NobleBlocks

Research indexJournal article

Опыт создания системы автоматического распознавания аномалий в работе энергетического оборудования

Немирович-Скрабатун, Персяев

ENERGY.JOURNALS1 Jan 2022Open access

NobleIDark:/48914/w1/20260516/D34D9319DOI10.34831/ep.2022.1086.1.006

Free to read at the publisher

You can read the abstract here, or the full text at the publisher.

Read at the publisher

Abstract

Надёжное и бесперебойное обеспечение потребителей электрической и тепловой энергией -- главная цель работы энергетической установки. Для обеспечения работоспособного состояния, а также для сокращения расходов, связанных с ремонтом или внеплановым остановом оборудования, многие генерирующие компании используют системы прогностики и удалённого мониторинга, которые позволяют заблаговременно устранить до 90% аномалий [1]. С целью повышения эффективности таких систем ведутся разработки по автоматизации распознавания аномалий работы оборудования. Решение этой задачи существенно упростит работу эксперта в предметной области и позволит автоматически формировать уведомления об обнаруженных аномалиях и выдавать рекомендации по их устранению эксплуатирующему персоналу. Рассматриваются использование больших данных в энергетике для контроля технического состояния энергетического оборудования, а также основные принципы работы программно-аппаратного комплекса прогностики и удалённого мониторинга ПРАНА компании «РОТЕК» и необходимость создания классификатора аномалий. Описаны типовые проблемы и варианты их решения при его создании в условиях дефицита данных о работе оборудования. Кроме этого, рассмотрены различные подходы в создании классификатора аномалий работы энергетического оборудования ряда компаний, более подробно -- подход комплекса ПРАНА в решении этой задачи. Приведены различные типы аномалий и особенности использования общих моделей работы для однотипного оборудования. Также описаны основные подходы при анализе данных работы энергетического оборудования: анализ последовательностей и их изменений, использование априорной информации. В результате проведённого исследования создан классификатор для аномалий простого типа на примере ГТУ ГТЭ-160.

Discussion

Topics

More

Suggest a correction or report