Спеціальність 05.13.06 – Інформаційні технології Здобувач – Артамонов Євген Борисович

1. Дисертація на здобуття наукового ступенякандидата технічних наукМетоди і алгоритми діагностування стану ділянок теплових мереж Спеціальність 05.13.06 – Інформаційні технології Здобувач – Артамонов Євген Борисович Науковий керівник – доктор технічних наук, професор Литвиненко Олександр Євгенійович

2. Сучасні методи діагностування стану теплових мереж

3. Основні терміни при описанні теплової мережі контрольована вершина – вершина ТМ з наявністю контролюючих пристроїв вершина – кінцева точка або місце перетину комунікаційних ланок ТМ гілка – частина комунікації ТМ, що обмежена контрольованими вершинами ділянка – частина комунікації ТМ, яка має однорідне описання (гілка ТМ складається з ланцюга ділянок) неконтрольована вершина – вершина ТМ без контролюючих пристроїв

4. Об'єкт дослідження: комунікації теплових мереж. • Предмет дослідження: методи і алгоритми діагностування стану ділянок теплових мереж. • Мета роботи: підвищення надійності роботи теплової мережі за рахунок дистанційного визначення несправних ділянок при умові невизначеності або нечіткості параметрів теплової мережі.

5. Завдання дослідження • проаналізувати основні методи діагностування стану складних об’єктів; • проаналізувати основні напрямки застосування методів технічного діагностування для задач визначення причин несправності ділянок теплової мережі, визначити їх обмеження; • сформулювати принципи діагностування несправностей ділянок теплової мережі на базі нечіткої логіки; • провести класифікацію причин появи несправностей ділянок теплової мережі, визначити та формалізувати фактори, на основі яких проводиться діагностування об’єктів, та побудувати ієрархічні дерева, які пов'язують фактори впливу та стани ділянок теплової мережі;

6. Завдання дослідження • розробити математичну модель і алгоритми діагностування ділянок теплової мережі на основі нечіткого логічного висновку; • провести параметричну ідентифікацію моделі діагностування; • розробити і реалізувати метод навчання адаптивних нечітких моделей, який дозволить одержувати нечіткі правила і функції приналежності на основі експериментальних даних; • розробити комп’ютерну систему діагностування стану ділянок теплової мережі та впровадити методику визначення несправних ділянок теплової мережі і причин, які призвели до несправностей.

7. Етапи діагностування теплової мережі: • Крок 1: Визначається несправна гілка ІМ; • Крок 2: Проводиться діагностування кожної ділянки несправної гілки ІМ. • Крок 3: Проводиться аналіз отриманих станів кожної ділянки, особлива увага приділяється ділянкам, стан яких належить до групи несправних. • В алгоритмі діагностування ІМ при відсутності фактів несправностей Крок 1 не виконується.

8. Алгоритм виділення гілки графу з ознаками несправності

9. Алгоритм виділення гілки графу з ознаками несправності

10. Можливості методів технічної діагностики

11. Ієрархічна класифікація параметрів стану ділянок теплової мережі при втраті теплоносія

12. Можливі стани ділянки теплової мережі при діагностуванні відносно втрати теплоносія d00 -  втрата теплоносія практично неможлива; d01 - втрата теплоносія в системі (в колодязях, теплообмінних пунктах, ін.); d02 -  розбирання води споживачами; d03 - втрата теплоносія через фізично зношені труби чи їх зовнішнє пошкодження.

13. Система співвідношень для дерева логічного висновку

14. Система співвідношень для дерева логічного висновку

15. Система співвідношень для дерева логічного висновку

16. Приклад представлення знань першого рівня про причини несправності ділянки теплової мережі

17. Система нечітких логічних рівнянь

18. Формалізація співвідношень для визначення можливої причини втрати теплоносія на ділянці теплової мережі

19. Ієрархічна класифікація параметрів стану теплової мережі на ділянках з втратою теплової енергії

20. Перелік станів ділянки теплової мережі при діагностуванні відносно втрати теплової енергії d10 - втрата тепла практично неможлива; d11 - порушення лоткових каналів; d12 - підтоплення водою з водопроводу та каналізації; d13 - підтоплення грунтовими, дощовими водами; d14 - порушення ізоляції за рахунок природних факторів; d15 - порушення ізоляції під час ремонтних робіт або як результат дій зловмисників; d16 - значна втрата теплоносія .

21. Формалізація співвідношень для визначення можливої причини втрати теплоносія на ділянці теплової мережі

22. Навчання нечіткої моделі • P– вектор параметрів функцій термів вхідних і вихідний змінних нечіткої моделі; • G– вектор меж лінгвістичних термів; • F(P,G,Xj) – значення виходу нечіткої моделі при значенні входу, що задається вектором Xj=(xj1, xj2, ... , xjm)

23. Схема реалізації гібридного генетичного алгоритму

24. Представлення хромосоми в генетичному алгоритмі

25. Перетворення у генетичному алгоритмі

26. Вербальне представлення гібридного генетичного алгоритму

27. Представлення закодованого лінгвістичного терму

28. Результати аналізу алгоритму навчання нечіткої моделі (втрата теплового носія)

29. Результати аналізу алгоритму навчання нечіткої моделі (втрата теплової енергії )

30. Схематичне представлення теплової мережі

31. Вікно відображення параметрів роботи теплової мережі

32. Вікно введення параметрів ділянки теплової мережі

33. Вікно відображення результатів діагностики ділянки теплової мережі

34. Висновки 1. Вперше на основі аналізу методі діагностування стану ділянок теплової мережі, як складних об’єктів, було обґрунтовано необхідність використання експертних систем діагностування з залученням інструментів нечіткої логіки і дерев логічного висновку. • Вперше розроблено математичну модель для діагностування ділянок теплової мережі на основі нечіткого логічного висновку. Математична модель представлена у вигляді системи співвідношень, які визначають стан ділянки на основі частинних і укрупнених параметрів об'єкту дослідження. 3. Розроблено нову класифікацію причин появи несправностей ділянок теплової мережі, в результаті чого визначено та формалізовано фактори, на основі яких проводиться діагностування об’єктів. 4. Побудовані дерева логічного висновку для діагностування стану ділянок теплової мережі з втратами теплоносія та теплової енергії.

35. Висновки 5. Модернізовано алгоритм відокремлення несправної гілки теплової мережі. Модернізація стосувалась врахування несправностей у зворотному трубопроводі. 6. Модернізовано і реалізовано на ЕОМ метод навчання адаптивних нечітких моделей. В методі навчання, який засновувався на гібридному генетичному алгоритмі, вперше було використано метод спрямованого перебору. 7. Розроблено і впроваджено автоматизовану систему для діагностування ділянок теплової мережі та причин, які призвели до несправностей.

36. Наукова новизна 1. комплексна класифікація причин появи несправності у роботі ділянки теплової мережі і розробка на її основі ієрархічних дерев параметрів стану об’єкту діагностування; 2. розробка математичної моделі процесу діагностування стану ділянки теплової мережі за рахунок формалізації взаємозв'язку між параметрами стану ділянки теплової мережі та причиною її несправності, яка ґрунтується на співвідношеннях нечіткої бази знань експертних правил; 3. удосконалення методу навчання адаптивних нечітких моделей за рахунок використання оновленого гібридного генетичного алгоритму (прискорення роботи алгоритму було реалізовано за рахунок спрощення функцій перетворень і впровадження нового типу кодування генотипу для збереження даних про трапецеїдальні функції приналежності, якість алгоритму було покращено за рахунок використання методу спрямованого перебору для альтернативного пошуку найкращого “нащадка”).

37. Практичне значення одержаних результатів: 1. на основі отриманих наукових результатів розроблені інженерна методика і система діагностування, яка автоматизує найбільш трудомісткі операції при визначенні місця і причин появи несправності на ділянках теплової мережі; 2. отримана інженерна методика може бути використана для діагностування стану будь-якої інженерної мережі; 3. модифікований гібридний генетичний алгоритм можна використовувати для вирішення будь-яких екстремальних задач; 4. перевірено можливості автоматизованої системи діагностування в розподіленій системі моніторингу стану електричних мереж.; 5. розроблені програмні модулі для реалізації нечітких запитів до бази даних можна впроваджувати в будь-якій системі, яка передбачає SQL-запити до таблиць з логіко-лінгвіністичними значеннями у комірках.

38. Впровадження • у відділі енергозабезпечення ДП Завод №410 ЦА; • в оперативно диспетчерській службі КП «Печерська Брама»; • у відділі енергозабезпечення ПІФ "Енергетичні системи“; • у навчальному процесі кафедри комп'ютеризованих систем управління факультету комп'ютерних систем НАУ.

39. Виступ закінчено