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

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.