CC BY
34
Рисунок 4 - Первый шаг в модели примере «Мастер-подмастерье»
Ориентированная на цели интеграция контекстной визуализации связей между элементами знаний существенно улучшает процесс передачи знаний от носителей (учителей) к получателям (ученикам).
Вместе с тем, научные исследования и разработки в области системного анализа и моделирования образовательного контента корпоративных образовательных структур проводятся в настоящее время недостаточно интенсивно, а по вопросам визуализации информации, при разработке образовательного контента и моделировании процессов его изучения, отсутствуют общепризнанные модели, методы и алгоритмы, что делает актуальным продолжение исследований в этих направлениях.
ЛИТЕРАТУРА
1. Гаммер М.Д., Сызранцев В.Н., Голофаст С.Л. Имитаторы на базе программно-аппаратной платформы в техническом образовании. Новосибирск: Наука, 2011. - 222 с.
2. Бурдыко Т.Г., Бушмелева К.И. Анализ использования информационно-коммуникационных технологий в образовании // Труды международного симпозиума «Надежность и качество», г. Пенза. 2016. №1. С. 220-224.
3. Бурдыко Т.Г., Бушмелева К.И. Методы оценки качества программных продуктов в Вузе // Труды международного симпозиума «Надежность и качество», г. Пенза. 2017. №1. С. 21—23.
4. Жажа Е.Ю. Многокритериальная задача оптимизации последовательности предъявления учебного материала [Электронный ресурс]. 2020. Дата обновления 2020 г. URL: http://eodot.esrae.ru/pdf/2 013/1/5.pdf (дата обращения: 20.04.2020).
5. Башкаков К.А., Казак А.Б. Генераторы изображения для авиатренажеров // Зарубежная радиоэлектроника. - 1984 , №8. - С. 60 - 68.
6. Ковалев А.М., Талныкие Э.А. Машинный синтез визуальной обстановки // Автометрия. - 1984. -№4. - С.7 8-83.
7. Artwick B.A. Applied concepts in microcomputer Graphics // Prentice Hall, Inc. Eglewood Cliffs. - New Jersey, 1984. - 374 p.
8. Баринов К.А., Николаев А.Б., Остроух А.В. Аппаратно-программные средства создания виртуальных // Электронное обучение и дистанционные образовательные технологии. - 2013. - № 1. [Электронный ресурс]. URL: http://eodot.esrae.ru/1-1 (дата обращения: 20.04.2020).
9. Краснянский М.Н. и др. Технология интерактивного 3D-моделирования для разработки виртуальных тренажерных комплексов // Дистанционное и виртуальное обучение. - 2011. - № 10. - С. 4 - 12.
УДК 621.31:621.398
Занин1 А.С., Бушмелева1 К.И., Увайсов? С.У.
гБУ ВО ХМАО - Югры «Сургутский государственный университет», Сургут, Россия 2ФГБОУ ВР «МИРЭА - Российский технологический университет», Москва, Россия
МЕТОД И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ДЛЯ АВТОМАТИЗАЦИИ ПРОЦЕССА ПОИСКА И УСТРАНЕНИЯ ОШИБОК ПАРАМЕТРОВ ТЕЛЕМЕТРИИ ДИСПЕТЧЕРСКОГО ЦЕНТРА ЭЛЕКТРОЭНЕРГЕТИКИ
В работе приведено исследование в области достоверизации данных телеметрии диспетчерских центров электроэнергетики. Описана организационная составляющая процесса достоверизации телеметрической информации персоналом диспетчерских центров «Системного оператора единой энергетической системы» Российской федерации. Приведены этапы создания программного обеспечения для автоматизации процесса достоверизации данных телеметрии. Разработан алгоритм программного обеспечения для автоматизации процесса верификации телеметрии. Приведена целевая таблица результатов работы проектируемого программного обеспечения. Изложен подход к формирования эмпирического критерия достоверности параметров на основе рейтингов, формируемых с использованием нейросетевого подхода. Получено предварительное одобрение общей идеи программного продукта от персонала Регионального диспетчерского управления энергосистемами Ханты-Мансийского автономного округа Ключевые слова:
ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ, ПАРАМЕТРЫ ТЕЛЕМЕТРИИ, ДОСТОВЕРИЗАЦИЯ ДАННЫХ, ПРОЦЕСС АВТОМАТИЗАЦИИ, ЭЛЕКТРОЭНЕРГЕТИКА, ДИСПЕТЧЕРСКИЙ ЦЕНТР
Основным методом работы диспетчерских центров (ДЦ) электроэнергетики всех уровней является постоянный контроль ряда параметров магистральных линий электропередач в узлах преобразования и распределения. Для контроля данных параметров используется внушительное количество технических средств. В наиболее общем виде эти средства представляют собой совокупность устройств сбора
(на объекте мониторинга), предварительного преобразования, передачи (в передающем тракте), приема (в диспетчерском центре соответствующего уровня), обратного или дальнейшего преобразования (в центральной приемо-передающей станции), обработки с целью получения косвенных измерений и контроля зависимых параметров (в оперативном
информационном комплексе), и отображения (на рабочем месте диспетчера с применением средств коллективного и индивидуального отображения).
В стратегии развития акционерного общества «Системный оператор Единой энергетической системы» (АО «СО ЕЭС») среди прочих задач отдельно выделяется задача по постоянному повышению надежности. Повышение надежности мониторинга и управления, позволяет в целом повысить надежность энергоснабжения и застраховать потребителей и производителей от негативных последствий. Для достижения данной цели в АО «СО ЕЭС» постоянно реализовываются проекты по улучшению различных средств диспетчеризации. Все средства диспетчерского управления используют данные телеметрии (ТМ), получаемые с объектов управления [1]. Основным комплексом для получения хранения и обработки получаемой информации в АО «СО ЕЭС» является оперативно-информационный комплекс СК-2007. К сожалению, качество принимаемых данных ввиду сложности, географической разносности и порой старости оборудования сбора и передачи данных, оставляет желать лучшего. Задача по минимизации количества ошибок телеметрии является не сегодняшний день одной из самых актуальных, со стороны систем сбора и передачи информации, для повышения надежности управления электроэнергетической системы [2].
Различные подходы к поиску и устранению указанных ошибок телеметрии начали предлагаться еще более 30 лет назад, однако все предлагаемые и используемые сегодня методы имеют те или иные недостатки. К тому же после выявления недостоверных параметров необходимо произвести цикл операций, связанных с восстановлением требуемого качества получаемых данных телеметрии, а данная операция в имеющихся системах достоверизации абсолютно не автоматизирована.
Целью настоящей работы является исследование возможности автоматизации процесса поиска и устранения ошибок телеметрии, влияющей на принятие оперативных решений по изменению функционального состояния объектов управления, а также параметров используемых для решения режимных задач. При получении положительного результата исследования, будет уменьшено время обработки ошибочных параметров телеметрии, что в свою очередь должно повлиять на качество телеметрии, и опосредовано на качество принимаемы:': в диспетчер-
Кой
ском центре решении по изменению технологического состояния оборудования, находящегося в диспетчерском ведении и управлении.
Для достижения поставленных целей в работе были поставлены следующие задачи:
разработка метода поиска и устранения ошибок параметров телеметрии объединяющего достоинства и исключающего недостатки имеющихся
разработка алгоритма функционирования программного обеспечения для автоматизации процесса поиска и устранения ошибок;
разработка программного обеспечения для автоматизации процесса поиска и устранения ошибок;
апробация и внедрение результатов работы в диспетчерском центре электроэнергетики.
Рассмотрим предпосылки автоматизации процесса выявления недостоверных параметров телеметрии. В настоящее время задачи по восстановлению достоверности параметров телеметрии диспетчерских центров АО «СО ЕЭС» лежат на плечах оперативного персонала отделов и служб оперативной эксплуатации автоматизированных систем управления (далее - ООЭ АСУ) [3]. Обобщенная схема взаимодействия персонала структурных подразделений диспетчерского центра по услуге выявления недосто-верностей приведена на рисунке 1.
Рисунок 1 - Обобщённая схема взаимодействия при обнаружении недостоверных значений телеметрии
Персонал ООЭ АСУ для анализа недостоверно-стей, выявляемых оперативно-информационным комплексом (ОИК) СК-2007 пользуется подсистемой «Система мониторинга качества телеинформации» (СМКТ). Внешний вид главной формы СМКТ приведен на рисунке 2.
П .. .
Рисунок 2 - Внешний вид главной форма системы мониторинга качества телеметрии
В указанной подсистеме осуществляется мониторинг всех регистрируемых событий, имеющих наиболее важное значение для осуществляемого диспетчерским центром технологического процесса. К таким параметрам в соответствии относятся:
принимаемые напрямую из ССПИ энергообъектов, из ЦУС или из ДЦ зарубежных энергосистем;
«сырая» ТМ, принимаемая из смежных ДЦ; параметры, входящие в Перечень ПДТИ ДЦ. На рисунке 3 приведена диаграмма количества параметров ТМ контролируемых в СМКТ Регионального диспетчерского управления энергосистемами Тюменской области, ХМАО и ЯНАО.
Количество параметров ТМ контролируемых в СМКТ
20000 10000 0
10312
12716
ТИ
ТС
Рисунок 3 - Количество параметров ТМ контролируемых в СМКТ
На сегодняшний день среднее количество карточек СМКТ регистрируемых за один день составляет 114.
Необходимо заметить, что не все карточки требуют одинаковой отработки дежурным персоналом ООЭ АСУ, так, например, при плановом выводе в ремонт или работах по диспетчерской заявке (документ, в котором оформляется ответственное намерение эксплуатирующей оборудование организации изменить эксплуатационное состояние или технологический режим работы объекта диспетчеризации. Заявка оформляется и передается на рассмотрение и принятие решения в соответствующий диспетчерский центр), с потерей собственных нужд, возможны ситуации с отключением объектовы:':
серверов телеметрии или измерительного оборудования субъектов. В такой ситуации от дежурного персонала требуется лишь удостовериться в том, что данной оборудование было указано в перечне выводимого в ремонт или из работы на время диспетчерской заявки.
Кроме указанный форм контроля и мониторинга недостоверностей ТМ у персонала ООЭ АСУ существует обязанность по мониторингу «небалансов» активных и реактивных мощностей всех ПС класса напряжения 110-500 кВ, для осуществления данной формы мониторинга в ОИК СК-2007 Тюменского РДУ создана таблица «Контроль балансов в узлах» (рис. 4) [4].
ЭНЕРГООБЪЕКТ 500КВ ПДУ НЕ »1
I Г
МУРАВЛЕНКОВСКАЯ
ЭНЕРГООБЪЕКТ 220кВ | ПДУ |НБ| < М1ГРНАЯ
| ЭНЕРГООБЪЕКТ 11 ОкВ |пДу||нб| Уст. ||
ВОСТОЧНЫЙ ГШ
I ПДУ |НБ| УСТ I
Ю. ГТРIЮБСКАЯ ГТЭС
Условные обозначения: ■ ПДУ превышает ВПП I "1ППИ превышает ВАП
J Уставка -Необновление I IНБ - Сбой дорасчета
Рисунок 4 - Форма «Контроль балансов в узлах»
На ней дежурный специалист ООЭ АСУ контролирует индикацию, свидетельствующую о нарушении уравнений балансов активной или реактивной мощности конкретного узла. Необходимо заметить, что возникновение небалансов в узлах это лишь косвенно указывающий на возможную недостоверность параметров ТМ признак. Для дальнейшего анализа причин возникновения небалансов необходимо анализировать ряд, как технологических факторов, так и факторов, связанных с особенностями функционирования средств диспетчерского и технологического управления.
Как видно из всего описанного выше дежурный специалист ООЭ АСУ, находящийся на смене несет полную ответственность за автоматизированные системы всего диспетчерского центра при этом автоматизация рабочего процесса самого дежурного сведена к использованию автоматизированных систем мониторинга. Указанные системы мониторинга в свою очередь не только не предоставляют функционала для автоматизированного устранения не-достоверностей, но и зачастую не могут с достаточной степенью достоверности указать о необходимости принятия тех или иных действий. В указанных условиях, с учетом высокой автоматизации
технологических процессов и необходимости выполнения работ по оперативному обслуживанию информационно-управляющих систем автоматизирующих технологический процессы легко увидеть необходимость создания программного обеспечения (ПО) по автоматизации такого ответственного участка работы дежурного ООЭ АСУ как достоверизация параметров телеметрии.
К основным требованиям разрабатываемого ПО можно отнести:
предоставление удобного единообразного графического интерфейса;
высокая степень интеграции с имеющимися ИУС; высокая степень автоматизации в части получения и анализа входных данных;
предоставление возможности формализованного администрирования основных процедур;
обеспечение возможности архивирования заданного набора информации;
минимизация ручных действия персонала, требуемых для вынесения заключения об истинности или ложности утверждения о недостоверности полученных данных телеметрии.
Для реализации основных требований к разрабатываемому ПО необходимо выполнение ряда требований к полноте и представлению входных данных. К таким требованиям можно отнести - унификация формы и установления жесткого перечня минимально необходимого состава предоставляемых данных при обращении пользователя по услуге недостоверность данных ТМ [5, 6].
Под унификацией формы обращения понимается совокупность административных и технических мер, обязующих использовать для обращения по услуге «недостоверность» в имеющейся территориально распределенной системе обработки обращений (Service Desk) специально созданной формой с полями обязательными к заполнению и исключение других форм обращения по данной услуге (электронная почта и телефон).
На этапе промышленной эксплуатации структура предлагаемого ПО имеет следующий вид (рис. 5).
На первоначальном этапе в блоке обработки предлагалось использовать взаимное сопоставление таблиц, полученных в результате подготовки и унификации в блоке подготовки данных по алгоритму на представленному на рисунке 6.
Рисунок 5 - Структура ПО на этапе промышленной эксплуатации
Получение исходных данных в —► виде унифицированных таблиц TA, TB, TC
m( x ) = m (x,) + 1000
Запрос K(x i) из ОИК
Создание таблицы TX c
Вывод TX
Запрос действий персонала
Запись в TX результатов
Добавление TX к архиву
Рисунок 6 - Алгоритм сопоставления унифицированные: таблиц
Даже указанного сопоставления было достаточно для получения предварительного заключения об истинности или ложности вывода о достоверности конкретного параметра ТМ и по результатам анализа должно уменьшить время обработки обращений по ложно недостоверным параметрам. В результате
Результирующая таблица достоверизации
обработки предполагалось сформировать результирующую таблицу достоверизации (таблица 1), в которой с использованием весовых коэффициентов, полученных для свойств каждого параметра, будет приводится соответствующая
Таблица 1
№ пп Идентификатор ОИК Наименование Код качества m P(m) Заключение
1 27351 Тобольская ТЭЦ 110 кВ U 00 000 100 1000 0.3 Недостоверен
2 11328 Вынгапур 1СШ 110 кВ Ubc 00 000 001 1 0.9 Достоверен
3 103 Тюмень-Рефтинская ГРЭС ВЛ-500 P отд 00 000 200 1001 0.7 Недостоверен
4 10611 Бачкун 1С 110 кВ F /тэс 00 000 100 0 0.1 Достоверен
5 5702 УГТЭС-72-Уренгой 1ц ВЛ 110 кВ Q 00 000 001 1001 0.7 Недостоверен
Примечание. P(m) - эмпирически подобранная х описанного алгоритма.
В результате анализа существующих методов сопоставления метрик было выявлено отсутствие у большинства из них гибкости в части количества и типа входных данных. Так, например, в случае использования способа простого наращивания весового коэффициента до выполнения какого-либо условия было необходимо заранее учитывать все возможные свойства входных данных, влияющие на
арактеристика полученная с использованием ранее
их достоверность и закладывать дополнительные итерации в алгоритм с целью дальнейшего расширения функционала в случае выявления дополнительных факторов. Как следствие было принято решение использовать метод экспертного анализа, который в общем случае позволяет получить требуемую гибкость, но в явном виде не обеспечивает
i + 1
требований к вынесенному заключению в виду отсутствия множества мнений относительно каждого случая. В свою очередь применения экспертного подхода было уже заложено в алгоритм сопоставления результатов достоверизации полученных различными путями, и получаемая метрика свидетельствовала о высокой или низкой согласованности «мнений» [7].
Так как в последнее время мы все чаще слышим о том, что та или иная поисковая система начала использовать технологии нейронных сетей. Была рассмотрена возможность использования искус-
ственной нейронной сети (ИНС) для указанной задачи. В процессе анализа стало понятно, что входные данные при условии дополнительной обработки (адаптации) могут быть использованы непосредственно как входные для соответствующей ИНС. Дальнейшая обработка предполагает на этапе обучения сопоставление полученных метрик с действиями, предпринимаемыми персоналом ООЭ АСУ для восстановления требуемого качества телеметрии. Таким образом был изменен подход к проектируемому программному обучению. На рисунке 7 приве-
дена структура Пи на этапе обучения ИНС [8]
Рисунок 7 - Структура разрабатываемого ПО на этапе обучения ИНС
На этапе обучения не предполагается получения выходных данных, поэтому блок вывода данных отсутствует. Дополнительно предусмотрена возможность внесения внешних критериев, неявно влияю-
щих в конкретной ситуации на достоверность параметров. К таким критериям, например, можно отнести погодные явления. После обучения ИНС структура ПО будет иметь вид, представленный на рисунке 8.
Рисунок 8 - Структура разрабатываемого ПО на этапе эксплуатации
Исходя из предполагаемой архитектуры ПО необходимо обеспечить однородность поступающих в блок обработки данных, так как в общем виде поступающие данные не удовлетворяют критерию однородности, а требование по наличию интерфейса для администрирования основных процедур не включает в себя
Для изучения возможности использования искусственных нейронных сетей в задаче достоверизации параметров телеметрии, была выбрана простейшая реализация трехслойной нейронной сети, на языке программирования Python 3.6.1, с обратным распространением и выполнением 100000 итераций на
Преобразов
этапе обучения. Для адаптации имеющихся данных было произведено преобразование кодов качества, указанных в таблице 1, параметров телеметрии. Преобразование было сведено к установлению величины значимой части кода, после которой параметр считается недостоверным по коду качества. За наиболее удобную величину был взят код качества со значимой частью равной 99, то есть, все значения кодов со значимой частью больше 99, считаются недостоверными по коду качества. Результат преобразования приведен в таблице 2.
ание кодов качества
Таблица 2
Код качества Тип недостоверности Преобразованный код
00 000 001 недостоверность: дребезг ТС 1
00 000 010 недостоверность: необновление 1
00 000 100 источник: технологическая задача 1
00 000 200 недостоверность: подозрение на скачок 0
40 000 000 источник: повтор предыдущего значения 0
Адаптированные данные для расчета указанной нейронной сети приведены в таблице 3.
Адаптированные данные для расчета Таблица 3
№ Идентификатор ОИК Наименование Код качества соответствующий метке времени Текущий код качества m flag
1 27351 Тобольская ТЭЦ 110 кВ и 1 1 0 1
2 11328 Вынгапур 1СШ 110 кВ иЬс 1 0 1 1
3 103 Тюмень-Рефтинская ГРЭС ВЛ-500 Р отд 0 0 1 0
4 10611 Бачкун 1С 110 кВ Е /тэс 1 1 0 1
5 5702 УГТЭС-72-Уренгой 1ц ВЛ 110 кВ 0 1 1 1 1
Для обучения нейронной сети, необходим набор заключений о достоверности параметров, вынесенных экспертом после ручной достоверизации параметров.
Указанный набор заключений приведен в таблице 4 вместе с результатами расчетов, полученными с использованием ИНС. Листинг кода и результаты
Экспертные заключения и
расчета на адаптированных данных приведён на рисунке 9. С целью оценки адекватности используемой нейронной сети на первом этапе были условно приняты экспертные заключения о недостоверности параметра - 27351 Тобольская ТЭЦ 110 кВ и и достоверности параметра - 10611 Бачкун 1С 110 кВ Е /тэс, имеющих одинаковые входные данные для расчета.
результаты первого расчета Таблица 4
№ Идентификатор ОИК Наименование Экспертное заключение Результат расчета
1 27351 Тобольская ТЭЦ 110 кВ и 0 0.50000514
2 11328 Вынгапур 1СШ 110 кВ иЬс 1 0.99932195
3 103 Тюмень-Рефтинская ГРЭС ВЛ-500 Р отд 1 0.99849373
4 10611 Бачкун 1С 110 кВ Е /тэс 1 0.50000514
5 5702 УГТЭС-72-Уренгой 1ц ВЛ 110 кВ 0 1 0.99849376
Из полученных на первом этапе обучения результатов видно, что рассчитанные параметры совпадают с заключением выносимым экспертом за исключения случаев с различными оценками для одинаковых входных данных. Такое поведение очевидно, так как алгоритм расчета выходных данных для каждого параметра идентичен. Данная ситуация возможна и в реальной жизни, выходом из нее может
Экспертные заключения и
послужить тот самый критерий, руководствуясь которым эксперт вынес заключение для спорных параметров. Адаптацию и трактовку подобного рода критерия можно осуществить с использованием описанных выше принципов.
В таблице 5 приведены результаты расчетов для исключающих факт различных экспертных заключений по параметрам с одинаковыми входными данными, результаты второго расчета Таблица 5
№ Идентификатор ОИК Наименование Экспертное заключение Результат расчета
1 27351 Тобольская ТЭЦ 110 кВ и 0 0.00242333
2 11328 Вынгапур 1СШ 110 кВ иЬс 1 0.99975041
3 103 Тюмень-Рефтинская ГРЭС ВЛ-500 Р отд 1 0.99999228
4 10611 Бачкун 1С 110 кВ Е /тэс 0 0.00242333
5 5702 УГТЭС-72-Уренгой 1ц ВЛ 110 кВ 0 1 0.99683302
Из таблицы 5 видно, что в случае вынесения экспертом одинаковых заключений для параметров с одинаковыми входными данными результат расчета полностью соответствует ожидаемому.
Как говорилось выше интерфейс должен быть унифицирован и интуитивно понятен. На рисунке 9 представлен внешний вид интерфейса, проектируемого ПО на этапе обучения нейронной сети. При запуске ПО с установленным флагом «Загружать исходные данные при старте» происходит автоматическая загрузка исходных данных из всех имеющихся автоматизированных систем. Настройки текущего пользователя сохраняются в личном профиле ПО. В противном случае, при не установленном
флаге «Загружать исходные данные при старте», присутствует возможность принудительной загрузки данных или ввода идентификатора ОИК для дальнейшего анализа. При нажатии кнопки «Анализировать имеющиеся недостоверности» на этапе обучения ИНС происходит анализ количества проведенных циклов обучения для набора свойств (метрик) каждого параметра и в случае если обучение по указанным входным данным завершено предлагается «Рекомендуемое действие». Если же обучение по указанному набору не завершено в столбце рекомендуемое действие появляется выпадающий список с предложением выбора предпринятого действия.
Достоверизация параметров телеметрии
□ .Загружать исходные данные при старте
Загрузить исходнье даннье
Выполнять Наименование Идентификатор ОИК Рекомендуемое действие
в Тобольская ТЭЦ 110 kB U 27361
Выберете предпринятое действие v
ш Вынгапур 1СШ 110 kB übe 11328
Выберите предпринятое действие v
Анализировать имеющиеся недостоверности
Добавить критерий достоверности
Рисунок 9 - Вид интерфейса, проектируемого ПО на этапе обучения нейронной сети
Количество используемых для окончательного обучения выборок задается в коде ПО и хранится как глобальная постоянная. При нажатии кнопки «Добавить критерий достоверности» происходит запуск процесса обучения ИНС с учетом увеличения
размерности сети. На рисунке 10 представлен вид ПО после окончания обучения ИНС и получения результатов анализа указанных параметров телеметрии.
Достоверизация параметров телеметрии
□ Загружать исходные данные при старте
Загрузить исходные данные
Выполнять анализ Наименование параметра Идентификатор ОИК Рекомендуемое действие
Тобольская ~ЗЦ 110 KB U 27351 Сдать на объект (Тобольская ТЗЦ. _е.". (3465) 777777 Начальник смены.
Iii Вынгапур 1 CLL 110 kB Übe 11328 Обратиться в САСДУдля корректировки ней ОИК
Анализировать имеющиеся недостоверности
Добавить критерий достоверности
Рисунок 11 - Вид интерфейса, проектируемого ПО на этапе промышленной эксплуатации В результате проведенного исследования было получено представление о возможности использования
искусственных нейронных сетей для автоматизации процесса поиска и устранения ошибок телеметрии принимаемой диспетчерским центром электроэнергетики. Несмотря на решение не всех поставленных задач можно говорить о полном соответствии результатов работы ожиданиям авторов. В процессе выполнения работы были решены следующие задачи: разработка метода достоверизации параметров телеметрии объединяющего достоинства и исключающего недостатки имеющихся; разработка алгоритма функционирования программного обеспечения для автоматизации процесса достоверизации; разработка программного обеспечения для автоматизации процесса достоверизации.
К частично решенным задачам можно отнести задачу по апробации и внедрению результатов работы в диспетчерском центре электроэнергетики. Решение данной задачи остается вопросом времени ведь
помимо убедительных результатов настоящего исследования необходимо разработать ПО удовлетворяющее требованиям, предъявляемым к программным продуктам в АО «СО ЕЭС».
Однако необходимо отметить, что разработанное программное обеспечение с учетом внесения административных изменений в процесс достоверизации параметров телеметрии может в высокой степени автоматизировать труд сотрудников Отдела оперативной эксплуатации автоматизированных систем управления, а также позволит в некоторых ситуациях отказаться от ложного обращения по услуге достоверности данных телеметрии. Уменьшение «ручного» труда вышеуказанных сотрудников должно позволить уделить больше внимания другим немаловажным задачам решаемым ООЭ АСУ.
ЛИТЕРАТУРА
1. Назаров А.В., Козырев Г.И., Шитов И.В. и др. Современная телеметрия в теории и на практике. Учебный курс. - СПб.: Наука и техника, 2007. - 672с.
2. Гамм А.З., Герасимов Л.Н., Колосок И.Н. и др. Оценивание состояния в электроэнергетике. М.: Наука, 1983. - 320 с.
3. Официальный сайт Системного оператора единой энергетической системы Российской федерации http://so-ups.ru
4. Автоматизированные информационно-измерительные системы коммерческого учета электроэнергии (АИИС КУЭ) подстанции СТАНДАРТ ОРГАНИЗАЦИИ ОАО «ФСК ЕЭС» СТО 56947007- 35.240.01.023-2009.
5. Занин А.С., Бушмелева К.И. Автоматизация процесса достоверизации телеметрии диспетчерского центра электроэнергетики //Вестник кибернетики 2017. № 4 (28). С. 139-145.
6. Бурдыко Т.Г., Бушмелева К.И. Использование метрик для тестирования программного продукта //Труды международного симпозиума «Надежность и качество». 2019. Т. 2. С. 167-169.
7. Занин А.С., Бушмелева К.И. Достоверизация телеизмерений в системах управления сложными структурами на примере ОАО «СО ЕЭС» //Труды международного симпозиума «Надежность и качество». 2017. Т. 2. С. 7-8.
8. Занин А.С., Бушмелева К.И. Адаптация данных и обучение простейшей нейронной сети //Вестник кибернетики. 2018. № 4 (32). С. 177-183.
УДК 621.396.6
Власов М.А., Сучков А.В., Сергин С.Ф.
ФГУП «Российский федеральный ядерный центр - всероссийский научно-исследовательский институт технической физики им. академ. Е.И. Забабахина», Снежинск, Россия
К ВОПРОСУ О ПОДТВЕРЖДЕНИИ ЧИСЛЕННЫХ ПОКАЗАТЕЛЕЙ НАДЕЖНОСТИ И БЕЗОПАСНОСТИ ПИРОТЕХНИЧЕСКИХ ПРИБОРОВ
В статье приводится методика подтверждения численных показателей надежности и безопасности пиротехнических устройств. Представленный методологический подход позволяет сократить не только требуемое количество образцов для испытаний, но и время проведения этих испытаний. Ключевые слова:
НАДЕЖНОСТЬ, БЕЗОПАСНОСТЬ, КОЭФФИЦИЕНТ ЗАПАСА, ЧУВСТВИТЕЛЬНОСТЬ ВВ
В промышленности и военном деле очень широко используются одноразовые устройства (однократного применения), в состав которых входят различные взрывчатые вещества.
Основным показателем безопасности устройств такого типа является вероятность отсутствия их
самопроизвольного срабатывания без воздействия инициирующего импульса - К. По сути дела это случайная величина является обратной (дополняющей до 1) вероятности самопроизвольного срабатывания цсс являющейся одним из показателей надежности:
