CC BY
11ИСПОЛЬЗОВАНИЕ ИНФОРМАЦИОННЫХ СИСТЕМ ПОДДЕРЖКИ В ФУНКЦИОНИРОВАНИИ ИЗНОШЕННОГО ЭЛЕКТРООБОРУДОВАНИЯ
Сазыкин Василий Георгиевич
доктор технических наук, профессор кафедры применения электрической энергии Кубанский государственный аграрный университет Кудряков Александр Георгиевич кандидат технических наук, доцент кафедры применения электрической энергии Кубанский государственный аграрный университет
THE USE OF INFORMATION S UPPORT SYSTEMS IN THE FUNCTIONING OF WORN-O UT ELECTRICAL EQ UIPMENT
Sazykin V.G., doctor of technical sciences, professor, Kuban State Agrarian University
Kudryakov A.G., candidate of technical sciences, associate professor, Kuban State Agrarian University
АННОТАЦИЯ
Анализируются проблемы в энергетике при наличии изношенного электрооборудования. Рассматриваются информационные системы под-держки приятия решений в подобных ситуациях. Предлагаются эксперт-ные системы реального времени. Используются нечеткие множества в моделях управления.
ABSTRACT
The problems in the energy sector in the presence of worn-out electrical equipments are analyzed. Consider the information systems of support of ac-ceptance of decisions in such situations. Offer real-time expert systems. Fuzzy sets are used in the control models.
Ключевые слова: изношенное электрооборудование, системы поддержки принятия решений, экспертные системы реального времени, нечеткие множества.
Keywords: worn-out electrical equipment, decision support systems, expert real-time systems, fuzzy sets.
Одной из острых проблем для электроэнергетики на ближайшие десятилетия становится функционирование электрохозяйств предприятий при высокой степени износа основного электрооборудования (ЭО). Продолжение использования изношенного электрооборудования (ИЭО) [1] связано с необходимостью создания условий для минимизации его влияния на безаварийное функционирование производства.
Для ИЭО характерны специфические виды повреждений, по-вышенная скорость развития возникающих технических нарушений, высокая чувствительность к факторам износа. В ИЭО растет доля необратимых изменений, повышается риск продолжения безаварийной работы, увеличивается тяжесть последствий повреждений. При эксплуатации требуется учет большого количества новых взаимосвязанных показателей, проявляются более глубокие системные связи режимов ЭО и производственного технологического процесса [2].
Большинство проблем поддержки функционирования ИЭО имеет ин-формационный характер. Наличие неполных данных и знаний (НЕ-факторов [3]) в исходной информации, ограниченность традиционного математического аппарата создают трудности для описания неопределенных и качественных неформальных ситуаций. Ограниченность «человеческого фактора» проявляется в экстраординарных критических условиях, когда нужно быстро получить интеллектуальное решение. Сложность синтеза оптимальных решений при нечеткой информации связана с необходимостью оперирования большим объемом данных и знаний. Необходимо привлечение экспертов для решения неформальных задач, но, как правило, они отсутствуют в необходимом месте и в нужное время.
Прогрессирует утрата уникального опыта высо-коквали-фицированных специалистов.
В подобных ситуациях использование математического аппарата тео-рии нечетких множеств (ТНМ) [4, 5] для построения моделей ИЭО позволяет: заполнить нишу в сфере преодоления неопределенности информации в условиях невозможности корректного применения обычных математических и статистически-вероятностных методов, связать нечеткие понятия, которыми оперирует лицо, принимающее решение (ЛПР), с их числовым представлением, создавать модели принятия решений на базе нечеткой логики и нечеткой оптимизации. В реальных задачах с неопределенностью возможно получить больше информации, чем с помощью других методов, или получить те же результаты, но с меньшими затратами.
Важным направлением в решении проблем поддержки функциониро-вания ИЭО является применение информационной технологии, использую-щей эвристический подход, в решении сложных задач с нечеткой и неопре-де-ленной входной информацией. Формализация нечетких данных и каче-ственных знаний, связанная с использованием методов нечеткой логики, позволяет переходить от символьной формы представления знаний к числовым аналогам, пригодным для интерпретации в информационных системах поддержки принятия решений (СППР) и экспертных системах (ЭС) [6, 7].
Для развития СППР по пути увеличения темпа принятия управляющих воздействий, перехода от задач планирования к задачам оперативного управления непосредственно по данным датчиков о режиме ИЭО необходимы ЭС реального времени (РВ) [8, 9]. При этом задачи РВ приближаются к задачам автоматического управления, но
ЛПР не исключается из цикла управления - при необходимости он санкционирует выполнение рекомендуемых ЭС решений и контролирует текущую ситуа-цию.
Перечисленным условиям соответствуют динамические участки пред-метной области, требующие решения следующих задач: управления режимами электрохозяйств, подсистем, групп и отдельных ее элементов; on-line мониторинга и оптимизации электрических нагрузок; восстановления режима после аварии; поддержки ЛПР в нештатных экстраординарных ситуациях и другие. Область считаем динамической, если она претерпевает определенные изменения в промежутке времени между началом и концом реализации процесса. Необходимыми аспектами функционирования ЭС в РВ являются: высокая скорость решения задач; получение решения не позже заданного момента времени; низкий порог чувствительности на изменение входной информации; способность системы к перспективному поиску решений; адаптация системы к изменяющейся обстановке, реакция на асинхронные события; возможность прерывания работы или перепланирование; необходимость учета в БЗ и решателях не только каузальных, но и временных связей; учет временной последовательности наступления событий [10-12].
В статических экспертных системах методы решения задач опираются на системный подход, когда структура задачи и технология ее разрешения ориентированы на достижение различных целей в условиях квазипостоянной внешней среды. Для ЭС реального времени требуется подход, использующий методы управления, определяемые быстро меняющейся ситуацией. Самым эффективным методом в конкретном случае является метод, соответствующий оптимальному решению задачи в каждой такой ситуации [13].
Ситуационный принцип управления в электрохозяйствах можно реализовать с помощью ТНМ, учитывая нечеткие отношения для типичных или предположительно вероятностных ситуаций в объекте управления. В случае появления новой ситуации, отличной от типовой, информация о которой имеется в базе знаний (БЗ) ЭС, необходимо оценить степень их сходства, а затем с помощью аппарата нечеткой логики подобрать класс управляющих воздействий. В этом случае получим типовую задачу нахождения решений в нечеткой среде X. Распознавание новой ситуации осуществляется в соответствии с ТНМ, когда на нечетком множестве (НМ) состояний ИЭО X имеются подмножества-классы: А - возможных решений, В - целей и С - ограничений.
VA(x)= mm(B(x) VC(x J Vx е X> (1)
где ^a(x) - функция принадлежности решений от
параметра х; ^в(х) - функция принадлежности НМ
цели; ^C (x) - функция принадлежности ограничений на решение задачи.
В соответствии со свойствами нечетких отношений [14], если R является отношением сходства, то для новой У е X
ситуации можно записать:
цA(x)=ЦR(x, У) (2)
а функцию принадлежности для класса управляющих решений найти по выражению
ЦВ(У)= maxmin{\iА(х) цв(х, y)}.
х^Х (3)
Полученное значение функции принадлежности количественно опре-деляет степень управляющего воздействия в новой ситуации по сравнению с типовой ситуацией из БЗ. Нечетко-множественная идентификация, как видно, не требует сложных вычислений и поэтому может быть использована для решения задач реального времени с помощью экспертных систем.
Однако, несмотря на кажущуюся простоту ситуационного подхода, в решении задач реального времени имеется ряд особенностей, которые следует учитывать при организации такого управления:
• требуются большие материальные и временные затраты на создание предварительных БЗ и баз данных (БД) об объекте управления, его функционировании и способах управления;
- Sj
• язык описания типовых ситуаций J должен включать все основные параметры и связи, необходимые для классификации события в рамках текущей ситуации ,
выработки одношагового решения и управляющего
воздействия
S ^ Sj
+ U1
D
(4)
• язык описания ситуации должен включать как количественные оценки, так и качественные знания;
• классификация ситуации, объединение их в классы при использова-нии одношаговых решении, формирование корреляционных правил происходят в результате субъективной оценки экспертов, вкладывающих в БЗ первоначальную информацию. Следовательно, системы ситуационного управления не могут оптимизировать (в классическом определении) сам процесс управления. Однако при этом достигаются результаты не хуже лучших результатов, которые могут быть получены эмпирически;
• для многих динамических участков предметнои области одношаго-вые решения не определяют стратегии управления, поэтому нужно формировать решения, состоящие из цепочек одношаговых решении.
Этим особенностям в наибольшей степени соответствует ситуацион-ный принцип управления, основанный на ТНМ. Логика процесса управления и анализ выполненных работ [13, 15] показывают, что наиболее приемлемыми моделями в организации управления с помощью ЭС РВ могут быть «ситуация - действие» и «ситуация - стратегия управления - действие», функционирующими в пространствах ситуаций и подзадач.
Управление в пространстве ситуаций по модели «ситуация - действие» состоит в анализе входной нечеткой ситуации, сравнении ее с типовыми ситуациями, находящимися в БЗ экспертной системы реального времени, на
основе мер близости и незамедлительном принятии адекватного одной из выбранных типовых ситуаций управляющего решения (4) в соответствии с общими принципами ситуационного управле-ния [10, 16].
Организация управления в пространстве подзадач по модели «ситуация - стратегия управления - управление» ориентирована на определение стратегии управления с последующим использованием выбранной стратегии для перевода объекта из текущей ситуации в целевую ситуацию. Стратегия управления представляет план в некотором смысле кратчайшей последовательности подцелевых ситуаций и одношаговых управляющих решений для достижения целевой ситуации. В отличие от управления в пространстве ситуаций здесь отсутствуют явные описания правил, по которым осуществляется четкий или нечеткий вывод управляющих решений. При этом информационные СППР призваны реализовать диагностические сценарии; решать сложные задачи распознавания причин дефектов ИЭО, отыскивая нужную информацию в незначительных начальных проявлениях развивающихся дефектов среди неполной, нечеткой, косвенной, вторичной и атрибутной информации, в отношениях с другими системными элементами.
Список литературы:
1. Koudriakov A.G., Sazykin V.G. Causes of worn-out electrical equipment // The Third International Conference on Eurasian Scientific Development. Proceedings of the Conference (December 10, 2014). «East West» Association for Advanced Studies and Higher Education GmbH. - Vienna, 2014. - P. 153-156.
2. Сазыкин В.Г., Кудряков В.Г. Проблемы изношенного оборудования в энергетике // Austrian Journal of Technical and Natural Sciences. Scientific Journal, 2014. - № 11-12. - P. 100-103.
3. Нариньяни А. И. Недоопределенность в системе представления и обработки знаний // Известия АН СССР. Техническая кибернетика. - 1986. - № 5. - С. 3-28.
4. Сазыкин В.Г., Кудряков А.Г. Применение нечетких множеств для информационной поддержки функционирования изношенного электрообо-рудования // Wschodnioeuropejskie Czasopismo Naukowe. East European Scientific Journal, 2016. - Vol. 3. - № 1(5). - Р. 46-50.
5. Sazykin V.G. Application of fuzzy numbers to power supply problems // Journal of Computer and Systems Sciences
International, 1996. - Vol. 35. - № 5. - Р. 743-747.
6. Сазыкин В.Г., Кудряков А.Г. Перспективы совершенствования системы технического обслуживания и ремонта изношенного электрооборудования // The Way of Science, № 4 (14), 2015. - С. 18-21.
7. Сазыкин В.Г., Кудряков А.Г. Особенности поддержки решения технических задач с помощью экспертных систем // The Way of Science, 2015. № 8 (18). - С. 21-23.
8. Сазыкин В.Г. Особенности решения задач экспертными системами реального масштаба времени // Приборы и системы. Управление, контроль, диагностика, 1995. - № 10. - С. 11-14.
9. Сазыкин В.Г., Кудряков А.Г., Пронь В.В. Экспертная система для мониторинга и диагностики силовых трансформаторов // Современная наука: актуальные проблемы и пути их решения, 2014. - № 12. - С. 21-24.
10. Сазыкин В.Г., Кудряков А.Г. Методы представления и использования знаний в информационной технологии поддержки функционирования электрооборудования // Международный академический вестник, 2015. - № 1 (7).
- С. 139-142.
11. Сазыкин В.Г., Кудряков А.Г. Этапы развития стратегий и информационных систем управления производственными активами // The Way of Science, 2015. - № 5 (15).
- С. 42-45.
12. Сазыкин В.Г., Кудряков А.Г., Пронь В.В. Информационная модель поддержки обслуживания силовых трансформаторов районных подстанций. В сборнике: Актуальные проблемы энергетики АПК Материалы V Международной научно-практической конференции / Под редакцией В.А. Трушкина. - Саратов, 2014. - С. 291-294.
13. Поспелов Д.А. Ситуационное управление: теория и практика. - М.: Наука, 1986. - 288 с.
14. Аверкин А.Н., Нгуен М.Х. Использование нечетких отношений в моделях представления знаний // Известия АН СССР. Техническая кибернетика, 1989. - № 5. - С. 2033.
15. Берштейн Л.С., Коровин С.Я., Мелихов А.Н. Проектирование ин-струментальных средств экспертных систем с нечеткой логикой // Известия АН СССР. Техническая кибернетика, 1989. - № 2. - С. 152-160.
16. Сазыкин В.Г. Система информационной поддержки оперативного персонала АСУЭнерго // Приборы и системы управления, 1997. - № 4. - С. 13-14.
