системы страны, включая построение цифровых электроподстанций нового поколения, приобретение инновационного оборудования, насыщение сети активными элементами, позволяющими изменять топологические параметры сети, использование достаточного большого количества датчиков, измеряющих состояния сети, как в стационарных, так и в предаварийных, аварийных, послеаварийных режимах, применение систем управления и т.д.

Причины возникновения новой концепции связаны, в первую очередь, с тем, что последние десятилетия прогнозируемое развитие во всем мире характеризуется возникновением целого ряда факторов, определяющих необходимость кардинальных преобразований в электроэнергетике:

постоянное повышение стоимости электроэнергии во всем мире;

необходимость повышения энергетической и экологической эффективности электроэнергетики;

рост требований потребителей к надежности и качеству электроснабжения появление прогрессивных технологий в результате научнотехнического прогресса, не нашедших должного применения в современной электроэнергетике;

снижение надежности энергоснабжения;

изменение условий функционирования рынков электроэнергии и мощности [10].

Одним из основополагающих функциональных свойств интеллектуальной электроэнергетической системы является оптимизация управления производственными активами, который подразумевает переход к удаленному мониторингу основных средств в режиме реального времени, интегрированному в корпоративные системы управления, для повышения эффективности оптимизации режимов работы и совершенствования процессов эксплуатации, технического обслуживания и ремонта оборудования по его состоянию, и, как следствие, обеспечение снижения общесистемных затрат.

В настоящее время автоматизация процесса управления производственными фондами как в стране в целом, так и в регионах остается на низком уровне [1]. Согласно результатам исследования 350 российских фирм, автоматизированные системы управления производственными фондами (EAM) и технического обслуживания и ремонта оборудования установлены на 27 % предприятий. В основном это предприятия нефтегазовой промышленности – 52 %, металлургии – 22 %, электроэнергетики и ЖКХ – 12 %, машиностроения – 2 %. В развитых индустриальных странах экономический эффект от использования систем ЕАМ давно признан очевидным, так как затраты на ремонт растут на 10–15 % в год [11].

Следует отметить, что используемые системы EAM основаны на методах экспертных оценок или статистических методах. Несмотря на успехи, достигнутые в последние годы в практическом использовании данных методов, имеется ряд проблем, требующих дальнейших методологических исследований и практической проверки. Необходимо совершенствовать систему отбора экспертов, повышение надежности характеристик группового мнения, разработку методов проверки обоснованности оценок, снижающих достоверность экспертных оценок и т.д. Данные полученные на основе усредненных показателей и оценок, назначаемых экспертами, не могут представлять полной и достоверной информации о текущем состоянии электроэнергетических объектов.

В этой связи актуализируется задача разработки методики оценки текущего состояния объектов и внедрения систем поддержки принятия решений, позволяющих автоматизировать следующие процессы:

- отслеживание в режиме реального времени возможные сбои и повышение надежности функционирования;

- оптимизация планирования технического обслуживания и ремонта основных фондов;

- усовершенствование обоснования программ обновления инфраструктуры;

- сокращение капитальных и операционных затрат.

Развитая система информации и баз данных резко увеличит возможности по оптимизации режимов работы и совершенствованию процессов эксплуатации оборудования, даст возможность проектировщикам и инженерам принимать оптимальные решения, в том числе и инвестиционные. Совокупность этих изменений позволит повысить эффективность управления как капитальными затратами, так и затратами на техническое обслуживание и ремонты оборудования.

Применение интеллектуальных электроэнергетических систем подразумевает использование динамических данных, получаемых от датчиков состояния оборудования в целях оптимизации пропускной способности сетей, повышения надежности и снижения вероятности аварий. Переход к адаптивным сетям позволит сократить системные потери, минимизирует простаивающие и резервные мощности, обеспечит снижение капитальных затрат и затрат на обслуживание. Информация о состоянии энергосистемы позволит предотвратить технологические нарушения, сбои при энергоснабжении, а также позволит повысить оперативность проведения ремонтных работ и процесса обновления производственных фондов.

Сравнительный анализ особенностей традиционной электроэнергетической сети и интеллектуальной системы с активно-адаптивной сетью приведен в таблице 1.1.

Таблица 1.1 – Сравнительный анализ функциональных свойств традиционной энергетической системы и энергетической системы с активноадаптивной сетью Традиционная энергетическая Энергетическая система на базе Односторонняя коммуникация между Двусторонние коммуникации элементами или ее отсутствие Централизованная генерация – Распределенная генерация Сложно интегрируемая распределенная генерация Топология - преимущественно ради- Преимущественно сетевая Реакция на последствия аварии Реакция на предотвращение аварии

Работа оборудования до отказа Самомониторинг и самодиагностика Ручное восстановление Автоматическое восстановление Подверженность системным авариям Предотвращение развития системных Ручное и фиксированное выделение Адаптивное выделение Проверка оборудования по месту Удаленный мониторинг оборудования Ограниченный контроль перетоков Управление перетоками мощности Недоступная или сильно запоздавшая Цена в реальном времени информация о цене для потребителя Интеллектуальная электроэнергетическая система с активноадаптивной сетью – это прежде всего концепция инновационного преобразования и развития электроэнергетики страны. Ведущая роль при модернизации и функционировании данной сферы отводится автоматизированным системам управления режимами работы и оценки состояния электроэнергетических объектов.

Учитывая широкий территориальный охват, а также то, что электроэнергетическая система России создана более шестидесяти лет назад и изношенность объектов основных средств достаточно высок можно сделать вывод о том, что модернизация электросетевого хозяйства на базе инновационных технологий потребует больших финансовых ресурсов, совершенствования существующих и разработки новых методов сбора и обработки информации.

При функционировании интеллектуальной электроэнергетической системы одним из приоритетных направлений является повышение наблюдаемости сети, разработка и внедрение автоматизированных систем оценки текущей ситуации и планирования воздействий на производственные фонды.

Важной задачей является реализации информационно-аналитической системы организации эксплуатации и технического обслуживания электроэнергетического оборудования, позволяющая повысить надежность электроснабжения и сократить аварийность путем оптимизации процесса обновления основных средств, отслужившего нормативный срок и увеличить эффективность вложенных инвестиций.

В интеллектуальной электроэнергетической сети операторам и диспетчерам энергетической системы посредством усовершенствованных информационно-аналитических систем и систем поддержки принятия решений должна предоставляться в режиме реального времени следующая информация:

- данные состояния оборудования;

- сведения о внешней среде и природных катаклизмах;

- данные о нагрузках электроэнергетических объектов;

- определение мест повреждений;

- идентификация отказов;

- прогнозные данные о потреблении электроэнергии и т.д.

Автоматизированные системы должны осуществлять сбор, обработку, хранение и анализ большого количества данных, проходящих через современные инструменты измерения и считывания. Также должны осуществлять преобразование сложных данных о состоянии энергосистемы в информацию, понятную оперативно-технологическому персоналу. Различные технологии отображения данных должны помочь пользователям идентифицировать, анализировать и реагировать на возникающие проблемы в сжатые сроки в быстро воспринимаемом визуальном формате.

Таким образом, современная электроэнергетическая система требует широкого использования приложений, действующих в режиме реального времени в части быстрого принятия решений.

Информационные технологии в рамках активно-адаптивной сети должны предоставлять необходимые данные для оценки текущего технического состояния электроэнергетических объектов и осуществлять прогнозирование вероятности сбоев в энергоснабжении. Наличие этих функций позволит пользователям системы повысить эффективность эксплуатации сети и снизить риск аварийных ситуаций.

С технологией поддержки принятия решений сложные и обширные системы информации должны быть сведены к форматам, легко воспринимаемых пользователем, для выполнения следующих задач:

- понимание общего состояния сети и оказание поддержки самовосстанавливающемуся участку сети;

- поддержание безопасности сети и целостности за счет быстрого обнаружения и смягчения возможных угроз;

- мониторинг и контроль большого числа параметров состояния электроэнергетического объекта;

-определение оборудования в предаварийном состоянии, позволяющего в сжатые сроки производить замену оборудования, до того как произойдет сбой в подаче электроэнергии;

- улучшить общую эксплуатацию и техническое обслуживание всей системы передачи электроэнергии.

1.2 Анализ методов оценки состояния оборудования и эффективности процесса обновления производственных фондов Усложнение компонентов энергосистемы, с одной стороны, и прогресс в области современных информационных технологий, с другой, обуславливает необходимость дальнейшего совершенствования диагностических систем мониторинга электроэнергетического оборудования и применения систем поддержки принятия решений для оценки состояния объектов и определения приоритетов в замене основных средств. Для повышения наблюдаемости сети, сохранения надежности функционирования, принятия наиболее обоснованных решений и выявления скрытых взаимосвязей протекающих процессов автоматизированная система должна обрабатывать не только данные, получаемые с систем мониторинга, но и информацию о нагрузках сети, внешних воздействиях, условий эксплуатации и т.д.

Для электроэнергетической отрасли сегодня характерен высокий моральный и физический износ оборудования, что приводит к значительным потерям электроэнергии и сбоям в энергоснабжении. Возрастная структура основных производственных фондов приведена на рисунке 1.1 [12].

Рисунок 1.1 – Возрастная структура электросетевого оборудования Приведенные данные показывают, что срок службы около 47 % оборудования подстанций (ПС) и 67% линий электропередач (ЛЭП) превысил лет, а около 17% и 27% соответственно эксплуатируется более 35 лет.

Физический износ оборудования распределительного электросетевого комплекса составляет 69%, что обуславливает повышенное внимание к обеспечению надежности функционирования объектов энергетики.

Высокая степень изношенности электросетевого оборудования приводит к снижению:

- надежности работы оборудования;

- надежности энергоснабжения потребителей;

- энергетической эффективности (потери электроэнергии в Единой национальной электрической сети (ЕНЭС) России составляют 5%, за рубежом – 3,7%, потери в распределительных сетях – 8,68 %);

- качества передаваемой электроэнергии.

Исследование электроэнергетических объектов РСО-Алания показало, что в настоящее время для сохранения надежности функционирования в основном применяется система планово-предупредительных работ. Данный метод обладает рядом недостатков:

- значительное повышение затрат на обслуживание оборудования, включающих стоимость работ по выведению, разборке/сборке агрегатов и т.п.;

- замена узлов на новые, как правило, не обосновано, так как старые не успевают выработать свой ресурс. Более того, новые узлы имеют большую вероятность так называемых приработочных отказов, что не повышает надежность системы;

- в условиях построения рыночной экономики и непрестанного увеличения конкуренции останов линии производства приносит убытки гораздо большие, чем затраты на обозначенные мероприятия.

В целях повышения надежности и снижения эксплуатационных расходов необходимо перейти на техническое обслуживание по фактическому состоянию, которое является наиболее эффективным способом сохранения эффективного функционирования. Для организации такого обслуживания необходимы средства, позволяющие оценить состояние объекта на данный момент, проследить изменение состояния за последнее время и спрогнозировать его на ближайшее будущее [13]. Нагрузки, которые испытывает агрегат, частота перегрузок, окружающая среда, в которой он установлен – это гораздо более важные факторы, чем время. Соответственно переход на обслуживание по фактическому состоянию требует использования новых диагностических параметров, методик их замера, последующей обработки и анализа.

Следует признать, что отсутствие постоянного контроля, систем интеллектуальной обработки данных и средств принятия решений в современных условиях может привести к неэффективному расходованию финансовых ресурсов. Как правило, в распределительных и электросетевых организациях возникают риски несоблюдения сроков освоения капитальных вложений и задержки ввода в эксплуатацию объектов инвестиционного строительства.

Поэтому автоматизированная система оценки состояния оборудования, также должна выполнять функции детального мониторинга реализации инвестиционной программы, причин отклонения от планов с целью достижения утвержденных показателей инвестиционной программы.

Как показывает проведенный анализ объемов финансирования за последние пять лет и показателей аварийности СОф ОАО «МРСК СК» количество технологических нарушений остается на высоком уровне, не смотря на существенное увеличение капитальных вложений (таблица 1.2). Что свидетельствует о неэффективности выполняемых мероприятий в рамках инвестиционной программы, к которым относятся:

- поддержание в эксплуатации оборудования, необходимого для достаточного, надежного, бесперебойного энергоснабжения потребителей;

- снижение производственных издержек, в том числе за счет повышения эффективности работы оборудования;

- модернизация основных фондов;

- обеспечение безопасности работы оборудования.

Таблица 1.2 – Статистические показатели аварийности в электрических сетях СОф ОАО «МРСК Северного Кавказа» за период 2007-2011гг.

Показатели Финансирование, млн. руб. 103,00 119,00 190,80 370,10 848, Количество технологических нарушений Экономический ущерб от млн. руб.

Эффективность расходования финансовых ресурсов в первую очередь характеризуется уровнем снижения технологических нарушений. Анализ основных показателей капиталовложений свидетельствует об увеличении объемов финансирования в 2011 году по сравнению с 2010 г. – на 478,80 млн.

руб. или 130%, в том, в то время как количество нарушений возросло на 42, экономический ущерб возрос на 0,97 млн. руб. Динамика технологический нарушений сохраняется, несмотря на значительное увеличение сумм капитальных вложений.

Сохранение высоких показателей технологических нарушений является следствием ряда факторов:

- высокий уровень изношенности производственных фондов, при наличии огромного парка основных средств;

- недостаточный уровень контроля и диагностики оборудования, отработавшего нормативный срок;

- недостаточная подготовка персонала в части оперативного и технического обслуживания оборудования;

- несвоевременное принятие мер по устранению дефектов оборудования, - низкое качество подготовки и проведения ремонтных работ, приемки оборудования из ремонта;

- низкая технологическая дисциплина персонала – нарушение правил организации ремонтно-эксплуатационного обслуживания оборудования и приемки оборудования в эксплуатацию;

- недостаточное применение отраслевого опыта эксплуатации оборудования;

- ручной сбор информации о состоянии оборудования и низкий уровень автоматизации е анализа, что не позволяет получать сведения об объектах в масштабе реального времени;

- применение систем с частичным охватом контролируемых параметров, то есть с резко ограниченным числом видов выявляемых дефектов;

- отсутствие систем мониторинга и методики объективной оценки оборудования.

Проанализировав выше приведенные данные можно сделать вывод, что система планово-предупредительных работ не способна обеспечить требуемый уровень надежного и бесперебойного электроснабжения при наличии большого парка производственных фондов с высоким уровнем изношенности и ограниченных объемов финансирования. Существует объективная необходимость перехода к техническому обслуживанию и обновлению основных средств по фактическому состоянию. Основой данного метода является применения систем непрерывного контроля оборудования и средств, позволяющих оценить техническое состояние объекта.

С применением систем мониторинга существенно возрастают объемы поступающей информации и сложность е анализа, в используемых системах сигнализируются в основном только явные отклонения состояний оборудования, такие как: выход из строя, поломка и не осуществляется раннее обнаружение дефектов.

Необходимо обеспечить оптимизацию процесса поэтапной интеллектуализации на основе системного подхода. Для последовательной модернизации следует определить приоритеты в замене оборудования и обеспечить сохранение надежности и устойчивости работы электрических сетей. Данная задача может быть решена путем разработки и внедрения интеллектуальной системы поддержки принятия решений контроля и оценки состояния электроэнергетической системы в целом, обработка информации в которых основана на методах системного анализа разнородных данных значительного объема.

В системе оценки состояния производственных фондов в результате обработки получаемых данных должна обеспечиваться работа алгоритмов диагностирования следующих основных состояний:

- накопление статистики перенапряжений по ГОСТ1516.3-96, Ц-01Э), Электросетевые правила;

- контроль систематических и аварийных токовых перегрузок согласно ГОСТ14209-97;

- контроль температуры наиболее нагретой точки обмотки, расчет скорости температурного износа изоляции и прогнозирование даты выработки ресурса (согласно ГОСТ14209-97);

- автоматизированное распознавание развивающихся отказов по содержанию газов, растворенных в масле (согласно РД153-340-46.302-00);

- контроль состояния изоляции высоковольтных вводов (согласно РД34.45-51.300-97);

- автоматизированное распознавание развивающихся отказов по влагосодержанию масла и твердой изоляции (согласно РД34.45-51.300-97);

- контроль исправности системы охлаждения (согласно ГОСТ14209-97, РД34.45-51.300-97).

Таким образом, проведенный анализ свидетельствует о целесообразности перехода к методу обслуживания по фактическому состоянию, для повышения надежности функционирования и снижения эксплуатационных расходов. В этих целях в интеллектуальных электроэнергетических сетях в первую очередь внимание должно быть обращено на создание систем измерения, мониторинга, регистрации событий, систем обработки данных и принятия решений, механизмов определения приоритетов при обновлении и модернизации оборудования, исходя из заданных или планируемых объемов инвестиций.

1.3 Анализ эффективности функционирования систем сбора и обработки информации о состоянии производственных фондов Оценка текущего технического состояния оборудования электроэнергетических объектов по результатам мониторинга является очень сложной и актуальной задачей при переходе к интеллектуальным сетям нового поколения. Значительная часть производственных фондов выработала свой ресурс, но продолжает эксплуатироваться, так как для их обновления требуются большие финансовые средства. Таким образом, на сегодняшний день увеличиваются затраты на проведение технического обслуживания и комплексных обследований, возрастает вероятность рисков сбоя электроснабжения.

Надежность функционирования инфраструктуры электроэнергетических объектов определяется не только обеспечением непрерывного мониторинга их состояния, но и применением интеллектуальных информационных систем анализа получаемых данных о текущем состояния производственных фондов.

Работы в области создания автоматизированных систем непрерывного контроля оборудования начали проводиться с 80-х годов двадцатого века, что было обусловлено необходимостью повышения эффективности функционирования электроэнергетических систем, своевременного выявления дефектов и предотвращения сбоев в подаче электрической энергии.

С начала 90-х годов на сессиях Международного Совета по большим электрическим системам высокого напряжения (СИГРЭ) активно обсуждаются проблемы и перспективы мониторинга технического состояния электроэнергетического оборудования, где представители крупнейших энергосистем мира представляют свои технические предложения по непрерывному контролю производственных активов в режиме реального времени. Также эти вопросы в центре внимания множества международных конференций и симпозиумов.

Разнообразие подходов, методов и средств, предназначенных для отслеживания состояния основных средств, требуют глубоких теоретических исследований, анализа полученных результатов и их эффективности.

При переходе к интеллектуальным электроэнергетическим системам с активно-адаптивной сетью наиболее эффективными при предупреждении нарушения подачи электроснабжения являются системы непрерывного контроля, которые используют датчики технического состояния оборудования, реагирующие на изменения параметров оборудования при функционировании и выявляющие множество развивающихся дефектов. В данных системах информация измерений отслеживаемых параметров отображаются в удобном для использования виде, анализируются с целю выявления тенденций изменений в функционировании. В систему также вводятся сведения о предыдущих условиях эксплуатации, учет которых позволяет полнее оценить состояние оборудования.

Необходимость быстрого анализа данных о состоянии основных средств и оперативного принятия решения при управлении ими требуют высокой степени автоматизации.

Как показывает проведенный анализ электроэнергетических объектов РСО-Алания на региональном уровне, как правило, применяются системы с ограниченным числом выявляемых дефектов. Используемые на сегодняшний день системы в основном не способны выявлять своевременно дефекты, в них заложен механизм оповещения сбоев и нештатных ситуаций. На территории Северной Осетии применяются системы осуществляющий контроль лишь с частичным охватом контролируемых параметров, без применения современных датчиков контроля важнейших показателей функционирования оборудования. Существующие системы не позволяют выявлять на ранней стадии развития опасных для оборудования дефектов непосредственно во время работы.

Следует так же отметить, что в электроэнергетическом сегменте региона до сих пор применяется система планово-предупредительных работ, появившаяся в советские времена, когда еще не было современных информационных технологий и более совершенных методик управления.

Проблема применения метода планово-предупредительных работ не только в том, что она требует большей трудомкости профилактических работ и значительной численности ремонтного персонала, но и в том, что обслуживание по устаревшим нормативам и через усредненные периоды не дает гарантии, что в межремонтный период в работе оборудования не произойдет отказов и поломок.

Неспособность традиционных методик предотвращать отказы оборудования привела к появлению новых подходов к организации ремонтов. Современная методика отличается тем, что основывается на контроле технического состояния отдельных единиц оборудования.

Система планирования технического обслуживания на основе проведения плановых работ практически себя изжила. Но проблемой перехода на ремонт по состоянию является не столько отсутствие достоверных данных о техническом состоянии оборудования, сколько отсутствие интеллектуальных систем принятия решений осуществляющих многофакторный анализ больших потоков информации и оперативный вывод соответствующих предложений, рекомендаций и мероприятий.

В настоящее время за рубежом разработано значительное количество систем мониторинга состояния оборудований. Зарубежные производители подобных систем в стремлении придать своей продукции большую универсальность на протяжении последних десятилетий проводили работы по выработке требований к системам мониторинга под эгидой таких организаций, как Международная электротехническая комиссия (МЭК) и СИГРЭ. В настоящее время наиболее полным считаются рекомендации института IEEE IEEE Guide for Application of Monitoring to Liquid – Immersed Transformers and Components».

Основные диагностические параметры, обычно контролируемые системой по требованиям «IEEE Guide for Application of Monitoring to LiquidImmersed Transformers and Components»:

- Газы, растворенные в масле, и влагосодержание масла. В зависимости от применяемого датчика можно контролировать как композиционную величину четырех видов газов, которые могут вызвать неисправность трансформатора и влагосодержание масла (например, HYDRAN), так и раздельно величины восьми видов газа и влагосодержание масла (например, TRANSFIX).

Объем растворенных газов в масле и тенденция его возрастания указывает на снижение изоляции в результате разрядных процессов или тепловой перегрузки изоляции. Данные параметры обычно определяются при помощи хроматографического анализа пробы масла, отбираемой в долгих интервалах времени. Повышенная влажность изоляции является опасным фактором для рабочего состояния трансформатора.

- Ток, напряжение, мощность. Рабочие параметры трансформатора, свидетельствующие о его нагрузке и служащие в качестве входных величин для модели теплового и мощностного баланса трансформатора.

- Изменение емкости и tg (тангенс угла диэлектрических потерь) вводов. Зафиксированные изменения свидетельствуют о неисправности системы изоляции высоковольтных вводов трансформатора.

- Коммутационные и атмосферные перенапряжения. Записи процессов перенапряжений дают представление о нагрузке системы изоляции и в случае неисправности могут подтвердить или опровергнуть первопричину возникновения дефекта.

- Токи короткого замыкания. Записи процессов токов короткого замыкания предоставляют информацию, прежде всего, о динамической нагрузке обмотки трансформатора.

- Частичные разряды. Возрастающий уровень разрядной активности указывает на постепенное снижение характеристик твердой изоляции, что могло бы привести к пробою с последующим коротким замыканием.

- Температура масла в различных местах трансформатора. Измерение температуры масла служит для контроля эффективности системы охлаждения трансформатора, а также в качестве входных величин для моделей расчета наиболее нагретой точки обмотки и теплового баланса трансформатора.

- РПН. Записи активной мощности привода РПН и его положения дают информацию о механическом состоянии переключателя.

- Параметры состояния (дискретные). Предоставляют информацию о работе трансформатора, о работе активных элементов системы охлаждения и об аварийных процессах [14].

На рисунке 1.2 приведена стандартная архитектура системы непрерывного контроля состояния трансформатора.

Рисунок 1.2 – Схематическая структура SCADA-системы Среди систем мониторинга электроэнергетического оборудования наибольшее развитие получили системы непрерывного контроля состояния трансформаторов. Широкий охват отслеживаемых параметров, высокий уровень достоверности постановки диагноза и значительный опыт эксплуатации на крупных трансформаторах имеют следующий системы непрерывного контроля:

- система TPAS (Transformer Performance Analysis System, США);

- система компании Siemens (ФРГ);

- система Secheron (Швейцария).

Система TPAS разработана для выявления возникающих при работе трансформатора дефектов типа частичных пробоев изоляции, ослабления механической прочности из-за коротких замыканий, появления точек перегрева в обмотке и сердечнике, повреждений комплектующих узлов. Системой через короткие промежутки времени контролируются наиболее важные параметры, отражающие состояние трансформатора.

В основе системы непрерывного контроля состояния трансформатора, разработанной компанией Siemens, лежит широкое применение стандартных вычислительных средств, позволяющих обработать измеряемые датчиками сигналы, провести их анализ, осуществить удобное для персонала отображение и выдать предупреждение об опасных режимах. Модульный принцип с легкой заменой отдельных модулей и использование стандартных интерфейсов обеспечивают большую гибкость системы. Система состоит из комплекта датчиков, аналого-цифровых преобразователей и компьютерной части (рисунок 1.3).

Рисунок 1.3 – Структура системы непрерывного контроля состояния Компанией ABB Secheron разработан проект системы непрерывного контроля силовых трансформаторов. Данная система, подобно американской системе TPAS, использует сравнение измеряемых значений с получаемыми на математических моделях процессов в трансформаторе (нагрев верхних слоев масла, увлажнение и газосодержание масла). Сравнение проводится с использованием принципов искусственного интеллекта. При работе трансформатора непрерывно измеряются следующие параметры: нагрузка трансформатора, температура верхних слоев масла, температуры бака и окружающего воздуха, концентрация растворенных газов и влажность масла, вибрация бака, перенапряжения и токи короткого замыкания в каждой фазе [15].

Следует отметить, что сложность применения рассмотренных выше систем заключается в том, что они не имеют механизма принятия решений.

Эффективность действий при реконструкции и обновлении производственных активов зависит от опыта и уровня профессионализма персонала. Для эффективного внедрения и дальнейшего развития систем непрерывного контроля необходимо менять идеологию их построения и требования, предъявляемые к системам обработки получаемых данных.

Среди информационно-аналитических систем мониторинга электроэнергетического оборудования, имеющих опыт внедрения в России можно выделить следующие [16, 17, 18, 19, 20]:

- Интеллектуальная информационно-диагностическая система для электрооборудования электростанций разработанная ВНИИЭ;

- «Диагностика +» разработанная Ивановским государственным энергетическим университетом;

- «MultiTest» - система для контроля работоспособности электрооборудования, разработанная совместно со специалистами Владимирэнерго;

- Корпоративная экспертно-диагностическая и информационная система управления техническим обслуживанием высоковольтного электрооборудования (ЭДИС «Альбатрос») разработанная специалистами Уральского государственного технического университета;

- Информационно-аналитическая система «Диана»;

- «ИС диагностики состояния ЭО», разработанная на базе Web технологий и предназначенная для паспортизации оборудования и оценки его технического состояния.

Наибольшим набором выполняемых функций из вышеперечисленных систем обладают следующие: «Диагностика +», «ЭДИС Альбатрос», «ИС диагностики состояния ЭО» и «Диана». Рассмотрим их подробнее.

Экспертная система «Диагностика +» предназначена для автоматизированного ведения паспортных данных и данных испытаний электрооборудования, а также проведения диагностических экспертиз по результатам испытаний с выдачей оценки состояния этого оборудования и рекомендаций по его дальнейшей эксплуатации [21].

Подсистема мониторинга функционирует как единая иерархическая распределенная система, состоящая из верхнего, среднего и нижнего уровней, работающая в темпе протекания технологического процесса, оснащенная средствами сбора, обработки, отображения, регистрации, анализа, хранения и передачи информации. Информационный обмен в системе построена на технологии ОРС (OLE for Process Control) предназначенной для обеспечения универсального механизма обмена данными между датчиками, исполнительными механизмами, контроллерами и системами представления технологической информации, оперативного диспетчерского управления, а также системами управления базами данных. Система состоит из трех звеньев: сервер БД - сервер приложений - клиенты. Такая схема позволяет выполнять всю прикладную логику на сервере и значительно разгрузить сеть [22].

Система работает с базой данных (БД) в локальной сети предприятия в режиме клиент-сервер. В качестве сервера БД обе системы используют СУБД Firebird. Основные компоненты программного и информационного обеспечения и потоки данных интегрированной системы «Диагностика+» приведены на рисунке 1.4.

Рисунок 1.4 – Основные компоненты программного и информационного обеспечения и потоки данных системы «Диагностика+»

ОРС сервер - коммуникационное программное обеспечение, предназначенное для сбора аналоговых и дискретных данных и управления оборудованием, подключенным к последовательным асинхронным портам ввода/вывода через преобразователи полевой шины и взаимодействия с ОРС клиентами. Сервер обеспечивает опрос контроллеров, и передачу пакетов данных серверу мониторинга, по отношению к которому она является клиентом. Клиент обрабатывает полученные данные из ОРС сервера, сохраняет их в БД в архиве значений и посылает их всем подключенным автоматизированным рабочим местам [17].

Модель информационного взаимодействия компонентов подсистемы рассмотрена на рисунке 1.5. По мере поступления пакетов, значения параметров для текущего объекта выводятся в окне программы. Статус значения определяет цвет фона. Изменяются параметры и на мнемосхеме. Получение нового сообщения выводит окно журнала событий, также возможен поиск по событию и заданному времени. Время квитирования фиксируется только от одного АРМ мониторинга (установленного на компьютере диспетчера). Окно с сообщением закрывается. Если главное окно программы свернуто, то оно распахивается, и автоматически выбирается объект, для которого пришло сообщение. Внизу главного окна АРМ мониторинга имеется окно журнала событий. В экспертной системе «Диагностика+» предусмотрен просмотр трендов параметров, сохраняемых в архиве, причем в одном наборе могут присутствовать графики параметров одного или разных объектов [20].

Рисунок 1.5 – Модель информационного взаимодействия компонентов Конфигураторы подсистемы мониторинга и системы «Диагностика+»

являются программами настройки режимов работы систем и используются только администратором. Они позволяют изменять значения параметров работы системы, которые хранятся в базе данных.

В настоящее время «Диагностика+» выполняет проведение диагностики технического состояния следующего оборудования: силовых масляных трансформаторов, автотрансформаторов и масляных шунтирующих реакторов, масляных, вакуумных, воздушных и элегазовых выключателей, высоковольтных вводов, трансформаторов тока, трансформаторов напряжения, вентильных разрядников и ограничителей перенапряжения, асинхронных двигателей [17].

«Диагностика+» обеспечивает:

- ведение паспортных данных и данных испытаний;

- ведение данных о ремонтах;

- фиксацию в БД внешних воздействий на оборудование;

- проведение диагностических экспертиз с выдачей по их результатам протоколов;

- планирование и контроль проведения регламентных работ.

В протоколах в заключении о состоянии электротехнического оборудования указывается: «пригодно», «пригодно с учащенным контролем отдельных параметров», «планировать вывод в ремонт», «непригодно». При отклонении значений измеренных параметров от нормативных выдаются соответствующие рекомендации.

Все диагностические правила соответствуют стандартам и нормативам, принятым в отрасли. Данные замеров и испытаний заносятся пользователем в компьютерные таблицы или в специальные компьютерные формы. По этим данным испытаний проводятся экспертизы, а по их результатам генерируются протоколы испытаний.

Каждому виду испытаний соответствует своя экспертиза и еще по одной для каждого вида комплексных испытаний. Комплексное испытание охватывает ряд отдельных испытаний, и поэтому во время оценки состояния оборудования учитываются результаты всех проведенных измерений.

Широкое применение в ряде филиалов МРКС получила экспертнодиагностическая информационная система ЭДИС «Альбатрос». Система поддерживает принятие решений и обеспечивает выполнение задач различных категорий пользователей, работающих с информацией о состоянии оборудования на всех уровнях. Система может работать как на одном рабочем месте, так и в варианте распределенной базы данных. Блоки экспертнодиагностической системы установлены в районах энергосетей, на сетевых предприятиях, в химической лаборатории и в управлении энергосистемы.

Потоки движения информации и ее обработку можно представить в виде трехуровневой схемы приведенной на рисунке 1.6 [23].

Рисунок 1.6 – Схема потоков информации в экспертной системе «Альбатрос»

На нижнем, I уровне персонал, проводящий испытания и измерения оборудования, заносит полученные результаты в базу данных, в которой также отражается информация о внешних воздействиях на оборудование и эксплуатационных мероприятиях. Задача системы – проверить входную информацию на достоверность, сделать необходимые расчеты, выдать по требованию паспорт оборудования, карточки его испытаний и измерений, списки установленного оборудования [23].

На II уровне с системой работают инженер по диагностике и начальник службы изоляции (или аналогичной по функциям службы). Проводится необходимая обработка данных измерений: сравнение с результатами испытаний на заводе или при монтаже оборудования с данными предыдущих измерений параметров и соотношений между ними; отслеживается динамика изменений параметров и соотношений между ними. Полученные параметры, описывающие состояние объекта, поступают в базу знаний, где сравниваются с нормативными значениями. Если значение какого-либо параметра вышло за пределы допустимого диапазона, то осуществляется более глубокая диагностика. В результате выдается вид дефекта, степень его развития, рекомендации персоналу по дальнейшим действиям и, если нужно, необходимый набор дополнительных измерений с указанием сроков проведения.

На III уровне проводится общий по энергосистеме анализ брака и отказов оборудования, осуществляется сравнительный анализ служб изоляции предприятий. По результатам анализа руководство энергосистемы может корректировать кадровую политику, уточнять целевое распределение материальных ресурсов и проведение организационных мероприятий.

К основным возможностям ЭДИС «Альбатрос» относятся:

- автоматизированное хранение данных по результатам испытаний;

-отслеживание состояния электрооборудования в течение его жизненного цикла;

- диагностика по динамике изменения эксплуатационных данных, результатов испытаний;

- использование экспертных заключений и базы знаний ЭДИС «Альбатрос» при анализе и выработке заключений о состоянии электрооборудования;

- легкое формирование статистических справок, выборок, таблиц и диаграмм;

- формирование планов работ по диагностике электрооборудования.

Однако, не смотря на достаточно широкий спектр выполняемых функций выше рассмотренными системами, следует выделить следующие недостатки:

1. Отсутствие возможности для оценки достоверности результатов испытаний (кроме «ЭДИС Альбатрос»);

2. Отсутствие информации об учете режимов эксплуатации оборудования и их влияния на интенсивность процессов старения изоляции;

3. Отсутствие возможности резервирования базы данных и базы знаний в случае сбоя системы [24].

Таким образом, как показал проведенный анализ особенностей функционирования систем сбора и обработки информации о состоянии электроэнергетических производственных фондов, к основным недостаткам можно относятся:

- частичный охват контролируемых параметров;

- отсутствие интеллектуальных методов обработки и анализа данных;

- отсутствие методов эффективности принимаемых к реализации мероприятий исходя из оценки технического состояния производственных фондов;

- отсутствие функции определения приоритетов в замене оборудования, исходя из ограниченных объемов финансовых ресурсов;

- отсутствие задач оптимизации инвестиционного планирования выполнения;

- отсутствие мониторинга реализации инвестиционной программы и причин отклонения от планов.

Существующие системы мониторинга состояния основных средств как иностранного, так и отечественного производства разработаны с учетом того, что персонал имеет квалификацию эксперта, который способен по текущим измеряемым данным делать определенные выводы о состоянии электроэнергетического оборудования для последующего принятия решения. При практическом применении подобных систем на пользователей ложится нагрузка по отслеживанию состояния параметров производственного актива, не представляющих ценность для идентификации ситуации в связи с отсутствием опыта или квалификации.

Не смотря на многообразие систем мониторинга, контролирующих различные параметры функционирования объектов, отсутствуют информационно-аналитические системы, позволяющие:

- выявлять методом интеллектуального анализа и обработки актуальных данных из огромного парка производственных фондов объекты, которые в ближайшее время могут дать сбои и привести к нарушению подачи электрической энергии;

- направить инвестиции на ремонт, модернизацию и обновление наиболее «узких мест»;

- контролировать дальнейший процесс реализации принятых мероприятий, что позволит давать качественную и количественную оценку проведенных мероприятий, а также сделать схему выполнения инвестиционных программ максимально прозрачной [25].

Итак, оценка состояния оборудования может проводиться, преследуя большое количество задач: планирования технического обслуживания и ремонтов, выявления дефектов, предупреждения и предотвращения внештатных ситуаций и т.д. При наличии огромного парка основных средств, более 60% из которых уже давно выработали свой ресурс, объемы финансирования на ремонт и обновление ограничены. В связи с этим актуализируется применение систем поддержки принятия решений для оценки технического состояния оборудования, осуществляющие обработку и интеллектуальный анализ больших объемов информации, и формирование рекомендаций, по обновлению инфраструктуры исходя из текущих и планируемых объемов финансирования, сохраняя при этом надежность функционирования объекта.

При проектировании подобных систем необходимо принять во внимание следующие области знаний: разработка интеллектуальных систем, систем управления, интеллектуальной обработки данных и извлечения знаний из данных, методов принятия решений и. т.д.

1.4 Анализ средств и технологий поддержки принятия решений в интеллектуальных электрических системах При управлении электроэнергетической системой нового поколения значительную роль играют методы поддержки принятия решений. Технологии принятия решений направлены на решение задач преобразования сложных и разнородных данных энергосистемы в информацию понятную и доступную системному оператору.

В электроэнергетической системе, как правило, во многих ситуациях время, отведенное пользователю на принятие решения, ограничено, в связи, с чем информационные технологии на базе концепции Smart Grid должны обеспечить оперативную выдачу рекомендаций в сложившихся условиях функционирования.

Переход к активно-адаптивной сети требует широкого внедрения приложений, функционирующих в масштабах реального времени, способных выявлять существующие угрозы и прогнозировать состояние энергетических объектов.

Интеграция современных систем принятия решений с существующими процессами по управлению производственными фондами обеспечит повышение эффективности управления электроэнергетических объектов.

В интеллектуальной энергетической сети, в условиях растущего объема собираемых данных о состоянии системы значительное внимание уделяется информационным технологиям, обеспечивающих в режиме реального времени их сбор, обработку и анализ. Одним из важнейших функций применяемых автоматизированных систем является предотвращение сбоев в электроснабжении путем минимизации, предоставляемой пользователям информации и повышения эффективности формируемых рекомендаций по корректировке режимов функционирования сети.

Современные технологии должны осуществлять автоматизированную оценку текущего технического состояние электроэнергетических объектов и прогнозирование вероятности наступления сбоев в подаче электрической энергии, что позволит пользователям существенно повысить эффективность функционирования сети.

Способность современной сети по сбору и анализу необходимых данных в реальном времени и визуализация за счет использования современных методов позволит значительно сократить время реагирования пользователя на происходящие изменения.

В целом при внедрении современных систем поддержки принятия решений повысится надежность функционирования энергетических объектов, а также снизится влияние человеческого фактора при технологических нарушениях.

Внедрение интеллектуальных электроэнергетических систем окажет влияние и на развитие информационных технологий, так как при переходе к активно-адаптивным сетям существенно увеличиваются объемы собираемых и обрабатываемых данных. Так по предварительным прогнозам количество информации, ежедневно поступающей из энергетической системы нового поколения, будет составлять более 2 % от общего объема данных системы.

То есть, если общий объем информации, хранимой в центральной базе, занимает 10 Тегабайт, то возможно ежедневное поступление до 200 Гигабайт только от систем управления и мониторинга Smart Grid. В этом случае в течение двух месяцев количество данных, поступающих от активноадаптивной сети, будет превосходить общее количество собранных от SCADA сведений и коммерческой информации электросетевой организации за весь ее жизненный цикл [26].

Проведенное исследование особенностей развития интеллектуальных электрических сетей в зарубежных странах и внедрения информационных систем в рассматриваемую предметную область показало, что наиболее востребованными являются следующие автоматизированные программные комплексы [27, 28, 29]:

- Распределенная система мониторинга и контроля (Distribution Monitoring and Control System), обеспечивающая единое представление протекающих процессов в сети за счет сбора данных с других систем;

- Распределенная системы мониторинга подстанции (Distribution Substation Monitoring System) предназначена для управления данными, поступающими от подстанций;

Система управления измерениями (Metering Data Management System) осуществляет управление данными, собранными от автоматических измерительных устройств;

Автоматическая система измерения протекающих процессов Automated Meter Operations System) обеспечивает наблюдение за измерительными и другими приборами в режиме реального времени, управление их действиями, а также руководство по предотвращению сбоев в работе;

- Распределенная система текущего контроля за генерацией (Decision Generation Management System) осуществляет проверку состояния различных источников распределенной генерации в энергетической системе;

Распределенная система прогнозирования (Distribution Forecasting System) обеспечивает сбор и обработку данных с систем контроля за генерацией и систем управления измерениями в целях поддержания нагрузки и ее последующего прогнозирования в энергетической системе.

- Рабочая система управления Smart Grid (Smart Grid Work Management System) используется для управления порядком работы датчиков энергетической системы на базе концепции Smart Grid (измерительные приборы, контроллеры, коммуникационная сеть и т. д.), которые нуждаются в техническом обслуживании.

- Система коммуникационного сетевого мониторинга (Communications Network Monitoring System) работает совместно со многими коммуникационными системами разных производителей электрической энергии для определения сбоев работы и управления информацией при сбоях;

- Система слежения за вспомогательным оборудованием (Minor Equipment Monitoring System), таким как конденсаторные батареи, регуляторы мощности, секционные разъединители, и другим вспомогательным оборудованием на внешней части подстанции.

- Система планирования Smart Grid (Smart Grid Planning System) предназначена для ведения учета долгосрочных тенденций работы и моделей неисправностей в целях их использования при проектировании в качестве базовой модели для строительства, ремонта и других действий.

- Хранение операционных данных Smart Grid (Smart Grid Operational Data Store) – эта система осуществляет сбор и хранение хронологических данных, которые поступили от всех систем, используемых при управлении активно-адаптивной сетью.

Большинство из выше рассмотренных систем находятся на этапе разработки и не имеют практического опыта применения в сетях. Также результаты проведенного анализа особенностей создания и развития активноадаптивной сети других стран показывают, что развиваемые за рубежом подходы, принципы и механизмы реализации рассматриваемой концепции не могут быть непосредственно перенесены в российскую электроэнергетику и реализованы, так как осуществление и развитие интеллектуальных энергосистем в значительной степени определяются спецификой и характером национальных организационно-экономических и технологических условий.

Итак, инновационная и научно-техническая политика в электроэнергетике вошла в число основных составляющих государственной политики России. В настоящее время сформированы основные положения и требования концепции интеллектуальных электроэнергетических систем, но отсутствуют программы реализации конкретных проектов в сфере автоматизации возрастающих информационных потоков в активно-адаптивных сетях, в связи, с чем актуализируется задача исследования методов, алгоритмов и механизмов поддержки принятия решений на базе концепции Smart Grid.

1.5 Выводы по первой главе и постановка задачи исследования Проведенное исследование состояния инфраструктуры электроэнергетической системы РСО-Алания и эффективность реализации мероприятий инвестиционной программы выявил следующие недостатки:

- несоблюдение сроков, невыполнение в требуемых объемах технического обслуживания оборудования;

- неэффективное распределение капитальных вложений, сопровождающееся высоким уровнем аварийности;

- высокий уровень сверхнормативных потерь электроэнергии;

- отсутствие постоянного мониторинга состояния оборудования, позволяющего выявлять на ранней стадии развития, возникающие в работе дефекты.

Подобная ситуация является следствием ряда причин:

– высокая степень изношенности производственных фондов (около % оборудования подстанций и 67% линий электропередач ЕНЭС превысил 25 лет, а около 17% и 27% соответственно эксплуатируется более 35 лет);

- низкий уровень организации мероприятий по техническому обслуживанию и обновлению основных средств;

- низкий уровень автоматизации процесса управления производственными фондами;

- отсутствие автоматизированных систем оценки текущего технического состояния оборудования и средств определения приоритетов в замене и обновлении инфраструктуры;

- недостаточная прозрачность расходования инвестиций.

Анализ существующих автоматизированных систем сбора и обработки информации о состоянии основных средств позволяет сделать вывод о том, что в целом они обладают схожей функциональностью (отслеживание состояния различных параметров оборудований, ведение паспортных данных и т.д.). Однако существенные различия наблюдаются в части применения математических моделей для оценки результатов непрерывного контроля. К основным их недостаткам относятся:

- отсутствие интеллектуальных методов обработки и анализа данных;

- отсутствие критериев эффективности принимаемых к реализации мероприятий исходя из оценки технического состояния производственных фондов;

- отсутствие функций определения приоритетов в замене оборудования для обоснования увеличения инвестиций в обновление основных средств.

- отсутствие функции планирования технического обслуживания, модернизации и обновления при наличии огромного парка основных средств с высоким уровнем изношенности и ограниченных объемов финансовых ресурсов;

- отсутствие мониторинга реализации инвестиционной программы и при-чин отклонения от планов.

Перечисленные недостатки делают подобные системы слабодейственными для применения в интеллектуальных системах с активно-адаптивной сетью.

Одним из инновационных направлений в области электроэнергетики является создание интеллектуальных электроэнергетических систем с активно-адаптивной сетью.

На этапе перехода к сетям нового поколения одним из приоритетных задач является повышение наблюдаемости сети, разработка и внедрение автоматизированных систем оценки текущего технического состояния производственных фондов, повышение эффективности технического обслуживания и оптимизация процесса обновления основных средств.

В связи с вышеизложенным целью исследования настоящей диссертационной работы является:

Исследование и разработка системы принятия решений при управлении производственными фондами на основе оценки технического состояния оборудования и повышения эффективности процесса их обновления в интеллектуальных электроэнергетических системах с активноадаптивной сетью.

Исследование предметной области с целью выявления проблем и особенностей, учитываемых при моделировании и разработке систем принятия решений при управлении производственными фондами на основе оценки фактического состояния активов;

Анализ существующих систем непрерывного контроля технического состояния электроэнергетического оборудования;

Разработка методов оценки технического состояния производственных фондов электроэнергетических объектов и повышения эффективности процесса обновления производственных фондов на базе концепции Smart Grid;

Разработка структуры, алгоритмов функционирования основных под-систем системы поддержки принятия решений при управлении электроэнергетическими производственными активами;

Разработка принципов построения программного комплекса для повышения эффективности технического обслуживания и оптимизации процесса обновления основных средств.

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 обслуживания и оптимизации процесса обновления и модернизации электроэнергетических производственных фондов на основе оценки состояния оборудования в условиях перехода к активно-адаптивным сетям был проведен анализ особенностей построения подобных систем и структуры электроэнергетических объектов.

Объекты электроэнергетики - это имущественные объекты, непосредственно используемые в процессе производства, передачи электрической энергии, оперативно-диспетчерского управления в электроэнергетике и сбыта электрической энергии, в том числе объекты электросетевого хозяйства (линии электропередачи, трансформаторные и иные подстанции, распределительные пункты и иное предназначенное для обеспечения электрических связей и осуществления передачи электрической энергии оборудование) [30].

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

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

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

- обеспечит правильное принятие решений при устранении причин возникновения 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 наибольшую опасность для нормального функционирования производственного актива 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. После чего осуществляется выбор параметров контроля.

При определении перечня контролируемых параметров можно опираться на руководящие документы (РД) и на методики международной электротехнической 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, реактивные мощности, cos ) сторон ВН, СН, НН;

- физико-химических характеристик трансформаторного масла (газовлагосодержанию);

- 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 устройства 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 совокупность различных по техническим характеристикам и назначению оборудований.

В рамках данной диссертационной работы проведено исследование производственных активов на примере электросетевых объектов, рассмотрена оценка технического состояния оборудования трансформаторных подстанций, в состав которых входят: силовые трансформаторы, аппаратура защиты 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 приведена на рисунке 2.1.

Силовой транстрансформатор перенапряжений Рисунок 2.1 – Структура объектов электроэнергетики и контролируемых 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 значения 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 функционирующим неправильно, если отклонение превышает допустимую величину [37]. Таким образом, для каждого выбранного параметра необходимо установить его предельные значения.

Пороговые значения контролируемых параметров оборудований могут быть получены различными методами:

- экспертный метод, основанный на учете мнений группы специалистов;

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

- метод натуральных испытаний представляет собой экспериментальные 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 наличие математической модели оборудования, представляющий собой совокупность формул, по которым рассчитываются пороговые значения всех выбранных 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 полностью адекватна своему прототипу.

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

Вследствие перечисленных недостатков рассмотренных методов определение предельных значений параметров оборудования на первоначальном этапе внедрения информационной системы могут быть использованы пороговые значения, приведенные в РД 34.45-51.300-97 [38, 39]. При функционировании системы за большой период времени и накоплении данных с помощью методов математической статистики можно будет корректировать допустимые и предельно-допустимые значения контролируемых параметров.

Автоматизированное определение предельных значений наблюдаемых критериев позволит:

- повысить объективность и обоснованность нормативных значения параметров оборудования;

- получать новые пороговые значения;

- уточнять пороговые значения по мере необходимости.

2.2 Разработка метода преобразования параметров технического состояния производственных фондов для системы поддержки Одной из составляющих звеньев функционирования активноадаптивной сети являются системы сбора и обработки информации о состоянии производственных фондов в режиме реального времени.

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

Например, в трансформаторе в результате тепловых, механических и электрических 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 напряжений, токов, температуры и т.д. При это возрастают объемы обрабатываемых и анализируемых данных.

Информация, поступающая в систему поддержки принятия решений, состоит из результатов измерения параметров, принадлежащих разным видам контроля. Каждый вид контроля дает свою характеристику анализируемого 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 электроэнергетического оборудования № Наименование оборудования Параметры состояния Силовые маслонаполненные Состояние масла 1. трансформаторы 2. Коммутационное оборудование 3. Кабельные линии 4. Воздушные линии Контроль импульсных и грозовых перенапряжений Измерительные трансформаторы 6. Ограничители перенапряжений Высоковольтные электрические Для отслеживания состояния каждого параметра может быть установлено несколько датчиков, так как одиночный датчик не всегда позволяет получить 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 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 разных узлов; для мониторинга состояния коммутационного аппарата осуществляется контроль вибрационных процессов, скоростных и временных параметров работы привода, кривой тока управления коммутационным аппаратом и т.д.

Таким образом, для каждой единицы оборудования N устанавливается DkPni (k 1, K ) измерений. На рисунке 2.2 рассмотрена схема контроля параметров оборудования на примере трансформатора, при I=12, K=45.

Рисунок 2.2 – Структурная схема контроля параметров трансформатора: D1-D3 – датчики напряжения; D4-D8 –датчики тока; D9 – датчик положения отпаек РПН; D10- D19 – датчики температуры в разных точках; D20-D – датчики газов, растворнных в масле; D24 – датчик влажности масла; D25D32 – датчики включения насосов и вентиляторов; D33-D36 – датчики скорости 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 активов нужно структурировать и преобразовать для свертывания количества произведенных измерений для каждого из исследуемых параметров в целях дальнейшего сравнения с расчетными значениями и определения интегрированного показателя технического состояния как каждого оборудования в отдельности, так и электроэнергетического объекта в целом. Также важной функцией разрабатываемой системы является определение неисправностей в работе датчиков. В качестве математического аппарата для обработки информации предлагается использовать аппарат искусственных нейронных сетей. Применение нейронной сети позволит высококачественно обрабатывать получаемую информацию, распознать и классифицировать ситуации при наличии сбоев в работе измерительных приборов.

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

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

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

Математическая модель нейрона описывается выражением:

где dk – компонент входного вектора (k 1, K ) ;

wlk – весовые коэффициенты между входным и скрытым слоями wil – весовые коэффициенты между скрытым и выходным слоями L – число нейронов в скрытом слое;