CC BY
88
УДК 62-52-83:656.56 Крюков О.В., Серебряков А.В.
Метод и система принятия решений по прогнозированию технического состояния
ЭЛЕКТРОПРИВОДНЫХ ГАЗОПЕРЕКАЧИВАЮЩИХ АГРЕГАТОВ
Рассмотрены принципы формирования достоверных и надежных систем технической диагностики и прогнозирования электродвигателей технологических установок большой мощности. Представлены теоретически обоснованные процедуры синтеза алгоритмов прогнозирования технического состояния машин и агрегатов на примере турбокомпрессоров магистрального транспорта газа.
Ключевые слова: техническая диагностика, оперативное прогнозирование, техническое состояние, электродвигатели большой мощности, газоперекачивающие агрегаты, обслуживание по фактическому состоянию, алгоритм, диагностическая экспертная система.
Введение
В системах оперативного мониторинга технического состояния (ТС) ответственных агрегатов газотранспортных систем наиболее эффективной процедурой является не традиционное диагностирование электроприводных газоперекачивающих агрегатов (ЭГПА) [1,2], а достоверное прогнозирование их ТС с оценкой остаточного ресурса агрегата. Это позво-ляет предотвратить внезапные нештатные аварии и пе-рейти от планово-предупредительных процедур технического обслуживания и ремонта (ТОиР) к обслуживанию по фактическому со-стоянию оборудования [3-8].
Принцип управления техническим состоянием на основе прогнозирования представлен на рис. 1 [3,4]. Данные о состоянии объекта снимаются с датчиков и подаются на подсистему прогнозирования технического состояния.
В случае если формируется решение о наступающем отказе, то подсистема ТОиР выполняет действия, которые направлены на:
- предотвращение отказов, включая комплекс мероприятий по обеспечению функционирования системы без прерывания;
- минимизацию последствий отказа за счёт подготовки к ожидаемому отказу, что позволяет сократить время ремонта, а следовательно, и продолжительность неработоспособного состояния.
Данные о внутреннем состоянии!
Датчики
Технический объект
её
Обслуживание и ремонт
Подсистема
прогнозирования
Прогноз технического состояния
Подсистема ТОИР
Рис. 1. Система управления состоянием ЭГПА на основе прогнозирования
Известно множество методов, классификация которых представлена на рис. 2 [8-10]. Эти методы основываются на определении объективных закономерностей развития дефектов и повреждений, статистической обработке данных, экстраполяции трендов до предельно допустимых значений и на вероятностной оценке значений показателей [3,8].
© Крюков О.В., Серебряков А.В.
Методология систем прогнозирования технического состояния ЭГПА
В подсистеме прогнозирования определяется вероятность Р(х=\/\) наступления отказа на рассматриваемом интервале времени. Здесь z - переменная, характеризующая состояние технического объекта, х -данные наблюдения, снимаемые с датчиков. В условиях априорной неопределенности в решающем
правиле используется оценка ', которая нахо-
дится в результате структурно-параметрического синтеза (обучения) предиктора на основе эмпирических данных, составляющих обучающую выборку Б.
Рис. 2. Классификация методов прогнозирования ТС ЭГПА
Решение о формировании сигнала-предупреждения о наступающем отказе выносится в результате сравнения с пороговым значением найденной вероятности наступления отказа на заданном интервале. определение этого значения представляет отдельную задачу и связано с используемым критерием, который определяет эффективность прогнозов.
Применение прогнозирующего контроля направлено на сокращение издержек, вызванных простоем технического объекта. Поэтому эффект от внедрения прогнозирующего контроля можно оценить с помощью коэффициента технического использования, который определяется выражением К = ТЕ/ (ТЕ + Тр). Для системы управления техническим состоянием с использованием прогнозирования можно записать аналогичную формулу К' = Т'¥/ (Т'¥ + Т'р). Здесь ТЕ и Т'Е -среднее время наработки на отказ, Тк и Т'р — среднее время ремонта системы без применения и с применением прогнозирующего контроля соответственно. Эффект от применения прогнозирующего контроля охарактеризуем величиной
V = ■
1 -К' 1 -К
т
(1)
которая показывает, во сколько раз изменяется среднее время неработоспособного состояния технического объекта. Эффект от применения прогнозирующего управления техническим состоянием имеет место при V < 1 и возрастает по мере уменьшения неотрицательной величины V.
Для проведения анализа эффективности применения процедур прогнозирования в составе системы управления техническим состоянием, следуя [3,8], охарактеризуем подсистему ТОиР вероятностью РР возникновения (не предотвращения) отказа при условии правильного предсказания и вероятностью РЕ привнесения отказа при условии ошибочного предсказания (ложной тревоги).
Подсистема прогнозирования отказов может быть охарактеризована вероятностью ложной тревоги (ошибки первого рода) а и вероятностью пропуска наступающего неисправного состояния технического объекта (ошибки второго рода) р.
Если выполненные превентивные действия при правильном предсказании не позволили предотвратить отказ, то, как правило, устранение отказа выполняется за меньшее время. Соответствующее среднее время ремонта с подготовкой обозначим ТЯР, а изменение (сокращение) среднего времени ремонта за счёт подготовки охарактеризуем коэффициентом
кр ^рр/^Р ■
(2)
Среднее время ремонта, вызванного привнесенным отказом, обозначим ТКБ и, аналогично (2), введем коэффициент
^е ТШ!ТК.
(3)
После преобразований (1)-(3) приходим к выражению для оценки эффекта от применения прогнозирования
v = Кр + оХЕ
*-Рр1Рр+Р*-Кр , (4) где РЕ - априорная вероятность возникновения неисправного состояния за анализируемый интервал вре-
К,. = к ,,!>,, КБ=кБРБ мени, р р р и Е Е Е.
Как следует из формулы (4), эффективность прогнозирования технического состояния возрастает (величина V уменьшается) при уменьшении КР и КЕ. Для идеальной подсистемы ТОиР КР = 0 и КЕ = 0, что может быть обеспечено, если РР = 0 и РЕ = 0. При этом все правильно предсказанные отказы предотвращаются, а обработка ложных тревог не приводит к дополнительному простою. В этом случае величина выигрыша V = в полностью определяется вероятностью пропуска при прогнозировании отказа.
Выигрыш от применения прогнозирования технического состояния возрастает при уменьшении аир. При высокой точности прогнозирования а « 0, р я о величина выигрыша составляет V я кр. Однако уменьшение одной из вероятностей а или р сопровождается увеличением другой в соответствии с рабочей
характеристикой предиктора. При этом возникает необходимость синтеза решающего правила для принятия решений о наступающем отказе из условия минимизации целевой функции (4).
Анализ выражения (4) свидетельствует о том, что целевая функция представляет собой взвешенную сумму вероятностей ошибок первого и второго рода и по своей структуре близка к выражению для среднего риска. Рассуждая, как и при выводе решающего правила по критерию минимума среднего риска, приходим к правилу принятия решения о наступающем отказе
(5)
Здесь Н (а) - функция Хевисайда такая, что Н(а) = 1 при а> 0 и Н(а) = 0 при я<0; А(лг) = /1(л:)//С1(л:) - отношение правдоподобия, где /0 (х) и / (х) - плотности вероятности признаков для прогнозируемого исправного и неисправного состояний соответственно; И - порог, определяемый выражением
Рр
(6)
Переходя к использованию апостериорных вероятностей решающее правило (5) представим в виде
ЬЯР(: = \\х)-ЬР~. (7)
Здесь - порог, определяемый с учетом (6) выражением
ир =
к
1 -Кр+КЕ
(8)
Эффект от перехода к прогнозированию ТС
Выигрыш от применения прогнозирования уменьшается при уменьшении априорной вероятности Рр отказа на анализируемом интервале времени. При этом повышаются требования к точности прогнозирования. В то же время при использовании оптимального решающего правила (7), (8) не происходит снижение эффективности по отношению к системе ТОиР без прогнозирования технического состояния, то есть
В общем случае информация о состоянии технического объекта может быть получена на основе обработки показаний интеллектуальных датчиков или результатов тестов. В случае использования вероятностной модели сложной системы элементарное действие по сбору информации заключается в определении значения одной из переменных у . Такие действия характеризуются определенной стоимостью с , представляющей затраты на проведение теста и ценностью.
Величина Vь, обеспечиваемая при принятии решений о наступающих отказах с помощью (7), (8), зависит от множества переменных, значения которых доступны на момент принятия решения. Так, после проведения /-го теста решение о состоянии системы
принимается с использованием результатов теста у на основе распределения вероятностей Р(г\х,у.).
однако на момент вынесения решения о целесообразности проведения некоторого теста его результат является неизвестным. Поэтому ожидаемый эффект от проведения теста определяется с использованием усреднения по множеству возможных исходов
повысить достоверность определения состояния системы.
(у,, х) = 1 хК (у1, х).
(9)
у^
Проведение теста позволяет получить дополнительную информацию о состоянии технического объекта и, следовательно, приводит к меньшим значениям V ь (у,, х) по сравнению с величиной V1 (х), обеспечиваемой при использовании показаний датчиков.
Сопоставляя сокращение издержек, вызванных простоем оборудования, и стоимость теста, можно определить ценность теста. Проведение дополнительных тестов завершается, если для любого из тестов их стоимость превышает ценность получаемой информации.
АЛГОРИТМ СИСТЕМЫ ПРИНЯТИЯ РЕШЕНИЙ ПО ПРОГНОЗИРОВАНИЮ ТС ЭГПА
Процедуру принятия решений о проведении процедур ТОиР представим с помощью сети принятия решений (рис. 3), которая содержит три типа вершин и может рассматриваться как расширение байесовской сети.
Для упрощения на рис. 3 показана сеть принятия решений, соответствующая единственному тесту. Вершины жеребьевки, обозначенные овалами, как и в байесовских сетях, представляют переменные (случайные величины). Вершины принятия решений (прямоугольники) представляют возможность лицу, принимающему решение, выбрать одно из доступных действий на основе рассчитываемых значений целевой функции. В сетях принятия решений, основанных на критерии минимума среднего риска, вершины, обозначенные ромбами, содержат значения элементов матрицы потерь. В рамках развиваемого подхода последствия ошибочных решений и, соответственно, значения целевой функций (4) зависят от характеристик подсистемы ТОиР КР и КЕ.
В качестве примера возможного применения развиваемого подхода для управления техническим состоянием рассмотрим систему ЭГПА, информация о состоянии которой регистрируется датчиками [1-4]. Выделим три состояния технической системы: исправное, предотказное и неработоспособное. Если выносится решение, что система исправна, то действия по управлению состоянием системы не предпринимаются и функционирование системы продолжается. В пре-дотказном состоянии для предотвращения перехода системы в неработоспособное состояние выполняется автоматическое отключение с последующим восстановлением исправного состояния. При наличии существенной неопределенности относительно состояния системы может быть вынесено решение о проведение теста, результаты которого позволяют существенно
Рис. 3. Сеть принятия решений диагностической экспертной системы
ЗАКЛЮЧЕНИЕ
1. Достоверное прогнозирование технического состояния технологических агрегатов с оценкой остаточного ресурса позволяет заблаговременно предотвратить внезапные нештатные аварии на объектах повышенной опасности и перейти от планово -предупредительных ТОиР к обслуживанию по фактическому состоянию оборудования со значительным экономическим эффектом.
2. В общем случае информация о техническом состоянии объекта получается на основе обработки показаний интеллектуальных датчиков и результатов тестов. При этом выигрыш от применения процедур прогнозирования увеличивается, при росте априорной вероятности отказов на анализируемом интервале времени и повышении требований к точности прогнозирования.
Список литературы
1. Пужайло А. Ф. и др. Энергосбережение и автоматизация электрооборудования компрессорных станций: монография / под ред. О.В. Крюкова. Н.Новгород: Вектор ТиС,
2010. Т.1. 570с.
2. Пужайло А.Ф. и др. Энергосбережение и автоматизация электрооборудования компрессорных станций: монография / под ред. О.В. Крюкова. Н.Новгород: Вектор ТиС,
2011. Т.2. 664с.
3. Милов В.Р., Шалашов И.В., Крюков О.В. Процедуры прогнозирования и принятия решений системе технического обслуживания и ремонта // Автоматизация в промышленности. 2010. № 8. С.47-49.
4. Крюков О.В., Степанов С.Е., Титов В.Г. Встроенные системы мониторинга технического состояния электроприводов для энергетической безопасности транспорта газа // Энергобезопасность и энергосбережение. 2012. №2. С. 5-10.
5. Бабичев С.А., Захаров П.А., Крюков О.В. Мониторинг технического состояния приводных электродвигателей газоперекачивающих агрегатов // Контроль. Диагностика. 2009. № 7. С. 33-39.
6. Бабичев С.А., Крюков О.В., Титов В.Г. Автоматизированная система безопасности электроприводных газоперекачивающих агрегатов // Электротехника. 2010. № 12. С. 24-31.
7. Бабичев С.А., Захаров П.А., Крюков О.В. Автоматизированная система оперативного мониторинга приводных двигателей газоперекачивающих агрегатов // Автоматизация в промышленности. 2009. № 6. С. 3-6.
8. Крюков О.В. Комплексная система мониторинга и управления электроприводными газоперекачивающими агрегатами // Передовые информационные технологии, средства
и системы автоматизации и их внедрение на российских предприятиях: труды МНПК, AITA-2011. Москва: ИПУ РАН, 2011. С. 329-350.
9. Крюков О.В., Серебряков А.В. Система оперативной диагностики технического состояния ветроэнергетиче-
Information in English
ских установок // Электротехника. 2015. № 4. С.49-53.
10. Серебряков А.В. Энергоэффективные ветроэнергетические установки с оперативной диагностикой для автономных систем электроснабжения. дисс. ... канд. техн. наук: 05.09.03 / ИГЭУ, Н.Новгород, 2013. 171 с.
Method and System of Decision Making of Technical State Forecast of Electric Gas Compressor Units
Kryukov O.V., Serebryakov A.V.
The article is concerned with the principles of forming trusted and reliable systems of engineering diagnostics and forecasting of electric motors for high power process installations. The authors offered theoretically justified methods of algorithm development for forecasting of machine technical state. Turbine drive compressors for bulk gas transportation were taken as an example.
Keywords: engineering diagnostics, on-line forecasting, technical state, high power electric motors, gas compressor units, maintenance by true condition, algorithm, expert diagnostic system.
References
1. Puzhaylo A.F. and others. Energosberezhenie i avtomatizatsiya elektrooborudovaniya kompressornykh stantsiy [Energy Saving and Automation of Electrical Machinery at Compressor Plants], monograph, Under the editorship of o.V. Kryukov, Nizhni Novgorod, Vektor TiS, 2010, 570 p.
2. Puzhaylo A.F. and others. Energosberezhenie i avtomatizatsiya elektrooborudovaniya kompressornykh stantsiy [Energy Saving and Automation of Electrical Machinery at Compressor Plants]: monograph, Under the editorship of O.V. Kryukov, Nizhni Novgorod: Vektor TiS, Vol.2. 2011, 664 p.
3. Milov V.R., Shalashov I.V., Kryukov O.V. Protsedury prognozirovaniya i prinyatiya resheniy v sisteme tekhnicheskogo obsluzhivaniya i remonta [Forecasting and Decision Making in the System of Maintenance and Repair], Automation in industry, 2010, no.8, pp.47-49.
4. Kryukov O.V., Stepanov S.E., Titov V.G. Vstroennye sistemy monitoringa tekhnicheskogo sostoyaniya elektroprivodov dlya energeticheskoy bezopasnosty transporta gaza [Integrated System of Electric Drive Technical State Monitoring for Energy Safety of Gas Transportation], Energy safety and energy saving. 2012, no.2, pp. 5-10.
5. Babichev S.A., Zakharov P.A., Kryukov O.V. Monitoring tekhnicheskogo sostoyaniya privodnykh elektrodvigateley gazoperekachivayuschikh agregatov [Technical State Monitoring of Electric Drives for Gas Compressor Units], Control. Monitoring, 2009, no.7, pp. 33-39.
6. Babicev S.A., Kryukov O.V., Titov V.G. Avtomatizirivannaya sistema bezopasnosti electroprivodnykh gazoperekachivayuschikh agregatov [Automatic Safety System of Electric Gas Compression Units], Electrical engineering, 2010, no.12, pp. 24-31.
7. Babichev S.A., Zakharov P.A., Kryukov O.V. Avtomatizirovannayua sistema operativnogo monitoringa privodnykh dvigateley gazoperekachivayuschikh agregatov [Automatic System of On-line Monitoring for Actuating Motors of Gas Compressor Units], Automation in Industry, 2009, no.6, pp. 3-6.
8. Kryukov O.V. Kompleksnaya sistema monitoringa i upravleniya elektroprivodnymi gazoperekachivayuschimi agregatami [Combined System of Monitoring and Control of Electrically Driven Gas Compressor Units], Collection of scientific papers "Advanced Information Technologies, Means And Automation Systems And their Introduction to Enterprises in Russia", AITA-2011, Moscow: IPU RAN, 2011, pp. 329-350.
9. Kryukov O.V., Serebryakov A.V. Sistema operativnoy diagnostiki tekhnicheskogo sostoyaniya vetroenergeticheskikh ustanovok [On-line Diagnostics System of Technical State for Wind-driven Power Plants], Electrical Engineering, 2015, no.4, pp.49-53.
10. Serebryakov A.V. Energoeffektivnye vetroenergeticheskie ustanovki s operativnoy diagnostikoy dlya avtonomnykh sistem elektrosnabzheniya [Energy-efficient Wind-Driven Power Plants with On-line Diagnostics for Independent Power Supply Systems], Dissertation for Ph.D. degree in engineering, 05.09.03, IGEU, Nizhni Novgorod, 2013, 171p.
