Адаптивная система управления и прогнозирования жизненного цикла оборудования электроэнергетических систем на основе методов глубокого машинного обучения

Project: Award Project

Project Details

Description

Проблема создания надежных электроэнергетических систем нового поколения для обеспечения качественного и бесперебойного электроснабжения потребителей, в настоящее время заключается в том числе в создании эффективных систем оперативно-технологического управления оборудованием электроэнергетических систем, то есть комплекса мер по управлению технологическими режимами работы и эксплуатационным состоянием объектов электросетевого хозяйства. Проблема разработки таких систем связана, со сложностью процессов производства, передачи и распределения электрической энергии и их взаимосвязью с задачами управления режимами работы и функциональным состоянием электросетевого оборудования; с высоким уровнем износа электросетевого оборудования и его существенным влиянием на эффективность и надежность электроснабжения потребителей; с необходимостью информационной поддержки принятия решений и автоматизации процессов обработки и интеллектуального анализа данных в связи с большим объемом, разнородностью и неоднозначностью анализируемой информации; с необходимостью оптимизации расходов на эксплуатацию энергетического оборудования и формирования эффективных инвестиционных программ.
Для решения представленных проблем в проекте предлагается разработка модели адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем на основе методов глубокого машинного обучения. Основной вклад в данную область науки заключается в выявлении, систематизации и адаптации факторов и критериев взаимного влияния параметров электросетевого оборудования, режимов его работы, структуры, функционального состояния и топологии сети, а также в формировании и накоплении базы знаний об эффективных условиях функционирования и эксплуатации оборудования и разработке нового подхода к оперативно-технологическому управлению оборудованием электроэнергетических систем и прогнозированию его остаточного ресурса. Кроме этого новизна представленного решения связана с обоснованием возможности реализации разрабатываемой системы на базе доступной технологической информации в условиях неполноты исходных данных; с разработкой структуры искусственных интеллектуальных сетей на основе глубокого машинного обучения для реализации многоуровневой комплексной оценки функционального состояния электросетевого оборудования. Методы глубокого машинного обучения являются эффективным инструментом для решения оптимизационных задач принятия решений – к каким и относится задача управления и прогнозирования жизненного цикла оборудования с учетом анализа его функционального состояния. Подтверждение выше перечисленных гипотез предполагается выполнить в рамках апробации разработанной модели на примере анализа функционального состояния электросетевого оборудования района электрических сетей реальной энергосистемы.
С целью реализации интегральной (комплексной) оценки функционального состояния электросетевого оборудования в проекте анализируются вопросы влияния топологической организационной структуры электроэнергетической системы, связности ее объектов, режимов ее работы, показателей и параметров технического диагностирования, характеристик состава, структуры материалов и технологических жидкостей особо ответственных узлов электросетевого оборудования на его функциональное состояние. Разработка представленной адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем на основе методов глубокого машинного обучения с учетом анализа его функционального состояния производится в рамках проекта для последующей реализации модели в виде самостоятельного программного комплекса.
Описанная в данном проекте ключевая научная проблема – необходимость повышения эффективности и надежности функционирования электрических сетей в условиях неполноты, неоднородности и большого объема данных имеет первостепенное значение в условиях тотальной цифровизации экономики и энергетики на государственном уровне, как в России, так и за рубежом.
Также благодаря тому, что руководитель проекта – Хальясмаа А.И. является руководителем национальной проблемной рабочей РГ6 «Информационно-аналитические системы в задачах управления жизненным циклом электросетевого оборудования» подкомитета D2 «ИНФОРМАЦИОННЫЕ СИСТЕМЫ И ТЕЛЕКОММУНИКАЦИИ» РНК СИГРЕ планируется участие в заседаниях российского комитета для формирования рекомендаций в рамках разработки новых стандартов цифровизации энергетики и работы с другими подкомитетами РНК СИГРЕ и Cigre в этом направлении.
StatusFinished
Effective start/end date30/06/201830/06/2020

UrFU Research Division section that handles this grant (Kuibyshev, Mira)

  • Mira Research Division

GRNTI

  • 44.29.29

Type of Financial Sources

  • RNF

Research Output

  • 8 Conference contribution
  • 2 Article

Electrical equipment technical state integral estimate based on additional non-destructive methods

Khalyasmaa, A., Nikitina, I. & Wang, L., 1 Jun 2019, 2019 16th Conference on Electrical Machines, Drives and Power Systems, ELMA 2019 - Proceedings. Institute of Electrical and Electronics Engineers Inc., 5 p. 8771572. (2019 16th Conference on Electrical Machines, Drives and Power Systems, ELMA 2019 - Proceedings).

Research output: Chapter in Book/Report/Conference proceedingConference contribution

  • 1 Citation (Scopus)

    High-voltage Equipment State Assessment Method Based on the Integrated Use of Advanced Non-Destructive Technologies

    Khalyasmaa, A. I., Stepanova, A. I. & Davidenko, I. V., 28 Feb 2019, Proceedings of the 2019 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering, ElConRus 2019. Shaposhnikov, S. (ed.). Institute of Electrical and Electronics Engineers Inc., p. 988-991 4 p. 8657305. (IEEE NW Russia Young Researchers in Electrical and Electronic Engineering Conference).

    Research output: Chapter in Book/Report/Conference proceedingConference contribution

  • Improvement of short-circuit calculation results reliability for large electric power systems

    Khalyasmaa, A. I., Eroshenko, S. A., Zinovyev, K. A. & Bolgov, V., Jun 2019, 2019 Electric Power Quality and Supply Reliability Conference and 2019 Symposium on Electrical Engineering and Mechatronics, PQ and SEEM 2019. Institute of Electrical and Electronics Engineers Inc., 8818262. (2019 Electric Power Quality and Supply Reliability Conference and 2019 Symposium on Electrical Engineering and Mechatronics, PQ and SEEM 2019).

    Research output: Chapter in Book/Report/Conference proceedingConference contribution