Методы и алгоритмы принятия решений в системах управления производственными фондами электроэнергетических объектов тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Гаглоева, Индира Эдуардовна

  • Гаглоева, Индира Эдуардовна
  • кандидат науккандидат наук
  • 2014, Владикавказ
  • Специальность ВАК РФ05.13.01
  • Количество страниц 132
Гаглоева, Индира Эдуардовна. Методы и алгоритмы принятия решений в системах управления производственными фондами электроэнергетических объектов: дис. кандидат наук: 05.13.01 - Системный анализ, управление и обработка информации (по отраслям). Владикавказ. 2014. 132 с.

Оглавление диссертации кандидат наук Гаглоева, Индира Эдуардовна

СОДЕРЖАНИЕ

СПИСОК УСЛОВНЫХ ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ

ВВЕДЕНИЕ

ГЛАВА 1. СИСТЕМНЫЙ АНАЛИЗ ОСОБЕННОСТЕЙ ПОСТРОЕНИЯ СИСТЕМ ОБРАБОТКИ ИНФОРМАЦИИ В ИНТЕЛЛЕКТУАЛЬНЫХ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ СЕТЯХ

1.1 Проблемы и перспективы внедрения технологий интеллектуальных электроэнергетических сетей

1.2 Анализ методов оценки состояния оборудования и эффективности процесса обновления производственных фондов электроэнергетических объектов

1.3 Анализ эффективности функционирования систем сбора и обработки информации о состоянии производственных фондов электроэнергетических объектов

1.4 Анализ средств и технологий поддержки принятия решений в интеллектуальных электрических системах с активно-адаптивной сетью

1.5 Выводы по первой главе и постановка задачи исследования

ГЛАВА 2. РАЗРАБОТКА МЕТОДОВ ОЦЕНКИ СОСТОЯНИЯ ОБОРУДОВАНИЯ И ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ПРОЦЕССА ОБНОВЛЕНИЯ ПРОИЗВОДСТВЕННЫХ ФОНДОВ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ ОБЪЕКТОВ

2.1 Анализ и выбор критериев необходимых для оценки состояния производственных фондов электроэнергетических объектов

2.2 Разработка метода преобразования параметров технического состояния производственных фондов для системы поддержки принятия решений

2.3 Разработка математической модели оценки состояния производственных фондов электроэнергетических объектов

2.4 Разработка методики повышения эффективности процесса обновления и модернизации производственных фондов электроэнергетических объектов

2.5 Применение интегрированного показателя оценки технического состояния оборудования в процессе принятия решений

2.6 Выводы к главе 2

ГЛАВА 3. РАЗРАБОТКА ФУНКЦИОНАЛЬНОЙ МОДЕЛИ И СТРУКТУРЫ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ПРОИЗВОДСТВЕННЫМИ ФОНДАМИ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ ОБЪЕКТОВ

3.1 Разработка модели обработки информации для оценки технического состояния оборудования и повышения эффективности процесса обновления производственных фондов

3.2 Функциональное моделирование системы поддержки принятия решений для оценки состояния оборудования и повышения эффективности процесса обновления производственных фондов электроэнергетических объектов

3.3 Разработка структуры системы поддержки принятия решений для оценки состояния оборудования и повышения эффективности процесса обновления производственных фондов электроэнергетических объектов

3.4 Выводы к главе 3

ГЛАВА 4. РАЗРАБОТКА АЛГОРИТМИЧЕСКОГО И ПРОГРАММНОГО КОМПЛЕКСА СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ ОЦЕНКИ СОСТОЯНИЯ ОБОРУДОВАНИЯ И ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ПРОЦЕССА ОБНОВЛЕНИЯ ПРОИЗВОДСТВЕННЫХ ФОНДОВ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ ОБЪЕКТОВ

4.1 Основные принципы и особенности построения программного комплекса

4.2 Разработка архитектуры системы поддержки принятия решений для оценки состояния оборудования и повышения эффективности

процесса обновления производственных фондов

4.3 Реализация пользовательского интерфейса системы поддержки принятия решений

4.4 Выводы к главе 4

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

Приложение А (Информационное) Акты о внедрении результатов кандидатской диссертационной работы

СПИСОК УСЛОВНЫХ ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ

БД база данных

БЗ база знаний

ВН высокое напряжение

ЕНЭС единая национальная электрическая сеть

ИЭС ААС интеллектуальная электроэнергетическая система с

активно-адаптивной сетью

НН низкое напряжение

ПС подстанция

СН среднее напряжение

СУБД система управления базами данных

Рекомендованный список диссертаций по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

Введение диссертации (часть автореферата) на тему «Методы и алгоритмы принятия решений в системах управления производственными фондами электроэнергетических объектов»

ВВЕДЕНИЕ

Актуальность работы. В настоящее время во всех развитых странах мира большое внимание уделяется системам электроэнергетики, использующим самое современное оборудование и технологии, средства измерения и управления, позволяющие на более высоком уровне обеспечить надежность и экономичность функционирования электроэнергетических объектов. Задача эта является актуальной и для российской электроэнергетики, так как для отрасли характерен высокий моральный и физический износ производственных фондов, приводящий к значительным потерям электроэнергии и сбоям в энергоснабжении.

Качественно новый уровень в обеспечении бесперебойной работы электроэнергетических объектов, может быть достигнут при использовании информационных технологий, в частности систем поддержки принятия решений, предназначенных для автоматизации процесса технического обслуживания и обновления инфраструктуры, а также компьютерного анализа данных о состояния сети и эффективности работы диспетчерских служб. Особенно это актуально в настоящее время в условиях перехода к интеллектуальной электроэнергетической системе с активно-адаптивной сетью (ИЭС AAC, Smart Grid) [1].

Разработка подобных систем соответствует одному из основных направлений энергетической стратегии России до 2030 года, стимулирующему создание высоко интегрированных интеллектуальных системообразующих и распределительных электрических сетей нового поколения в Единой энергетической системе России и концепции построения ИЭС ААС.

Переход к адаптивным технологиям связан с увеличением объема информации о состоянии электроэнергетических объектов, ее элементов и о внешней среде. Существует объективная необходимость в разработке системы принятия решений при управлении производственными фондами для обеспечения сбора, анализа и последующей обработки данных о техническом

состоянии, а также поддержки управленческих решений в части выработки рекомендаций по техническому обслуживанию, модернизации или введению новых активов, обоснованности направления инвестиций в то или иное оборудование.

Предлагаемая в диссертационной работе система поддержки принятия решений осуществляет: обработку и анализ больших объемов данных; формирование рекомендаций по обновлению инфраструктуры, исходя из текущих и планируемых объемов финансирования, сохраняя при этом надежность функционирования объекта; преобразование сложных и разнородных информационных потоков о состоянии сети в форматы, легко воспринимаемые лицом принимающее решение.

Проведенное исследование возрастной структуры электросетевого оборудования, технического состояния инфраструктуры и уровня технологических нарушений при функционировании электроэнергетических объектов РФ показывает, что:

- автоматизация процесса управления производственными фондами остается на низком уровне;

- при направлении капитальных вложений в то или иное основное средство не учитывается его фактическое техническое состояние, в связи, с чем инвестиции не всегда направлены в оборудование, которое вскоре может дать сбои;

- существует необходимость в оптимизации процесса планирования технического обслуживания и обновления инфраструктуры на основе текущей оценки технического состояния каждой единицы оборудования, с учетом важности и значимости электроэнергетических объектов.

В настоящее время разработаны и приняты стратегия развития электроэнергетики до 2030 года и Генеральная схема размещения объектов электроэнергетики до 2020 года, но о новых технологиях в них не упоминается, также отсутствуют программы по реализации конкретных проектов.

Особая актуальность задачи разработки методов и алгоритмов обработки информации о техническом состоянии оборудования диктуется необходимостью совершенствования электроэнергетических сетей, с целью повышения надёжности функционирования энергосистемы, предотвращения сбоев в энергоснабжении, путем определения приоритетов в замене производственных фондов при планировании работ и распределении капитальных вложений.

Целью диссертационной работы является исследование и разработка системы принятия решений при управлении производственными фондами на основе оценки технического состояния оборудования и повышения эффективности процесса их обновления в интеллектуальных электроэнергетических системах с активно-адаптивной сетью.

Поставленная цель потребовала решения следующих задач:

1. Исследование предметной области с целью выявления проблем и особенностей, учитываемых при моделировании и разработке систем принятия решений при управлении производственными фондами на основе оценки фактического состояния активов;

2. Анализ существующих систем непрерывного контроля технического состояния электроэнергетического оборудования;

3. Разработка методов оценки технического состояния производственных фондов электроэнергетических объектов и повышения эффективности процесса обновления производственных фондов на базе концепции Smart Grid;

4. Разработка структуры, алгоритмов функционирования основных подсистем системы поддержки принятия решений при управлении электроэнергетическими производственными фондами;

5. Разработка принципов построения программного комплекса для повышения эффективности технического обслуживания и оптимизации процесса обновления основных средств.

Объект исследований — системы сбора и обработки информации о техническом состоянии электроэнергетического оборудования.

Предмет исследований - алгоритмические и математические методы, модели поддержки принятия решений, информационные технологии и технические средства построения систем поддержки принятия решений.

Методы исследований. Решение поставленных задач базируется на применении комплекса методов системного анализа, теории принятия решений, математической статистики, технико-экономического анализа, нейронных сетей.

Научная новизна диссертационной работы:

1. Разработан интегрированный показатель оценки технического состояния электроэнергетического оборудования позволяющий идентифицировать состояние актива с учетом важности каждого из его контролируемых параметров и степени их отклонений, а также значимости производственного фонда.

2. Предложен новый подход планирования воздействий на основные средства путем определения приоритетов, основанный на применении разработанного интегрированного показателя технического состояния оборудования коэффициента важности электроэнергетического объекта (Уп), на котором эксплуатируется актив и стоимости затрат технического обслуживания и обновления (С„).

3. Предложен способ обработки информации в системе управления производственными фондами, позволяющий повысить эффективность распределения капитальных вложений и минимизировать отклонения выполняемых объемов работ от запланированных на основе мониторинга реализации инвестиционной программы и утвержденных решений.

4. Предложены функциональная модель процесса оценки состояния оборудования электроэнергетических объектов в рамках интеллектуальной электроэнергетической системы, структура и средства визуализации системы принятия решений, обеспечивающие проведение оперативного качественно-

го и количественного анализа информации о состоянии основных средств в целях обоснования направления инвестиций в то или иное оборудование.

Практическая значимость диссертационной работы:

1. На основе проведенного анализа существующих систем обработки информации о техническом состоянии оборудования и систем поддержки принятия решений при управлении производственными фондами объектов электроэнергетики обозначены следующие приоритетные задачи: преобразование сложных и разнородных данных в информацию понятной и доступной пользователю, направление инвестиций на ремонт, модернизацию и обновление наиболее «узких мест»; контроль процесса реализации принятых мероприятий и выполнения инвестиционных программ.

2. Разработана система поддержки принятия решений, позволяющая:

повысить качество принимаемых управленческих решений за счет определения фактической ситуации в энергосистеме, на основе применения разработанного интегрированного показателя технического состояния оборудования; обосновать необходимость направления инвестиций в обновление и модернизацию инфраструктуры при обращении за утверждением тарифов в регулирующие органы; повысить надежность функционирования энергетических объектов;

сократить капитальные и операционные затраты.

3. На основе многофакторного градиентного анализа разработан новый метод оценки состояния оборудования для выработки управляющих решений, основанный на анализе данных из внешних систем (систем мониторинга, систем электронных паспортов основных средств, автоматизированных систем контроля и учёта энергоресурсов и т.д.) и определения текущего технического состояния с

учетом значимости электроэнергетических объектов и важности контролируемых параметров;

4. Разработаны алгоритмическое и программное обеспечение системы принятия решений при управлении процессами обновления, модернизации и технического обслуживания электроэнергетических производственных фондов.

5. Ожидаемый годовой экономический эффект от внедрения в СОф ОАО «МРСК СК» составит 862 тыс. руб. за счет снижения вероятности системных аварий и снижения недоотпуска электрической энергии потребителям.

Обоснованность и достоверность научных положений и выводов и результатов исследований подтверждаются соответствием результатов теоретических исследований экспериментальным данным и внедрением разработанной методики оценки технического состояния производственных фондов и системы поддержки принятия решений в СОф ОАО «МРСК СК».

Апробация диссертационной работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на ежегодных НТК СКГМИ (ГТУ), научных семинарах кафедры информационных систем в экономике СКГМИ (ГТУ) (2010- 2013 гг.), на семинаре в Северо-Осетинском филиале МРСК Северного Кавказа, а также на следующих международных, всероссийских научно-технических и научно-практических конференциях: VI Международно-практическая конференция «Перспективы развития информационных технологий», г. Новосибирск 2012 г.; II международная научно-практическая конференция студентов, аспирантов и молодых учёных «Наука XXI века: новый подход», г. Санкт-Петербург 2012г.; VII Международная научно-практическая конференция «Актуальные вопросы науки», г. Москва 2012г.; X Юбилейная Международная научная конференция «Актуальные вопросы современной техники и технологии», г. Липецк 2013г.; III Международная научно-практическая конференция «Решение проблем развития предприятий: роль научных исследований», г. Краснодар, 2013г.;

Международная научная конференция «Тенденции современной науки», г. Гданьск, 2013г.

Личный вклад автора. Лично автором получены следующие основные результаты:

- разработан интегрированный показатель оценки технического состояния электроэнергетического оборудования;

- предложен новый подход планирования воздействий на основные средства, основанный на применении разработанного интегрированного показателя технического состояния оборудования, коэффициента важности электроэнергетического объекта, на котором эксплуатируется актив и стоимости затрат технического обслуживания и обновления;

- предложен способ обработки информации в системе управления производственными фондами;

- разработана функциональная модель процесса оценки состояния оборудования объектов электроэнергетики в рамках интеллектуальной электроэнергетической системы, структура и средства визуализации системы принятия решений.

Публикации. По теме диссертации опубликовано 14 печатных работ, в т. ч. 6 работ в ведущих рецензируемых научных журналах и изданиях, определенных ВАК РФ для публикации основных научных результатов.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и списка использованной литературы, включающего 77 наименования, и содержит 132 страниц машинописного текста, 31 рисунок и 7 таблиц и 1 приложения.

ГЛАВА 1. СИСТЕМНЫЙ АНАЛИЗ ОСОБЕННОСТЕЙ ПОСТРОЕНИЯ СИСТЕМ ОБРАБОТКИ ИНФОРМАЦИИ В ИНТЕЛЛЕКТУАЛЬНЫХ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ СЕТЯХ

1.1 Проблемы и перспективы внедрения технологий интеллектуальных электроэнергетических сетей

В настоящее время состояние электроэнергетики России не соответствует растущей потребности развития экономики и социальной структуры страны. К негативным факторам состояния отрасли можно отнести: высокий уровень потерь, высокие риски надежного и качественного электроснабжения потребителей, снижение экономичности функционирования системы энергоснабжения, средства управления, не отвечающие современным требованиям, недостаточность применения новых технологий в электроэнергетических сетях, отставание во внедрении автоматизированных систем обработки данных [2, 3].

Одним из приоритетных направлений в сфере электроэнергетики, согласно энергетической стратегии России до 2030 года, является создание высоко интегрированных интеллектуальных системообразующих и распределительных электрических сетей нового поколения в Единой энергетической системе России (интеллектуальные сети - Smart Grids) [4].

Интеллектуальная сеть — качественно новый вид электрической сети, позволяющей осуществлять в реальном времени мониторинг и управление сетью, осуществлять коммуникации между потребителями и поставщиками, предоставляя возможность оптимизации потребления, сокращая стоимость электроэнергии, и тем самым обеспечивая новый уровень надежности и экономичности энергоснабжения [5].

Термин «Smart Grid» до сих пор не имеет единой, общепринятой интерпретации. Так зарубежное понимание умных сетей подразумевает доос-нащение существующих электроэнергетических сетей приборами учета на границах с потребителями, соединенными в единую информационную сеть и

способствующими оптимально расходовать ресурсы, а также развитие малой и возобновляемой генерации. Для европейских стран Smart Grid подразумевает, прежде всего, надежную и эффективную интеграцию электрогенераторов на возобновляемых источниках энергии с потребителями и традиционной энергосистемой.

Национальная лаборатория энергетических технологий Министерства энергетики США (The National Energy Technology Laboratory USA - NETL) определяет Smart Grid как совокупность организационных изменений, новой модели процессов, решений в области информационных технологий, а также решений в области автоматизированных систем управления технологическими процессами и диспетчерского управления в электроэнергетике [6].

Наиболее полно общую функционально-технологическую идеологию этой концепции отражает сформулированное Институтом инженеров электротехники и электроники (The Institute of Electrical and Electronics Engineers - IEEE) определение Smart Grid как концепции полностью интегрированной, саморегулирующейся и самовосстанавливающейся электроэнергетической системы, имеющей сетевую топологию и включающей в себя все генерирующие источники, магистральные и распределительные сети и все виды потребителей электрической энергии, управляемые единой сетью информационно-управляющих устройств и систем в режиме реального времени [7].

Российские «умные сети» — это комплексная модернизация и инновационное развитие всех субъектов электроэнергетики на основе передовых технологий и сбалансированных проектных решений глобально на всей территории страны [8].

Вместе с тем для реализации концепции активно-адаптивной сети в стране существуют сдерживающие факторы, к которым можно отнести: уровень развития информационных технологий, коммуникаций, альтернативных источников электроэнергии, широкий территориальный размах энергосистемы страны, значительная изношенность сетей и т. д.

В России идея Smart Grid в настоящее время выступает в качестве концепции интеллектуальной электроэнергетической системы с активно-адаптивной сетью, которую можно описать следующими признаками [9]:

*

- насыщенность активными элементами, позволяющими изменять топологические параметры сети;

- наличие большого количества датчиков, измеряющих текущие режимные параметры для оценки состояния сети в различных режимах работы энергосистемы;

- внедрение систем сбора и обработки данных (программно-аппаратные комплексы), а также средств управления активными элементами сети и электроустановками потребителей;

- наличие необходимых исполнительных органов и механизмов, позволяющих в режиме реального времени изменять топологические параметры сети, а также взаимодействовать со смежными энергетическими объектами;

- возможность автоматической оценки текущей ситуации в энергосистеме, ее отдельных частях и построения прогнозов работы сети;

- высокое быстродействие управляющей системы и информационного обмена.

Таким образом, «умная сеть» это совокупность методов, технологий и инструментов, общей целью которых является объединение на технологическом уровне электрических сетей, производителей и потребителей в единую автоматизированную систему, позволяющая вывести электроэнергетику на качественно новый уровень.

Внедрение технологии Smart Grid подразумевает полное переоснащение электроэнергетической системы страны, включая построение цифровых электроподстанций нового поколения, приобретение инновационного оборудования, насыщение сети активными элементами, позволяющими изменять топологические параметры сети, использование достаточного большого ко-

«

личества датчиков, измеряющих состояния сети, как в стационарных, так и в

предаварийных, аварийных, послеаварийных режимах, применение систем управления и т.д.

Причины возникновения новой концепции связаны, в первую очередь, с тем, что последние десятилетия прогнозируемое развитие во всем мире характеризуется возникновением целого ряда факторов, определяющих необходимость кардинальных преобразований в электроэнергетике:

*

постоянное повышение стоимости электроэнергии во всем мире; необходимость повышения энергетической и экологической эффективности электроэнергетики;

рост требований потребителей к надежности и качеству электроснабжения появление прогрессивных технологий в результате научно-технического прогресса, не нашедших должного применения в современной электроэнергетике;

снижение надежности энергоснабжения;

изменение условий функционирования рынков электроэнергии и мощности [10].

Одним из основополагающих функциональных свойств интеллектуальной электроэнергетической системы является оптимизация управления производственными фондами, который подразумевает переход к удаленному мониторингу основных средств в режиме реального времени, интегрированному в корпоративные системы управления, для повышения эффективности оптимизации режимов работы и совершенствования процессов эксплуатации, технического обслуживания и ремонта оборудования по его состоянию, и, как следствие, обеспечение снижения общесистемных затрат.

В настоящее время автоматизация процесса управления производственными фондами как в стране в целом, так и в регионах остается на низком уровне [1]. Согласно результатам исследования 350 российских фирм, автоматизированные системы управления производственными фондами (БАМ) и технического обслуживания и ремонта оборудования установлены на 27 % предприятий. В основном это предприятия нефтегазовой промыш-

ленности - 52 %, металлургии - 22 %, электроэнергетики и ЖКХ - 12 %, машиностроения — 2 %. В развитых индустриальных странах экономический эффект от использования систем ЕАМ давно признан очевидным, так как затраты на ремонт растут на 10-15 % в год [11].

Следует отметить, что используемые системы ЕАМ основаны на методах экспертных оценок или статистических методах. Несмотря на успехи, достигнутые в последние годы в практическом использовании данных методов, имеется ряд проблем, требующих дальнейших методологических исследований и практической проверки. Необходимо совершенствовать систему отбора экспертов, повышение надежности характеристик группового мнения, разработку методов проверки обоснованности оценок, снижающих достоверность экспертных оценок и т.д. Данные полученные на основе усредненных показателей и оценок, назначаемых экспертами, не могут представлять полной и достоверной информации о текущем состоянии электроэнергетических объектов.

В этой связи актуализируется задача разработки методики оценки текущего состояния объектов и внедрения систем поддержки принятия решений, позволяющих автоматизировать следующие процессы:

- отслеживание в режиме реального времени возможные сбои и повышение надежности функционирования;

- оптимизация планирования технического обслуживания и ремонта основных фондов;

- усовершенствование обоснования программ обновления инфраструктуры;

- сокращение капитальных и операционных затрат.

Развитая система информации и баз данных резко увеличит возможности по оптимизации режимов работы и совершенствованию процессов эксплуатации оборудования, даст возможность проектировщикам и инженерам принимать оптимальные решения, в том числе и инвестиционные. Совокупность этих изменений позволит повысить эффективность управления как ка-

питальными затратами, так и затратами на техническое обслуживание и ремонты оборудования.

Применение интеллектуальных электроэнергетических систем подразумевает использование динамических данных, получаемых от датчиков состояния оборудования в целях оптимизации пропускной способности сетей, повышения надежности и снижения вероятности аварий. Переход к адаптивным сетям позволит сократить системные потери, минимизирует простаивающие и резервные мощности, обеспечит снижение капитальных затрат и затрат на обслуживание. Информация о состоянии энергосистемы позволит предотвратить технологические нарушения, сбои при энергоснабжении, а также позволит повысить оперативность проведения ремонтных работ и процесса обновления производственных фондов.

Сравнительный анализ особенностей традиционной электроэнергетической сети и интеллектуальной системы с активно-адаптивной сетью приведен в таблице 1.1.

Таблица 1.1 — Сравнительный анализ функциональных свойств традиционной энергетической системы и энергетической системы с активно-адаптивной сетью

Традиционная энергетическая система Энергетическая система на базе концепции Smart Grid

Односторонняя коммуникация между элементами или ее отсутствие Двусторонние коммуникации

Централизованная генерация -Сложно интегрируемая распределенная генерация Распределенная генерация

Топология - преимущественно радиальная Преимущественно сетевая

Реакция на последствия аварии Реакция на предотвращение аварии

Работа оборудования до отказа Самомониторинг и самодиагностика продлевающая период эксплуатации оборудования

Ручное восстановление Автоматическое восстановление

Подверженность системным авариям Предотвращение развития системных аварий

Ручное и фиксированное выделение сети Адаптивное выделение

Проверка оборудования по месту Удаленный мониторинг оборудования

Ограниченный контроль перетоков мощности Управление перетоками мощности

Недоступная или сильно запоздавшая информация о цене для потребителя Цена в реальном времени

Интеллектуальная электроэнергетическая система с активно-адаптивной сетью - это прежде всего концепция инновационного преобразования и развития электроэнергетики страны. Ведущая роль при модернизации и функционировании данной сферы отводится автоматизированным системам управления режимами работы и оценки состояния электроэнергетических объектов.

Учитывая широкий территориальный охват, а также то, что электроэнергетическая система России создана более шестидесяти лет назад и изношенность объектов основных средств достаточно высок можно сделать вывод о том, что модернизация электросетевого хозяйства на базе инновационных технологий потребует больших финансовых ресурсов, совершенствования существующих и разработки новых методов сбора и обработки информации.

При функционировании интеллектуальной электроэнергетической системы одним из приоритетных направлений является повышение наблюдае-

мости сети, разработка и внедрение автоматизированных систем оценки текущей ситуации и планирования воздействий на производственные фонды. Важной задачей является реализации информационно-аналитической системы организации эксплуатации и технического обслуживания электроэнергетического оборудования, позволяющая повысить надежность электроснабжения и сократить аварийность путем оптимизации процесса обновления основных средств, отслужившего нормативный срок и увеличить эффективность вложенных инвестиций.

В интеллектуальной электроэнергетической сети операторам и диспетчерам энергетической системы посредством усовершенствованных информационно-аналитических систем и систем поддержки принятия решений должна предоставляться в режиме реального времени следующая информация:

Похожие диссертационные работы по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

Список литературы диссертационного исследования кандидат наук Гаглоева, Индира Эдуардовна, 2014 год

СПИСОК ЛИТЕРАТУРЫ

1. Гаглоева Н.Э. Анализ методов прогнозирования для интеллектуальной системы управления состоянием основных фондов электроэнергетических объектов // Актуальные вопросы современной техники и технологии [Текст]: Сборник докладов Х-й Юбилейной Международной научной конференции (г. Липецк, 26 января 2013 г.). / Отв. ред. A.B. Горбен-

в

ко. - Липецк: Издательский центр «Гравис», 2013. - С. 186-190.

2. Гаглоева Н.Э. Анализ автоматизированных систем контроля, учета и управления электропотреблением // Перспективы развития информационных технологий: сборник материалов VI Международно-практической конференции. - Новосибирск: СИБПРИНТ, 2012. - С.93-97.

3. Гаглоева И. Э., Добаев А. 3. Применение систем автоматизации управления в интеллектуальных электроэнергетических сетях // Наука XXI века: новый подход: материалы II международной научно-практической конференции студентов, аспирантов и молодых учёных 28 сентября 2012 года, г. Санкт-Петербург. - Петрозаводск: ПетроПресс, 2012. - С.8-12.

4. Энергетическая стратегия России на период до 2030 года, утверждена распоряжением Правительства Российской Федерации от 13 ноября 2009 г. №1715-р.

5. Бердников Р.Н. Политика инновационного развития и модернизации ОАО «ФСК ЕЭС» // Интернет ресурс, URL: http://www.fsk-ees.ru (Дата обращения: 22.10.2012).

6. The National Energy Technology Laboratory: A vision for the Modern Grid, March 2007.

7. Smart Power Grids — Talking about a Revolution // IEEE Emerging Technology Portal, 2009.

8. Бударгин O.M. Умная сеть - платформа развития инновационной экономики // Доклад на заседании Круглого стола Петербургского междуна-

родного экономического форума (2010): «Умные сети — Умная энергетика - Умная экономика».

9. Дорофеев В. В. Активно-адаптивная сеть — новое качество ЕЭС России / В. В. Дорофеев, А. А. Макаров // Энергоэксперт. 2009. - №4. - С. 28-34.

10. Отчет о разработке стратегической программы исследований технологической платформы «Интеллектуальная энергетическая система России».

- Москва: РЭА, 2012. - 53 с.

11. Шкурима Г.Л. Методика построения очередей ремонта оборудования с использованием процедур выбора // Вестник АГТУ. Серия: Управление, вычислительная техника и информатика. - 2011. - №1. - С. 124.

12. Шишкин А.Н. ТЭК России: курс на безопасность // Доклад заместителя Министра энергетики РФ (29.10.2010).

13. Гаглоева И.Э. Анализ методов оценки состояния оборудования и эффективности процесса обновления производственных фондов в электроэнергетических сетях // Труды молодых ученых. - Владикавказ: Изд-во «Терек», 2013, Т.2 - С. 86-90.

14. Живодерншов C.B. Зарубежный опыт мониторинга состояния маслона-

к

полненного оборудования /Материалы четвертого научно-практического семинара Общественного Совета специалистов Сибири и Востока по проблемам мониторинга трансформаторного оборудования и диагностики электрических установок, Белокуриха, 20-24 апреля 2009 / C.B. Жи-водерников, А. Г. Овсянников, В.А. Русов // Новосибирск, ГЦРО, 2009.

- С.7-22.

15. Control command and supervision // Интернет ресурс, URL: http://www.secheron.com/Products/Control-command-and-supervision (Дата обращения: 01.08.2013).

16. Надточий В.М., Ординян H.A., Осин Е.А., Трофимов A.C. Интеллектуальная информационно-диагностическая система (ИИДС) для электро* оборудования электростанций // VI Симпозиум «Электротехника 2010».

2001. Т. 1. Докл. 4. 05.

17. Ворошим Д.А., Ватлецов A.B., Игнатьев Е.Б., Комков Е.Ю., Попов Г.В. Организация информационных потоков для повышения эффективности оценки технического состояния оборудования на базе программного комплекса «Диагностика+» // IX Симпозиум «Электротехника 2030. Перспективные технологии энергетики». 2007. Докл. 4. 41.

18. Информационно-аналитический портал MediaScan // Интернет ресурс, URL: http://www.media-scan.ru/new/?id=7393 (Дата обращения: 24.08.2013).

19. Чирков С.А. «Диана для Windows» - современный комплекс программ для ведения и анализа информации по электрооборудованию / VI Симпозиум «Электротехника 2010». М.: 2001. Т. 1. Докл. 4. 15.

20. ООО «ЭТЛ-СЕРВИС»: разработка информационных систем // Интернет ресурс, URL: http://www.etl-service.com.ua/info (Дата обращения: 30.11.2012).

21. Попов Г.В. Экспертная поддержка при диагностике состояния силовых трансформаторов /Попов Г.В., Ватлецов A.B., Аль-Хамри С.С.// Электротехника. - 2003. - № 8. - С. 5-11.

22. Шутенко О. В. Анализ функциональных возможностей экспертных систем, используемых для диагностики состояния высоковольного масло-наполненного оборудования // О. В. Шутенко, Д. Н. Баклай // Вестник НТУ «ХПИ». - 2011. - Т. 1, вып. 3. - С. 45-52.

23. Давиденко И.В. Система компьютерной диагностики маслонаполненно-го оборудования в рамках энергосистемы /Давиденко И.В., Голубев В.П., Комаров В.И., Осотов В.Н., Туркевич C.B. // Энергетик. - 2000. -№ 11.-С. 52-56.

24. Гаглоева Н.Э. Анализ эффективности функционирования систем сбора и обработки информации о состоянии оборудования электроэнергетических объектов // Решение проблем развития предприятий: роль научных исследований: Материалы III Международной научно-практической

конференции. 14 мая 2013г.: Сборник научных трудов. - Краснодар, 2013. - С142-145.

25. Кумаритов A.M., Гаглоева И.Э., Добаев А.З. Разработка математической модели оценки состояния производственных фондов в интеллектуальных электроэнергетических системах с активно-адаптивной сетью // Научные труды Вольного экономического общества России. - Москва-Владикавказ: 2013. Т. 177. С.246-256.

26. Electric Power Research Institute, Electricity Sector Framework for the Future Volume I: Achieving the 21st Century Transformation/Washington, DC: Electric Power Research Institute, 2003.

27. Информационный ресурс Dhyan Smart Grid Management System. URL: http://www.network-management-system.com/smart_grid_dsms.html (Дата обращения: 01.08.2013).

28. Информационный ресурс Smart Grid Distribution Control Center and Operations. URL: http://www.intelligentutility.com/article/13/01/smart-grid-distribution-control-center-and-operations (Дата обращения: 05.08.2013 г)

29. Meir Shargal. Smart Grid: Leveraging Technology to Transform T&D Operating Models. URL: http://www.energycentral.com/articles/article/1661 (Дата обращения: 21.01.2013).

30. Федеральный закон от 26 марта 2003 г. N 35-Ф3 «Об электроэнергетике»

31. Методические указания по диагностике развивающихся дефектов трансформаторного оборудования по результатам газохроматографиче-ского анализа газов, растворённых в масле РД 153-34-0.46.302-00 М., ЭНАС, 2001.

32. Dyval M., de Pablo А. Интерпретация результатов анализа газов в масле с использованием повой редакции Публикации МЭК 60599, 1999// IEC Publication 599, 1978.

33. МЭК 60599 «Международный стандарт: Электротехническое оборудование с изоляцией пропитанной минеральным маслом. Руководство по интерпретации анализа растворенных и свободных газов», 1999.

34. Положение о технической политике ОАО «ФСК ЕЭС». Утверждено Председателем Совета Директоров ОАО «ФСК ЕЭС», Министром энергетики РФ Шматко С.И. М.: ОАО «ФСК ЕЭС», 2011. -193 с.

35. Программа развития системы диагностики ОАО «ФСК ЕЭС», утвержденная приказом ОАО «ФСК ЕЭС» от 17.06.2010 №427.

36. Васильев В. И., Гусев Ю. М., Иванов А. И. Автоматический контроль и диагностика систем управления силовыми установками летательных аппаратов. М.: Машиностроение, 1989. - 240 с.

37. Жернаков C.B., Ефанов В.Н., Иванова Н.С. Идентификация сложных систем управления в ортогональном базисе экспоненциального вида // Вестник УГАТУ. - Уфа: УГАТУ, 2010. - Т. 14, № 2(37). С.128-135.

38. Потребич A.A., Кузнецов В.П., Жданов B.C., Фоменко П.И., Ткачев В.И., Овчиникова Н.С., Юдин Г.Г. Автоматизированная система для оценки технического состояния электрооборудования // Электрические станции. 2001. N4.

39. Объем и нормы испытаний электрооборудования. РД 34.45-51.300-97.М.: ЭНАС, 1998.

«

40. Leibfried Th. Monitoring von Leistungstransfor-matoren — Jetzt auch fuer kleine und mittlere Baugroessen. (Мониторинг силовых трансформаторов малых и средних габаритов). — Elektrizitaetswirtschaft, 1999, No 20, 37,38,40-42.

41. Дьяконов В. П. MATLAB 6.5 SP 1/7/7 SP2+Simulink 5/6. Инструменты искусственного интеллекта и биоинформатики. Серия «Библиотека профессионала» В. П. Дьяконов, В. В. Круглов. - М.: СОЛОН-ПРЕСС, 2006. - 456 с.

42. Медведев B.C. Нейронные сети: Matlab 6 / В. С. Медведев, В. Г. Потемкин; Ред. В. Г. Потемкин. - М.: ДИАЛОГ-МИФИ, 2002. - 496с.

43. Swingler, Kevin Applying Neural Networks. A practical Guide [Электрон» ный ресурс]: пер. с англ. / Kevin Swingler // Консультационный центр

MATLAB компании Softline. - Режим доступа: http://matlab.exponenta.ru/ neuralnetwork/book4/index.php Дата обращения: 28.05.2012).

44. Рутковская Д., Пилинъский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. - М.: Горячая линия -Телеком, 2008. - 452 с.

45. Хайкин С. Нейронные сети: полный курс. - М.: Изд-во «Вильяме», 2006. -1104 с.

46. Кумаритов A.M., Леонтьев A.B., Агаев B.C. К вопросу о перспективах использования инновационных проектов в теплоэнергетике и методах их автоматизации на примере республики северная Осетия - Алания // Аудит и финансовый анализ, Москва 2011, Т. 2. - С. 444-450.

47. Гаглоева И.Э. Алгоритм функционирования интеллектуальной системы поддержки принятия решений для оценки технического состояния и эффективности процесса обновления и модернизации производственных фондов электроэнергетических объектов // Науковедение (электронный журнал). 2013 №3 (16) [Электронный ресурс]. - М.: 2013. - Режим доступа: http://naukovedenie.ru/PDF/81tvn313.pdf, свободный - Загл. с экрана.

48. ГОСТ 27.002-89. Надёжность в технике. Основные понятия. Термины и определения. - М.: Государственный комитет СССР по стандартам. 1990.

49. Рыбалко В. В. Математические модели контроля надежности объектов энергетики. - СПб., 2010. - 151с.

50. Ефанов В.Н., Жернаков С.В., Иванова Н.С. Идентификация сложных систем управления в ортогональном базисе экспоненциального вида // Вестник УГАТУ. УФА: УГАТУ, 2010. Т.14, №2 (37). С.128-135.

51. Ручкин В.Н. Универсальный искусственный интеллект и экспертные системы/ В. Н. Ручкин, В. А. Фулин.- СПб.: БХВ-Петербург, 2009.- 238с.

52. Бешелев С.Д. Экспертные оценки.- М.: Наука, 1973.- 159с.

53. Дорофеев B.B. Роль электрических сетей в организации конкурентного

л

рынка в электроэнергетике // Интернет ресурс, URL: http://it.e-m.ru/13/prezentation/dorofeev.pdf (Дата обращения: 10.07.2013).

54. Гаглоева И.Э. Разработка методики повышения эффективности процесса обновления и модернизации производственных фондов электроэнергетических объектов // Науковедение (электронный журнал), 2013 №5 (18) [Электронный ресурс]. - М.: 2013. - Режим доступа: http://naukovedenie.ru/PDF/32tvn513.pdf, свободный - Загл. с экрана.

55. Черноруцкий И.Г. Методы принятия решений. — СПб.: БХВ-Петербург, 2005.-416с.

56. Информационный портал Министерства энергетики РФ // Интернет портал, URL: http://minenergo.gov.ru/activity/powerindustry/powersector (Дата обращения: 15.02.2013).

57. Гаглоева И.Э. К вопросу о разработке модели обработки информации о техническом состоянии оборудования для повышения эффективности процесса обновления производственных фондов электроэнергетических объектов // Международная научная конференция «Тенденции совре-

«

менной науки». - Польша, Гданьск, 2013. С. 10-12.

58. Советов Б. Я., Яковлев С. А. Моделирование систем. — М.: Высш. шк., 2001.-343 с.

59. Гаглоева И.Э. Хачирова Н.В. Моделирование бизнес-процессов с использованием технологий UML и ВРМ // Труды молодых ученых. -Владикавказ: Изд-во «Терек», 2011, Т.З - С.59-63.

60. Кумаритов A.M., Гаглоева Н.Э., Джиоева И.А. Функциональное моделирование интеллектуальной системы поддержки принятия решений для оценки эффективности процесса обновления и модернизации производственных фондов электроэнергетических объектов // Аудит и финансовый анализ. Москва, 2013. Т. 4. С. 443-448.

«

*

61. Черемных C.B. Моделирование и анализ систем. IDEF-технологии: практикум / С.В.Черемных, И.О. Семенов, B.C. Ручкин. - М. : Финансы и статистика, 2006. - 192 с.

62. Евгенев Г.Б. Интеллектуальные системы проектирования : учеб.пособие / Г.Б. Евгенев. - М.: МГТУ им. Н.Э. Баумана, 2009. - 334с.

63. Степанов Е.Т. Технология Data Mining : Интеллектуальный анализ данных: учеб. Пособие / Р. Г. Степанов. - Казань : Из-во Казанского гос. унта, 2008. - 58с.

64. Геловани В.Л., Башлыков A.A., Бритков В.Б., Вязнлов Е. Д. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды. - М. : Эди-ториал УРСС, 2001.-304 с.

65. Гаглоева Н.Э. Разработка структуры интеллектуальной системы управления состоянием основных фондов электроэнергетических объектов // Актуальные вопросы науки: Материалы VII Международной научно-практической конференции (25.10.2012) . - М.: Издательство «Спутник*», 2012. - С.26-29.

66. Спирли Э. Корпоративные хранилища данных. Планирование, разработка, реализация. Том. 1: Пер. с англ. -М.: Вильяме, 2001.

67. Баллод Б.А., Елизарова H.H. Методы и алгоритмы принятия решений в экономике. - М.: ИНФРА-М, 2009.

68. Методика разработки приложений на основе MVC. Интернет ресурс, URL : http ://entropiya-blog.ru/metodika-razrabotki-prilozheniya-na-osnove-mvc.html (Дата обращения: 15.07.2013).

69. Microsoft SQL Server 2008: Overview. Интернет ресурс, URL: http://www.microsoft.com/sqlserver/2008/ru/ru/overview.aspx (Дата обращения: 15.07.2013).

70. Рихтер Дж. Р49 CLR via С#. Программирование на платформе Microsoft .NET Framework 2.0 на языке С#. Мастер-класс. / Пер. с англ. - М.: Русская Редакция ; СПб.: Питер, 2008. - 656 с.

71. Гаглоева Н.Э. Разработка системы поддержки принятия решений при управлении производственными фондами // Информационные и телекоммуникационные технологии. -М.: 2013. Т.19. С.22-28.

72. Щавелев JI.B. Способы аналитической обработки данных для поддержки принятия решений // СУБД. - 1998. - № 4-5. - С. 51-60.

73. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы: Учеб. пособие. - М.: Финансы и статистика, 1996.-320с.

74. Вывод в продукционных моделях. Механизм логического вывода и рекурсия. http://www.aiportal.ru/articles/knowledge-models/mlv-recursion. html (дата обращения: 29.04.2013).

75. Хасанов ВХ, Бикмухаметов И.Х., Колганов E.Ä. Информационные системы в экономике: Учеб. пособие. - Уфа: Уфимск. гос. акад. экон. и сервиса, 2008. - 284 с.

76. Еремеев А.П. Экспертные модели и методы принятия решений. - М.: Изд-во МЭИ, 1995.-111 с.

77. Гаглоева Н.Э., Добаев А.З., Дедегкаева A.A. Разработка математической модели комплексной оценки состояния электроэнергетических объектов [Электронный ресурс] // Инженерный вестник Дона (электронный журнал), 2013, №3. - Режим доступа: http://www.ivdon.ru/magazine/archive/ пЗу2013/1842 (доступ свободный) - Загл. с экрана.

Ii *

\

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.