Статті

В умовах цифровізації та впровадження інтелектуальних систем у різних сферах, зокрема в електроенергетиці, важливого значення набувають технології роботи з інформацією різного обсягу та змісту для прийняття управлінських рішень. Забезпечення надійності та ефективної експлуатації обʼєктів електротехнічного комплексу потребує застосування механізмів комплексної оцінки працездатності електротехнічного обладнання (ЕО) на основі актуальної інформації про його стан. Мета статті полягає в описі принципів комплексної оцінки стану ЕО з використанням технології інтелектуального аналізу даних, що одержуються в ході діагностики і моніторингу за його ключовими елементами. Запропоновано системний підхід до управління технічним станом ЕО за результатами діагностики, моніторингу та інтелектуального аналізу даних. Розглянуто математичні моделі комплексної оцінки стану обладнання з використанням інтелектуальних технологій. Розроблено модель системи проактивного управління станом обладнання, що передбачає вибір та використання різних методів інтелектуального аналізу інформації про зміну його ключових діагностичних параметрів. Основними відмінними рисами запропонованої інтелектуальної системи підтримки прийняття рішень є: вирішення завдань як контролю, так і прогнозування значень діагностичних параметрів ЕО; аналіз не тільки фактичних значень контрольованих параметрів, але і їх динаміки, з використанням не тільки ймовірносно-статистичних методів, але й методів штучного інтелекту, когнітивного і нечіткого когнітивного моделювання. Це дає змогу виявляти несправності, відмови ЕО на ранній стадії розвитку; запобігати аварійним ситуаціям; виробляти та вживати заходів щодо їх запобігання в умовах невизначеності та великих обсягів вихідних даних; універсальність системи, що полягає у можливості її застосування у всіх галузях промисловості (хімічної, нафтової, металургійної, атомної енергетики тощо). Наведено приклад побудови моделі літій-іонної батареї та представлено методику ідентифікації параметрів моделі.

The aim of the study is to substantiate the use of neural network control of beet juice level in an evaporator by evaluating the accuracy and adequacy of the model. This allows us to assess how well the model properties describe the course of the real process. The use of mathematical statistics methods is the most common way to test models for adequacy. In the automation scheme of level control, capacitive level gauges are used as a sensor. The actuators are pneumatic seat valves with a built-in throttle and an electropneumatic converter. The use of neural network controllers is found only in some specific cases of intelligent control of the evaporation process, and there are no data comparing the use of intelligent controllers with classical ones. In this paper, the Durbin-Watson d-criterion is used to assess the adequacy of the model. Statistical data on the behavior of the level control system circuits in different operating modes using intelligent and classical controllers were collected and a model of the evaporator unit operation was built. The advantage of the Durbin-Watson criterion is its simple and fast implementation, which does not require large economic and energy costs. The accuracy of the model was also evaluated. The static error of the control quality for the levels in the five enclosures of 25% - 65% (in 10% increments) is within the range of no more than 0.2%. The proposed model of the evaporator station operation is generally characterized by high accuracy.

Статті

Переглянути

Фільтри

Налаштування

Сортувати за

Результатів на сторінку

Результати пошуку