Аннотация
В статье представлен способ управления режимами на основе нейросетевого диагностирования неисправностей и оценки технического состояния электроприводного газоперекачивающего агрегата для подсистем диагностирования с определением коэффициента, учитывающего проявление неисправностей с учетом работы двух нейронных сетей Кохонена. Полученные ко-эффициенты, учитывающие проявление неисправностей в определенных подсистемах, позволяют выявлять и оценивать наличие неисправностей. Представлены графики результатов оценки технического состояния электроприводного газоперекачивающего агрегата (ЭГПА) с учетом выявленных неисправностей в подсистемах (система смазки, нагнетатель, двигатель (обмотка статора), двигатель (механические дефекты). Предлагаемая система позволяет повысить точность и полноту диагностики ЭГПА путем применения нейронных сетей Кохонена, позволяющих выявлять и прогнозировать неисправные состояния ЭГПА в динамике посредством выявления кластеров (подсистем диагностирования) и соответствующим им дефектам, а также системой управления, воздействующей на ЭГПА с учетом оценки технического состояния и дальнейшего изменения управления режимами ЭГПА.
Ключевые слова
Электроприводной газоперекачивающий агрегат, система управления режимами, оценка технического состояния, подсистемы диагностирования, нейронная сеть Кохонена, коэффициент, учитывающий проявление неисправностей.
1. Распоряжение Правительства РФ «Концепция федеральной системы мониторинга критически важных объектов и (или) потенциально опасных объектов инфраструктуры РФ и опасных грузов» (утв. 27 августа 2005 г. n 1314-р.). М., 2005.
2. ПП РФ «Об утверждении технического регламента о безопасности сетей газораспределения и газопотребления» от 29.10.2010 N 870 (ред. от 20.01.2017). М., 2017.
3. СТО Газпром 2-3.5-032-2005. Положение по организации и проведению контроля за соблюдением требований промышленной безопасности и обеспечением работоспособности объектов единой системы газоснабжения ОАО «Газпром» (утв. расп.27 мая 2005 г. № 88). М., 2005.
4. СТО Газпром 18000.1-001-2014. Единая система управления охраной труда и промышленной безопасностью в ОАО «Газпром» (утв. пр. 28 июля 2014 г. № 358). М., 2005.
5. Распоряжение Правительства РФ «Об Энергетической стратегии России на период до 2030 года» (утв. 13.11.2009 № 1715-р). М., 2009.
6. Пужайло А. Ф. Диагностика оборудования компрессорных станций: монография. Н. Новгород: Исток, 2013. 299 с.
7. Крюков О.В., Серебряков А.В. Анализ результатов прогнозирования технического состояния электроприводных газоперекачивающих агрегатов // Электротехнические системы и комплексы. 2016. №1(30). С. 39– 44. https://doi.org/10.18503/2311-8318-2016-1(30)-39-44
8. Рубцова И.Е., Бабичев С.А. Управление и мониторинг электроприводов компрессорных станций в условиях стохастических возмущений // Актуальные вопросы автоматизированного электропривода. 2014. №3(2). С. 209–215.
9. Бабанова И.С. Применение искусственной нейронной сети для прогнозирования температуры на выходе из аппарата воздушного охлаждения газа для компрессорной станции магистрального газопровода // Международный научно-исследовательский журнал. 2016. №3(45). Ч. 2. С. 6–9. https://doi.org/10.18454/IRJ.2016.45.090
10. Устинов Д.А., Бабанова И.С. Обоснование выбора ценовой категории оплаты за электроэнергию с учетом потребителей-регуляторов // Промышленная энергетика. М., 2016. №11. С. 9–16.
11. Абрамович Б.Н., Бабанова И.С. Система прогнозирования энергопотребления с применением искусственной нейронной сети // Горные науки и технологии. 2016. №2. С. 66–77.
12. Бабанова И.С. Устинов Д.А. Разработка модели искусственной нейронной сети с целью управления и прогнозирования режимов энергопотребления предприятий минерально-сырьевого комплекса // Электроэнергетика глазами молодежи – 2016: материалы VII Международной научно-технической конференции, 19–23 сентября 2016 г., Казань. В 3 т. Т. 2. Казань: Казан.гос. энерг. ун-т, 2016. C. 47–50.
13. Бабанова И.С. Применение искусственной нейронной сети для прогнозирования температуры на выходе из аппарата воздушного охлаждения газа для компрессорной станции магистрального газопровода // Международный научно-исследовательский журнал. 2016. №3(45). Ч. 2. С. 6–9. https://doi.org/10.18454/IRJ.2016.45.090
14. Бабанова И.С. Разработка перспективного планирования энергосистемы на основе сравнительного анализа различных методов прогнозирования электропотребления // Оперативное управление в электроэнергетике. 2017. Вып. 3. С. 48–57.
15. Абрамович Б.Н., Бабанова И.С. Применение искусственных нейронных технологий в процессе преподавания дисциплин электротехнического цикла // Современные образовательные технологии в преподавании естественно-научных и гуманитарных дисциплин: сборник научных трудов II Международной научно-методической конференции, 09–10 апреля 2015 г. / «Национальный минерально-сырьевой университет «Горный». Петербург, 2015. С. 229–234.
16. A. Blinov, Y. Zhukovsky. Integrated system of safety and performance efficiency assessment of electromechanical equipment. Journal of Fundamental and Applied Sciences, 2016, 8(2S), 2185-2196.
17. Y. Zhukovskiy and N. Koteleva. A method of definition of life-cycle resources of electromechanical equipment. IOP Conf. Series: Materials Science and Engineering. 124(2016) 012172.
18. Козярук А.Е., Жуковский Ю.Л. Система обслуживания электромеханического оборудования машин и механизмов по фактическому состоянию // Горное оборудование и электромеханика. 2014. № 10. С. 8–14.
19. Y. Zhukovskiy and N. Koteleva. Automated system for definition of life-cycle resources of electromechanical equipment IOP Conf. Series: Materials Science and Engineering 177(2017) 012014.
20. Королев Н.А. Система диагностики электродвигателя переменного тока на основе комплексного параметрического анализа // Актуальные проблемы повышения эффективности и безопасности эксплуатации горношахтного и нефтепромыслового оборудования / Пермь: ПНИПУ, 2016. №1. С. 236–242.
21. N.A. Korolev and S.V. Solovev. AC motor diagnostics system based on complex parametric analysis IOP Conference Series: Materials Science and Engineering; Tomsk, 2016, Vol. 177. conference 1. Режим доступа: http://iopscience.iop.org/1757-899X/177/1/012007
22. Зарицкий С.П. Диагностика газоперекачивающих агрегатов. М.: РГУ нефти и газа им. И.М. Губкина, 2003. 598 с.
23. Антропов П.Г., Долинина О.Н., Шварц А.Ю. Способ диагностики неисправностей газоперекачивающих агрегатов с использованием гибридных интеллектуальных систем // Вестник Самарского государственного аэрокосмического университета. 2014. №5(47). С. 75–84.