Модель управления жизненным циклом электросетевого оборудования с учетом анализа технических рисков

Размещено на http://www.allbest.ru//

Размещено на http://www.allbest.ru//

ФГАОУ ВО "УрФУ имени первого Президента России Б.Н. Ельцина"

Модель управления жизненным циклом электросетевого оборудования с учетом анализа технических рисков

А.И. Хальясмаа

Аннотация

Состояние вопроса: Оптимизация технического обслуживания и ремонтов оборудования является актуальной задачей в современных условиях высокого износа электросетевого оборудования на подстанциях и необходимости анализа большого массива многомерных и разнородных данных с различных систем и датчиков контроля, технического диагностирования и испытаний о состоянии оборудования. Более того, современные тенденции перехода к обслуживанию электросетевого оборудования по фактическому (текущему) состоянию с целью повышения надежности его функционирования и снижения эксплуатационных расходов также заставляют автоматизировать процессы принятия решений в области технического обслуживания и ремонта. Но анализ состояния такой сложной системы как подстанция предполагает не только идентификацию ее текущего состояния, всех ее подсистем и элементов, но и прогнозирование последующих с целью эффективного управления производственными активами и инвестиционными программами электросетевых и крупных промышленных предприятий, другими словами, предполагает управление ее жизненным циклом. Для этих целей автором была разработана модель системы управления жизненным циклом электросетевого оборудования, основанная на методах искусственного интеллекта с учетом анализа технических рисков.

Материалы и методы: Методом исследования при выполнении экспериментальной части являлось математическое моделирование. Исходными данными являлись данные технического диагностирования электрооборудования, полученные в ходе мониторинга и испытаний оборудования. В качестве инструмента моделирования применялся программный комплекс MATLAB.

Результаты: Обоснована и доказана возможность решения задачи управления жизненным циклом электросетевого оборудования на основе методов искусственного интеллекта. Выполнена апробация разработанной модели на базе программного комплекса Matlab на примере адаптации ее для управления жизненным циклом силовых трансформаторов 110 кВ и оптимизации программы их ремонтов, демонстрирующая достаточную для практической реализации точность оценки, которая подтверждает адекватность представленного решения.

Выводы: Разработанный подход к управлению жизненным циклом электросетевого оборудования с учетом связности электроэнергетической системы и ее элементов на основе методов искусственного интеллекта позволяет использовать представленную систему в качестве комплексного информационно-аналитического аппарата отраслевого масштаба, для получения скрытых закономерностей в статистических данных, с помощью которого можно повысить эффективностьтехнического обслуживания и ремонтов оборудования и его надежность.

Ключевые слова: электросетевое оборудование, жизненный цикл; технический риск; искусственный интеллект; техническое обслуживание и ремонт.

Abstract

CONTROL MODEL OF THE ELECTRIC GRID EQUIPMENT LIFE CYCLE DUE TO THE ANALYSIS OF TECHNICAL RISKS

A.I. Khalyasmaa1

1Ural Federal University named after the first President of Russia B.N. Yeltsin, Yekaterinburg, Russian Federation

E-mail: lkhalyasmaa@mail.ru

Background: Optimization of maintenance and repairs of the equipment is an urgent task in modern conditions of high deterioration of the electric grid equipment on substations and necessity of the analysis of the big multivariate and diverse data from various systems and monitoring sensors, technical diagnosing and equipment tests. Moreover, current trends of transition to the electric grid equipment service on the actual (current) state for the purpose of increase in reliability of its functioning and decrease in operational costs also force to automate decision processes regarding maintenance and repair.Nevertheless, the analysis of a condition of such difficult system as the substation assumes not only identification of its current state, of all the subsystems and elements, but also forecasting of the subsequent ones for the purpose of effective management of production assets and investment programs of the electric grid and large industrial enterprises, in other words, the analysis assumes control of its life cycle. For these purposes the author has developed the model of a control system of the electric grid equipment life cycle based on artificial intelligence methods taking into account the analysis of technical risks.

Materials and Methods: Mathematical modeling was the research method applied in an experimental part. The electric equipment technical diagnosis results received during monitoring and equipment tests were the basic data. As the instrument of modeling the software package MATLAB was applied.

Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований (РФФИ) в рамках научного проекта № 16-38-00310 мол_а.

Results: The feasibility of control of the electric grid equipment life cycle by means of artificial intelligence methods is proved. The approbation of the developed model is executed on the basis of the software package Matlab via example of its adaptation for control of power transformers of 110 kV life cycle and optimization of its repairs program proving the assessment accuracy sufficient for practical implementation which confirms adequacy of the presented decision.

Conclusions:The developed approach to the control of the electric grid equipment life cycle taking into account coherence of electrical power system and its elements on the basis of artificial intelligence methods allows using the presented system as the complex information analysis instrument of the branch scale and for obtaining the concealed regularities in statistical data by means of which it is possible to increase efficiency of maintenance and repairs of the equipment and its reliability.

Key-words: electric grid equipment; life cycle; technical risk; artificial intelligence; maintenance and repair.

Введение

Замена производственных активов сетевых компаний одна из ключевых проблем в условиях развития энергосистем. Учет критериев надежности, стоимости ввода в эксплуатацию и обслуживания новых активов, возможных издержек, связанных с отказами уже установленного оборудования, формируют основу задачи управления активами [1].

Реализация оптимальной стратегии управления активами требует решения комплексной задачи оценки состояния и рисков в условиях неопределенности. Эффективным математическим методом решения представленной проблемы является использование оптимизационных моделей [2], для формирования которых требуется моделирование рисков (вероятностей) состояния оборудования с учетом анализа имеющихся агрегированных данных и возможных внешних факторов, что требует учета специфики как заданного типа оборудования, так и условий, и режимов его эксплуатации.

Методы оценки и моделирования рисков

В данной статье представлены анализ и результаты функционирования модели оценки факторов риска электротехнического оборудования на основе разработанной авторами системы оценки функционального состояния электросетевого оборудования на базе нейро-нечеткого логического вывода, подробно описанной в 3.

Сегодня существует множество методов анализа факторного риска, основанных на различных технологиях:

детерминистского подхода;

статистических методов анализа;

вероятностных методов анализа;

имитационного моделирования.

экспертных методов;

методов искусственного интеллекта и т.д.

Каждый из методов имеет как свои преимущества, так и свои недостатки, но единого оптимального решения не выявлено.

Модель оценки риска

Система оценки рисков разработанная автором данной статьи основа на вероятностном подходе с использованием методом искусственного интеллекта.

В данной методике делается допущение, что при независимо от типа распределения отказов каждого элемента электросетевого оборудования, распределение отказов объекта будет Вейбулловским.

Такой подход - о независимости накопления повреждений, используется для того, что идентифицировать самое «узкое место», и уже потом от обратного на основе методов Data mining and Knowledge Discovery in Databases (KDD) выявить неявные зависимости и степени влияния состояния различных элементов оборудования друг на друга и на состояние объекта в целом.

С целью разработки дифференцированного подхода к оценке риска с учетом ожидаемого ущерба разработана система правил, устанавливающих связь между риском, ущербом и устранением уязвимости электросетевого оборудования.

В соответствии с разработанным подходом риск определяется универсальным нечетким множеством , где - количество состояний риска, в соответствие которым устанавливается устанавливаются их лингвистические характеристики {«Очень низкий»; «Низкий»; «Средний»; «Высокий»; «Критический»}, представленным на Рисунке 1.

программный цикл трансформатор риск

Функции принадлежности

Градация рисков реализована с помощью функций принадлежности и нечетких правил продукции. В зависимости от вида оборудования вид функций принадлежности уровня оценки рисков может отличаться.

Определение оптимального вида функций принадлежности является отдельной задачей в рамках задачи оценки рисков электросетевого оборудования. В данном случае на основе многочисленных расчетов и исследований в качестве оптимальных функций принадлежности для оценки рисков трансформаторов выбраны треугольные функции принадлежности.

Обобщенная оценка рисков рассчитывается на основе средневзвешенной балльной оценки по результатам плотности распределения риска, полученной с помощью функции Вейбулла. Распределение Вейбулла описывается следующим образом:

(1)

Тогда распределение вероятности риска определяется как

(2)

Для учета интенсивности проявления рисков предложено использование шкалы Саати . Балл 0 соответствует отсутствию какой-либо значимости риска, 1 - очень слабой значимости, 3 - слабой значимости, 5 - более или менее существенной значимости, 7 - сильной значимости оценки.

Именно на основе обобщенной оценки рисков формируются уточненные ранжированные решения по дальнейшей эсплуатации оборудования с учетом анализа рисков оценки технического состояния, что в свою очередь позволяет формировать различные стратегии обслуживания оборудования в зависимости от различных прогнозов износа оборудования: от оптимистичного до пессиимистичного.

Расчетный пример

Расчетный пример оценки рисков выполнялся для силового масляного трансформатора ТДТН-110/35/10 кВ по срезу времени за апрель-май месяцы 2011 г, на базе разработанной авторами методики оценки технического состояния, подробно описанной в 4.

Оценка технического состояния трансформатора

Анализ оценки технического состояния трансформатора был выполнен на основе всей доступной диагностической информации информации по данному объекту, представленной в Таблице 1.

Результаты расчетов разработанной системы ОТС трансформатора ТДТН-110/35/10 кВ представлены в Таблице 2. В качестве инструмента метода моделирования использовался программный пакет MATLAB.

В результате полученных расчетов состояние трансформатора ТДТН-110/35/10 можно характеризовать как неисправное, но работоспособное состояние с вероятностью 74,4%, и как предельное состояние - с вероятностью 26,6%. По результатам полученной оценки технического состояния трансформатора ТДТН-110/35/10 кВ, на основе функций принадлежности могут быть приняты следующие решения:

выполнить ремонт (вероятность принятия данного решения составляет 88,3%);

вывести из эксплуатации (вероятность принятия данного решения составляет 11,7%).

Исходные данные для ОТС трансформатора ТДТН-110/35/10 кВ

Результаты ОТС трансформатора ТДТН-110/35/10 кВ

Оценка рисков для трансформатора

В данном случае, на базе полученной оценки состояния анализируемого трансформатора можно выделить следующие риски в зависимости от принятия или не принятия различных решений, согласно блок-схеме на Рисунке 1

На Рисунке 2 представлена блок схема реализации в разработанной системе подсистемы оценки рисков на базе оценки технического состояния оборудования на примере оценки состояния трансформатора на основе методов искусственного интеллекта.

Результаты

В настоящий момент продление срока службы оборудования реализовано на основе его планового обслуживания, но, возможно обслуживание и фактическому состоянию, с учетом оценки технического состояния оборудования.

Рис. 2. Блок схема подсистемы оценки рисков на базе оценки технического состояния оборудования

При этом возможные дальнейшие действия, предлагаемые системами поддержки принятия решения, по результатам оценки технического состояния носят, как правило, рекомендательный характер и формируют однозначные ответы о дальнейших эксплуатационных решениях, не представляя пользователю оуенку вероятности того или иного решения.

В разработанной системе для решения представленной задачи предлагается использовать сценарный подход учитывающий наилучший (оптимистичный) и наихудшей (пессимистичный) вариант развития событий при принятии (не принятии) того или иного решения, с целью дальнейшего построения функции жизненного цикла оборудования.

С целью исключения множества равнозначных решений при работе данной модели системы используются оптимизационные алгоритмы выбора решения.Особенность исходных данных при оценки технического состояния оборудования и определения их вероятностей в ходе расчетов требует использовать методы нечеткой логики.

В рамках представленной работы выполнена апробация разработанной модели на базе программного комплекса Matlab на примере оценки рисков для силовых трансформаторов 110 кВ, демонстрирующая достаточную для практической реализации точность оценки, которая подтверждает адекватность представленного решения.

Список литературы

Felipe Campelo, Lucas S. Batista, Ricardo H.C. Takahashi,Henrique E.P. Diniz, Eduardo G. Carrano, “Multicriteria transformer asset managementwith maintenance and planning perspectives,” IET Gener. Transm. Distrib., 2016, Vol. 10, Iss. 9, pp. 2087-2097.

Zeng Y., Cai, Y., Huang, G., Dai, J., “A Review on Optimization Modeling of Energy SystemsPlanning and GHG Emission Mitigation under Uncertainty,” IET GENERATION TRANSMISSION & DISTRIBUTION Vol. 10 Iss. 9 pp. 2087-2097, 2016.

Khalyasmaa A.I., Dmitriev S.A., “Expert system for engineering assets' management of utility companies,” Proceedings 10th edition of the IEEE International Symposium on Diagnostics for Electric Machines, Power Electronics and Drives (SDEMPED 2015), P. 421-427, 2015.

A.I. Khalyasmaa, S.A. Dmitriev, “Fuzzy Inference Algorithms for Power Equipment State Assessment,” Proceedings of the 10th Electric Power Quality and Supply Reliability Conference (PQ 2016). P.249-254. 2016.

Размещено на Allbest.ru