|
DOI: 10.14489/vkit.2019.11.pp.037-045
Колоденкова А. Е., Верещагина С. С.
ИНТЕЛЛЕКТУАЛЬНЫЙ ПОДХОД К ДИАГНОСТИРОВАНИЮ ЭЛЕКТРОТЕХНИЧЕСКОГО ОБОРУДОВАНИЯ ПРОМЫШЛЕННЫХ ОБЪЕКТОВ
(с. 37-45)
Аннотация. Рассмотрена актуальная проблема обеспечения безотказного функционирования и высокого уровня отказоустойчивости электротехнического оборудования (ЭО) промышленных объектов путем проведения диагностирования в процессе их эксплуатации. Для диагностирования ЭО предложено использовать подход, основанный на композиции нечеткой когнитивной модели с нечеткими вершинами, связями и нечеткой функциональной когнитивной модели с функциональными связями для генерации промежуточной информации, а также нечетко-продукционной модели верхнего уровня для принятия окончательных диагностических решений. Предложен нечетко-множественный метод, основанный на построении функциональных зависимостей в виде четких отображений множества «частота появления опасной ситуации для оборудования».
Ключевые слова: электротехническое оборудование; нечеткая когнитивная модель; нечеткая функциональная когнитивная модель; нечетко-продукционная модель; прогнозирование значений параметров оборудования.
Kolodenkova A. E., Vereshchagina S. S.
INTELLIGENT APPROACH FOR DIAGNOSIS ELECTRICAL EQUIPMENT OF INDUSTRIAL FACILITIES
(pp. 37-45)
Abstract. This paper is devoted to actual problem of ensuring of trouble-free functioning and a high level of fault tolerance of industrial facilities’ electrical equipment (EE) by diagnosing them during their operation. However, when diagnosing equipment, a number of challenges arise related to the following problems: a large number of monitored parameters, the presence of not only statistical information but the values of linguistic variables that are used by staff on duty, insufficient and incomplete input information. Proposed approach to diagnosing EE based on a composition of fuzzy cognitive model with a fuzzy vertices, links and fuzzy-functional cognitive model with functional links for generating intermediate information, and as well as fuzzy-production model of an upper level for taking final diagnostics decisions. The proposed approach is based on the functional model of EE diagnosing in IDEF0 notation which reflects the sequence of all necessary functions related to the diagnosing and provides the identification of the key data flows and a more comprehensive understanding of the process. The paper also provides a formulation of the fuzzy-set method that is based on the construction of functional dependencies formed in clear mapped set “the occurrence frequency of for equipment's dangerous situation”. This method’s novelty lies in the new formulation of the problem in accordance with the latest scientific achievements and its solution that was not previously considered in the well known sources of literature. The suggested method is allows to calculating the predicted values of controlled parameters of EE in case of statistic and fuzzy source data. The proposed approach to the EE diagnosis at industrial objects makes it possible to improve the accurate and complete EE diagnosis through the knowledge of the staff on duty, thereby resulting in timely repair and maintenance.
Keywords: Electrical equipment; Fuzzy cognitive models; Fuzzy functional cognitive model; Fuzzy production models; Prediction values of equipment parameters.
А. Е. Колоденкова, С. С. Верещагина (Самарский государственный технический университет, Самара, Россия) E-mail:
Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
A. E. Kolodenkova, S. S. Vereshchagina (Samara State Technical University, Samara, Russia) E-mail:
Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript
1. Диагностика электрооборудования электрических станций и подстанций / А. И. Хальясмаа и др.: учеб. пособие. Екатеринбург: Уральский ун-т, 2015. 64 с.
2. Елтышев Д. К. Интеллектуальные модели комплексной оценки технического состояния высоковольтных выключателей // Информационно-управляющие системы. 2016. № 5(84). С. 45 – 53.
3. Mareček O. Monitoring and Diagnostic System of Power Plant Electrical Equipment // Conference on Diagnostics in Electrical Engineering (Diagnostika). Pilsen, 6 – 8 September 2016. Pilsen, Czech Republic, 2016. P. 1 – 4.
4. Validation of Diagnostic Monitoring Technical State of Iron and Steel Works Transformers / V. R. Khramshin, A. A. Nikolayev, S. A. Evdokimov et al. // IEEE NW Russia Young Researchers in Electrical and Electronic Engineering Conference (EIConRusNW). St. Petersburg, 2–3 February 2016. St. Petersburg, Russia, 2016. P. 596 – 600.
5. Саушев А. В., Шерстнев Д. А., Широков Н. В. Анализ методов диагностики аппаратов высокого напряжения // Вестник Государственного университета морского и речного флота имени адмирала С. О. Макарова. 2017. Т. 9, № 5. С. 1073 – 1085.
6. On-line Power Systems Voltage Stability Monitoring Using Artificial Neural Networks / C. Bulac et al. // International Symposium on Advanced Topics in Electrical Engineering. Bucharest, 7 – 9 May 2015. Bucharest, Romania, 2015. P. 622 – 625.
7. Хорошев Н. И., Елтышев Д. К. Интегральная оценка и прогнозирование технического состояния оборудования электротехнических комплексов // Информатика и системы управления. 2016. № 4(50). С. 58 – 68.
8. Кузнецов М. Ю., Кожевников А. В. Интеллектуальный метод определения остаточного ресурса электротехнического оборудования [Электрон. ресурс]. URL: http://web.snauka.ru/issues/2013/12/ 29800 (дата обращения: 08.07.2019).
9. Осотов В. Н. Особенности оценки состояния силовых трансформаторов с большим сроком службы [Электрон. ресурс]. URL: http://megaom. ucoz.ru/nornativ/ vv_oborudovanie/statja_osobennosti_ocenki_sostoja-nija_silovykh_ tra.pdf (дата обращения: 08.07.2019).
10. Вдовико В. П. Методология системы диагностики электрооборудования высокого напряжения // Электричество. 2010. № 2. С. 14 – 20.
11. Pareek S., Sharma R., Maheshwari R. Application of Artificial Neural Networks to Monitor Thermal Condition of Electrical Equipment // 3rd International Conference on Condition Assessment Techniques in Electrical Systems (CATCON). Rupnagar, 18 November 2017. Rupnagar, India, 2017. P. 183 – 187.
12. A Method of Project Feasibility Assessment on Creation of Information-control Systems for Complex Technical Objects on the Basis of Fuzzy Cognitive Modeling / Kolodenkova A. E. et al // International Journal of Control Theory and Applications. 2016. No. 9(30). P. 73 – 82.
13. Kolodenkova А. Е., Korobkin V. V. Diagnosis in SEMS Based on Cognitive Models: Group Interaction // Studies in Systems, Decision and Control. 2019. V. 174. P. 275 – 284.
14. Горелова Г. В., Колоденкова А. Е., Коробкин В. В. Построение комплексной оценки разработки информационно-управляющих систем на основе когнитивных моделей // Проблемы управления и моделирования в сложных системах: тр. XVII Междунар. конф. Самара, 22 – 25 июня 2015. Самара, Россия. 2015. С. 326 – 331.
15. Кульба В. В., Кононов Д. А., Ковалевский С.С. Сценарный анализ динамики поведения социально-экономических систем. М.: ИПУ РАН, 2002. 122 c.
16. Колоденкова А. Е., Верещагина С. С. Интеллектуальный метод прогнозирования технического состояния электротехнического оборудования в условиях нечеткости исходных данных // Вестник РГУПС. 2019. № 1(73). С. 76 – 81.
1. Hal'yasmaa A. I., Dmitriev S. A., Kokin S. E., Glushkov D. A. (2015). Diagnostics of electrical equipment of power plants and substations. Ekaterinburg: Ural'skiy universitet. [in Russian language]
2. Eltyshev D. K. (2016). Intelligent models for the comprehensive assessment of the technical condition of high-voltage circuit breakers. Informatsionno-upravlyayushchie sistemy, 84(5), pp. 45 – 53. [in Russian language]
3. Mareček O. (2016). Monitoring and Diagnostic System of Power Plant Electrical Equipment. Conference on Diagnostics in Electrical Engineering (Diagnostika), pp. 1 – 4.
4. Khramshin V. R., Nikolayev A. A., Evdokimov S. A. et al. (2016). Validation of Diagnostic Monitoring Technical State of Iron and Steel Works Transformers. IEEE NW Russia Young Researchers in Electrical and Electronic Engineering Conference (EIConRusNW), pp. 596 – 600. Saint Petersburg.
5. Saushev A. V., Sherstnev D. A., Shirokov N. V. (2017). Analysis of diagnostic methods for high-voltage apparatus. Vestnik Gosudarstvennogo universiteta morskogo i rechnogo flota imeni admirala S. O. Makarova, Vol. 9, (5), pp. 1073 – 1085. [in Russian language]
6. Bulac C., Tristiu I., Mandis A., Toma L. (2015). On-line Power Systems Voltage Stability Monitoring Using Artificial Neural Networks. International Symposium on Advanced Topics in Electrical Engineering, pp. 622 – 625. Bucharest.
7. Horoshev N. I., Eltyshev D. K. (2016). Integral assessment and forecasting of the technical condition of the equipment of electrical complexes. Informatika i sistemy upravleniya, 50(4), pp. 58 – 68. [in Russian language]
8. Kuznetsov M. Yu., Kozhevnikov A. V. Intelligent method for determining the residual life of electrical equipment. Available at: http://web.snauka.ru/issues/2013/12/ 29800 (Accessed: 08.07.2019). [in Russian language]
9. Osotov V. N. Features of assessing the status of power transformers with a long service life. Available at: http://megaom.ucoz.ru/nornativ/vv_oborudovanie/statja_osobennosti_ocenki_sostoja-nija_silovykh_ tra.pdf (Accessed: 08.07.2019). [in Russian language]
10. Vdoviko V. P. (2010). Methodology of a diagnostic system for high voltage electrical equipment. Elektrichestvo, (2), pp. 14 – 20. [in Russian language]
11. Pareek S., Sharma R., Maheshwari R. (2017). Application of Artificial Neural Networks to Monitor Thermal Condition of Electrical Equipment. 3rd International Conference on Condition Assessment Techniques in Electrical Systems (CATCON), pp. 183 – 187. Rupnagar.
12. Kolodenkova A. E., Khalikova E. A., Korobkin V. V., Gubanov N. G. (2016). A Method of Project Feasibility Assessment on Creation of Information-control Systems for Complex Technical Objects on the Basis of Fuzzy Cognitive Modeling. International Journal of Control Theory and Applications, 30(9), pp. 73 – 82.
13. Kolodenkova А. Е., Korobkin V. V. (2019). Diagnosis in SEMS Based on Cognitive Models: Group Interaction. Studies in Systems, Decision and Control, Vol. 174, pp. 275 – 284.
14. Gorelova G. V., Kolodenkova A. E., Korobkin V. V. (2015). Constructing a comprehensive assessment of the development of information and control systems based on cognitive models. Problems of control and modeling in complex systems: proceedings of the XVII International Conference, pp. 326 – 331. Samara. [in Russian language]
15. Kul'ba V. V., Kononov D. A., Kovalevskiy S.S. (2002). Scenario analysis of the dynamics of the behavior of socioeconomic systems. Moscow: IPU RAN. [in Russian language]
16. Kolodenkova A. E., Vereshchagina S. S. (2019). Intelligent method for predicting the technical condition of electrical equipment in the conditions of unclear input data. Vestnik RGUPS, 73(1), pp. 76 – 81. [in Russian language]
Статью можно приобрести в электронном виде (PDF формат).
Стоимость статьи 350 руб. (в том числе НДС 18%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.
После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.
Для заказа скопируйте doi статьи:
10.14489/vkit.2019.11.pp.037-045
и заполните форму
Отправляя форму вы даете согласие на обработку персональных данных.
.
This article is available in electronic format (PDF).
The cost of a single article is 350 rubles. (including VAT 18%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.
After depositing your payment on our bank account we send you file of the article by e-mail.
To order articles please copy the article doi:
10.14489/vkit.2019.11.pp.037-045
and fill out the form
.
|
Текущий номер
Разработка концепции и создание сайта - ООО «Издательский дом «СПЕКТР»