Открытый доступ Открытый доступ  Ограниченный доступ Доступ для подписчиков

Системы мониторинга и диагностики энергетического оборудования с применением нейросетевых технологий

А. А. Ивановский, Н. Г. Балашенко, В. С. Карелин

Аннотация


Индустрия 4.0 (четвёртая промышленная революция) предлагает новый подход к организации производства, основанный на внедрении информационных технологий в промышленность, автоматизации бизнес-процессов и распространении искусственного интеллекта. В результате увеличивается оснащённость оборудования КИП, увеличиваются объёмы информации и, соответственно, развиваются методы работы с большими объёмами данных. Штатные системы диагностики и АСУТП не дают возможность глубоко анализировать показатели работы оборудования и выявлять неисправности на ранних стадиях. Современные автоматизированные системы мониторинга и предиктивной диагностики (АСМПД) позволяют решить эту задачу. Автоматизированные системы мониторинга и предиктивной диагностики представляет собой программно-аппаратный комплекс, назначением которого является отслеживание состояния оборудования электрических станций, выявление неисправностей на ранних стадиях, прогнозирование развития неисправностей на основании анализа текущих данных, получаемых в режиме реального времени с применением современных методов машинного обучения.

Ключевые слова


машинное обучение, нейронные сети, энергетическое оборудование, турбина, турбогенератор, мониторинг, диагностика

Полный текст:

PDF

Литература


Наумов С. А. Опыт использования удаленного доступа и предсказательной аналитики состояния энергетического оборудования / С. А. Наумов, А. В. Крымский, М. А. Липатов, Д. Н. Скрабатун // Теплоэнергетика. 2018. № 4. С. 21–33.

Hsu J.-Y. Wind Turbine Fault Diagnosis and Predictive Maintenance Through Statistical Process Control and Machine Learning / J.-Y. Hsu, Y.-F. Wang, K.-C. Lin, M.-Y. Chen, J. H.-Y. Hsu // IEEE Access. 2020. Vol. 8. P. 23427–23439. DOI: 10.1109/ACCESS. 2020.2968615.

Бурнаев Е. В. Модели, методы и алгоритмы предиктивной аналитики на многообразиях данных : дисс. … доктора физ.-мат. наук : специальность 05.13.18 / Бурнаев Евгений Владимирович. — М., 2021. — 498 с.

Приказ Министерства энергетики РФ от 25 октября 2017 г. № 1013. http://publication.pravo.gov.ru/Document/View/0001201803270025.

Колмогоров А. Н. О представлении непрерывных функций нескольких переменных в виде суперпозиций непрерывных функций одного переменного и сложения // Докл. Академии наук. Российская академия наук. 1957. Т. 114. № 5. С. 953 – 956.

Hecht-Nielsen R. Kolmogorov’s mapping neural network existence theorem // Proc. of the international conference on Neural Networks. — New York, NY, USA : IEEE Press, 1987. Vol. 3. P. 11 – 14.




DOI: http://dx.doi.org/10.34831/EP.2023.95.76.003

Ссылки

  • На текущий момент ссылки отсутствуют.


© 1998 – 2023 НТФ «Энергопрогресс»


Адрес редакции:
129090, г. Москва, ул. Щепкина, д. 8
Телефон: +7 495 234-74-21
E-mail: energetick@mail.ru, energetik@energy-journals.ru

 

Наши партнеры

                

Выставки: