автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Разработка информационной системы для дизельных электростанций с возможностями прогноза их технического состояния

На правах рукописи □03401745

Махаммад Мааз Джасем Махаммад

РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ ДЛЯ ДИЗЕЛЬНЫХ ЭЛЕКТРОСТАНЦИЙ С ВОЗМОЖНОСТЯМИ ПРОГНОЗА ИХ ТЕХНИЧЕСКОГО СОСТОЯНИЯ

Специальность 05.13.01 - Системный анализ, управление и обработка информации (информационные и технические системы)

Автореферат

диссертации на соискание ученой степени кандидата технических наук

Краснодар - 2009

003481745

Работа выполнена в ГОУ ВПО «Кубанский государственный технологический университет»

Научный руководитель: доктор технических наук, профессор

Атрощенко Валерий Александрович

Официальные оппоненты: доктор технических наук, профессор

Марков Виталий Николаевич

кандидат технических наук, доцент Кабанков Юрий Андреевич

Ведущая организация:

ДО АО Электрогаз ОАО Газпром (г. Краснодар)

Защита состоится «25» ноября 2009 г. в 14.00 часов на заседании диссертационного совета Д 212.100.04 в ГОУ ВПО «Кубанский государственный технологический университет» по адресу: 350072, г. Краснодар, ул. Московская, 2, А-229

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО «Кубанский государственный технологический университет»

Автореферат разослан «23» октября 2009 г. Ученый секретарь

диссертационного совета Д212.100.04,

канд. техн. наук, доцент

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. В настоящее время важным структурным элементом систем резервного и гарантированного электроснабжения является дизельная электростанция (ДЭС).

Для гибкого и эффективного управления режимами работы ДЭС, целесообразно использовать контроллерную систему управления их технологическими процессами, Контроллеры ДЭС оснащены широким арсеналом коммуникационных расширений, позволяющих собирать данные датчиков ДЭС, частично обрабатывать результаты измерений, выдавать диагностические сообщения и передавать информацию через порты.

Эксплуатационная надежность работы дизельных электростанций обеспечивается с помощью проведения планового технического обслуживания. Однако, такое обслуживание в конечном итоге - затратное. Поэтому, чтобы уменьшить затраты, можно проводить техническое обслуживание ДЭС по их фактическому техническому состоянию.

Чтобы провести обслуживание или ремонт ДЭС по фактическому техническому состоянию, необходимо прогнозировать техническое состояние электростанции. В связи с этим, разработка информационной системы, которая обеспечит данное прогнозирование, является актуальной задачей.

Целью диссертационной работы является разработка информационной системы для дизельных электростанций с возможностями прогноза их технического состояния.

Поставленная научная задача предполагает решение частных научных задач исследования:

• Разработка информационной модели предметной области дизельной электростанции.

• Разработка структуры базы данных на основе информационной модели предметной области ДЭС.

• Разработка прогнозирующих алгоритмов оценки параметров дизельных электростанций.

• Разработка информационной системы мониторинга и прогнозирования технического состояния дизельной электростанции (ИСМПТСДЭС), включающая системный анализ и разработку структуры ИСМПТСДЭС на основе информационной модели ДЭС, а также создание программной реализации ИСМПТСДЭС при помощи современных инструментальных средств.

Методы исследования. Для решения поставленных задач исследования, были использованы методы системного анализа, теория множеств, математической статистики, регрессионного анализа, прогнозирования, теория информации, теории реляционных баз данных, графов, объектно-ориентированного проектирования и программирования. Научная новизна диссертации

1. Предложена информационная модель ДЭС с учетом трех объектной системы, автоматизируемых функций сбора информации и временных задач их обработки с учетом эксплуатации и прогноза её работы.

2. Разработана аналитическая, теоретико-графовая модель предметной области базы данных (БД) системы мониторинга и прогнозирования параметров ДЭС. Выявлены основные этапы создания указанной модели, включая выделение структурных элементов и взаимосвязей между ними.

3. Разработаны прогнозирующие алгоритмы оценки параметров дизельных электростанций.

Практическая значимость работы состоит в том, что применение разработанной системы прогнозирования позволит предупредить отказ оборудования и уменьшить затраты, связанные выполнением операций технического обслуживания оборудования ДЭС.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на следующих конференциях:

- Международной научно-практической конференции «Современные направления теоретических и прикладных исследований», УКРНИ-ИМФ, Одесса, 2006;

- Международной научно-практической конференции «Телекоммуникационные и информационные системы», СПБГПУ, Санкт-Петербург, 2007.

Публикация. По результатам диссертационной работы опубликованы 8 печатных работ, из них 4 в ведущем журнале, рекомендованном ВАК РФ.

Структура н объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и 2 приложений. Работа изложена на 139 страницах, содержит 26 рисунков, 16 таблиц и библиографию из 82 наименований. СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблемы, указаны цель и задачи исследования; научная новизна, практическая ценность и реализация результатов работы; сформулированы основные положения, выносимые на защиту.

В первой главе «Анализ современных автоматизированных дизельных электростанций (ДЭС)» рассмотрены анализ развития зарубежного и российского дизель-генераторостроения, особенности конструкций и тенденции развития ДЭС разных фирм. Проведён анализ существующих микроконтроллерных систем управления технологическими процессами ДЭС и указаны их наиболее важные функциональные возможности. Также рассмотрены современная оценка и методы контроля технического состояния дизельных электростанций и основные виды систем мониторинга и диагностики оборудования. Выявлено, что в существующих микроконтроллер-

ных системах управления ДЭС и диагностических подсистемах современных ДЭС, отсутствует возможность полноценно анализировать и прогнозировать техническое состояние ДЭС.

Во второй главе «Информационная модель дизельных электростанций», рассматриваются вопросы исследования и построения информационной модели ДЭС с применением системной декомпозиции на составляющие элементы и информационные взаимосвязи между ними. В случае с предметной областью дизельной электростанции используются принципы, ориентированные на конкретные задачи обработки, анализа данных ДЭС и функциональные потребности обслуживающего персонала.

Для начального анализа предметной области ДЭС использована диаграмма потоков данных (DFD - Data Flow Diagramm), представлена на рис. 1.

Так как источником первичной информации о состоянии ДЭС являются устройства сбора и передачи информации (УСПИ), то их можно считать «внешними сущностями». К внешним сущностям также отнесем «Базу данных» и «Эксплуатационный персонал». Под «Контроллером ДЭС» будем подразумевать устройство мониторинга и прогнозирования контролируемых параметров ДЭС.

Рис. 1. DFD-диаграмма информационной модели ДЭС

Модель предметной области может быть представлена в виде следующих множеств:

• автоматизируемые функции, выполняемые системой мониторинга и прогнозирования параметров ДЭС;

• Н={И/]=1^}: задачи обработки данных системы мониторинга и прогнозирования параметров ДЭС;

• Р={р//к=1,к}: множество, характеризующее количество и состав персонала, работающего с системой мониторинга и прогнозирования параметров ДЭС;

• 0={о„/т=1,М}'- объекты автоматизации ДЭС, которые можно представить тремя самостоятельными частями, УСПИ двигателя, УСПИ генератора и УСПИ шины нагрузки;

• У={\/1=1,Ц\ информационные элементы (входные и выходные данные) ДЭС;

• Я={г/у=1,^-множество отношений (взаимосвязей) между компонентами М„ро.

Для аналитического описания семантики системы они описаны с помощью булевых матриц смежности, которые описывают соответствующие отношения Л между компонентами предметной области.

Выделены следующие виды отношений между рассмотренными

Ы1> ЯНК||>

яНН1>°НЫ1-

В результате проведённого анализа была получена аналитико-множественная модель предметной области ДЭС. Данная модель позволя-

(1)

где:

множествами {Р,Н,Р, О, Vх, У""*,11}:

ет выявить полноту и непротиворечивость по всем множествам предметной области, а также взаимосвязи между ними.

Формирование и анализ графов информационных структур модели системы мониторинга и прогнозирования контролируемых параметров ДЭС включает р себя; построение множества структурных элементов на основе модели предметной области, формирование матрицы семантической смежности на множестве структурных элементов и построение ориентированного графа информационной структуры, формирование матрицы семантической достижимости на множестве структурных элементов, определение информационных и групповых элементов структурного множества, упорядочение групп структурных элементов по уровням иерархии, выделение и формирование множества ключей и атрибутов в группах данных, построение канонической модели БД системы.

Структурными элементами модели системы мониторинга и прогнозирования параметров ДЭС являются элементы множеств О и У.

в = {а1 \ I=1,66}, рф) = 66. (2)

Под матрицей семантической смежности В = || Ьу || будем понимать квадратную бинарную матрицу проиндексированную по обеим осям множества структурных элементов Д Матрице В ставится в соответствие орграф информационной структуры, вершины которого соответствуют структурным элементам, а дуги отражают наличие или отсутствие связи между ними. Изображение ориентированного орграфа й представлено на рис. 2.

прогнозирования параметров ДЭС

Для получения матрицы достижимости, необходимо матрицу В последовательно возводит в целые положительные степени п(п=2,3,..,/Ь/-1),

2 3 / / /—1

образующие некоторое множество матриц путей доступа В ,В ,..., В

В нашем случае, вторая степень матрицы В представляет собой вырожденную матрицу, поэтому матрица семантической достижимости А совпадает с матрицей семантической смежности В.

Матрица А дает возможность определения множества предшествования С(с1,) и достижимости V с1,е.О. Множество С(с1) формируется из элементов, соответствующих единичным записям в /-м столбце, а множество - из элементов, соответствующих единичным записям в /-й строке матрицы А. Анализ множества С(с1) позволяет выделить базовые типы структурных элементов - информационные элементы и группы. Информационным элементам соответствуют те структуры, для которых С(с1)=0. На графе С им соответствуют висячие вершины.

Расчетным путем, согласно (3) и (4), определены множества предшествования и достижимости для каждого структурного элемента.

58 )

,5 6С%) = ф ^,.// = 1,...,19,56}. £/,// = 20,. ..,37,56},

(3)

С(</59) = Ц// = 38,'...,5б}1

V/, / = 57,...,59

V/, I = 1,...,19 ) = {</„}

V/,/ = 20,...,37 /*"(£/,) = {Й?58 (4)

VI)/= 38,...,55 ^,) = к9},

^56 )= (¿57 >¿58 >¿59), Для определения информационных элементов необходимо просуммировать элементы каждого столбца у матрицы Л. Если =0, то

у'-й элемент структурного множества является информационным. В противном случае структурный элемент является групповым элементом (группой). В нашем случае имеем:

(5)

59 59 59 53

= 2>п = £«/з = -=Е«,56=0, /=1 1=1 /=1 ы

59 59 59

Ея/57 >°>Еа/58 >°'Еа,59 >°. /=1 1=1 <=1

Множество информационных элементов обозначим через Бд.

& ={с1,-с1ь6\ (6)

Множество групп £)г определяется из выражения:

/)'=0\^=К7,с/58,с/59}. (7)

С целью упорядочения групп по уровням иерархии в матрице А выделяется подматрица (удалением индексов элементов множества О'1)

А>=\\4 (8)

где запись с?\р\ которой обозначает наличие связи между группами с?« ;

В нашем случае Лг вырождена, т.е. все ее элементы равны 0. Данный факт позволяет сделать следующий вывод: информационная структура не имеет многоуровневой иерархической организации, поэтому нет необходимости проводить процедуры упорядочивания и нормализации. В описанном случае, достаточно исследовать информационные составы групп на предмет наличия в них общих элементов.

В нашем случае, существует общий информационный элемент для всех трех групп. Это элемент ¿/^(«Время сбора информации»). Данный элемент также является ключевым по причине семантической зависимости получаемых данных от времени сбора информации. Таким образом, множество ключей IV/ = {¿¿б}, множество атрибутов 1У2 = {с!1 / /=1,...,55}. Граф канонической структуры имеет вид:

прогнозирования параметров ДЭС

В третьей главе «Разработка прогнозирующих алгоритмов оценки параметров дизельных электростанций» разработаны алгоритмы однопа-раметрического и группового прогнозирования. Процесс прогнозирования представляется как операторное преобразование (П) исходной информации об исследуемом объекте в виде её отображения на будущее, ограниченное глубиной прогноза:

П: 7} (9)

где П-оператор прогнозирования;

Д - информация об исходном состоянии объекта (в нашем случае -временной ряд);

Т- горизонт прогноза; /- результат прогноза.

Целью прогнозирования параметров ДЭС является исследование динамики и выявление выходов за допустимые пределы значений контролируемых параметров в будущем.

В зависимости от того, в каком режиме работает ДЭС, выбирается горизонт для прогноза. В случае если ДЭС работает в режиме основного источника питания, очень важно прогнозировать значения параметров на короткие сроки. В случае работы ДЭС в аварийном режиме, то необходимо обеспечить получение измерений не менее одного раза в течение одного включения.

При решении задач прогнозирования малоизменяющихся во времени параметров (именно такими параметрами являются основные параметры ДЭС, обладающей высокой степенью отказоустойчивости и надежности), применяются исследовательские однопараметрические методы статистического моделирования и характерные модели (линейная, полиномиальная и экспоненциальная).

Для построения временного ряда в системе мониторинга и прогнозирования параметров ДЭС, необходимо провести операции по сбору данных. С этой целью необходимо составить соответствующий алгоритм. Входными данными для алгоритма является интервал времени Аг, через который будет происходить считывание информации с датчиков и период Г за который осуществляется сбор информации.

Выходными данными является массив данных, содержащий вреТ

менной ряд значений параметров £>,,/' = 1,..., —.

Д/

Далее, под оптимальной моделью мы будем понимать модель, которая при одинаковом временного ряда имеет минимальную сумму квадратичных отклонений (5Ж) модельных значений.

ББЕ^у.-у,)2 (10)

где п - длина временного ряда;

у, - фактическое значение уровня ряда;

у, - расчетное значение уровня, полученное по модели.

Блок-схема прогнозирующего алгоритма представлена на рис.4.

Рис. 4.Блок-схема прогнозирующего алгоритма где Тр - переменная, содержащая значение количество прогнозных шагов (горизонт прогноза);

Рт1п - минимальное значение контролируемого параметра; Ртах- максимальное значение контролируемого параметра; Х>/ -временной ряд, содержащий значения контролируемых параметров на допрогнозном этапе;

И — левая граница интервала прогнозирования; 12 - правая граница интервала прогнозирования;

т - переменная, содержащая в качестве значения оптимальную по SSE модель;

IsAutoCorr - функция возвращающая значения -1, 0, 1 сигнализирующие о наличии (или отсутствии) автокорреляции в случайной составляющей временного ряда;

|<!>| - средняя относительная ошибка по модулю; V- Вектор прогнозных значений;

tmin - прогнозное время выхода за пределы минимального значения параметра;

tmax — прогнозное время выхода за пределы максимального значения параметра;

i- переменная - счетчик цикла с параметром.

Проверка адекватности выбранных моделей реальному процессу строится на анализе случайной компоненты. Случайная остаточная компонента получается после выделения из исследуемого ряда систематической составляющей. Ряд остатков представляется в виде отклонений фактических уровней временного ряда (у,) от выровненных, расчетных (j>,):

(11)

Принято считать, что модель адекватна описываемому процессу, если значения остаточной компоненты удовлетворяют свойствам случайности, независимости, а также случайная компонента подчиняется нормальному закону распределения.

Если вид функции, описывающей систематическую составляющую, выбран неудачно, то последовательные значения ряда остатков могут не обладать свойствами независимости, т.к. они могут коррелировать между собой. В этом случае имеет место автокорреляция ошибок.

Существует несколько приемов обнаружения автокорреляции. Наиболее распространенным является метод, предложенный Дарбиным и

Уотсоном. Критерий Дарбина-Уотсона связан с гипотезой о существовании автокорреляции первого порядка, т.е. автокорреляции между соседними остаточными членами ряда. Значение этого критерия определяется по формуле:

d = - (12)

/=1

Оценка точности моделей прогнозирования, позволяющих вычислить абсолютные значения их ошибок. Данная оценка решена вычислением средней относительно ошибки по модулю, для значений которой существует оценочная шкала.

Средняя относительная ошибка по модулю (Mean Absolute Percentage Error(MAPE)) рассчитывается по формуле:

yt-y,

i-i 1 " 1 1 «/=1

100%, (13)

У.,

где п - число уровней временного рядя, для которых определялось прогнозное значение.

Характеристика МАРЕ широко используется для сравнения точности прогноза разнородных объектов прогнозирования. При этом в часто встречаются указания на то, что значение |<5|<10% свидетельствует о высокой точности модели, при значениях этой характеристики в диапазоне 10-20% точность можно признать хорошей, при 20% <¡¿>¡<50%- удовлетворительной.

Согласно цели разрабатываемой системы прогнозирования, дизельная электростанция подлежит обслуживанию, если прогноз показывает что любой из её контролируемых параметров первым выходит за установленные пределы ограничений. В этом случае, анализируемые параметры

можно считать независимыми друг от друга. Процесс прогнозирования технического состояния сводится к независимому прогнозированию значений по каждому из параметров, с последующим определением параметра с наименьшим значением прогнозного времени, при котором произойдет выход за допустимые пределы. Блок-схема соответствующего прогнозирующего алгоритма представлена на рис, 5,

Рис.5. Блок-схема алгоритма определения параметра с наименьшим значением прогнозного времени, при котором произойдет выход за допустимые

пределы

Р(г) — массив структур данных о прогнозировании / параметров состоит из двух записей {Шах, Шт)\

I - минимальное значение периода, на котором произойдет выход за допустимые значения параметров;

N- номер параметра с минимальным значением периода выхода за допустимые значения параметра; / г дополнительная церс^ешод-счетчик ццкла; Гп1ц - функция р^ссчитыцарщая минимум двух значений,

В четвёртой главе «Программная реализация информационной системы мониторинга и прогнозирования технического состояния дизельной электростанции (ИСМПТСДЭС)» создана структура программного обеспечения ИСМПТСДЭС (рис. 6).

Рис. 6. Структура информационного обеспечения системы прогнозирова-

ния технического состояния ДЭС Информационное обеспечение системы прогнозирования технического состояния ДЭС состоит из двух основных частей: программного обеспечения общего назначения и специального программного обеспечения, которое представляет собой программный код, выполняющий сбор, хранение и обработку информации ДЭС.

Прикладное ПО, согласно решаемым задачам состоит из следующих элементов:

Рис. 7. Структурный состав программы-интерфейса ИСМПТСДЭС Согласно схеме, функционально программа должна состоит из двух основных подсистем: подсистема, реализующая графический интерфейс пользователя и подсистема обработки данных.

При разработке ПО ИСМПТСДЭС применялись пакеты Visual Studio 2005, Matlab 2007b.

База данных реализована с применением технологии ADO.NET, а её структура основана на информационной модели дизельной электростанции, описанной в главе 2. Функции индивидуального прогнозирования и прогнозирования по нескольким параметрам реализованы с применением математического пакета Matlab на основе прогнозирующих алгоритмов, разработка которых описана в главе 3.

Интерфейс разработанного ПО имеет следующий вид:

Температура ОЖ (С)

¡—-6— Температура ОЖ - Верхний порог отключения

- Нижний порог отключения ----Верхний гтороглродупреждения

---Нижний порог предупреждения_

100 - -

Я ' -

е- --------------------

I во - »^-о-о-»-»-«-о-е-»-»-»-»-о о о о о

я

а.

S 60 ■■

w

» 4Q - ~ :

5 20 ..

О -1-1-1-1-1-1-1-1-.-1-1-1-1-1-1-1-1-h

1&-фев 06:00 19-фев 06:00 20-феа 08:00 21-фев 12:110 22-фев 12:00 Номер интервала считывания

Рис. 8. Внешний вид графического интерфейса пользователя ИСМПТСДЭС

Интерфейс ИСМПТСДЭС состоит из графических элементов: панель объектов, панель отображения свойств, панель отображения графиков и панель отображения данных.

Пример визуализации моделей и графика прогноза параметра «Температура охлаждающей жидкости» представлен на рис. 9 и 10.

Температура ОЖ (С)

Комор аотврвйпя считыоания

Температура ОЖ (С)

■ Прошоэмые дате — ьвриийпорлотелючшя

- Нияний повж ошимвкм* --порО'пс8дапвеуд(ииа

- Нтамийпорогпреддтрв^дэния _

5 10 19

Номер интервал! считывания

Рис. 9. Визуализация моделей пара- Рис. 10. График прогноза параметра метра «Температура ОЖ» «Температура ОЖ»

В программе реализовано две разновидности прогнозирования: индивидуальное прогнозирование по отдельному параметру и прогнозирование по нескольким параметрам.

Для оценки экономического эффекта разработанного ПО учитывались затраты, осуществляемые в связи с применением ДЭС. Под экономическим эффектом понимается изменение затрат, связанных эксплуатацией ДЭС при применении разработанного ПО и без его применения.

Затраты, осуществляемые в связи с применением ДЭС, можно разделить на первоначальные (единовременные) и текущие, поэтому общая величина затрат рассчитывается по формуле:

^общ ~ 3пере ^тек' (14)

где

30бщ - общая величина затрат на ДЭС;

3Перв - единовременные затраты, связанные с приобретением ДЭС и стоимость монтажных работ;

Зтек - текущие затраты, включающие затраты на горючесмазочные материалы (ГСМ), техническое обслуживание и зарплату персонала.

В случае применения разработанной системы, общая величина затрат рассчитывается по формуле;

Зобщ = ^перв + С„о + Зтек - КСт, (15)

где

Спо - стоимость ПО ИСМПТСДЭС;

к - количество мероприятий по ТО, которые в результате прогнозирования были отмены;

Ст0 - стоимость 1-го мероприятия по ТО.

Тогда экономический эффект от применения ПО ИСМПТСДЭС будет рассчитываться по формуле:

Э = Зобщ - Зобщ = КСТ0 - С„0. (16)

Оценка экономического эффекта показала, что положительный экономический эффект от применения разработанного ПО для дизель-генераторов средний и большой мощности, которая находиться в пределах 30-70% стоимости их технического обслуживания.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ В процессе исследования получены следующие результаты:

1. Определена методика исследования и описания предметной области базы данных ДЭС.

2. Предложена информационная модель ДЭС с учетом трех объектной системы, автоматизируемых функций сбора информации и временных задач их обработки с учетом эксплуатации и прогноза её работы.

3. Разработана аналитическая, теоретико-графовая модель предметной области БД системы мониторинга и прогнозирования параметров ДЭС. Выявлены основные этапы создания указанной модели, включая выделение структурных элементов и взаимосвязей между ними; доказана кадоничеркая структуры БД системы мониторинга и прогнозирования параметров ДЭС,

4. Разработаны, алгоритм прогнозирования значений контролируемых параметров ДЭС, а также алгоритм прогнозирования технического состояния ДЭС, определяющий параметр с наименьшим значением времени выхода за допустимые пределы.

5. На основе информационной модели и прогнозирующих алгоритмов было создано ПО ИСМПТСДЭС.

6. Показана, что положительный экономический эффект от применения разработанного ПО для дизель-генераторов средней и большой мощности находится в пределах 30-70% стоимости их технического обслуживания.

СПИСОК ОПУБЛИКОВАННЫХ РАБОТ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Атрощенко В.А. Применение ПЛК для систем автоматического управления электрогенераторных установок / М.Д. Махаммад // Труды междунар. конф. Одесса, 2006 - С 4-8.

2. Атрощенко В.А. К вопросу построения информационной системы управления дизельной электростанции / М.Д. Махаммад, Д.В. Цыги-кало // Труды междунар. конф. Телекоммуникационные и информационные системы. СПб.: Изд-во Политех, ун-та, 2007 - С. 359-364.

3. Атрощенко В.А. К вопросу проектирования баз данных технических систем / М.Д. Махаммад // Научно-технические ведомости СПбГПУ № 4(62) / 2008. СПб.: Изд-во Политех, ун-та, 2008 - С. 60-65.

4. Дьяченко P.A. О структурном подходе к разработке автоматизированной системы сбора и мониторинга данных дизельной электро-

станции / М.Д. Махаммад // Журнал научных публикаций аспирантов и докторантов № 10 / 2008.Курск. - С. 223-225.

5. Махаммад М.Д. Формирование информационной структуры базы данных котроллера дизельной электростанции // Журнал научных публикаций аспирантов и докторантов № 10 / 2008.Курск. - С. 226227.

6. Дьяченко P.A. Принятие решений при выборе инструментальных средств разработки автоматизированных систем / М.Д. Махаммад // Научно-технические ведомости СПбГПУ № 1(72) / 2009. СПб.: Изд-во Политех, ун-та, 2009 - С. 106-110.

7. Дьяченко P.A. К вопросу оценки надежности систем управления базами данных / М.Д. Махаммад // Вестник ИрГТУ № 1/ 2009. Изд-во Иркутского государственного технического университета ,2009 -С. 196-199.

8. Безнос О.С. К вопросу построения прогнозирующих алгоритмов оценки параметров дизельных электростанций / М.Д. Махаммад, P.A. Дьяченко // Научно-технические ведомости СПбГПУ № 2(76) / 2009. СПб.: Изд-во Политех, ун-та, 2009 - С. 183-186.

Подписано в печать 20.10.2009. Печать трафаретная. Формат 60x84 1/16. Усл. печ. л. 1,36. Тираж 100 экз. Заказ № 217. Отпечатано в ООО «Издательский Дом-Юг» 350072, г. Краснодар, ул. Московская 2, корп. «В», оф. В-120, тел. 8-918-41-50-571

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ СОВРЕМЕННЫХ АВТОМАТИЗИРОВАННЫХ ДИЗЕЛЬНЫХ ЭЛЕКТРОСТАНЦИЙ (ДЭС).б

1.1. Основные тенденции производства ДЭС разных фирм.

1.2. Особенности производства ДЭС в России.

1.3. Анализ контроллеров систем управления ДЭС.

1.4. Современная оценка технического состояния дизельных электростанций.

1.5. Постановка научной задачи и частные задачи исследования.

1.6. Выводы.

ГЛАВА 2. ИНФОРМАЦИОННАЯ МОДЕЛЬ ДИЗЕЛЬНЫХ ЭЛЕКТРОСТАНЦИЙ

2.1. Выбор методики описания предметной области дизельных электростанций.

2.2. Описание предметной области дизельных электростанций, как информационной модели.

2.3. Анализ информационной модели предметной области дизельных электростанций.

2.4. Формирование и анализ графов информационных структур модели системы мониторинга и прогнозирования параметров ДЭС.

2.5. Преобразование канонической структуры БД системы мониторинга и прогнозирования параметров ДЭС к реляционной модели.

2.6. Выводы.1.

ГЛАВА 3. РАЗРАБОТКА ПРОГНОЗИРУЮЩИХ АЛГОРИТМОВ ОЦЕНКИ ПАРАМЕТРОВ ДИЗЕЛЬНЫХ ЭЛЕКТРОСТАНЦИЙ.

3.1. Методические основы прогнозирования параметров ДЭС.

3.2. Разработка алгоритма сбора данных системы мониторинга и прогнозирования параметров ДЭС.

3.3. Разработка алгоритмов прогнозирования.

3.4. Расчет точности прогноза и исследование случайной составляющей модели.

3.5. Разработка алгоритма определения параметра с наименьшим значением прогнозного времени.

3.6. Выводы.

ГЛАВА 4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ ИНФОРМАЦИОННОЙ СИСТЕМЫ МОНИТОРИНГА И ПРОГНОЗИРОВАНИЯ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ДИЗЕЛЬНОЙ ЭЛЕКТРОСТАНЦИИ (ИСМПТСДЭС).

4.1. Структура программного обеспечения ИСМПТСДЭС.

4.2. Пользовательский интерфейс ИСМПТСДЭС.

4.2.1. Назначение основных интерфейсных элементов.

4.2.2. Настройка параметров прогнозирования.

4.3. Оценка экономического эффекта ПО ИСМПТСДЭС.

Выводы.

В настоящее время важным структурным элементом систем резервного и гарантированного электроснабжения является дизельная электростанция (ДЭС).

Для гибкого и эффективного управления режимами работы ДЭС, целесообразно использовать контроллерную систему управления их технологическими процессами. Контроллеры ДЭС оснащены широким арсеналом коммуникационных расширений, позволяющих собирать данные датчиков ДЭС, частично обрабатывать результаты измерений, выдавать диагностические сообщения и передавать информацию через порты.

Эксплуатационная надежность работы дизельных электростанций обеспечивается с помощью проведения планового технического обслуживания. Однако, такое обслуживание в конечном итоге - затратное. Поэтому, чтобы уменьшить затраты, можно проводить техническое обслуживание ДЭС по их фактическому техническому состоянию.

Чтобы провести обслуживание или ремонт ДЭС по фактическому техническому состоянию, необходимо прогнозировать техническое состояние электростанции. В связи с этим, разработка информационной системы, которая обеспечит данное прогнозирование, является актуальной задачей.

Целью диссертационной работы является разработка информационной системы для дизельных электростанций с возможностями прогноза их технического состояния.

Поставленная научная задача предполагает решение частных научных задач исследования: задача разработки информационной модели предметной области дизельной электростанции; задача разработки структуры базы данных на основе информационной модели предметной области ДЭС; задача разработки прогнозирующих алгоритмов оценки параметров дизельных электростанций; задача разработки автоматизированной системы мониторинга и прогнозирования технического состояния дизельной электростанции (ИСМПТСДЭС).

Для решения поставленных задач исследования, были использованы методы системного анализа, математической статистики, регрессионного анализа и прогнозирования, информационная теория, теории реляционных баз данных, графов, объектно-ориентированного проектирования и программирования.

Научная новизна диссертации заключается в предложении подхода для формализации постановки задачи прогнозирования системы по нескольким параметрам. Задача оценки технического состояния ДЭС решается групповым прогнозированием по нескольким параметрам, с определением параметра с наименьшим значением прогнозного времени, при котором произойдет выход за допустимые пределы.

Для решения поставленных задач проведен анализ современных контроллеров ДЭС; исследована предметная область и построена информационная модель ДЭС; разработаны основные прогнозирующие алгоритмы; создано программное обеспечение, реализующее информационную модель ДЭС с возможностью прогнозирования технического состояния.

Практическая значимость работы состоит в том, что применение разработанной системы прогнозирования позволит предупредить отказ оборудования и уменьшить затраты, связанные выполнением операций технического обслуживания оборудования ДЭС.

Выводы

1. В настоящее время при использовании в ДЭС систем управления на основе панельных компьютеров, существует возможность создавать для них прикладное программное обеспечение (в том числе ПО, реализующее современные технологии математических вычислений и технологии обработки данных).

2. В задачи ИСМПТСДЭС входит: сбор данных по параметрам ДЭС, хранение данных в файле БД, построение функциональных зависимостей параметров во времени, построение прогноза технического состояния ДЭС.

3. Графический интерфейс ПО ИСМПТСДЭС разработан с применением современных средств создания приложений.

4. Структура базы данных ПО ИСМПТСДЭС основана на информационной модели дизельных электростанций, описанной в главе 2.

5. Функции прогнозирования ПО ИСМПТСДЭС реализованы на основе алгоритмов оценки параметров ДЭС, разработка которых описана в главе 3.

6. В ПО ИСМПТСДЭС реализовано два вида прогнозирования: индивидуальное прогнозирование по отдельному параметру ДЭС и прогнозирование по нескольким параметрам (прогнозирование по выделенным параметрам с определением параметра с наименьшим значением прогнозного времени, при котором произойдет выход за допустимые пределы).

7. Показано, что положительный экономический эффект от применения разработанного ПО для дизель-генераторов средней и большой мощности, находится в пределах 30-70% стоимости их технического обслуживания.

ЗАКЛЮЧЕНИЕ

В диссертации разработана информационная модель дизельной электростанции, являющаяся основой для построения соответствующей реляционной базы данных; прогнозирующие алгоритмы оценки параметров ДЭС; успешно апробированы и внедрены математическое и программное обеспечение системы прогнозирования технического состояния. Получены следующие основные научные и практические результаты.

1. Определена методика исследования и описания предметной области базы данных ДЭС.

2. Предложена информационная модель ДЭС с учетом трех объектной системы, автоматизируемых функций сбора информации и временных задач их обработки с учетом эксплуатации и прогноза её работы.

3. Разработана аналитическая, теоретико-графовая модель предметной области БД системы мониторинга и прогнозирования параметров ДЭС. Выявлены основные этапы создания указанной модели, включая выделение структурных элементов и взаимосвязей между ними; доказана каноническая структуры БД системы мониторинга и прогнозирования параметров ДЭС.

4. Разработаны алгоритм сбора данных, позволяющий формировать одномоментные временные ряды значений параметров ДЭС в виде одномерных числовых массивов, алгоритм прогнозирования значений контролируемого параметра, а также алгоритм прогнозирования технического состояния ДЭС, определяющий параметр с наименьшим значением времени выхода за допустимые пределы.

5. На основе информационной модели и прогнозирующих алгоритмов было создано ПО ИСМПТСДЭС.

6. Показано, что положительный экономический эффект от применения разработанного ПО для дизель-генераторов средней и большой мощности, находится в пределах 30-70% стоимости их технического обслуживания.

1. Агальцов В.П. Базы данных. М.: Мир, 2002 -376 с

2. Анализ существующих микроконтроллерных систем управления технологическими процессами ДЭС. Отчёт о научно-исследовательской работе. Краснодар.: КубГТУ,2006. Атрощенко В.А., Суртаев H.A., Клишин В.Н., Грабский С.С., Махаммад М.Д.

3. Анфилатов B.C., Емельянов A.A., Кукушкин A.A., Системный анализ в управлении. М.: Финансы и статистика, 2003 -368с.

4. Атрощенко В.А., Лысенко М.П., Воеводин Е.М. Обзорная информация о контроллерах систем управления дизель-генераторами, М.:" Промышленная энергетика". 2005. №1. - С.19-22.

5. Атрощенко В.А., Лысенко М.П., Орлов A.B., Петрушкин В.Ф. Резервное и гарантированное электроснабжение (Проблемы, методы и технические средства). Краснодар: Изд-во КубГТУ, 1998.

6. Атрощенко В.А., Махаммад М.Д. К вопросу проектирования баз данных технических систем. Научно-технические ведомости СПбГПУ № 4(62) / 2008. СПб.: Изд-во Политех, ун-та, 2008 С. 60-65.

7. Атрощенко В.А., Махаммад М.Д. Применение ПЛК для систем автоматического управления электрогенераторных установок. Труды междунар. конф. «Современные направления теоретических и прикладных исследований», УКРНИИМФ, Одесса, 2006.-С.4-8.

8. Атрощенко В.А., Махаммад М.Д., Цыгикало Д.В. — К вопросу построения информационной системы управления дизельной электростанции. Труды междунар. конф. Телекоммуникационные и информационные системы. СПб.: Изд-во Политех, ун-та, 2007 С. 359-364.

9. Ю.Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование: Учебник. — М.: Финансы и статистика, 2001. — 228 е.: ил.

10. П.Бабенко Г.В. Теория систем и системный анализ: Учебное пособие / Кубан. гос. технол. ун-т. Краснодар: Изд. ГОУВПО «КубГТУ», 2004.-197 с.

11. Воеводин Е.М. Разработка методического аппарата построения системы мониторинга резервных и автономных ДЭС. Дис. канд. техн. наук.-Краснодар.: КубГТУ,2006.-169с.

12. Гейн К., Сарсонт Т. Структурный системный анализ: средства и методы. В 2-х частях.ч. / Пер. с англ.; под ред. А. В. Козлинского.-М.: Эйтекс, 1993.-188 с.

13. Гилула М.М. Множественная модель данных в информационных системах. -М.: Наука, 1992, 360 с.

14. Глущенко В.В. Прогнозирования. 4-е изд. - М.: Вузовская книга, 2005. -2005. - 208 с.

15. ГОСТ 14228-80 Дизели и газовые двигатели автоматизированные. Классификация по объему автоматизации

16. ГОСТ 20439-87 Электроагрегаты и передвижные электростанции с двигателями внутреннего сгорания. Требования к надежности и методы контроля.

17. ГОСТ 23377-84. Электроагрегаты и электрические станции с двигателями внутреннего сгорания.

18. ГОСТ 28195-89 Оценка качества программных средств. Общие положения.

19. ГОСТ 34.201-89. Виды, комплектность и обозначение документов при создании автоматизированных систем.

20. ГОСТ Р 50783-95 Электроагрегаты и передвижные электростанции с двигателями внутреннего сгорания. Общие технические требования.

21. ГОСТ Р ИСО/МЭК 9126-93 Информационная технология. Оценка программной продукции. Характеристика качества и руководства по их применению.

22. Громов Ю.Ю., Земской H.A., Лагутин A.B., Иванова О.Г., Тютюнник В.М. Системный анализ в информационных технологиях: Учеб. пособие. Тамбов: Изд-во Тамб. гос.техн. ун-та, 2004. 176 с.

23. Денисов A.A., Колесниов Д.Н. Теория больших систем управления: Учеб. Пособие для вузов.-Л.: Энергоиздать, Леннигр. Отд-ние, 1982.-288 е., ил.

24. Дуброва Т.А. Статистические методы прогнозирования в экономике. /М. Московский международный институт эконометрики, информатики, финансов и права, 2003. — 50 с.

25. Дуброва Т.А. Статистические методы прогнозирования: Учеб. пособие для вузов. М.: ЮНИТА, 2003. - 206 с.

26. Дьякопов В.П. MATLAB 6.5 SPI/7 + Simulink 5/6 в математике и моделировании. Серия «Библиотека профессионала». М.: СОЛОН-Пресс, 2005, - 576 с.

27. Дьяченко Р. А. Разработка методического аппарата для создания баз данных автоматизированных систем контроля и учета электроэнергии Дис. канд. техн. наук.- Краснодар.: КубГТУ,2004.-141 с.

28. Дьяченко P.A., Безнос О.С., Махаммад М.Д. К вопросу построения прогнозирующих алгоритмов оценки параметров дизельных электростанций. Научно-технические ведомости СПбГПУ № 2(76) / 2009. СПб.: Изд-во Политех, ун-та, 2009 С. 183-186.

29. Дьяченко P.A., Махаммад М.Д. К вопросу оценки надежности систем управления базами данных. Вестник Иркутского государственного технического университета.

30. Дьяченко P.A., Махаммад М.Д. О структурном подходе к разработке автоматизированной системы сбора и мониторинга данных дизельной электростанции. Журнал научных публикаций аспирантов и докторантов № 10 / 2008.Курск. С. 223-225.

31. Дьяченко P.A., Махаммад М.Д. Принятие решений при выборе инструментальных средств разработки автоматизированных систем. Научно-технические ведомости СПбГПУ № 1(72) / 2009. СПб.: Изд-во Политех, ун-та, 2009 С. 106-110.

32. ЗЗ.Зенкин А.И. О математических методах прогнозирования М: 1987.90 с.

33. Калянов Г.Н. CASE. Структурный системный анализ (автоматизация и применение). -М.: Лори, 1996, 318 с.

34. Ковшов Е.Е. Вайсберг A.B. Водянников Д.В. Программное и алгоритмическое обеспечение моделирования. М.: 2000.

35. Колтынюк Б.А. Инвестиции. Учебник. СПб.: Изд-во Михайлова В.А. 2003. - 848 с.

36. Коннолли Т. Базы данных. Проектирование, реализация и сопровождение. Теория и практика М.: Вильяме, 2000.

37. Косолапов В.В. Информационное прогнозирование и обеспечение. К: 1978. 198 с.

38. Кудряшов Г.Ф., Чекменев Е.Е. Автоматизированные дизельные электроагрегаты. М: Машиностроение, 1964.

39. Кульба В.В., Ковалевский С.С., Косяченко С.А., Сиротю В.О. Теоретические основы проектирования оптимальных структур распределенных баз данных : СИНТЕГ Москва, 1999.-660с

40. Мавеев Г., Мезенцев Б., Окунев А. Системы автоматического управления дизель-электрическими агрегатами. «Новости Электротехники» №4(4) 2000, СПб.: Информационно-справочное издание.

41. Мавеев Г., Степанов А. Специализированный контроллер для автоматического управления дизель-электрическими агрегатами. Новости Электротехники» №6(6) 2000, СПб : Информационно-справочное издание.

42. Малыхина М. П. Базы данных. СПб: Питер, 2004.

43. Матвеев Г.В., Системы автоматического управления дизель электрическими агрегатами. «АЭРОПОРТЫ. ПРОГРЕССИВНЫЕ ТЕХНОЛОГИИ» № 4, 2000 г-С 9-11

44. Махаммад М.Д. Формирование информационной структуры базы данных контроллера дизельной электростанции. Журнал научных публикаций аспирантов и докторантов № 10 / 2008.Курск. С. 226-227.

45. Мирзоев Р.Г., Харченко А.Ф. Основные процедуры системных исследований: Учеб. Пособие / СПбГУАП. СПб., 2000. 180 е.: ил.

46. Норман Дрейпер, Гарри Смит Прикладной регрессионный анализ. Множественная регрессия = Applied Regression Analysis. — 3-е изд. — М.: «Диалектика», 2007. — С. 912.

47. Оптимизация структур данных в АСУ.// Под. ред. В.В.Воронова. М.: Наука, 1988.49.0птимизация структур распределенных баз данных в АСУ. // Под. ред. А.Г.Мамиконов М.: Наука, 1990.

48. Оценка стоимость предприятия, под издательством Абдуллаева H.A., Колайко H.A. Москва 2000г.

49. Петров В.Н. Информационные системы. СПб.: Питер, 2002.

50. Повышение эффективности работы энергосистем. // Под ред. Шуина В.А., Мисриханова М.Ш. Иваново: 2001.

51. Пономарева K.B. Информационное обеспечение АСУ. //Учеб.для сред.спец.учеб.заведений. 2-е изд.,перераб.и доп.-М.: Высш.шк., 1991.

52. Программное обеспечение Demand Planning на сайте http://www.logiHty.com

53. Программное обеспечение Forecast PRO-Basic на сайте http://forecastpro.ru

54. Программное обеспечение Прогноз-машина на сайтеhttp://www.ceoconsulting.ru

55. Райордан Р. Основы реляционных баз данных.- М.: Рус. Редакция, 2001.

56. Сорокин С., Гарсия В., Панельные персональные компьютеры фирмы Advantech на сайте http://www.cta.ru

57. Спицнадель В.Н. Основы системного анализа. СПб.: Бизнес-пресса, 2000.

58. Станислав Павлов, Статья «Обзор Windows ХР Embedded» на сайте http://www.osp.ru.

59. Статистическое моделирование и прогнозирование: Учеб. пособие / Под ред. А.Г. Гранберга. М.: Финансы и статистика, 1990. - 383 с.

60. Технические данные дизель-генераторов Российского производства на сайте http://www.dizelprom.ru

61. Технические данные дизель-генераторов AKSA на сайте www.aksa.com.tr

62. Технические данные дизель-генераторов CATERPILLAR на сайте http://www.caterpillar.ru6 5. Технические данные дизель-генераторов Cummins на сайте http://www.cumminspower.com6 6. Технические данные дизель-генераторов DEUITZ на сайте http://www.deutz.com

63. Технические данные дизель-генераторов FG WILSON на сайте http://www.fgwilson.com

64. Технические данные дизель-генераторов GE Jenbacher на сайте http://www.gepower.com

65. Технические данные систем управления «Basler Electric» на сайте http://www.basler.com

66. Технические данные систем управления GAC,ComAp, Bernini на сайте http://www.huegli-tech.com

67. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере/Под ред. В.Э. Фигурнова. 3-е изд., перераб. и доб. - М.: ИНФРА-М,2003. - 544 е., ил.

68. Хансен Г. Базы данных, разработка и управление. М.: Бином, 1999

69. Хенли Э., Кумамото X. Надежность технических систем и оценка риска: Пер. с англ. B.C. Сыромятникова, Г.С. Деминой. -М.: Машиностроение, 1984. -528с.

70. Хомоненко А.Д., Цыганков В.М., Мальцев М.Г. Базы данных СПб, КОРОНА принт, 2000.

71. Шапарев С.Д. Дискретная математика. Курс лекций и практических занятий.: БХВ- Петербург,2006.-400с

72. Шехурин Д.Е. Научное прогнозирование средствами информации С.-Пт.:1990. 123 с.

73. James R. Iverson, Digital Control Technology Enhances Power System Reliability and Performance, Cummins Power Generation.

74. Peter W. Glynn, Linear Regression with Matlab, Introduction to Stochastic Modeling, January 28, 2007.