МЕТОДИКА КОМПЛЕКСИРОВАНИЯ ПРОЦЕДУР РАНГОВОГО АНАЛИЗА ПРИ УПРАВЛЕНИИ ЭЛЕКТРОПОТРЕБЛЕНИЕМ ОБЪЕКТОВ РЕГИОНАЛЬНОГО ЭЛЕКТРОТЕХНИЧЕСКОГО КОМПЛЕКСА Текст научной статьи по специальности «Математика»

subjective perception of information in the aspect of finding numerical expressions for assessing the value and polarity of informational messages. A comparison of the main elements of the proposed model with the elements of G. Lasswell's model of communication was carried out.

Key words: public opinion, social media resources, information dissemination, continuously branching chain, usefulness of information.

Pilkevich Sergey Vladimirovich, doctor of technical sciences, docent, ambers@list.ru, Russia, St. Petersburg, Military Space Academy named А.F.Mozhaysky,

Kuzmichev Vladimir Andreevich, adjunct, kuzmichev2461@yandex.ru, Russia, St. Petersburg, Military Space Academy named А.F.Mozhaysky.

Pilipenko Ludmila Viktorovna, researcher of the 473 Laboratories of the Military Institute (Research), vka-onr@mil.ru, Russia, St. Petersburg, Military Space Academy named А.F.Mozhaysky

УДК 004.021; 005

DOI: 10.24412/2071-6168-2021-12-200-209

МЕТОДИКА КОМПЛЕКСИРОВАНИЯ ПРОЦЕДУР РАНГОВОГО АНАЛИЗА ПРИ УПРАВЛЕНИИ ЭЛЕКТРОПОТРЕБЛЕНИЕМ ОБЪЕКТОВ РЕГИОНАЛЬНОГО ЭЛЕКТРОТЕХНИЧЕСКОГО КОМПЛЕКСА

О.Р. Кивчун

Рассмотрена методика комплексирования процедур рангового анализа при управлении электропотреблением объектов регионального электротехнического комплекса. Теоретической базой методики является векторный ранговый анализ. Структура методики включает в себя четыре блока: подготовки и проверки данных, синтеза С-матрицы, расчёта индикаторных функций и комплексирования процедур рангового анализа и формирования управляющего воздействия. Реализация методики для регионального электротехнического комплекса позволяет получить наилучшие значения электропотребления индивидуально для каждого объекта.

Ключевые слова: методика, комплексирование, процедура, ранговый анализ, управление, электропотребление, региональный электротехнический комплекс

В работах профессора В.И. Гнатюка [1 - 5] показано, что любая региональная система включает в себя региональный электроэнергетический комплекс (РЭНК) (рис. 1).

РЕГИОНАЛЬНЫЙ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИЙ КОМПЛЕКС

Система материально-технического обеспечения

..................1.................................А..................

Основной региональный генерирующий комплекс

Базовый источник Я Источники второго

электроэнергии I уровня генерации

Ввод со стороны I Источники третьего

энергосистемы I уровня генерации

..............Ï....................................................i...............

Региональный транспорт но-сете вой комплекс

I I

Резервный региональный генерирующий комплекс

Т Г

Региональный электротехнический комплекс

i,________________________________)

Рис. 1. Подсистемы регионального электроэнергетического комплекса

200

Каждая из подсистем РЭНК представляет собой сложную территориально-распределённую техническую систему - техноценоз. Впервые данный термин ввёл доктор технических наук Б.И. Кудрин [1].

«Под техноценозом понимается ограниченная в пространстве и времени взаимосвязанная совокупность далее неделимых технических изделий-особей, объединенных слабыми связями. Связи в техноценозе носят особый характер, определяемый конструктивной, а, зачастую, и технологической независимостью отдельных технических изделий, а также многообразием решаемых задач. Взаимосвязанность техноценоза определяется единством конечной цели, достигаемой с помощью общих систем управления, обеспечения и др.» [1].

Многолетний опыт проведения научных работ в области управления параметрами техноценозов показал, что методологической базой для исследований таких систем является ранговый анализ. Основная цель рангового анализа предполагает реализацию статистического анализа, оптимизационных процедур, моделирования и процедур управления.

Методология рангового анализа в настоящее время часто применяется современными исследователями и практиками. Ведущими научными школами в области рангового анализа являются Московская, Калининградская и Новомосковская научные школы. Анализ трудов учёных вышеуказанных научных школ показал, что основными разделами рангового анализа являются функциональный, комбинаторный и векторный ранговые анализы [1, 5, 6]. Функциональный ранговый анализ позволяет исследовать процесс управления техноценологическими на основе формальных свойств аппроксимационных функций ранговых параметрических распределении. Комбинаторный ранговый анализ позволяет создавать модели вероятностных состояний объектов техноценоза в различных режимах его функционирования. Важным инструментом векторного рангового анализа (ВРА) выступает комплекс линейных операций, для которых основными параметрами являются мера векторной ранговой параметрической близости и параметрический радиус-вектор.

С целью повышения эффективности управления объектов РЭНК и снижения прямых затрат при их эксплуатации в рамках функционального рангового анализа профессором В.И. Гна-тюком и его учениками разработана методика оптимального управления электропотреблением регионального электротехнического комплекса (РЭК). РЭК представляет собой сложную терри-ториально-распределённую систему потребителей электроэнергии, обладающую техноценологи-ческими свойствами и имеющую цель устойчивого управления электропотреблением. Анализируя основные принципы классической теории управления, РЭК является управляемой сложной технической системой. Соответственно система управления электропотреблением РЭК должна содержать модель прогнозирования заданных параметров в условиях установленных ограничений, а также существующего управляющего воздействия. Целевое назначения данной модели заключается в предсказании наилучшего состояния системы на заданном временном интервале при котором она функционирует с наилучшим качеством и минимальных затратах ресурсов.

Методика оптимального управления электропотреблением успешно реализована на различных РЭК Российской Федерации [1]. В её основу входят стандартные и уточняющие процедуры рангового анализа. Применение данной методики позволяет выявлять объекты, аномально потребляющие электроэнергию и предлагать очерёдность их энергетического обследования, осуществлять различные виды прогнозирования, определять наилучшие нормы электропотребления и определять потенциал энергосбережения в рамках процедуры потенши-рования.

Однако методика не предполагает математического аппарата, позволяющего решить задачу комплексирования процедур рангового анализа для своевременного принятия решения по использованию ресурса. С этой целью впервые была разработана методика комплексирова-ния процедур рангового анализа при управлении электропотреблением объектов РЭК. Её теоретической основой стала статическая модель управления электропотреблением на основе синтеза рангового анализа [5].

Математический аппарат модели разработан в рамках основных положений ВРА и позволяет исследовать операции мониторинга результатов процедур рангового анализа с целью выявления ошибок и отклонений, на основе индикаторных функций определить необходимые комплексные алгоритмы для их устранения, а также исследовать возможность снижения электропотребления индивидуально для каждого объекта. В работе [5] представлено подробное описание данной модели [5].

С целью реализации основных положений модели разработана методика комплексиро-вания процедур рангового анализа при управлении электропотреблением объектов РЭК. В её ос-

нову входят следующие блоки: подготовки и проверки данных, синтеза С-матрицы, расчёта индикаторных функций и комплексирования процедур рангового анализа и формирования управляющего воздействия (рис. 2) [5].

В первом блоке методики осуществляется импорт входных данных, которые представляют матрицу, включающую в себя значения электропотребления объектов РЭК собранные или зафиксированные приборами учёта за определённый временной интервал: час, сутки, неделя, месяц, год и т.д. Полученная матрица верифицируется и проверяется на соответствие критериям Н-распределения в рамках двух гипотез. В рамках первой гипотезы предполагается, что значения векторов исходной матрицы не подчиняются нормальному закону распределения. При проверке второй гипотезы определяется взаимосвязанность значений векторов исходной матрицы. В случае подтверждения данных гипотез осуществляется дальнейшая реализация этапов представленной методики. Следует отметить, что многократная проверка выборок по электропотреблению различных РЭК, промышленных предприятий и организаций, включающих в себя более шестидесяти точек учёта, показала не соответствие их нормальному закону распределения.

«В следующем блоке методики на основе исходной матрицы реализуются процедуры рангового анализа. Результаты представляют собой три вектора: дифлекс-параметра, прогнозных значений и норм электропотребления» [5]. Данная совокупность векторов будет составлять исследуемую матрицу. Обозначим её как С-матрица («си-матрица»). Далее известными статическими методами осуществляется проверка корреляционной связи векторов С-матрицы. При получении достаточной корреляционной связи осуществляется дальнейшая реализация этапов методики [2].

18

Подготовка и проверка данных

Проверка и верификация данных

Проверка данных на соответствие Н-критерии м

Построение и аппроксимация рантовых распределений техноценоза

Формирование управляющего воздействия

15 Формирование С-матрицы объектов выше НГ ПДИ и расчёт для них ОДП

17 Расчёт коэффициента управления — 16 Расчёт среднего прогнозных значении и норм

Снижение электропотреблении объектов выше НГ ПДИ и формирование матрицы сниженных значений

Синтез С-матрицы

Расчёт векторов диф пе кс -п а раметра, прогноза и норм

Формирование С-матрицы

РасчЁт коэффициентов корреляции

Построение ковариационной матрицы

Наличие корреляции

тйГ

да

Формирование корреляционной С-матрицы

ЗТ

Расчёт индикаторных функций и комплексирование процедур рангового анализа

10

Расчёт индикаторных функций

13

Анализ на основе комплексного показателя С-матрицы

11 Формирование С-ин дика тора

12 Мониторинг на наличие ошибок и отклонений

14 Реализация комплексных алгоритмов

Рис. 2. Блок-схема методики комплексирования процедур рангового анализа

В блоке расчёта индикаторных функций и комплексирования процедур рангового анализа для расчёта индикаторных функций осуществляется построение векторного рангового распределения (ВРР), его аппроксимация и определение для него области допустимых значений (ОДЗ). На рис. 3 представлен графический пример ОДЗ для ВРР. Верхняя и нижняя границы позволяют определить область для совокупности значений параметра, которая определяет его нормальное поведение. Подробное описание этапов построения ОДЗ представлено в [5].

Далее реализуются операции по мониторингу наличия ошибок и отклонений для каждого вектора С-матрицы на основе индикаторных функций. На первом этапе для каждого вектора С-матрицы строится ВРР и ОДЗ. Затем формируются индикаторные функции мониторинга, которые образуют некоторый функционал, определённый на множестве значений С-матрицы. Для обозначения и определения данного функционала введено понятие - «С-индикатор». Аналитически его функционал описывается следующим образом [5]:

1, ^^ > 0;

0, ^¡^ < 0;

12(е^))=

1, ¡Ге^ > 15%; 0, Ге^ < 15%;

зК>) =

1, lfw(Nk)> 15%; 0, < 15%,

(1)

где I

- индикатор фиксации аномальных объектов; I,

:(е0))

- индикатор фиксации

ошибок прогноза; I

:(wNk))

- индикатор фиксации отклонения норм.

6 7 8 9 10 11 12

Ранговая топологическая мера

Рис. 3. Область допустимых значений для векторного рангового распределения

На рис. 4 представлен алгоритм мониторинга векторов С-матрицы с помощью С-индикатора.

Формироеание С-матрицы

П! Вектор Вектор

I ДП прогноза

Вектор норм

V

V ш

Выбор аппарата мониторинга

► 2

Определение индикаторных функций

Поиск ошибок и отклонений

С-матрица ошибок и отклонений

Вектор отклонений ДП

Вектор ошибок прогноза

Вектор отклонения норн

<=(»>?'.-.<); V !<={«■-<}; V !<={«>:'.....О

Рис. 4. Алгоритм мониторинга векторов С-матрицы с помощью С-индикатора

«Мониторинг векторов С-матрицы предполагает выявление отклонений дифлекс-параметра с помощью системы, реализующую индикаторную функцию Il(wal^). В случае, если обнаружено хотя бы одно отклонение дифлекс-параметра выше верхней границы области допустимых значений (ОДЗ), Il(wal^) сигнализирует о наличие объекта, аномально потребляющего электроэнергию. Обнаружение ошибки прогнозного значения более 15 % определяет индикаторная функция ^(е^). При увеличении значения нормы электропотребления от

нижней границы ОДЗ на 15 % индикаторная функция Iз(w(k^) фиксирует отклонение» [5].

203

По результатам мониторинга формируется С-матрица, включающая в себя векторы с ошибками и отклонениями.

Следующий этап блока предполагает устранение выявленных ошибок и отклонений в С-матрице. Для этого реализуется алгоритм комплексного индикатора системных свойств, представленный на рис. 5.

С-матрица ошибок и отклонений

Вектор отклонений ДП

Вектор ошибок прогноза

Вектор отклонения норм

,°'= .....V/ .....!"" = 1Л/п',щ"'.-,«/.

И 1 1 1 п V ! 01 \ ' 1 1 I • V | м \ I ' «/

.......I......................................................

Выбор Определение Выбор

1 аппарата ком- —► 2 индикаторных —*■ 3 комплексных

плексирования функций алгоритмов

Вектор дифлекс-параметров

Уточнённая С-матрица

8ектор прогноза

Вектор норм

у >;=(»>:.....О; V .....

Рис. 5. Алгоритм работы комплексного индикатора системных свойств

Алгоритм, представленный на рис. 6, в своей основе также предполагает реализацию аппарата индикаторных функций. Однако в данном случае комплексные алгоритмы устранения ошибок и отклонений формируются для объектов выше, ниже и между границами

ОДЗ [5].

На рис. 6 представлен графический пример выбора комплексного алгоритма А1 для объектов, находящихся выше верхней границе ОДЗ. Индикаторная функция определяет необходимость реализации данного алгоритма, если существуют значения дифлекс-параметра выше ОДЗ, зафиксированы значения, содержащие ошибку прогноза и отклонение от нормы электропотребления больше 15 % [5].

Электропотребление кВтч V Т

? I

О 1 23456789 10 11 12 X

Ранговая топологическая мера

Рис. 6. Пример выбора алгоритма Аг

Появление значений выше верхней границе ОДЗ предполагает необходимость проведения углубленного анализа структуры объекта, его основных фондов и параметров технологического процесса. Скорее всего организационные меры по энергосбережению не способны вернуть функционирование объекта в нормальное состояние. Решить данную проблему возможно

при реализации научно-методологического аппарата углубленных обследований, который предполагает проведение дифлекс-, GZ- и ASR-анализов. Подробное описание особенностей данных анализов представлено в [1, 5].

Если значения векторов С-матрицы расположены внутри ОДЗ, с помощью аппарата индикаторных функций выбирается комплексный алгоритм А2. На рис. 7 представлен графический пример выбора данного комплексного алгоритма. В данном случае в комплексном индикаторе системных свойств осуществляется дальнейший мониторинг на наличие ошибок и отклонений [5].

Электропотребление кВтч \ Т

УР{га,гр гп,й-,с и;

Выбор комплексного алгоритма А,

Индикаторная функция |

1.^=0; 1,1Гв?5,е(0,15%);

•А.

мониторинг векторов С-матрицы

3 4 5 6 7 а 9 10 11 12 х

Ранговая топологическая мера

Рис. 7. Пример выбор алгоритма Л2

При фиксации значений векторов С-матрице ниже ОДЗ С-индикатором фиксируется комплексный алгоритм Л3 (рис. 8).

Электропотребление \Л/, кВтч \ Т

У^.гр.г,,,*, еЯ}

Wf

V ®

:

''И

-Г,

Выбор комплексного алгоритма А3

"н>

Л

I; Индикаторная функция

А

'«и

Интерняль-нов оцкни-вание

Прогнозирование

Нормирование

123456789 10 11 12 X

Ранговая топологическая мера

Рис. 8. Пример выбора алгоритма А3

Для данной ситуации осуществляется реализация стандартных процедур рангового анализа и производится анализ причин занижения показателей ресурса [3, 4, 5].

В последнем блоке методики реализуются алгоритмы управляющего воздействия для снижения электропотребления. Зачастую, руководство предприятий или организаций требует снизить электропотреблением объектов на заданный процент без нарушения основного технологического процесса. Для разрешения данной задачи в методике предусмотрен алгоритм, позволяющий снизить электропотребления индивидуально для каждого объекта (рис. 9).

Первоначально векторы С-матрицы проходят корреляционный анализ. Это необходимо для определения степени взаимосвязанности значений векторов С-матрицы. В случае успешной проверки осуществляется рассчёт величины дифлекс-параметра между эмпирическим значением параметра и значением на нижней границе ОДЗ (рис. 10).

Далее производится определение значения комплексного параметра, который рассчитывается на основе средних значений двух значений: прогноза и нормы электропотребления. Графический пример получения данного комплексного показателя представлен на рис. 11.

Исходные данные (Уточнённая С-матрица)

Вектор дифлекс-параметров

Вектор прогноза

Вектор норм

V

ш р = .....w р

(I) \ 1 2 I,

VI уу п = (\Л/ П,1Л/ в

; (к) \ 1 «

Проверка корреляции С-матрицы

Формирование

значений О эг

(И

Формирование

|в>

й

Расчёт коэффициента управления

Внешнее управляющее воздействие

сш

( Ам (

сик

Формирование й-матрицы

п,т :

\ 0 5

: [п,т] (¡) 0) и,=1 :

п

Рис. 9. Структура алгоритма реализации управляющего воздействия при снижении электропотребления

Электропотребление кВтч \ Т

т

\

ч

Формирование вектора дифлекс-параметров

Координаты вектора Й!

(*)

Радиус-вектор

л W ^ Норма вектора \Л/ ^

1|»

т-в— 10 11 12

Ранговая топологическая мера

Рис. 10. Определение относительного дифлекс-параметра

Электропотребление кВуч \ Т

Радиус-вектор Т

ги к

«12

\

Формирование среднего прогнозных значении и норм

с. Норма радиус-вектора гр5

1

Радиус-вектор

г" IV П-,.,4 Г(5)\Х 5" 5 /

Г(6)

Норма радиус-вектора г^ 9 10 11 12

Ранговая топологическая мера

Рис. 12. Графический пример определения комплексного показателя среднего прогнозных

значений и норм

Аналитически данную операцию можно представить в следующем виде:

206

¿И £

^ 1=1

<0

^ е Dsr; ГД, Гп

Г О

^ Г 0

т

где

,Р

нормированная величина прогнозных значений;

Р

О)

(2)

нормированная величина зна-

'<1>

чений норм; Dsr - среднее прогнозных значений и норм.

Значения полученного дифлекс-параметра, среднего прогнозных и норм определяют основной показатель для снижения электропотребления без нарушения технологического процесса РЭК. Именно операция комплексного применения данных параметров позволяет получить данный эффект при снижении электропотребления объектов [3 - 5].

Далее на основе вышеуказанных величин впервые определена формула коэффициента управления, позволяющего получить сниженное значение электропотребления на 3 % индивидуально для каждого объекта

\Т / \Т / / \Т

Ы)) -() •(е

- к2

• w

ODP (1)

)+Ио)

(w 5 )Т

■ = 0,03,

(3)

где w ^ - электропотребление; - среднее прогнозных значений и норм выше нижней границы ОДЗ; - среднее прогнозных значений и норм ниже нижней границы ОДЗ; Е1, Е2 -

вектора единиц; к - коэффициент управления.

Упростив выражение (3), можно выразить коэффициент управления

\Т / \Т

1 \

к 2 =

(¿<0) • Е1 +(¿<0 ) • Е2 -0,97• w

(0

(4)

05Р

(л<0) ^(1)

В завершении методики формируется матрица, которая содержит сниженные значения параметра

5

w < w коа <0' 0)

(6)

где w я - сниженные значения электропотребления; w

1,J,=1 коа

- коды сниженных значений элек-

0) 0) тропотребления.

Реализация методики комплексирования процедур рангового анализа при управлении электропотреблением объектов осуществлялась на месячных данных по электропотреблению сто двадцати шести крупных потребителей РЭК Калининградской области с 2014 по 2019 год [6].

Для проверки работоспособности методики данные по электропотреблению за 2019 год были зарезервированы в качестве вектора верификации. Глубина обследования полученных результатов составила пять лет: с 2014 по 2018 гг. Проверка осуществлялась в два этапа. На первом этапе анализировались результаты комплексирования процедур рангового анализа, а на втором - реализации управляющего воздействия.

Проверка результатов комплексирования процедур рангового анализа осуществлялась по следующим показателям: количество аномальных объектов до проведения энергетических обследований и после, количество объектов у которых средняя относительная ошибка больше 5 % и количество объектов у которых отклонение нормы электропотребления больше 15 %. В таблице приведены результаты комплексирования процедур рангового анализа за пять лет.

После реализации этапов комплексирования процедур рангового анализа реализован алгоритм снижения электропотребления на основе управляющего воздействия, который позволил снизить электропотребление сто двадцати шести крупных потребителей РЭК Калининград-

ской области на 15 % с 2014 по 2018 гг. без нарушения технологического процесса. При построении и мониторинге векторов С-матрицы по сниженным значениям электропотребления за каждый год, ошибки и отклонения составили по векторам составили не более 2 %.

Результаты комплексирования процедур рангового анализа за пять лет

Год Количество аномальных объектов до обследований Количество аномальных объектов после обследований Количество объектов, имеющих среднюю относительную ошибку прогноза больше 5 % Количество объектов у которых отклонение нормы электропотребления больше 15 %

2014 48 44 10 15

2015 45 38 8 10

2016 46 32 7 7

2017 42 29 5 5

2018 45 24 2 3

Таким образом, работоспособность методики комплексирования процедур рангового анализа при управлении электропотреблением объектов регионального электротехнического комплекса подтверждена.

Список литературы

1. Гнатюк В.И. Закон оптимального построения техноценозов: монография. - 3-е изд., перераб. и доп. Калининград: Изд-во КИЦ «Техноценоз», 2019. [Электронный ресурс] URL: ^1р://апа1ику1щЛ^.Ьт1(дата обращения:10.08.2021).

2. Гнатюк В.И., Кивчун О.Р., Илюшин П.В. Параметрическая адаптация данных об электропотреблении объектов региональной энергосистемы на основе рангового анализа // Промышленная энергетика. 2020. № 10. С. 48 - 56.

3. Gnatyuk V.I., Kivchun O.R., Dorofeev S.A., Bovtrikova E.V. Mathematical model of parametric virtuaHzation of technocenosis data // CEUR Workshop Proceedings. 2021, 2922. P. 9099.

4. Гнатюк В.И. Кивчун О.Р. Морозов Д.Г. Прогнозирование электропотребления объектов социально-экономических систем на основе значений ранговой нормы// Морские интеллектуальные технологии. 2020. № 4-2(50). С. 107 - 111.

5. Гнатюк В.И., Кивчун О.Р., Луценко Д.В., Цырук С.А. Реализация стратегии снижения электропотребления объектов припортового электротехнического комплекса на основе векторного рангового анализа / О.Р. Кивчун [и др.] // Морские интеллектуальные технологии. 2019. № 4-4(46). С.140 - 145.

6. Кивчун О.Р. Векторный ранговый анализ: трактат. Калининград: Изд-во КИЦ «Техноценоз», 2019. [Электронный ресурс] URL: http://gnatukvi.ru/vran.pdf(дата_обращения:02.10.2021).

7. Кивчун О.Р. Метод векторного рангового анализа при управлении электропотреблением объектов военной инфраструктуры // Известия Тульского государственного университета. Технические науки. 2018. Вып. 11. С. 550 - 560.

8. Распоряжение Губернатора Калининградской области. О схеме и программе перспективного развития электроэнергетики Калининградской области на 2021-2025 годы и признании утратившими силу отдельных решений Губернатора Калининградской области: [от 28.05.2021 №1 9-р]. Калининград, 2021. 249 с.

Кивчун Олег Романович, канд. техн. наук, доцент, oleg_kivchun@mail.ru, Россия, Калининград, Балтийский федеральный университет им. И. Канта

METHODOLOGY OF COMPLEXING PROCEDURES RANK ANALYSIS IN MANAGEMENT POWER CONSUMPTION OF REGIONAL FACILITIES ELECTRICAL ENGINEERING COMPLEX

Ph.D. O.R. Kivchun

The method of integration of rank analysis procedures in the management of power consumption of objects of the regional electrotechnical complex is considered. The theoretical basis of the technique is vector rank analysis. The structure of the methodology includes four blocks: data prepa-

208

ration and verification, C-matrix synthesis, calculation of indicator functions and integration of rank analysis procedures and the formation of a control effect. The implementation of the methodology for the regional electrotechnical complex allows to obtain the best values of power consumption individually for each object.

Key words: methodology, integration, procedure, rank analysis, management, power consumption, regional electrotechnical complex.

Oleg Romanovich Kivchun, candidate of technical sciences, docent, oleg_kivchun@mail.ru, Russia, Kaliningrad, Baltic Federal University named after I. Kant

УДК 004.896

DOI: 10.24412/2071-6168-2021-12-209-217

РАЗРАБОТКА РОБОТИЗИРОВАННОЙ ПЛАТФОРМЫ ДЛЯ ПОДЗЕМНОГО ГЕОМОНИТОРИНГА

А.С. Лутонин, К.А. Богданова

В статье содержится описание мобильной роботизированной платформы для осуществления геомеханического мониторинга подземных горных выработок под управлением платы ESP32 и одноплатного компьютера Raspberry PI4. Задача разработанной роботизированной платформы - построение модели замкнутых пространств, где отсутствует возможность применения GNSS измерений, посредством комплексирования данных инерциального измерительного блока, датчиков угла поворота колес и лидара. Приведено описание кинематической модели движения платформы. Произведено моделирование движения в среде Gazebo. Выполнено сравнение траекторий, построенных на основании данных энкодеров и на основании отфильтрованных данных IMU и энкодеров посредством EKF.

Ключевые слова: подземная разработка месторождений, определение местоположения, навигация, роботизированная платформа, одометрия, IMU.

1. Введение. Автоматизация и робототехника входят в список ключевых технологий для развития добывающей промышленности с точки зрения цифровизации [1,2]. При этом, для освоения подземных пространств данные направления являются особенно актуальными, так как позволяют исключить нахождение человека в потенциально опасных условиях. Поэтому в настоящее время все большее количество исследований направлено на адаптацию существующих технологий автоматизации и цифровизации для сферы добычи полезных ископаемых в целом [3,4], и в особенности для подземного способа разработки месторождений [5,6]

Одним из основных элементов повышения уровня автоматизации подземной разработки месторождений полезных ископаемых является использование автономных транспортных средств [7,8]. Достижение этой цели невозможно без точного позиционирования и навигации в условиях отсутствия заранее построенной карты пространства [9]. Для этого широко применяют подход SLAM (Simultaneous Localization and Mapping) [10], который на основании измерений одного или нескольких датчиков позволяет строить двумерную или трехмерную модель окружающего пространства и определять координаты устройства относительно этой модели. В качестве входных данных для SLAM используются измерения колесной одометрии, инерциальных измерительных блоков, камер, лидаров, GNSS приёмников в зависимости от возможности применения датчиков в конкретных условиях [11,12]. Для открытой местности часто используют GNSS-измерения как один из наиболее точных способов прямого получения координат устройства [13]. В условиях подземных горных выработок GNSS измерения недоступны, поэтому существующие решения для навигации беспилотных транспортных средств опираются на данные камер и/или лидаров, а также инерциальных измерительных блоков и датчиков углов поворота колес [14].

Таким образом, целью данной работы является оценка точности позиционирования мобильной платформы с использованием энкодеров и инерциального измерительного блока для рассмотрения возможности их применения в условиях подземных месторождений для построения планов горных выработок и осуществления мониторинга за оседаниями горных пород.