Інтелектуальні методи оцінювання стану електротехнічного обладнання

Abstract

Функціонування систем електрозабезпечення при застосуванні інтелектуальної автоматизованої системи керування станом електротехнічного обладнання (ІАСКСЕО) дозволяє забезпечити їх високу безпеку, гнучкість, адаптивність і економічність [1]. Інформація про стан обладнання є основою для прийняття рішень щодо стратегії його експлуатації на короткострокову та довгострокову перспективу. Для забезпечення функціонування ІАСКСЕО розроблені ієрархічні гібридні моделі процесу прийняття рішень щодо стану промислового електротехнічного обладнання (ЕО), що базуються на об’єднанні його основних параметрів, показників електричної енергії, представлених різними типами даних, і методів їх обробки на різних ієрархічних рівнях електротехнічного комплексу з використанням методології функціонального моделювання. Таким чином гібридні моделі забезпечують виявлення причинно-наслідкових зв’язки між групами параметрів і підвищення інформативності ситуацій прийняття рішень, повноту знань і достовірність висновків про технічний стан ЕО. Для прийняття науково-обгрунтованих рішень щодо стану електротехнічного обладнання (ЕО) в умовах неповної та нечіткої інформації, підвищення компактності подання баз знань та обчислювальної ефективності системи з використанням засобів нечіткої логіки розроблена система ієрархічних змішаних продукційних правил. Система базується на комбінуванні чітких та нечітких значень параметрів у передумовах правил та врахуванні значимості ієрархічних правил. Управління процесом експлуатації ЕО передбачає формування сценаріїв, що визначаються його технічним станом, який оцінюється із застосуванням методів інтелектуальної обробки та аналізу даних і машинного навчання. При виборі сценарію експлуатації обладнання для достовірної оцінки стану обладнання відповідно до його фактичного (прогнозного) стану запропоновано використати методи дерев рішень та випадкового лісу. Розроблені методи підтримки прийняття рішень щодо справності ЕО, що базуються на обєднанні неоднорідних когнітивних моделей і системи ієрархічних змішаних продукційних правил із застосуванням нечіткої логіки. Це дозволяє формалізувати знання персоналу і підвищити оперативність прийняття рішень із технічного стану ЕО за умов неповної і нечіткої інформаціїThe functioning of power supply systems using the intelligent automated system for the management of the condition of electrical equipment (IASCEO) allows ensuring their high safety, flexibility, adaptability and cost-effectiveness [1]. Information about the condition of the equipment is the basis for making decisions on the strategy of its operation in the short and long term. To ensure the functioning of IASCSEO, hierarchical hybrid models of the decision-making process regarding the condition of industrial electrical equipment (EE) have been developed, which are based on the combination of its main parameters, electrical energy indicators represented by different types of data, and methods for their processing at different hierarchical levels of the electrical complex using the functional modeling methodology. Thus, hybrid models provide for the identification of cause-and-effect relationships between groups of parameters and an increase in the informativeness of decision-making situations, completeness of knowledge and reliability of conclusions about the technical condition of EE. To make scientifically sound decisions regarding the condition of electrical equipment (EE) in conditions of incomplete and fuzzy information, increase the compactness of knowledge base representation and computational efficiency of the system using fuzzy logic tools, a system of hierarchical mixed production rules has been developed. The system is based on combining clear and fuzzy parameter values ​​in the prerequisites of the rules and taking into account the significance of hierarchical rules. Management of the EE operation process involves the formation of scenarios determined by its technical condition, which is assessed using methods of intellectual processing and data analysis and machine learning. When choosing an equipment operation scenario for a reliable assessment of the condition of the equipment in accordance with its actual (forecast) condition, it is proposed to use decision tree and random forest methods. Methods of supporting decision-making regarding the serviceability of EE have been developed, which are based on the combination of heterogeneous cognitive models and a system of hierarchical mixed production rules using fuzzy logic. This allows you to formalize the knowledge of personnel and increase the efficiency of decision-making on the technical condition of the EO in conditions of incomplete and unclear information