Содержание к диссертации
Введение
Глава 1 Современное состояние исследований в области эксплуатации и ремонта электротехнического оборудования 13
1.1 Общие аспекты проблемы управления процессом вывода в ремонт 13
1.2 Формализация базовых структурно-функциональных элементов интеллектуальной поддержки принятия решений по выводу в ремонт 18
1.3 Анализ существующих исследований в области поддержки принятия решений по выводу в ремонт 25
1.4 Методы и модели принятия решений в задачах управления процессом вывода в ремонт 28
1.4.1 Общие подходы к моделированию процесса принятия решений 28
1.4.2 Методы и модели, основанные на теории нечетких множеств и нечеткой логике 32
1.5 Выводы по первой главе 39
Глава 2. Разработка структурной модели процесса интеллектуальной поддержки принятия управленческих решений по выводу в ремонт электротехнического оборудования 41
2.1 Аспекты принятия решений в процессе формирования оценок фактического технического состояния 41
2.2 Математическая модель принятия решений по планированию объемов профилактических мероприятий 48
2.3 Концептуальное представление процесса интеллектуальной поддержки принятия решений по выводу в ремонт 50
2.4 Методика расчета приоритета и определения очередности вывода в ремонт 53
2.5 Алгоритм планирования объемов ремонтных мероприятий 67
2.6 Выводы по второй главе 69
Глава 3 Разработка методики интеллектуальной поддержки принятия решений при управлении процессом вывода в ремонт электротехнического оборудования 70
3.1 Интеллектуальная поддержка принятия решений при комплексной оценке фактического технического состояния 70
3.1.1 Структурная модель комплексной оценки технического состояния 71
3.1.2 Определение уровней технического состояния и категорий решений в области проведения ремонтно-эксплуатационных мероприятий 82
3.1.3 Алгоритм параметрической оптимизации нечеткой модели оценки технического состояния 87
3.1.4 Алгоритм поддержки принятия решений для комплексной оценки фактического технического состояния 91
3.2 Методика интеллектуальной поддержки принятия решений при управлении процессом вывода в ремонт 94
3.3 Выводы по третьей главе 96
Глава 4 Исследование процессов эксплуатации и обслуживания баковых масляных выключателей с использованием методики интеллектуальной поддержки принятия решений 97
4.1 Обоснование выбора объекта апробации 97
4.2 Формализация процесса интеллектуальной поддержки принятия управленческих решений по выводу в ремонт 100
4.2.1 Выбор ключевых технических параметров 100
4.2.2 Нечеткая модель комплексной оценки фактического технического состояния 107
4.2.3 Интегральная оценка технического состояния 113
4.3 Алгоритм принятия решений при управлении процессом вывода в ремонт 119
4.4 Апробация методики интеллектуальной поддержки принятия решений при управлении процессом вывода в ремонт 122
4.5 Выводы по четвертой главе 126
Заключение 127
Библиографический список 129
Приложения 143
- Общие аспекты проблемы управления процессом вывода в ремонт
- Методика расчета приоритета и определения очередности вывода в ремонт
- Алгоритм параметрической оптимизации нечеткой модели оценки технического состояния
- Апробация методики интеллектуальной поддержки принятия решений при управлении процессом вывода в ремонт
Введение к работе
Актуальность темы. Эффективное и надежное функционирование систем электроснабжения промышленных предприятий в значительной степени обеспечивается безаварийной работой входящего в их состав электротехнического оборудования (ЭО). Отечественный и мировой опыт показывает, что убытки от отказов ЭО весьма значительны, поскольку обусловлены не только затратами на его восстановление, но и длительными простоями оборудования, а также ущербом от перебоев в поставках энергоносителя.
Предотвратить нештатные ситуации, связанные с выходом оборудования из строя, и снизить затраты на его эксплуатацию в целом возможно путем своевременного проведения ремонтных мероприятий. Однако при значительной доле физически изношенного и выработавшего свой ресурс оборудования это не может быть обеспечено превалирующей на объектах энергетики системой планово-предупредительного ремонта. Поэтому в современных условиях необходимость вывода ЭО из эксплуатации должна определяться на основе объективных оценок его фактического технического состояния (ТС) по результатам диагностического контроля (мониторинга) в сочетании с субъективными экспертными оценками ответственного за эксплуатацию ЭО персонала. Неверно распознанное состояние ЭО (в особенности критическое), а также неверно определенный приоритет его вывода в ремонт могут послужить причинами нерационального планирования объемов профилактических работ и последующего аварийного отключения оборудования со всеми вытекающими последствиями.
Ситуация ощутимо усложняется, если учитывать специфику функционирования ЭО: большое количество и территориальная распределенность разнородных объектов генерации и потребления электроэнергии; высокая степень сложности ЭО, многопараметричность; проблематичность установления однозначных связей между фактами наличия дефектов и предпосылками к ним.
К вышеизложенному следует отнести и объективно существующую неопределенность (неполноту, недостоверность) разнородной информации, которой приходится руководствоваться при управлении процессом вывода в ремонт оперативно-ремонтному и инженерно-техническому персоналу. Одним из путей преодоления проблемы может являться разработка механизмов интеллектуальной поддержки принятия решений (ИППР) этим персоналом на основе моделей и алгоритмов, использующих в своей структуре аппарат нечеткой логики и нечеткие базы знаний, направленных на увеличение достоверности оценок потребности ЭО в ремонте и принятие своевременных мер по исключению аварийных ситуаций.
К настоящему моменту накоплена обширная база теоретических и практических исследований проблемы повышения эффективности эксплуатации и ремонта оборудования энергетических объектов и систем. Проблема решается как отдельными авторами (Е.Ю. Барзилович, Г.Г. Маньшин, А.И. Таджибаев и др.), так и различными научно-производственными и исследовательскими коллективами (ВНИИЭ, ВЭИ им. ВИ. Ленина, МГТУ им. Н.Э. Баумана, НИУ МЭИ и др.).
Тем не менее предлагаемые в работах большинства авторов решения, как правило, ориентированы на частные задачи, связанные с оценкой ТС отдельных видов ЭО, планированием сроков проведения ремонтных работ и т.д., которые не интегрируются друг с другом на информационном и алгоритмическом уровнях.
Таким образом, явно не определены элементы и задачи, которые могли бы быть положены в основу ИППР, и практически отсутствуют существенные результаты в области разработки структурных моделей, позволяющих системно увязать механизмы выработки решений на различных этапах процесса вывода ЭО в ремонт, включая определение потребности в его проведении и объемов ремонтных работ.
В исследованиях, носящих системный характер (А.Н. Назарычев и др.), преимущественно используются методы и модели, которые требуют получения и обработки значительных объемов статистической информации, не обеспечивая достаточной простоты в реализации и интерпретации результата. Поэтому они не позволяют решать сложноформализуемые задачи ремонтного обслуживания ЭО в условиях неопределенности, которая связана не только с возможной неполнотой данных об исследуемом объекте, но и с их недостоверностью, неоднозначностью (субъективностью) и т.д. Это обусловливает возможность и целесообразность применения нечетко-множественного подхода к описанию и решению задач, соответствующих указанной предметной области.
Известны работы по интеллектуализации процессов принятия решений на основе нечетких моделей (А.Н. Борисов, Ю.И. Нечаев, А.П. Ротштейн, С.Д. Штовба, Н.Г. Ярушкина и др.). Однако приходится констатировать отсутствие комплексных разработок, в которых формализованы способы построения таких моделей и баз знаний, адаптированных к различным типам ЭО и особенностям их эксплуатации и ремонта. Поэтому, учитывая многопараметричность и разнородность электротехнических устройств, существует необходимость создания методического и алгоритмического обеспечения ИППР в части формирования достоверных оценок их фактического состояния и потребности в профилактических мероприятиях.
Таким образом, для предприятий энергетических отраслей требует решения актуальная научная задача разработки механизмов ИППР, обеспечивающих, в условиях современных реалий, оперативную комплексную оценку фактического ТС ЭО и своевременное определение на ее основе потребности в ремонте оборудования, а также объемов и очередности проведения ремонтных работ.
Объектом исследования являются процессы эксплуатации и ремонта электротехнического оборудования.
Цель диссертационной работы заключается в повышении эффективности управления процессом вывода в ремонт электротехнического оборудования за счет интеллектуальной поддержки принятия решений, направленной на снижение продолжительности простоев оборудования и объемов ремонтных работ.
Для достижения поставленной цели сформулированы следующие задачи:
-
Определение базовых элементов и задач ИППР и анализ математических методов и моделей для их реализации.
-
Разработка структурной модели процесса интеллектуальной поддержки принятия управленческих решений по выводу ЭО в ремонт в условиях неопределенности информации, позволяющей устанавливать очередность проведения и планировать объемы профилактических мероприятий.
-
Разработка методики ИППР при управлении процессом вывода ЭО в ремонт на основе достоверной комплексной оценки фактического ТС.
-
Исследование процессов эксплуатации баковых масляных выключателей с использованием методики ИППР.
Теоретическую и методологическую основу исследования составляют
положения теории принятия решений, теории надежности, теории нечетких множеств, теории оптимизации, метод экспертных оценок, методы математического моделирования и объектно-ориентированного программирования.
Научная новизна результатов диссертации заключается в следующем:
1. Разработана структурная модель процесса ИППР по выводу ЭО в ремонт,
новизна которой состоит в том, что:
для определения порядка вывода оборудования в ремонт впервые формализована иерархическая структура критериев оптимальности и сформированы функции принадлежности нечетких множеств, соответствующих лингвистическим оценкам их (критериев) возможных значений;
предложен новый способ расчета коэффициентов относительной важности критериев оптимальности, основанный на комплексной оценке эффективности методов вычисления приоритетов и последующем выборе оптимального.
-
Разработан алгоритм поддержки принятия решений для комплексной оценки фактического технического состояния ЭО, новизна которого заключается в том, что параметры моделей иерархического нечеткого логического вывода с дискретным и непрерывным выходом определяются на основе процедур нечеткой кластеризации, обучения и переобучения, позволяющих повысить достоверность фактических оценок состояния оборудования, по данным, накапливаемым в процессе его эксплуатации.
-
Разработан алгоритм принятия решений при управлении процессом вывода ЭО в ремонт, положенный в основу программного обеспечения, новизна которого состоит в использовании моделей нечеткого логического вывода с возможностью формализации и адаптации функций принадлежности и базы знаний, оценивающих значения параметров ЭО и его техническое состояние, с учетом специфики и опыта эксплуатации различных видов оборудования.
Практическая значимость исследования заключается в повышении эффективности эксплуатации ЭО в части принятия своевременных решений о проведении профилактических мероприятий за счет увеличения достоверности оценок фактического ТС оборудования с сокращением в среднем до 20 % времени простоя и объемов ремонтных работ для баковых масляных выключателей.
Положенный в основу методики ИППР механизм выработки управленческих решений, реализованный в программе «ITSES», является универсальным и может быть формализован с учетом особенностей эксплуатации различных видов и типов ЭО, что позволяет сформировать базис для построения на предприятиях энергетики стратегии его обслуживания по фактическому техническому состоянию.
Внедрение результатов работы. Результаты диссертационного исследования внедрены в производственную деятельность Пермского регионального управления ООО «ЛУКОЙЛ-ЭНЕРГОСЕТИ» (г. Пермь) в целях интеллектуализации деятельности ответственного за эксплуатацию ЭО персонала при профилактическом обслуживании оборудования по фактическому состоянию.
Полученные научные и практические результаты работы применяются в учебном процессе кафедры «Микропроцессорные средства автоматизации» Пермского национального исследовательского политехнического университета в практических курсах дисциплин «Автоматизация управления жизненным циклом про-
дукции», «Оптимизация и моделирование энергетических систем».
Работа выполнена при поддержке гранта Президента РФ № МК-2773.2011.8 «Управление техническим состоянием электроэнергетических объектов с целью повышения параметров их энергоэффективности». Положения диссертации использованы при реализации комплексного проекта по созданию высокотехнологичного производства в соответствии с Постановлением Правительства РФ № 218 в рамках договора 13.G25.31.0009 между ОАО «Протон-ПМ» и Минобрнауки РФ.
На защиту выносятся:
структурная модель процесса интеллектуальной поддержки принятия управленческих решений по обеспечению своевременного вывода ЭО в ремонт в условиях неопределенности информации, позволяющая устанавливать очередность проведения профилактических мероприятий и планировать их объемы;
алгоритм поддержки принятия решений для комплексной оценки фактического технического состояния ЭО, позволяющий формировать достоверные заключения о его потребности в ремонтно-профилактических воздействиях, и алгоритм принятия решений при управлении процессом вывода ЭО в ремонт;
результаты исследования процессов эксплуатации и обслуживания баковых масляных выключателей с использованием методики ИППР.
Достоверность результатов основывается на практическом применении теоретических исследований и подтверждается хорошим совпадением результатов моделирования с экспериментальными данными.
Апробация результатов диссертации
Результаты диссертационного исследования докладывались и обсуждались на краевой научно-технической конференции «Автоматизированные системы управления и информационные технологии» (г. Пермь, 2008), V региональной конференции «Молодежная наука Верхнекамья» (г. Березники, 2008), III, V и VI Всероссийских научно-технических конференциях «Энергетика. Инновационные направления в энергетике. CALS-технологии в энергетике» (г. Пермь, 2009, 2011, 2012), IX Международной конференции «Эффективные методы автоматизации подготовки и планирования производства» (г. Москва, 2012), I Международной (IV Всероссийской) научно-технической конференции «Электропривод, электротехнологии и электрооборудование предприятий» (г. Уфа, 2013).
Основные положения диссертационной работы прошли обсуждение на научно-техническом семинаре кафедры «Компьютерные системы автоматизации производства» (РК-9) МГТУ им. Н.Э. Баумана (г. Москва).
Публикации. Основное содержание диссертации опубликовано в 11 печатных работах, в том числе в 5 статьях в журналах, включенных в перечень изданий, рекомендованных ВАК РФ.
Структура и объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, включающего 132 наименования, и 12 приложений. Основная часть работы изложена на 143 страницах машинописного текста, содержит 39 рисунков, 19 таблиц.
Общие аспекты проблемы управления процессом вывода в ремонт
Анализ опыта эксплуатации оборудования энергетических объектов [31, 32, 69, 81, 104] показывает, что с течением времени ввиду непрерывного воздействия внешних факторов, старения и постепенного ухудшения ТС оборудования возрастает число его отказов. Как итог — существенный рост затрат ресурсов (материальных, временных, финансовых) и убытков, связанных с перерывом в электроснабжении и недоотпуском электроэнергии потребителям, а также простоем производственного и технологического оборудования.
Практические и теоретические исследования [6, 7, 31, 60, 67, 69-71, 80, 88] свидетельствуют о том, что решение задач поддержания ЭО в работоспособном состоянии и снижения затрат на его эксплуатацию тесно связано с построением эффективной системы ремонтов и ее реализацией в течение всего эксплуатационного срока оборудования [27, 90].
В общем случае объем, содержание и периодичность ремонтных работ зависят от ряда факторов, различного характера [69-71, 100]: уровня методической и технической оснащенности, нормативно-технических требований и условий эксплуатации ЭО, уровня его надежности и ТС, его конструкционных особенностей, а также важности и ответственности выполняемых им функций. При этом продуктивность ремонтов ЭО определяется не только итоговым качеством работ, но и их своевременностью [69, 70], что требует достоверного определения потребности в проведении ремонтно-эксплуатационных мероприятий и координации решений на уровнях оперативно-ремонтного и инженерно-технического персонала [91]. Для того чтобы оперативно принимать меры по исключению нештатных ситуаций, связанных с выходом оборудования из строя, такие решения должны опираться на объективную информацию о состоянии ЭО и среде его функционирования, а также на эффективные методы и процедуры ее обработки и анализа.
Значимость проблемы интеллектуальной (информационной, методической и т.д.) поддержки процесса вывода в ремонт подчеркивается сопряжением весомого, как показывает практика, количества аварий и инцидентов на энергетических объектах [10, 31, 81, 104] с нечеткими и ошибочными действиями электротехнического персонала. При этом даже в условиях насыщенности современных энергетических объектов средствами автоматики во многих случаях итоговая оценка ситуаций (в том числе и критических) и принятие оперативных решений так или иначе попадают в зону ответственности этого персонала и опираются на его личный опыт и логику [10, 104].
Исходя из этого, субъективное, экспертное видение ситуации является неотъемлемым элементом при определении как фактической потребности в ремонтах ЭО, так и объемов соответствующих ремонтных мероприятий. Сложность последнего существенна, в частности, ввиду многообразия существующих вариантов ремонтных воздействий [27, 67, 69], их организационно-технических и других особенностей (см. приложение А). При неоспоримо значимой роли ЭО в непрерывном процессе производства, передачи и потребления электрической энергии важно оперативно принимать решения по поддержанию его в рабочем состоянии на основе любой доступной для этого информации, даже в условиях ее неопределенности. Неопределенность при оценке потребности и выводе в ремонт характеризуется степенью соответствия [37] реалиям эксплуатации и во многом обусловлена спецификой функционировании и обслуживания ЭО [31, 45, 65, 69, 77]:
- недостатком (неполнотой) априорной информации об исследуемом объекте и его ТС, ввиду несовершенства реализаций способов ее сбора, обработки и хранения;
- высокой степенью сложности ЭО, значительным количеством разнородных влияющих факторов и контролируемых технических параметров;
- недостоверностью и неоднозначностью информации (включая качественный характер данных, их представление в форме экспертных мнений и интерпретацию с использованием слов естественного языка) для оценки состояния ЭО и расчета приоритетов его вывода ЭО в ремонт;
- сложностью формализации связей между значениями параметров, фактами дефектов и причинами их возникновения;
- отсутствием единого методического и алгоритмического обеспечения процесса эксплуатации и обслуживания, и как следствие значимой долей субъективизма при выработке решений.
Варианты снижения уровня неопределенности связаны с решениями не только тактического (технического), но и стратегического характера, а также их комплексной реализацией. Непосредственно стратегии ремонта ЭО в общем случае можно подразделить [6-8, 60, 69, 80, 99] на две группы, из которых:
1) «жесткие» (по ресурсу, по наработке и комбинированные) не предусматривают прямую зависимость ремонтных работ от ТС ЭО. Ремонты выполняются через определенные календарные отрезки времени или наработку;
2) «гибкие» (по уровню надежности и по состоянию) ориентируются на фактическое состояние ЭО при определении периодичности и объемов ремонтных мероприятий. Наиболее распространенные практические реализации этих стратегий существенно отличаются механизмами ПР о потребности в формировании воздействий на объект ремонтной деятельности и могут быть представлены следующими тремя направлениями.
І.При ремонте по факту отказа (РО) [67, 69, 80] основанием для проведения работ в процессе эксплуатации служит факт потери оборудованием работоспособности, что характеризует низкую эффективность этого направления применительно к объектам энергетики (табл. 1.1).
2. Система планово-предупредительного ремонта соответствует основным требованиям существующей нормативно-технической документации [27, 90], является превалирующей на объектах энергетики [53, 69, 98, 122] и устанавливает следующие характеристики комплекса организационно-технических мероприятий по обслуживанию и ремонту ЭО:
- вид (капитальный, средний, текущий);
- объемы (трудовые и материальные затраты);
- порядок чередования и периодичность проведения ремонтов и ремонтных операций. Несмотря на ряд достоинств системы ППР, отмечается [6, 14, 50, 53, 69] ее неэкономичность и невозможность обеспечить в современных условиях принятие оптимальных решений в процессе эксплуатации ЭО (табл. 1.2).
3. Ремонт по техническому состоянию (РТС) является современным и перспективным вариантом совершенствования системы ППР, позволяющим добиться существенного снижения затрат на эксплуатацию и ремонтное обслуживание ЭО при одновременном обеспечении высокого уровня показателей их надежности [6, 14, 69, 80, 99].
Принципы РТС предполагают организацию и проведение профилактических мероприятий не через заранее запланированные интервалы времени (как при ППР), а по мере необходимости, опираясь на фактический уровень ТС ЭО, контролируемый средствами технической диагностики [29], обоснованно определять сроки и содержание ремонтных работ.
Стоит подчеркнуть, что в современных условиях именно возможность оперирования достоверной информацией о ТС ЭО в процессе формирования решений ответственным за его эксплуатацию персоналом является наиболее существенным критерием дифференцирования стратегий ремонта (рис. 1.1). Эта возможность определяет [34, 100] объективность оценок потребности в ремонте и своевременность проведения ремонтных мероприятий.
Тем не менее целесообразность реализации конкретной стратегии как способа построения системы ремонтов для различных ПЭО [36, 70] должна определяться исходя из ряда организационно-технических условий [69] (см. приложение Б). К ним, в частности, можно отнести среду и интенсивность эксплуатации ЭО, степень его участия в основных производственных процессах, его конструктивно-технологические и функциональные особенности, величину возможного ущерба в случае внезапного отказа и т.д.
Методика расчета приоритета и определения очередности вывода в ремонт
Если рассматривать СМПРР с позиций «вход-выход», то ее третий уровень является завершающим этапом формирования решений и интегрирует информацию о технических параметрах и характеристиках, определяющих работоспособность оборудования в процессе его эксплуатации (блоки № 4 и 5, рис. 2.1). При этом реализация процесса ИППР должна не только обеспечивать оценку фактического ТС ЭО и его потребности в ремонте, но и способствовать установлению очередности, а также планированию объемов проведения профилактических мероприятий (блоки № 9 и 12, рис. 2.1).
Для того чтобы обеспечить последнее, рассмотрим задачу многокритериального анализа вида [15, 95]: где ф - решение (итоговый приоритет); F - цель многокритериального выбора (оценка значимости альтернатив); К=(К\,К2,...,Кн) — множество КОП альтернатив (критериев оптимальности); W=(wi, w2,...,wM) - множество альтернатив (возможностей вывода в ремонт — единиц ЭО, групп ЭО, отдельных энергетических объектов).
Формализуем итерационно процедуру решения задачи (2.17).
Формирование многокритериальных оценок значимости альтернатив
Беря во внимание важность и ответственность функций ЭО в структуре электроэнергетических систем, при планировании объемов профилактических мероприятий и очередности вывода в ремонт необходимо обеспечить оперативность и объективность решений за счет точных оценок приоритета альтернатив даже в условиях неопределенности информации. К составляющим фактора неопределенности при этом можно отнести [95]:
- нечеткость оценок КОП для ряда альтернатив;
- неопределенность оценок значимости альтернатив по каждому из КОП;
- неопределенность, связанную с неоднозначностью при формировании структуры КОП;
- неопределенность при оценке важности отдельных критериев, в частности, из-за субъективизма в построении системы предпочтений.
Процесс формирования оценок приоритета альтернатив по КОП реализуем на основе принципов НМА [19,40, 93] и представим следующим образом.
Этап 1. Построение структуры КОП.
Элементы множества КОП вывода ЭО в ремонт имеют разностороннюю специфику технического и экономического характера. Процедура их выбора базируется на ряде требований: данные критерии должны, во-первых, в значительной мере отражать особенности всего перечня ЭО, во-вторых, быть достаточными для объективной оценки потребности (срочной) в ремонте и очередности проведения необходимых мероприятий.
Ввиду больших объемов информации о характеристиках альтернатив, а также необходимости учета максимально возможного количества факторов при оценке их значимости в процессе планирования, для формировании структуры КОП используются принципы декомпозиции и агрегирования [72, 95]. Декомпозиция осуществляется путем построения иерархии критериев, а агрегирование - путем вычисления оценок, полученных на различных ее уровнях с учетом важности отдельных критериев. Такой подход упрощает процесс анализа за счет перехода от сложных критериев к более простым.
Каждый из КОП будем рассматривать как ЛП К„ (табл. 2.2) с нечеткими термами К„={С„и С„2, ...,C„Q}, я=1:іУна множестве значений [Х ,Х„] с ФП:
Предлагается использовать трапециевидные и треугольные ФП для оценочных термов ЛП, параметры которых формируются индивидуально для каждого из КОП.
Названия термов ЛП Кп можно интерпретировать как оценки спектров значений соответствующего критерия (табл. 2.2).
Этап 2. Оценка значимости альтернатив по каждому из критериев.
Введем [72] дополнительную ЛП «Эффективность альтернативы по критерию» с терм-множеством E={Eh Е2, ..., EQ), мощность которого совпадает с мощностью множества К„, что позволит обеспечить инвариантность переменной каждому из КОП. Структура нечетких термов определяется треугольными ФП: где Y- базовое множество переменной Е, q — номер терма.
Оценка у J альтернатив по п-щ КОП осуществляется с использованием НЛВ Мамдани и базы продукционных правил вида: ЕСЛИ К„ есть Сщ ТО у есть Eq (n=l:N; q,q l:Q), (2.20) где q—q при прямой связи переменных (чем меньше величина, тем лучше), q—Q-q+l — при обратной (чем больше величина, тем лучше).
При четком представлении исходной информации выполняется фаззификация (приведение к нечеткости) входных переменных Х„\ характеризующих оценку альтернативы w, по и-му критерию для всех n=\:N (N— число критериев, не имеющих дальнейшей декомпозиции).
Точечные оценки эффективности формируются в процессе обработки информации по правилам (2.20) при помощи операторов импликации (взятие минимума), агрегирования (взятие максимума), в соответствии с алгоритмом НЛВ по формулам (1.12)...(1.15): где Ця, (У) - степень принадлежности нечеткому множеству, которым оценивается значимостьу-й альтернативы по и-му КОП.
Результат второго этапа можно представить совокупностью оценок для каждогоу -го альтернативного варианта:
Этап 3. Анализ структуры и преобразование иерархии КОП путем сворачивания субиерархий критериев (полученных в результате декомпозиции комплексных критериев на частные) до момента приведения иерархии к трехуровневому (рис. 2.2) виду (цель, критерии, альтернативы) [19, 40, 72].
Последовательно рассчитываются величины оценок альтернатив по частным, а затем и по обобщенным (комплексным) критериям: где yPtg}- оценка у -й альтернативы по g-му частному критерию/7-й субиерархии; 57 J - оценка j-й альтернативы по обобщающему критерию р-й субиерархии; пр — количество частных критериев в р-й субиерархии; aPig — КОВ g-ro частного критерия, входящего в состав р-й субиерархии;/- оператор агрегирования.
Алгоритм параметрической оптимизации нечеткой модели оценки технического состояния
Достоверность заключений, формируемых на этапе комплексной оценки фактического ТС ЭО, обеспечивается соответствующей структурой и параметрами модели НЛВ.
Для повышения достоверности оценок потребности в ремонте и сохранения гибкости нечеткой модели предусматривается уточнение ее параметров на основе экспериментальных данных посредством алгоритмов обучения и переобучения. Это позволит адаптировать модель к изменяющимся условиям эксплуатации ЭО (по мере поступления информации), а также скорректировать ее в том случае, когда ее первоначальная структура была сформирована произвольным образом (либо на базе мнений экспертов с обработкой их оценок).
В качестве элементов настройки используются параметры ФП нечетких термов (3.8) и веса логических правил в структуре НБЗ типа (3.11). Их значения подбираются таким образом, чтобы обеспечить минимальное расхождение между экспериментальными данными и результатами моделирования для комплексной оценки ТС ЭО в виде: строк в НБЗ; е иу , u=\:bt - количество правил, оценивающих переменную yt (промежуточную) по и-му терму; hfs , I=\:L- количество правил, оценивающих выходную переменную у по 1-му терму; A={a,,a2,...,a?} и В={Р15р2,...,р } множество параметров настройки ФП (3.8); q - общее количество термов в (3.1); F— оператор, обозначающий реализацию НЛВ.
Алгоритм параметрической оптимизации модели (3.17) включает последовательность следующих этапов (рис. 3.12).
1.3адается (блок № 1) эталонная модель в виде строк соответствия между значениями параметров ЭО, полученных в различные моменты наблюдений, и уровнем его ТС. Обучающая (размерностью К) и тестовая выборки могут быть выделены из общей совокупности данных в соотношении 70 % на 30 %.
В случае выработки результата в виде нечетких оценок выходной переменной, определяемых дискретной шкалой уровней состояния ЭО (сценарий 1, рис. 3.2) элементы выборки, соответствующие значениям этой переменной, фаззифицируются для улучшения процедуры обучения [93, 115]:
2. Для каждого примера обучающей выборки (блоки № 2и 3) по значениям входных переменных Х{к) ={x{k),jcl2k),...,x }} определяются значения выходной переменной у(к) =F(X(i),Q,A,B) или у(ку = F(X{k),Q,A,B) (при формировании количественного результата), то есть осуществляется оценка ТС ЭО (блок № 3) на основе формализованной модели НЛВ (п. 3.1).
3. Результаты, полученные с помощью нечеткой модели, сравниваются с эталонными данными для всех примеров выборки (как обучающей, так и тестовой) путем вычисления функции ошибки (блоки № 4 и 5).
В качестве критериев оценки могут быть использованы [18, 24, 113]: суммарная ошибка распознавания (количество неверно распознанных классов состояния), СКО (а), средняя и максимальная относительная ошибки, «коэффициент несовпадения» Тейла.
4. Производится корректировка (блок № 6) параметров ФП и весов нечетких продукционных правил путем последовательной оптимизации целевой функции в области допустимых значений исследуемых параметров.
В качестве целевой функции для оценок, сформированных при помощи (3.16) (сценарий 2, рис. 3.2), выступает функция (1.7), а для оценок в форме нечетких чисел (3.15) - ее модификация, минимизирующая СКО с приоритетом для ошибочных результатов распознавания ТС ЭО [115]: (классификации); Кег — добавочный коэффициент, необходимый для увеличения приоритета настройки ошибочно классифицированных состояний; ц,(У4)) величина принадлежности значения выходной переменной у в k-й строке обучающей выборки к уровню состояния si по принципу (3.13);
Решение задачи параметрической оптимизации модели оценки ТС ЭО осуществляется с применением алгоритмов, основанных как на классических оптимизационных методах (в частности, градиентных), так и на методах искусственного интеллекта, в частности нейросетевых моделях и ГА.
Критерием останова оптимизационного алгоритма является совершение им заданного числа итераций (блок № 8).
На выходе процедуры обучения формируется нечеткая модель (блок № 7), которая может быть использована в структуре методики ИППР для достоверной комплексной оценки фактического ТС ЭО и его потребности в ремонте.
Апробация методики интеллектуальной поддержки принятия решений при управлении процессом вывода в ремонт
В соответствии с разработанным алгоритмом (рис. 4.9), в ходе апробации формализованных механизмов ИППР, проведен мониторинг ТС (блок № 1, рис. 5) трех выключателей С-35М, расположенных на объектах эксплуатации ПРУ ООО «ЛУКОЙЛ-ЭНЕРГОСЕТИ».
По результатам мониторинга осуществлена комплексная оценка фактического ТС выключателей (табл. 4.10, 4.11) по разработанным моделям НЛВ, которые были реализованы программно на языке объектно-ориентированного программирования пакета MATLAB.
В функциональные возможности полученного программного обеспечения «ITSES» (Integral Technical State Estimation of high-voltage Switches) входят:
- комплексная оценка состояния на основе моделей иерархического НЛВ (использованы параметры табл. 4.2 и структура рис. 4.5) и интегральная оценка степени риска потери его работоспособности;
- визуализация параметров нечетких моделей (логических правил и ФП);
- формирование общих заключений о фактическом ТС (по табл. 4.4);
- вывод рекомендаций относительно проведения дополнительных мероприятий по анализу состояния выключателя (по табл. 4.5).
Рабочая область программы разделена на сектора в соответствии с реализуемыми функциями (приложение К).
Для принятия решений относительно исследуемых выключателей дополнительно осуществлены практические расчеты приоритета вариантов их вывода в ремонт или расширенную диагностику.
В соответствии с принципами этапа 1 методики расчета приоритета (рис. 2.7), а также при помощи модели, реализованной в библиотеке Simulink пакета MA TLAB, (рис. Е. 1), получены оценочные величины значимости альтернатив по критериям {Кп}, «=1:10 (рис. 4.10).
Таким образом, выявлен выключатель с наибольшей потребностью в проведении профилактических мероприятий (по фактическим оценкам ему соответствует критический уровень ТС). При помощи программы «JTSES» получены рекомендации о необходимости внеочередного измерения сопротивления токоведущей цепи каждого полюса данного выключателя.
При формировании итогового решения результаты комплексной оценки фактического ТС выключателей были наложены на действующий график ППР подстанционного оборудования (рис. 4.13). При этом для первого выключателя в соответствии с оценками его фактического ТС принято решение о переносе сроков ближайшего планового ремонта и проведении повторного мониторинга состояния через 1 год (рис. 4.13, а).
Третий выключатель также был оставлен в эксплуатации с последующим мониторингом состояния по общей программе (по экспертным оценкам сроки проведения следующих измерительных мероприятий составили 1,5 года).
Второй выключатель (с наивысшим приоритетом) был выведен из эксплуатации на дополнительную диагностику (рис. 4.13, б).
В дальнейшем, в ходе детального обследования данного выключателя, был обнаружен и устранен критический дефект, связанный с нарушением контактного соединения дугогасительной камеры, который не позволил бы вьпслючателю надежно произвести следующую коммутацию номинального тока отключения.
Таким образом, использование результатов комплексной оценки фактического ТС при анализе необходимости проведения ремонтных работ позволило предупредить возможный отказ коммутационного аппарата, исключить излишние объемы ремонтных работ и уменьшить тем самым время простоя оборудования. При этом регулярное применение полученных результатов формализации методики ИППР в процессе эксплуатации MB позволяет сократить время простоя выключателей и объемы ремонтных работ в среднем до 20 % за счет повышения достоверности комплексных оценок фактического ТС (приложение М).
