Методология представления агрегата в виде комплексного механизма

Прогрессивным и предлагаемым новым в диагностировании энергоустановок электростанций (или любого другого сложного агрегата) является отказ от рассмотрения ее в виде совокупности элементов и узлов, которые по разным причинам (зависимым и независимым) могут выйти из строя. Для этого автором разработана и предложена методология представления энергоустановки (так же возможно и для другого сложного агрегата) в виде комплексного механизма[9, 46]. Работа механизма моделируется в разрезе четырех полей состояний: колебаний, температур, режимов и времени, которые определяют его диагностические состояния (рис. 3.6). Это позволяет рассматривать происходящий или развивающийся отказ в работе механизма в целом как явление прецессии (лат. praecessio–предшествование), вследствие которого механизм переходит из одного состояния (состояние устойчивого равновесия) в другое (пред - и дефектное) состояние. При этом становится понятным физический процесс развития и возникновения дефекта, распознаваемый по предшествующим ему событиям и признакам, т.е. текущему состоянию механизма. В результате, вместо поиска отдельных повреждений элементов и узлов механизма, основное внимание сосредоточивается на изучении возмущающих воздействий со стороны дефектов, под влиянием которых механизм (его структура) переходит из одного состояния в другое (явление прецессии).

Рис. 3.6. Интерпретация структуры механизма системы:

_. (3.10)

Таким образом, диагностирование становится динамическим методом определения состояния, связанным с исследованием протекающих в нем процессов и причин, вызывающих появление и развитие дефектов. Такой подход позволяет представлять в виде сложной, открытой, но распределенной и хорошо моделируемой, системы весь механизм с его повреждениями и развивающимися дефектными состояниями и отказами.

Это существенно расширяет объем знаний и представление оперативного и обслуживающего персонала информацией о работе механизма, его предельных возможностях и ограничениях, при выполнении диспетчерского графика нагрузки и, в результате, оценить и продлить «срок жизни» в щадящем режиме, определить его фактический ресурс с необходимой степенью вероятности. При использовании известных методов обнаружения, распознавания, оценивания и восстановления разработана эффективная методология моделирования и программная среда (SKAIS) – система анализа, обработки и использования четких и размытых знаний для оценивания технического состояния энергоустановок и перевода их на «мягкую» эксплуатацию, т.е. обслуживание по фактическому состоянию.

В соответствии с этим, механизм (рис. 3.6) следует рассматривать, как неизолированную, открытую, техническую систему , которая характеризуется: входом, выходом, внешней средойи внутренней структурой. Такой механизм включает: полную информацию о состоянии, работоспособности, признаках состояния, неисправностях, (рис.3.6,3.7). Изменение состояния такой технической системы происходит во времени,(3.10). Новая методология позволяет использовать при идентификации состояний четкие и размытые знания с целью предупреждения отказа. Решение уравнений связей механизма как системы, моделирование зависимости технико-экономического уровня системы от различных параметров и времени - конечная цель разработки и прогноза эволюции механизма энергоустановки, вплоть до его утилизации. Для этого анализируются два основных состояния механизма - как объекта эксплуатации и как объекта производства. Далее, для анализа, выделяется определенная часть системы и выполняется её оптимизация, т.е. приведение объекта в оптимальное состояние в соответствии с целевой функцией работы. При этом решаются как минимум две задачи оптимизации:

1) выбор наилучшего варианта из возможных состояний системы;

2) выбор оптимального поведения системы.

Первая задача решается для статической системы, вторая задача- для динамической системы. Для такого сложного механизма, как турбоустановка, задача определения состояния решается как многокритериальная. В качестве новой концепции представления механизмов, как системы, на ТЭС рассматриваются важнейшие аспекты эволюции энергоустановки: «назначение механизма → эксплуатация по назначению → деградация → утилизация», (рис. 3.7). Эти аспекты (эксплуатация и деградация, вплоть до утилизации и, даже, разрушение) особенно характерны для тепловых машин, т.е. механизмов выполняющих огромную физическую и механическую работу при преобразовании тепловой формы энергии в электрическую.

Рис. 3.7. Концепция «мягкого регулирования» эксплуатации энергоустановки ТЭС, с учетом ее «времени жизни» в эксплуатации и отработке.

Общая постановка задачи «оценивание технического состояния энергоустановки и принятие решений по составленным диагнозам об управлении эффективной работы механизма, (рис.3.5-3.8), с использованием нечеткой информации в моделях идентификации», представляется нечеткими уравнениями в отношениях.

Рис. 3. 8. Зоны управления эффективной работы механизма.

Пусть в результате предварительного анализа получено некоторое множество классов технического состояния объекта контроля (рис. 3.6),

, , (3.11) отображаемое в виде нечеткого множества с соответствующими функциями принадлежности:

. (3.12)

Представление энергоустановки в виде комплексного механизма, (рис. 3.6, 3.7), как уравнение связей объекта, выполнено следующим образом:

в статике (3.13)

и динамике:

(3.14)

где

Математическая модель эксплуатации механизма:

(3.15)

Здесь:- -параметры внутренней структуры механизма;

-параметры на входе механизма;

-параметры на выходе механизма;

-параметры эффективности механизма;

-параметры производительности механизма;

-количество внутренних параметров;

-количество внешних параметров;

- индексы эффективности эксплуатации механизма.

Тогда состояние объекта контроля диагностируемого механизма представим декартовым произведением пространств входа и выхода:

, (3.16)

где - множество входных значений параметров в объект;

- множество выходных значений параметров из объекта ;

- параметры состояния объекта.

Ввиду неопределенности знаний об объекте используем нечеткую модель его описания с заданной структурой. Структуру нечеткой модели будем представлять далее как совокупность терм-множеств лингвистических переменных входа и выхода системы, с соответствующими функциями принадлежности и варианта импликации, объединенных управляющим правилом функционирования системы.

При наличии неопределенности в знаниях об объекте его модель отобразим нечетким уравнением в отношениях вида:

, (3.17)

где - нечеткое множество входа, (3.18)

- нечеткое множество выхода, (3.19)

(заданные в форме лингвистических переменных с мощностью множеств (размерностью системы) );- отношения конечные входному и выходному пространствам объекта моделирования;,- элементы терм-множеств лингвистических переменных;- соответствующие функции принадлежности;- символ максиминной композиции Заде Л. [12-17];- нечеткое отношениев виде управляющего правила “: ЕСЛИ …, ТО …, “, выражаемого посредством матрицы нечеткого отношения с элементами

, (3.20)

где - операция объединения одноточечных нечетких множестви;- вариант импликации;- символ логического минимума.

Модельное уравнение на языке функций принадлежности будет иметь вид

(3.21)

_{Техническое состояние объекта контроля оцениваем по реализации определенных признаков состояния} - диагностических признаков _.

Так как значение диагностических признаков определяется параметрами модели (3.16) и по рис. 3.6, то при аппроксимации неопределенности функционирования объекта нечетким уравнением в отношениях в качестве диагностических признаков принимаем множество управляющих правил

, (3.22)

представленных в форме эталонных матриц нечетких отношений

, (3.23)

и являющихся, собственно, параметрами модели (в общем случае, так как отображение не является взаимно однозначным,).

Множества классов технических состояний и диагностических признаковнаходятся между собой в определенном отношении

, (3.24)

то есть, каждое техническое состояние рассматриваемого объекта (турбоустановки) отображается в реализации диагностических признаков, рис. 3.6.

Такое отношение формализуется далее в виде соответствующей матрицы отношений. Принимаем полученное отношение нечетким и представляем его матрицей нечетких отношений с элементами, идентифицируемыми по знаниям экспертов. Тогда множество диагностических признаковтакже будет нечетким:

, (3.25)

. (3.26)

Здесь: - операторы формирования нечеткого множества, определяемые в виде процедуры вычисления функций принадлежности

; (3.27)

- расстояние между априорно заданными значениями диагностических признаков и их оценками.

В качестве показателя эффективности решения задачи оценивания технического состояния механизма выбираем функцию:

, (3.28)

где - обобщенная функция принадлежностиI-го технического состояния класса по параметру(мощность энергоустановки, ее КПД-нетто, удельный расход тепла на отпущенный кВтчас и т.д.);

- априорная функция принадлежности; - апостериорная функция принадлежностиI-го технического состояния, полученная по результатам измерений путем решения уравнения, обратного (3.17).

Критерием максимальной эффективности решения задачи оптимизации оценивания технического состояния турбоустановки принимаем следующую функцию:

. (3.29)

По изложенной выше формализации определяются исходные данные для решения экстремальной задачи оценивания технического состояния.

Решение задачи оценивания состояния представляется согласно целевой функции вида:

, (3.30)

которое выполняется по алгоритму модели программного модуля по схеме(включающему методы: «Монте – Карло», случайного поиска, градиентные, многокритериальные методы, методы векторной оптимизации и методы нечеткой оптимизации) из программно-диагностического комплексарис.3.9:

Рис.3.9. Принципиальная блок-схема модуля «OPTIMIZATOR».

Составляются управляющие правила, отражающие допускаемый диапазон изменения параметров входа и выхода контролируемого объекта.

В результате, получаются для базы знаний продукционные правила вида:

. (3.31)

Такое условие налагает определенные требования на организацию процедуры измерения параметров системы, по которым контрольные измерения для диагностики состояния следует выполнять в области определения крайних термов лингвистических переменных, как можно ближе к краям диапазонов регулирования (на краях интервалов энергетической характеристики), рис.3.10.

Анализ исходной информации, получаемой в диагностических экспериментах и в процессе контроля и оценивания состояния энергоустановок, и полученный в окончательном диагнозе, представляется в следующем виде:

Рис.3.10. Анализ исходной информации с помощью системы распознавания образов для заданного интервала наблюдения за работой энергоустановки.

Здесь представлен тый интервал доверия на нагрузочной характеристике в ее информационном пространстве:вектор наблюдаемых параметров состояния и оценок суждений экспертов;вектор параметров предельных состояний работы энергоустановки; 1,2 – границы изолированных областей; 2 – изолированная внутри интервала область результатов измерений; 3 – зоны неустойчивых подобластей предельных состояний агрегата на рассматриваемом интервале нагрузочной характеристики; 1 - 7, 2 - 8 – границы подобластей предельных состояний агрегата; 4 – точки пространства состояний, к которым сводятся все численные решения задачи; 5 – точки наблюдения; 6 – гиперкривая регрессии; 9 – области неопределенности информации; 10 – нечеткие области экспертной информации; [min ÷ max] - параметры экспериментального интервала доверия на интервале наблюдения нагрузочной характеристики агрегата и экспертные данные.

Практическое значение. Использование нечеткой информации и применение для ее формализации и обработки методологии искусственного интеллекта повышает качество моделей идентификации, прогнозирования, принятия решений и оптимизации при диагностике состояния и управления турбоустановкой, что позволяет сформировать новую интеллектуальную (экспертную) диагностическую среду, обеспечить представление объекта управления адекватной его состоянию моделью эксплуатации, встроенной в контур управления ТЭС. Это способствует увеличению срока службы оборудования, повышению его эффективности, надежности и готовности выполнять необходимый режим нагрузки, выработке на основе этого дополнительных электро - и теплоэнергии, и позволяют, в результате, получить народнохозяйственный эффект. Принятие эффективных решений и подготовленных рекомендаций для обслуживающего персонала ТЭС, при управлении энергетическими установками с помощью системы поддержки и мониторинга состояния в диагностическом комплексе SKAIS (рис.3.5), обеспечивают производство электро - и теплоэнергии необходимого количества и качества. Что и осуществляется в процессе внедрения за счет поддержки работоспособности, своевременного обнаружения неисправностей и предупреждения развития дефектов и отказов.