автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Система поддержки принятия решений при управлении фактическим техническим состоянием электротехнического оборудования на основе адаптивной комплексной модели краткосрочного прогнозирования

На правах рукописи

ХОРОШЕВ Николай Иванович

СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ФАКТИЧЕСКИМ ТЕХНИЧЕСКИМ СОСТОЯНИЕМ ЭЛЕКТРОТЕХНИЧЕСКОГО ОБОРУДОВАНИЯ НА ОСНОВЕ АДАПТИВНОЙ КОМПЛЕКСНОЙ МОДЕЛИ КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ

05.13.06 - Автоматизация и управление технологическими процессами и производствами (в промышленности)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

2 6 ДПР 2012

Пермь 2012

005019194

Работа выполнена на кафедре «Микропроцессорные средства автоматизации» ФГБОУ ВПО «Пермский национальный исследовательский политехнический университет»

Научный руководитель:

Официальные оппоненты:

Казанцев Владимир Петрович доктор технических наук, профессор ФГБОУ ВПО «Пермский национальный исследовательский политехнический университет»

Трефилов Виктор Александрович доктор технических наук, профессор, заведующий кафедрой «Безопасность жизнедеятельности» ФГБОУ ВПО «Пермский национальный исследовательский политехнический университет»

Лавренюк Владимир Иванович кандидат технических наук, доцент,

начальник отдела информационных технологий и связи ООО «ЛУКОЙЛ-Пермь»

Ведущая ФГБОУ ВПО «Московский государственный техниче-

организация: ский университет им. Н.Э. Баумана»

Защита состоится «15» мая 2012 г. в 11.00 на заседании диссертационного совета Д 212.188.04 при ФГБОУ ВПО «Пермский национальный исследовательский политехнический университет» (ПНИПУ) по адресу: 614990, г. Пермь, Комсомольский проспект, 29, ауд. 423.

С диссертацией можно ознакомиться в научной библиотеке ФГБОУ ВПО «Пермский национальный исследовательский политехнический университет».

Автореферат разослан «9» апреля 2012 г.

Ученый секретарь диссертационного совета доктор технических наук, профессор

А.А. Южаков

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Исследования процессов эксплуатации множества электротехнических объектов с учетом отечественного и мирового опыта показали, что проведение жестко регламентированных планово-предупредительных ремонтов, как правило, приводит к ощутимым затратам временных, денежных, трудовых и материальных ресурсов предприятия. Поэтому особую роль и значимость приобретают методы и модели обслуживания электротехнического оборудования (ЭО) по фактическому техническому состоянию, составляющие основу системы поддержки принятия рещений (СППР) оперативно-ремонтного персонала, которая позволяет сократить время простоев оборудования, улучшить его показатели надежности и повысить таким образом эффективность эксплуатации.

Основными характерными свойствами процессов эксплуатации ЭО является их разнородность, взаимозависимость, многопараметричность, иерархичность, а также территориальная распределенность. При этом эффективность эксплуатации оборудования во многом определяется стратегией его обслуживания, что, в свою очередь, обусловливает необходимость решения актуальной научной задачи для предприятий энергетических отраслей - разработки СППР, направленной на реализацию обслуживания ЭО с учетом его фактического технического состояния (ТС).

Применяемые методы и модели поддержки принятия решений должны обеспечивать реализацию функции управления ТС ЭО, заключающуюся в формировании обоснованных управляющих воздействий на объекты эксплуатации в виде перечня определенных мероприятий, выполнение которых обеспечивает устранение выявленных в процессе эксплуатации оборудования дефектов и снижение общего числа аварийных ситуаций. При этом на базе современных методов и средств измерения значений различных технических параметров ЭО СППР должна основываться на учете разнородных информационных потоков, которые могут носить характер неопределенных, то есть связанных с недостатком информации и ее нечеткостью. Поэтому возникает необходимость в формализации механизмов принятия оперативных управленческих решений на основе использования возможностей математического аппарата адаптивного краткосрочного прогнозирования и теории нечетких множеств, связанных с повышением достоверности прогнозных оценок значений технических параметров, характеризующих работу ЭО и определяющих в целом эффективность использования его эксплуатационного ресурса.

К настоящему времени накоплен достаточно богатый опыт эксплуатации крупных ответственных энергетических объектов и систем в энергетике (Е.Ю. Барзилович, Б.В. Гнеденко, В.В. Болотин и др.). Однако проблема создания СППР не нашла должной проработки на системном уровне с учетом малых выборок исходных эмпирических данных о ТС ЭО и их нечеткости. Существуют определенные ограничения в использовании предлагаемых решений, которые связаны преимущественно с необходимостью обработки разнородной статистической информации, а также требуют знания законов распределения

различных характеристик оборудования. Эти обстоятельства затрудняют процесс формирования адекватных оперативных управленческих решений.

Вопросами реализации стратегии обслуживания ЭО по фактическому техническому состоянию и СППР на теоретическом и прикладном уровнях занимаются научно-исследовательские коллективы ведущих вузов и научно-производственных предприятий страны. Однако приходится констатировать отсутствие значимых результатов в области разработки концептуальных моделей и алгоритмов принятия оперативных управленческих решений в условиях неопределенности исходной информации, обеспечивающих возможности адаптивного комплексного краткосрочного прогнозирования.

Известные адаптивные модели прогнозирования (Ю.П. Лукашин, К.Д. Льюис, R.G. Brown и др.) носят, как правило, локальный характер применения, поскольку допустимый уровень их точности ограничивается конкретными формами временных рядов. Поэтому требует развития и совершенствования методика принятия решений при управлении ТС ЭО на основе разработки адаптивной комплексной модели краткосрочного прогнозирования (АКМ), включающей в себя использование обоснованных механизмов формирования оптимальных начальных условий и адаптивных предикторов, позволяющих повысить достоверность прогнозных оценок комплексной модели.

Объект исследования - процессы эксплуатации высоковольтного электротехнического оборудования.

Целью диссертационной работы является разработка СППР при управлении фактическим техническим состоянием электротехнического оборудования предприятий энергетических отраслей на основе адаптивного краткосрочного прогнозирования изменения технических параметров и правил нечеткой логики, обеспечивающих повышение эффективности использования оборудования в условиях неопределенности исходной информации.

В соответствии с поставленной целью решались следующие задачи:

1. Определение состава СППР и анализ моделей краткосрочного прогнозирования изменения технических параметров ЭО.

2. Разработка концептуальной модели системы поддержки принятия оперативных управленческих решений (КМПР) при обслуживании ЭО по фактическому техническому состоянию в условиях неопределенности исходной информации.

3. Разработка АКМ и методики принятия решений при управлении фактическим техническим состоянием ЭО, включающих:

- векторные критерии селекции оптимальных моделей начальных условий и адаптивных предикторов;

- методику расчета оптимальных начальных условий (НУ), повышающую достоверность прогнозных оценок значений технических параметров;

- алгоритм функционирования АКМ и ее программную реализацию.

4. Апробация СППР и входящей в ее состав АКМ.

Методы исследований основаны на использовании положений теории прогнозирования, теории аппроксимации временных рядов, теории надежности, теории нечетких множеств, теории оптимизации, а также методов математического моделирования и объектно-ориентированного программирования.

Кроме того, применялись программные среды, такие как MATLAB, MATHCAD, STATISTICA, и отдельные надстроечные модули MICROSOFT EXCEL.

Научная новизна результатов работы заключается в следующем:

- при разработке КМПР впервые формализованы комплексные критерии принятия решений и импликации нечетких множеств, основанные на правилах нечеткой логики;

- предложены векторные критерии селекции оптимальных моделей начальных условий и адаптивных предикторов, научная новизна которых состоит в комплексном учете различных показателей точности прогноза и качества аппроксимации эмпирических данных;

- в рамках проработки аппарата адаптивного краткосрочного прогнозирования ТС ЭО впервые предложена методика расчета оптимальных начальных условий на основе множества нелинейных математических моделей, позволяющих повысить достоверность прогнозных оценок;

- разработана АКМ, новизна которой основывается на использовании множества отобранных в результате критериального анализа адаптивных предикторов;

- впервые реализован алгоритм функционирования адаптивной комплексной модели краткосрочного прогнозирования, который был положен в основу разработки программного обеспечения.

Практическая значимость работы состоит в том, что применение разработанного программного продукта для анализа и адаптивного прогнозирования технического состояния ЭО позволяет повысить эффективность использования ресурса оборудования в процессе эксплуатации на основе получения более достоверных прогнозов времени проведения профилактических мероприятий. Реализация АКМ в программной среде «FMА» и формализованный на основе КМПР механизм принятия оперативных управленческих решений позволяют выстроить на предприятии эффективную СППР при профилактическом обслуживании оборудования по фактическому техническому состоянию.

Результаты диссертационной работы в виде инструмента анализа временных рядов и АКМ, в том числе реализованные программно, имеют практическую значимость для научно-образовательных процессов вуза. Получено свидетельство о государственной регистрации программы для ЭВМ.

Внедрение результатов работы. Предложенная КМПР, методика и алгоритмы принятия решений приняты к использованию в производственной деятельности Пермского регионального управления (ПРУ) ООО «ЛУКОЙЛ-ЭНЕРГОСЕТИ» (г. Пермь) как основа практической реализации концепции эксплуатации ЭО по фактическому техническому состоянию.

Результаты работы нашли свое практическое применение в научно-образовательных процессах кафедры «Микропроцессорные средства автоматизации» Пермского национального исследовательского политехнического университета в рамках проведения практических занятий по дисциплинам «Диагностика и надежность автоматизированных систем» и «Оптимизация и моделирование энергетических систем».

Основные положения и результаты диссертационной работы также были отражены в отчетной документации по гранту Президента РФ для государст-

венной поддержки молодых российских ученых № МК-2773.2011.8 «Управление техническим состоянием электроэнергетических объектов с целью повышения параметров их энергоэффективности».

На защиту выносятся:

- концептуальная модель системы поддержки принятия оперативных управленческих решений;

- АКМ и методика принятия решений при управлении фактическим техническим состоянием ЭО;

- алгоритмы поддержки процессов оперативного управления техническим состоянием ЭО и программное обеспечение;

- результаты апробации СППР, включающей АКМ.

Достоверность и обоснованность результатов и выводов обеспечиваются корректным применением известного математического аппарата и методологии общей теории прогнозирования, теории аппроксимации временных рядов, теории нечетких множеств, математического моделирования. Основные соотношения и результаты работы подтверждены удовлетворительным совпадением результатов моделирования с экспериментальными данными.

Апробация работы. Основные положения и результаты диссертационного исследования докладывались и обсуждались на научно-практической интернет-конференции «Молодежная наука Верхнекамья» (г. Пермь, 2008), VI Всероссийской школе-семинаре молодых ученых «Управление большими системами» (г. Ижевск, 2009), XVI конференции-семинаре по проблемам общей и прикладной ценологии (г.Москва, 2011), V Всероссийской научно-технической интернет-конференции «Энергетика. Инновационные направления в энергетике. САЬБ-технологии в энергетике» (г.Пермь, 2011), научно-техническом семинаре кафедры «Компьютерные системы автоматизации производства» (РК9) МГТУ им. Н.Э. Баумана.

Публикации. По теме диссертационного исследования опубликовано 10 научных работ, из них 5 статей в ведущих рецензируемых научных изданиях, присутствующих в Перечне ВАК.

Структура и объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы из 164 наименований и 11 приложений. Общий объем работы - 167 страниц машинописного текста, в том числе 138 страниц основного текста, содержащего 39 иллюстраций и 19 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, сформулированы цель и задачи диссертационной работы, раскрыта научная новизна и практическая ценность результатов исследования, сформулированы положения, выносимые на защиту.

В первой главе проведен аналитический обзор процессов эксплуатации ЭО, который позволил определить состав и основные направления реализации СППР при управлении ТС оборудования.

В общем случае реализация функции управления ТС ЭО основывается на контроле ключевых диагностических параметров, при отклонении которых от

нормативных значений формируются определенные управляющие воздействия в виде перечня профилактических мероприятий, позволяющих вернуть оборудование к прежнему работоспособ-

Рис. 1. Классификация математических методов и моделей прогнозирования

ному состоянию. При этом поддержка принятия решений на системном уровне включает в себя использование КМПР и входящей в ее состав АКМ. Особую значимость в этом случае приобретают методы и модели прогнозирования ТС ЭО, обладающие необходимой точностью. Поэтому на основе анализа математических методов и моделей прогнозирования выполнена их классификация по способу формализации, которая определила выбор класса адаптивных моделей краткосрочного прогнозирования

(рис. 1, АМП), формирующих АКМ: Тейла-Вейджа (ТУ); Брауна (В); Тригга-Лича (7Х); полиномиальные модели многократного сглаживания 0-го, 1-го, 2-го порядков (р0,р\,р2); Хольта-Витера (НУ), которые в полной мере удовлетворили исходным критериям отбора. Кроме того, произведен сопоставительный анализ различных критериев оценки адекватности АМП эмпирическим данным, выбраны наиболее подходящие критерии для практического использования в комплексной прогнозной модели.

Во второй главе определены принципы построения КМПР, отражающие системное решение проблемы повышения эффективности эксплуатации ЭО в рамках реализации общей функции управления ТС. Данные принципы включают в себя: возможность разделения и учета разнородных информационных потоков; агрегирование ключевых параметров, характеризующих ТС оборудования; возможность учета математических моделей различных физических процессов, протекающих в ЭО; учет неопределенности в исходных данных; многокритериальную оценку рассматриваемых альтернатив; соподчиненность уровней информационной структуры и ее целостность.

Предложена КМПР, включающая в себя АКМ (блок № 6, рис. 2).

Модель имеет четырехуровневую информационную структуру. На первом уровне (I, блок№ 1) происходит формализация функциональной структуры ЭО и математических моделей различных физических процессов, то есть осуществляется выбор тех систем (элементов), техническое состояние которых предполагается контролировать в процессе эксплуатации. На втором уровне (II, блоки№2 и №3) выделяют ключевые параметры {МР,} и {Р,}, подвергающиеся постоянному или периодическому контролю на основе определенного комплекса технических средств. Третий уровень (III, блоки № 4 и № 5) состоит в агрегировании (расчете и обобщении) параметров предыдущего уровня (II) с возможностью прогнозирования их значений на базе АКМ (блок № 6). Наивысшим (IV, блок № 7) является уровень принятия решений, комплексные кри-

терии которого объединяют в себе параметры уровня III ({СР,} и {APt}) и используются при формировании оперативных управленческих решений, представляющих собой управляющие воздействия на ЭО в виде проведения конкретных профилактических мероприятий, направленных на устранение выявленных дефектов в ходе эксплуатации.

Осуществлено аналитическое описание правил нечеткой логики на основе композиционного правила агрегирования рассматриваемых альтернатив с учетом информации о предпочтениях лиц, принимающих решения, позволившее формализовать верхний уровень КМПР (блок № 7, рис. 2).

Принятие решений на основе правил нечёткой логики

IV уровень

í Г í í

АКМ

III уровень

| I СР\ | I CPi I ... СРы J ¡ I APi N APi | ... | APr I

■ÍZT- ."tt'tS i^jga^&^JVy---;---1 |

MPi 4 МР. i I i i i ! ¡5 Pi í л i

II уровень

I уровень

Модели физических процессов, _протекающих в ЭО_

Системы (элементы) ЭО

н-1

Принятые обозначения: {Л/Р,}, / — 1 ...т — параметры моделей; {[, / — 1 ...г ключевые диагностические параметры ЭО; {СР,}, = \..М- расчетные параметры; {АРД, ¡' = 1...Д -агрегированные параметры; (X)}, / = 1 ...и - комплексные критерии принятия решений.

Рис. 2. Концептуальная модель системы поддержки принятия оперативных управленческих решений

Сформированы комплексные критерии принятия решений, учитывающие разносторонние аспекты технического и экономического характера при эксплуатации ЭО (блок№ 1, рис. 3): Хх - техническое состояние ЭО; Х2 - устойчивость системы к внешним возмущающим воздействиям; Х3 - передаваемая мощность как продукт производственной деятельности; Хл- время приведения параметров {MP¡} и {P¡} к нормативным значениям. Формализована область определения критериев в лингвистическом смысле X¡ = A¡j (i = 1,и ; j = \,k, где п — количество критериев, к - количество лингвистических термов, оценивающих переменную X,). Элементы исследования представляются в виде множества U= {«i,..., ир}, гдер - количество элементов исследования (группа объектов апробации). В свою очередь, оценки каждой из альтернатив в общем случае приняли вид (блок№ 3): {хт1щ, ... , хАОр/ир}; {хт/ии ... , хтр!ирУ, {хт\1щ, ... , хсор/ир}; {xDa]htx, ... , хщр/ир}, где А0 = «Хорошее ТС», В0 = «Устойчивая систе-

ма», С0 = «Значительная передаваемая мощность», D0 = «Продолжительное время восстановления».

В ходе формализации блока № 2 (рис. 3) с учетом экспертных знаний рассматриваемой предметной области были сформированы импликации нечетких

множеств -di(i = \,q , где q - количество логических конструкций):

dt. «Если X, = А у, иХ2 = Ау, и ... Хп = AnJ, то Y = Bt» (I = \,т ), (1) где В1 - нечеткое подмножество единичного интервала /; т - количество лингвистических термов переменной Y «Удовлетворительность».

Пересечение нечетких множеств X, - А XJ О Х2 = Ау П...ПД, =Anj, обозначенное через Х= Mi (i = 1, q ), определяет минимум их функций принадлежности: цм/ (о) = min (Цмп(г>), ЦмдОО, ... , Цл//,(и)), где V = = Ux X U2X... X Up; и =

vsV

(«!, u2, ... , Up); Цдл/и) - значения принадлежности элементов (оцениваемых альтернатив) нечеткому множеству Му. Присутствие в (1) логических «или» соответствует объединению нечетких множеств и решению задачи на нахождение максимума функций принадлежности цДЛ (и).

Импликации нечетких множеств «Если X = М„ то Y = В,» выражаются через: Цо (и, /) = min (1, (1 - Цай (и) + Цв,(и))), для каждой пары (u,i)e UxJ формируются нечеткие подмножества Dit D2,... , Dq, на основе которых получено общее функциональное решение (q = 5):

D = D1r\D2r\Dir\DAnD5, (2)

то есть Цо (и, 0 = min (ц0/ (и,;')), j = \,q .

Переменная Y для каждого из рассматриваемых вариантов определяется к-й строкой множества (2), то есть нечетким подмножеством Ек.

На последнем этапе работы алгоритма (блок № 4, рис. 3) производится процедура сравнения нечетких подмножеств

Ек ( к = 1, р ) на основе точечных оценок (а-уровневых множеств), которые позволяют определить наилучшее решение, связанное с выбором конкретной единицы ЭО или группы электроэнергетических объектов, нуждающихся в проведении первоочередных профилактических мероприятий с целью устранения выявленных дефектов в ходе комплексной оценки ТС. То есть осуществляется ранжирование исследуемых объектов (элементов) в порядке убывания их значимости в рамках реализации стратегии профилактического обслуживания ЭО по фактическому техническому состоянию.

В третьей главе приведены поэтапная разработка АКМ и методики принятия решений при управлении фактическим техническим состоянием ЭО.

( Начало)

I | ' Xi.XÜ, ..., X»

4

Формирование логических конструкций, определяющих стратегию эксплуатации ЭО

Оценка каждой альтернативы

4

Формирование точечных оценок альтернатив и принятие решения

( Конец ) Рис. 3. Обобщенный алгоритм формирования управленческих решений

Этап № 1. Предложены векторные критерии селекции оптимальных моделей НУ ({/А/,}; г = 1,п ) и адаптивных предикторов ({.ГА/,}; г = 1, N), обеспечивающие комплексную оценку достоверности прогнозов АМП и АКМ. Изначально были сформированы следующие векторы:

f Л / \

EV. =

MSEi МАРЕ..

,i — \,n\ pv;

MSE, МАРЕ.

■UN, (3)

где г - коэффициент детерминации (г Е [0,1]); MSE - средний квадрат ошибки {Mean Square Error)-, МАРЕ- среднеабсолютная процентная ошибка (Mean Absolute Percentage Error)', a - среднеквадратическое отклонение (СКО) прогнозных оценок значений технических параметров ЭО.

Вектор-столбцы (3) содержат следующие основные критерии:

г2 —» max; МАРЕ —> min; ^

MSE —> min; с —> min,

где МАРЕ = — X"-ole'l/jc' (МАРЕе[0\5\, %); е, =x,-xz(t-x) - ошибка;

х,- исходные данные временного ряда (эмпирические наблюдения); xz(t — т) -прогноз, осуществленный в момент времени (t - т) на т шагов вперед.

Процедура селекции оптимальных НУ включает в себя определение матрицы рангов Р, которая номинально имеет нулевые ранги для каждого из вариантов г" = 1,« : P = (EVb EV2, ... , EV„), Р,, = 0, где Р;, - элемент матрицы Р, j = 1, к {к = 3) и i = \,n (п = 9); к- количество критериев адекватности.

По каждому из критериев (4), входящих в вектор EV (3), производится оценка модели {/Mf}, наилучшей из них присваивается ранг, равный единице, а наихудшей - п. После процедуры ранжирования рассчитываются значения итоговой вектор-строки рангов Prant: Prarlk, U = ]>k> г = 1,« >. При этом векторный критерий селекции оптимальных НУ определится как

optimum {IM,} -> min{Profli,}, г = 1, п. (5)

Адекватность АМП и АКМ эмпирическим данным предлагается оценивать в соответствии с PV из (3).

Векторный критерий селекции оптимальной АМП:

optimum {FMt} min{QranA.,.}, i = 1,N, (6)

где Qгапк i — итоговая матрица рангов, построенная на основе вектор-стобца PV (3) (аналог Pra/ltиз (5), в том числе в расчетном плане).

На основе критериев (5) и (6) предложена методика расчета оптимальных начальных условий для АМП, позволяющая снизить ошибки прогнозных оценок в среднем на 5 % по отношению к использованию линейных зависимостей на множестве тестовых входных сигналов (рис. 5).

Этап № 2. На алгоритмической основе разработана АКМ, которая обеспечила повышение достоверности прогнозных оценок временных рядов за счет совместного использования обоснованных адаптивных предикторов из множества FM.

На рис. 4 приведен алгоритм в виде процессных блоков, являющийся обобщением алгоритма функционирования АКМ: блок№ 1 - ввод тестовых сигналов из множества Test (рис. 5); блок № 2 - обработка исходных данных, включая ввод начальных параметров (параметры адаптации, т, т, ав, 5); блок № 3 -формирование оптимальных НУ; блок № 4 - прогнозирование и оценка адекватности модели эксперименту. При этом т - период упреждения; т -величина, определяющая границы близости прогнозных значений; ав — параметр экспоненциального сглаживания квадратов ошибок прогнозирования; 5 - желаемая точность прогноза.

Этап № 3. Используя алгоритм (рис. 4) на множестве тестовых входных сигналов (Test, рис. 5), имитирующих изменение технических параметров ЭО, произведено обоснование адаптивных предикторов в составе АКМ и методики расчета оптимальных НУ. Множество Test содержит сигналы: {HarmS, HarmLA, HarmLM, SawS, SawLA, SawLM, L, Ex, HarmI}.

Аналогами приведенных сигналов в практике эксплуатации ЭО могут быть нагрузочные токи оборудования, которые в разрезе различных временных интервалов с учетом дискрета измерений принимают разнообразные формы: SawS, SawLA и SawLM (рис. 5). При использовании определенных механизмов аппроксимации можно наблюдать гармоническую составляющую, в том числе со случайными выбросами (например, кратковременные токи короткого замыкания). Сигналы линейной и экспоненциальной форм могут быть связаны с изменением во времени параметров сопротивления обмоток силовой части трансформаторного оборудования, содержания растворенных газов в масле, влагосодержания и др.

Кроме того, при исследовании адаптивных предикторов отдельно имитировались структурные сдвиги и случайные выбросы во временных рядах, позволившие выявить ряд особенностей АМП и учесть их при разработке АКМ.

Представленная алгоритмическая структура на рис. 4 также реализует процесс прогнозирования изменения технических параметров ЭО на основе АКМ. При этом программно изменяется режим внутри блока №4, который формально позволяет осуществлять селекцию оптимальной адаптивной модели или множества АМП (FM) согласно следующему критерию:

МАРЕшт mm{MAPEl}; MAPEi < т ■ МАРЕтт , i = 1JV, (7)

(Начало)

X | ,:=1

Ж

/ Ввод о / тестового ' сигнала

Обработка исходных данных

Формирование оптимальных НУ

Прогнозирование на

базе адаптивной модели и оценка её адекватности

( Конец)

Рис. 4. Алгоритм проведения экспериментов над АКМ

где МАРЕтт — минимальное значение среднего абсолютного показателя точности среди всех остальных значений для моделей множества FM.

В связи с тем что при увеличении периода упреждения разброс средних квадратов ошибок для разных моделей, как правило, возрастает, то в работу включаются те модели, средние квадраты ошибок которых не больше, чем в т раз, превосходят минимальную из них. При выполнении условия (7) прогнозные оценки получаются близкими, поэтому осуществляется расчет взвешенной суммы прогнозов на основе величин экспоненциально сглаженных квадратов ошибок прогнозирования Bit для каждой модели, входящей во множество FM :

В и = (1 - а,в) В,, + а,й ej(t - т); i = IM , (8)

где М - количество моделей (FM), удовлетворяющих критерию (7); 0 < а| в < 1 -параметр сглаживания; е,Т (t - т) - ошибка прогноза, сделанного в момент (i — т)на х шагов вперед.

На основе (8) производится расчет весов адаптивных коэффициентов аи= S: ! ви '■> / = 1, М, где g, - коэффициенты пропорциональности,

Если условие (7) не выполняется для нескольких АМП, то согласно алгоритму (блок № 4, рис. 4) формально производится селекция наилучшей адаптивной модели по критерию (6).

Тестирование АКМ показало ее преимущество по отношению к случайным моделям из множества FM в части обеспечения повышения достоверности прогнозных оценок в конкретные моменты времени (Г„ рис. 6), в том числе при резких изменениях направления тренда (рис. 5, сигнал SawLA).

Проведенный анализ, в том числе с учетом множества сигналов Test, показал, что АКМ осуществляет переключения при минимуме ошибки прогнозирования, а недостатки одних моделей компенсируются достоинствами других. Тестирование АКМ также позволило установить тенденцию снижения величин мгновенных ошибок прогнозных оценок (в среднем до 2,5 раз) по сравнению с использованием случайных моделей из множества FM.

Ж

шМ

л л А А / IA/W& - -хМ .^/V' ч/ -

HarmLA HarmLM

: Ал/ • ^ -

VA л/w

I.....I, I I 1 I I I .1....1.

miv\i

L Ex HarmI

Рис. 5. Формы тестовых входных сигналов

В результате разработки КМПР и АКМ была предложена методика принятия решений, содержащая следующие основные этапы: сбор информации о ТС ЭО; формализация объекта исследования в рамках КМПР; прогнозирование изменения технических параметров ЭО на базе АКМ; принятие решений на основе правил нечеткой логики.

В четвертой главе осуществлена опытно-промышленная апробация СППР и входящей в ее состав АКМ на примере эксплуатации силовых масло-наполненных трансформаторов средней мощности 35/6 кВ (ТМН-6300/35-У1). Поскольку на практике отсутствовала возможность проведения активного эксперимента над объектами апробации (группа из двух трансформаторов), то все эксперименты были переведены в фазу пассивных. В качестве информационной базы использованы нагрузочные характеристики трансформаторов (данные телеметрии) за период 01.10.2010 - 30.09.2011 (12 месяцев); данные температуры охлаждающей среды; формуляры обследования СМТ; паспортные данные; инструкции по эксплуатации, в том числе на отдельные подсистемы; монтажные чертежи; однолинейные схемы электрических соединений.

Согласно КМПР (блоки № 3 и № 5, рис. 2) были формализованы ключевые диагностические количественно-качественные параметры, позволившие определить ТС трансформаторного оборудования и учесть данную информацию на уровне принятия решений (блок № 7, рис. 2).

На основе анализа модели термического износа изоляции математически формализован параметр относительного термического износа изоляции (Ь) силовой части трансформаторного оборудования (блоки № 2 и № 4, рис. 2), учитывающий такие факторы, как температура наиболее нагретой точки (0/,, °С), влагосодержание твердой изоляции (IV, %), содержание кислорода в трансформаторном масле (02, % об.) и показатель его окисления (кислотное число К, мг КОН/г).

В разработанной программной среде «ТМА» произведены анализ и прогнозирование изменения факторов п' и 0Ь определивших параметр Ь и остаточный ресурс изоляции для каждого из обследуемых трансформаторов, что позволило учесть данную информацию при принятии решений. Адекватность АКМ эмпирическим данным оценивалась с использованием критерия МАРЕ (4), согласно которому адаптивная комплексная модель оказалась адекватной

- Случайная модель -АКМ 4

б

Рис. 6. Сравнение АКМ и случайной модели из множества FM для сигналов &ги>£Л (а) и СБ (б)

(начало)

эксперименту, что также свидетельствует о целесообразности применения разработанной методики расчета оптимальных начальных условий.

Разработан алгоритм принятия решений при управлении техническим состоянием силовых маслонаполненных трансформаторов (СМТ) (рис. 7), позволяющий наряду с формализованной областью определения каждого из ключевых диагностических количественно-качественных параметров {/>•} и факторов {МР,}, участвующих в расчете относительного термического износа изоляции, выработать конкретные меры (управляющие воздействия), направленные на

устранение дефектов и повышение эффективности эксплуатации ЭО по фактическому техническому состоянию. Данный алгоритм включает в себя: блок № 1 - съем технических параметров ЭО в режиме эксплуатации методами инфракрасного контроля, органолептической диагностики, периодического отбора и анализа проб масла и др.; блок № 2 - оценка ТС СМТ на основе КМПР (АКМ); блок № 3 -проверка на соответствие технических параметров нормативным значениям; блок № 4 - диагностирование ТС оборудования; блок № 5 - выработка конкретных управляющих воздействий; блок № 6 - определение периодичности контроля и профилактических мероприятий; блок № 7 - наработка статистической информации для детального анализа показателей надежности ЭО и изменения значений контролируемых технических параметров.

В рамках процедур мониторинга и оценки технического состояния трансформаторного оборудования (блоки № 1 и № 2, рис. 7) на основе правил нечеткой логики и АКМ (рис. 3) был выявлен трансформатор, нуждающийся в проведении первоочередных мероприятий по устранению причин дефектов, обнаруженных в процессе эксплуатации. В результате был проведен детальный осмотр одного из трансформаторов, который позволил выявить и устранить впоследствии причину повышенного влагосодержа-ния трансформаторного масла (блок № 5).

В целом использование АКМ в составе КМПР позволяет обнаружить на ранней стадии развивающиеся дефекты и сократить аварийные простои ЭО в среднем на 20 % за счет получения более достоверных прогнозов времени проведения профилактических мероприятий в сравнении с применением отдельных адаптивных моделей из множества FM

В заключении приведены основные результаты научных исследований, сформулированы выводы и определен вектор перспективного развития СППР.

Рис. 7. Алгоритм принятия решений при управлении фактическим техническим состоянием СМТ

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. В результате аналитического обзора процессов эксплуатации ЭО определен состав и основные направления реализации СППР при обслуживании оборудования по фактическому техническому состоянию. Выполнена классификация математических методов и моделей прогнозирования по способу формализации, позволившая выбрать класс используемых адаптивных моделей краткосрочного прогнозирования и критерии оценки их адекватности эмпирическим данным.

2. Предложена концептуальная модель системы поддержки принятия оперативных управленческих решений, обеспечивающая использование адаптивной комплексной модели краткосрочного прогнозирования. Формализованы комплексные критерии принятия решений и импликации нечетких множеств, позволившие учесть разносторонние аспекты эксплуатации ЭО.

3. Разработаны АКМ и методика принятия решений при управлении фактическим техническим состоянием ЭО. Предложены векторные критерии селекции оптимальных моделей начальных условий и адаптивных предикторов, используемые в методике расчета оптимальных начальных условий для комплексной модели прогнозирования. На основе имитационного моделирования произведено обоснование АКМ.

4. Осуществлена опытно-промышленная апробация СППР на примере эксплуатации силовых маслонаполненных трансформаторов средней мощности. Формализованы ключевые количественно-качественные параметры трансформаторного оборудования средней мощности и модель термического износа изоляции, вошедшие в концептуальную модель. Разработан алгоритм принятия решений при управлении фактическим техническим состоянием СМТ, на основе которого произведена диагностика объектов апробации и определены конкретные управляющие воздействия в соответствии с выявленными дефектами.

Основные положения диссертации изложены в работах:

- публикации в изданиях, рекомендованных в Перечне ВАК РФ:

1. Петроченков А.Б., Ромодин A.B., Хорошев Н.И. Экспертный метод оценки надежности электротехнического оборудования при принятии управленческих решений // Вестник ИжГТУ, 2009. - №4. - С. 161-164.

2. Петроченков А.Б., Ромодин A.B., Хорошев Н.И. Об одном формализованном методе оценки управленческих решений (на примере управления электротехническими объектами) // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета, 2009. -№87.-С. 166-171.

3. Казанцев В.П., Петроченков А.Б., Хорошев Н.И. Система оптимизации ресурса электротехнического оборудования на основе методов субъективной оценки факторов риска// Доклады Томского государственного университета систем управления и радиоэлектроники, 2009. - № 2. - С. 143-147.

4. Хорошев Н.И., Казанцев В.П. Применение правил нечеткой логики при эксплуатации электротехнического оборудования// Электротехника, 2011. -№ 11.-С. 59-64.

5. Казанцев В.П. Некоторые аспекты технологии эксплуатации электротехнических объектов на основе методов краткосрочного прогнозирования технического состояния / В.П. Казанцев, А.Б. Петроченков, A.B. Ромодин, Н.И. Хорошев // Электротехника, 2011. - № 11. - С. 28-34.

- публикации в других изданиях:

6. Хорошев Н.И. Разработка классификатора отказавших узлов и аппаратов электротехнического оборудования / Н.И. Хорошев и [др.] // Молодежная наука Верхнекамья: материалы V региональной конференции, Березники, 14 мая 2008 г. / Пермский государственный технический университет, Березни-ковский филиал. - Березники, 2008. - С. 210-215.

7. Хорошев Н.И. Построение системы мониторинга состояния высоковольтного электротехнического оборудования ПРУ ООО «ЛУКОЙЛ-Энергогаз» / Н.И. Хорошев, А.Б. Петроченков, А.В. Ромодин, С.А. Куликов // Автоматизированные системы управления и информационные технологии: материалы краевой науч.-техн. конф., Пермь, 14—15 мая 2008 г. - Пермь: Изд-во ПГТУ,2008г.-С. 62-69.

8. Хорошев Н.И. К вопросу о системе поддержки жизненного цикла высоковольтного электротехнического оборудования ПРУ ООО «ЛУКОЙЛ-Энергогаз» / Н.И. Хорошев и [др.] // Вестник ПГТУ. Электротехника, информационные технологии, системы управления. - 2008. -№ 2. - С. 110-117.

9. Хорошев Н.И. Система поддержки жизненного цикла силовых трансформаторов 6/0,4 кВ на предприятии ООО «ЛУКОЙЛ-Энергогаз» / Н.И. Хорошев и [др.] // Инженерные, экономические и педагогические технологии: проблемы и перспективы: материалы региональной научно-практической конференции, Екатеринбург-Чайковский, 21 мая 2008 г. - Екатеринбург; Чайковский: Изд-во ин-та экон. УрО РАН, 2008 г. - С. 274-280.

10. Хорошев Н.И. Комплексные критерии эффективности при принятии управленческих решений // VI Всероссийская школа-семинар молодых ученых «Управление большими системами»: сб. науч. тр. - Т1. - Ижевск, 2009. -С. 351-358.

Подписано в печать 02.04.2012. Формат 60x90/16 Усл. печ. л. 1,0. Тираж 100 экз. Заказ № 78/2012

Отпечатано в издательстве Пермского национального исследовательского политехнического университета. Адрес: 614990, г. Пермь, Комсомольский пр., 29, к. 113. Тел. (342)219-80-33

61 12-5/3296

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Пермский национальный исследовательский политехнический университет»

СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ФАКТИЧЕСКИМ ТЕХНИЧЕСКИМ СОСТОЯНИЕМ

ЭЛЕКТРОТЕХНИЧЕСКОГО ОБОРУДОВАНИЯ НА ОСНОВЕ АДАПТИВНОЙ КОМПЛЕКСНОЙ МОДЕЛИ КРАТКОСРОЧНОГО

ПРОГНОЗИРОВАНИЯ

05.13.06 - Автоматизация и управление технологическими процессами и производствами (в промышленности)

На правах рукописи

ХОРОШЕВ НИКОЛАИ ИВАНОВИЧ

Диссертация на соискание ученой степени кандидата технических наук

Научный руководитель: доктор технических наук, профессор Казанцев В.П.

Пермь-2012

СОДЕРЖАНИЕ

ВВЕДЕНИЕ...............................................................................................................6

ГЛАВА 1. АНАЛИТИЧЕСКИЙ ОБЗОР СОВРЕМЕННОГО СОСТОЯНИЯ ПРОБЛЕМЫ. АНАЛИЗ МЕТОДОВ И МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ. НАУЧНАЯ ПОСТАНОВКА ЦЕЛИ И ЗАДАЧ ИССЛЕДОВАНИЙ....................14

1.1 Аналитический обзор современного состояния проблемы..........................14

1.2 Анализ математических методов и моделей прогнозирования...................19

1.3 Критерии точности математических моделей прогнозирования.................35

1.4 Постановка цели и задач научных исследований.........................................43

Основные результаты главы..................................................................................45

ГЛАВА 2. КОНЦЕПТУАЛЬНАЯ МОДЕЛЬ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ ОПЕРАТИВНЫХ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ....................46

2.1 Принципы построения концептуальной модели системы поддержки принятия оперативных управленческих решений................................................46

2.2 Формализация структурно-информационных уровней концептуальной модели системы поддержки принятия оперативных управленческих решений 49

2.3 Аналитическое описание правил нечеткой логики......................................53

2.4 Принятие оптимальных управленческих решений на основе правил нечеткой логики......................................................................................................56

Основные результаты главы..................................................................................67

ГЛАВА 3. МЕТОДИКА ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ФАКТИЧЕСКИМ ТЕХНИЧЕСКИМ СОСТОЯНИЕМ

ЭЛЕКТРОТЕХНИЧЕСКОГО ОБОРУДОВАНИЯ НА ОСНОВЕ АДАПТИВНОЙ КОМПЛЕКСНОЙ МОДЕЛИ КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ....68

3.1 Методика расчета оптимальных начальных условий...................................69

3.2 Адаптивная комплексная модель краткосрочного прогнозирования..........76

3.3 Обоснование адаптивных предикторов в составе адаптивной комплексной модели краткосрочного прогнозирования............................................................81

3.3.1 Модель Тейла-Вейджа.........................................................................84

3.3.2 Модель Брауна.....................................................................................86

3.3.3 Модель Тригга-Лича............................................................................88

3.3.4 Полиномиальные модели многократного сглаживания....................89

3.3.5 Модель Хольта-Винтера......................................................................91

3.3.6 Определение областей применения адаптивных моделей.................92

3.3.7 Тестирование адаптивной комплексной модели краткосрочного прогнозирования.....................................................................................................95

3.4 Методика принятия решений при управлении фактическим техническим состоянием электротехнического оборудования..................................................98

Основные результаты главы................................................................................100

ГЛАВА 4. ОПЫТНО-ПРОМЫШЛЕННАЯ АПРОБАЦИЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ФАКТИЧЕСКИМ ТЕХНИЧЕСКИМ СОСТОЯНИЕМ ЭЛЕКТРОТЕХНИЧЕСКОГО ОБОРУДОВАНИЯ...............................................................................................101

4.1 Постановка прикладной задачи и научного эксперимента. Краткое описание технических характеристик объектов апробации...............................101

4.2 Формализация и прогнозирование изменения ключевых параметров силового маслонаполненного трансформатора средней мощности..................102

4.3 Практическая реализация концептуальной модели системы поддержки принятия оперативных управленческих решений..............................................125

Основные результаты главы................................................................................135

ЗАКЛЮЧЕНИЕ....................................................................................................136

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ............................................139

Список принятых сокращений

АД - асинхронный двигатель;

АКМ - адаптивная комплексная модель краткосрочного прогнозирования;

АМП - адаптивные модели краткосрочного прогнозирования;

АПМ - адаптивные полиномиальные модели многократного сглаживания;

АФ - адсорбционный фильтр;

БМИ - бумажно-масляная изоляция;

В Л - воздушная линия;

ВН - высшее напряжение;

ВР - временной ряд;

ГОСТ - государственный стандарт;

ДНГ - добыча нефти и газа;

ЖЦ - жизненный цикл;

ИК - инфракрасный контроль;

ИНС - искусственная нейронная сеть;

КД - каталожные данные;

КЗ - короткое замыкание;

КИВ - контроль изоляции вводов;

КМПР - концептуальная модель системы поддержки принятия оперативных

управленческих решений;

КП - краткосрочный прогноз;

КСС - контрольный следящий сигнал;

МГУА - метод группового учета аргументов;

МНК - метод наименьших квадратов;

МНУ - модель начальных условий;

МЭК - международная электротехническая комиссия;

НН - низшее напряжение;

НСМ - нейросетевая модель;

НУ - начальные условия;

ППР - планово-предупредительный ремонт; ПС - подстанция;

ПСМ - погружной сепаратор механических примесей; ПЭВМ - персональная электронная вычислительная машина; РПН - регулирование под нагрузкой;

СИГРЭ (англ. CIGRE) - международный Совет по большим энергетическим системам высокого напряжения (Conseil International des Grands Réseaux Electriques);

CKO - среднеквадратическое отклонение;

CMT - силовой маслонаполненный трансформатор;

СП - степень полимеризации;

СППР - система поддержки принятия решений;

ТИ - термический износ изоляции;

ТННТ - температура наиболее нагретой точки;

ТС - техническое состояние;

ТСФ - термосифонные фильтры;

ТУ - техническое устройство;

УВМ - установка восстановления трансформаторного масла; УФК - ультрафиолетовый контроль;

ХАГ - хроматографический анализ газов, растворенных в масле; ЦДНГ - цех добычи нефти и газа; ЭО - электротехническое оборудование.

ВВЕДЕНИЕ

Актуальность научных исследований. Исследования процессов эксплуатации множества электротехнических объектов с учетом отечественного и мирового опыта показали, что проведение жестко регламентированных планово-предупредительных ремонтов (ППР), как правило, приводит к ощутимым затратам временных, денежных, трудовых и материальных ресурсов предприятия [33, 150, 152]. Поэтому особую роль и значимость приобретают методы и модели обслуживания электротехнического оборудования (ЭО) по фактическому техническому состоянию, составляющие основу системы поддержки принятия решений (СППР) оперативно-ремонтного персонала, которая позволяет сократить время простоев оборудования, улучшить его показатели надежности и повысить таким образом эффективность эксплуатации.

Основными характерными свойствами процессов эксплуатации ЭО является их разнородность, взаимозависимость, многопараметричность, иерархичность, а также территориальная распределенность. При этом, как правило, приходится учитывать следующие основные требования [68, 82]:

1. Бесперебойное обеспечение необходимым количеством и качеством электроэнергии конечных или промежуточных потребителей.

2. Поддержание ключевых параметров, характеризующих техническое состояние ЭО, в пределах нормативных значений.

3. Снижение ежегодных издержек на эксплуатацию оборудования.

Данные требования взаимосвязаны, и с технической точки зрения можно выделить первичное из них - поддержание ключевых параметров оборудования в пределах нормативных значений. Однако, исходя из экономических соображений, важным является показатель денежных затрат, который в свою очередь оказывает влияние на качество и количество проводимых профилактических мероприятий. Данное обстоятельство обуславливает

необходимость формализации ряда комплексных критериев, определяющих работу ЭО с позиции разнообразных аспектов технического и экономического содержания [36, 38, 68, 129, 130, 149], которые связаны с полнотой реализации каждого из приведенных выше требований. Поэтому методы и модели, формирующие стратегию обслуживания оборудования, становятся во многом определяющими эффективность его эксплуатации, что в свою очередь обуславливает необходимость решения актуальной научной задачи для предприятий энергетических отраслей - разработки СППР, направленной на реализацию обслуживания ЭО с учетом его фактического технического состояния (ТС).

Реализация общей функции управления ТС ЭО заключается в формировании обоснованных управляющих воздействий на объекты эксплуатации в виде перечня определенных мероприятий, реализация которых обеспечивает устранение выявленных в процессе эксплуатации оборудования дефектов и снижение общего числа аварийных ситуаций. При этом на базе современных методов и средств измерения значений различных технических параметров ЭО СППР должна основываться на учете разнородных информационных потоков, которые могут носить характер неопределенных, то есть связанных с недостатком информации и ее нечеткостью [38, 104, 105, 109, 149]. Поэтому возникает необходимость в формализации механизмов принятия оперативных управленческих решений на основе использования возможностей математического аппарата адаптивного краткосрочного прогнозирования и теории нечетких множеств, связанных с повышением достоверности прогнозных оценок значений технических параметров, характеризующих работу ЭО и определяющих в целом эффективность использования его эксплуатационного ресурса.

К настоящему времени накоплен достаточно богатый опыт эксплуатации крупных ответственных энергетических объектов и систем в энергетике [33-35, 41, 59, 61, 63, 65, 67, 68, 77-79, 92, 93, 108, 112, 116, 120-123, 134], который по

возможности необходимо экстраполировать на уровень отдельных подразделений предприятий, включающих в себя оборудование малой и средней мощности. Однако проблема создания СППР не нашла должной проработки на системном уровне с учетом малых выборок исходных эмпирических данных о ТС ЭО и их нечеткости. Существуют определенные ограничения в использовании предлагаемых решений, которые связаны преимущественно с необходимостью обработки разнородной статистической информации, а также требуют знания законов распределения различных характеристик оборудования. Эти обстоятельства затрудняют процесс формирования адекватных оперативных управленческих решений.

Вопросами реализации стратегии обслуживания ЭО по фактическому техническому состоянию и СППР на теоретическом и прикладном уровнях занимаются научно-исследовательские коллективы международного Совета по большим энергетическим системам высокого напряжения (СИГРЭ), ИИЭИЭ, МЭК, ВЭИ им. В. И. Ленина, НПП ВНИИЭМ, ИМАШ им. A.A. Благонравова РАН, МГТУ им. Н.Э. Баумана, НИУ МЭИ, а также другие ведущие вузы и научно-производственные предприятия страны. Однако приходится констатировать отсутствие значимых результатов в области разработки концептуальных моделей и алгоритмов принятия оперативных управленческих решений в условиях неопределенности исходной информации, обеспечивающих возможности адаптивного комплексного краткосрочного прогнозирования.

В силу того факта, что выработка ресурса значительной части парка силового ЭО энергосетевых компаний (например, трансформаторов 35-110 кВ предприятий Пермского края) достигает в среднем порядка 60 %, построение эффективной СППР при обслуживании оборудования по фактическому техническому состоянию представляет собой важную задачу, которую необходимо решать комплексно. Тем более что на данный период времени перед предприятиями различных энергетических отраслей России стоят важные

задачи, связанные с необходимостью уменьшения энергоемкости производств и переходом их на более современное оборудование и эффективные системы (технологии) эксплуатации [1].

Целесообразным является использование правил нечеткой логики при принятии управленческих решений [28, 42-45, 75, 76, 95, 119, 149, 151], позволяющих учесть количественно-качественную информацию в виде знаний эксперта конкретной предметной области и формализовать комплексные критерии, отражающие выполнение основных требований эксплуатации ЭО.

Важным вопросом, заслуживающим особого внимания, является использование и разработка новых возможностей аппарата краткосрочного (оперативного) прогнозирования изменения технических параметров ЭО с целью получения более достоверных прогнозов времени проведения профилактических мероприятий, направленных на устранение выявленных в процессе эксплуатации оборудования дефектов.

Анализу временных рядов и построению различных математических моделей прогнозирования посвящены труды [20, 30, 40, 59, 69, 73, 78, 84-86, 96, 98-102, 115, 118, 130-132, 137-139, 148, 153-155] и др. Однако известные адаптивные модели прогнозирования (Ю.П. Лукашин, К.Д. Льюис, R.G. Brown и др.) носят, как правило, локальный характер применения, поскольку допустимый уровень их точности ограничивается конкретными формами временных рядов. Поэтому требует развития и совершенствования методика принятия решений при управлении фактическим ТС ЭО на основе разработки адаптивной комплексной модели краткосрочного прогнозирования (АКМ), включающей в себя использование обоснованных механизмов формирования оптимальных начальных условий и адаптивных предикторов, позволяющих повысить достоверность прогнозных оценок комплексной модели. При этом для обоснования АКМ требуется программная реализация, поскольку известные программные продукты [20, 46, 47, 87] не обладают необходимой гибкостью в комплексном применении АМП для решения задач

прогнозирования и нелинейных математических моделей для расчета начальных условий.

Объект исследования - процессы эксплуатации высоковольтного электротехнического оборудования.

Целью диссертационной работы является разработка СППР при управлении фактическим техническим состоянием электротехнического оборудования предприятий энергетических отраслей на основе адаптивного краткосрочного прогнозирования изменения технических параметров и правил нечеткой логики, обеспечивающих повышение эффективности использования оборудования в условиях неопределенности исходной информации.

В соответствии с поставленной целью решались следующие задачи:

1. Определение состава СППР и анализ моделей краткосрочного прогнозирования изменения технических параметров ЭО.

2. Разработка концептуальной модели системы поддержки принятия оперативных управленческих решений (КМПР) при обслуживании ЭО по фактическому техническому состоянию в условиях неопределенности исходной информации.

3. Разработка АКМ и методики принятия решений при управлении фактическим техническим состоянием ЭО, включающих:

- векторные критерии селекции оптимальных моделей начальных условий и адаптивных предикторов;

- методику расчета оптимальных начальных условий (НУ), повышающую достоверность прогнозных оценок значений технических параметров;

- алгоритм функционирования АКМ и ее программную реализацию.

4. Апробация СППР и входящей в ее состав АКМ.

Методы исследований основаны на использовании положений теории прогнозирования, теории аппроксимации временных рядов, теории надежности, теории нечетких множеств, теории оптимизации, а также методов

математического моделирования и объектно-ориентированного программирования. Кроме того, использовались программные среды, такие как MATLAB, MATHCAD, STATISTIC А и отдельные надстроечные модули MICROSOFT EXCEL.

Научная новизна результатов работы заключается в следующем:

- при разработке КМПР впервые формализованы комплексные критерии принятия решений и импликации нечетких множеств, основанные на правилах нечеткой логики;

- предложены векторные критерии селекции оптимальных моделей начальных условий и адаптивных предикторов, научная новизна которых состоит в комплексном учете различных показателей точности прогноза и качества аппроксимации эмпирических данных;

- в рамках проработки аппарата адаптивного краткосрочного прогнозирования ТС ЭО впервые предложена методика расчета оптимальных начальных условий на основе множества нелинейных математических моделей, позволяющих повысить достоверность прогнозных оценок;

- разработана АКМ, новизна которой основывается на использовании множества отобранных в результате критериального анализа адаптивных предикторов;

- впервые реализован алгоритм функционирования адаптивной комплексной модели краткосрочного прогнозирования, который был положен в основу разработки программного обеспечения.

Практическая значимость работы состоит в том, что применение разработанного программного продукта для анализа и адаптивного