CC BY
22
Вестник НГИЭИ. 2021. № 11 (126). C. 28-37. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 28-37. ISSN 2227-9407 (Print)
XXXX ЭЛЕКТРОТЕХНОЛОГИИ И ЭЛЕКТРООБОРУДОВАНИЕ В СЕЛЬСКОМ ХОЗЯЙСТВЕ ХХХХ
Научная статья
УДК 621.31:004.8:331.45
DOI: 10.24412/2227-9407-2021-11-28-37
Методика оценки пожарных рисков эксплуатации электроустановок аграрно-промышленного комплекса
Олег Константинович Никольский1, Мария Андреевна Габова2 в
1,2 Алтайский государственный технический университет им. И. И. Ползунова, г. Барнаул, Россия 1epb_401@mail. ru
2gabova_ma@mail.ruH, https://orcid.org/0000-0003-2789-0704
Аннотация
Введение. Статья посвящена описанию метода оценки пожарных рисков электроустановок на основе концепции человеко-машинной системы «Человек-Электроустановка-Среда».
Материалы и методы. В статье рассматривается формирование списка критериев, на основе которых можно определить состояние пожарной безопасности электроустановки. В рамках проведения эксперимента для определения адекватности разработанной модели был проведен численный эксперимент, в рамках которого обследованы электроустановки предприятия, занятого переработкой сельскохозяйственной продукции. Из полученных данных сформирована база знаний, в которой для каждой из обследованных электроустановок экспертами были даны оценки каждому критерию и итоговое значение пожарного риска для них. Далее в статье рассмотрены два способа сокращения полученной из базы знаний обучающей выборки, так как в имеющемся виде (70 примеров при 42 показателях) обучение нейронной сети по ней не будет достаточно эффективным. По итогам рассмотрения применения метода корреляции между входными и результирующими значениями, а также метода главных компонент был сделан вывод о предпочтительности второго.
Результаты. Результатом работы стала разработанная методика оценки пожарной безопасности электроустановок аграрно-промышленного комплекса, которая в данный момент проходит апробацию на предприятиях Алтайского края.
Обсуждение. Результаты работы докладывались на многочисленных конференциях, в том числе XVIII Международной научно-практической конференции «Энерго- и ресурсосбережение - XXI ВЕК», XI Международной научно-практической конференции «Высокопроизводительные вычислительные системы и технологии в научных исследованиях, автоматизации управления и производства», XVI Всероссийской научно-технической конференции студентов, аспирантов и молодых ученых с международным участием «Измерения, автоматизация и моделирование в промышленности и научных исследованиях», XXIX Всероссийский семинар «Нейроинформатика, ее приложения и анализ данных» и прочих.
Заключение. Разработанная методика оценки пожарных рисков электроустановок дает достаточно хорошие результаты и может быть применена для расчета пожарных рисков на предприятиях. В рамках дальнейшей работы планируется создание на ее основе имитационной модели, на базе которой будет производиться не только расчет пожарного риска, но и будут формироваться рекомендации по улучшению определенных параметров, оказывающих наибольший негативный эффект на результирующее значение.
Ключевые слова: имитационная модель, логический вывод, пожарный риск, рискообразующие факторы, человеко-машинная система, электроустановка
Для цитирования: Никольский О. К., Габова М. А. Методика оценки пожарных рисков эксплуатации электроустановок аграрно-промышленного комплекса // Вестник НГИЭИ. 2021. № 11 (126). С. 28-37. DOI: 10.24412/2227-9407-2021-11-28-37
© Никольский О. К., Габова М. А., 2021
Контент доступен под лицензией Creative Commons Attribution 4.0 License. The content is available under Creative Commons Attribution 4.0 License.
28
Вестник НГИЭИ. 2021. № 11 (126). C. 28-37. ISSN 2227-9407 (Print) Bulletin NGIEI. 2021. № 11 (126). P. 28-37. ISSN 2227-9407 (Print)
XXXX ЭЛЕКТРОТЕХНОЛОГИИ И ЭЛЕКТРООБОРУДОВАНИЕ В СЕЛЬСКОМ ХОЗЯЙСТВЕ ХХХХ
Methodology for assessing fire risks in the operation of electrical installations of the agro-industrial complex
Oleg K. Nikolsky1, Maria A. Gabova1
1,2 Altai State Technical University, Barnaul, Russia 1epb_401@mail. ru
2gabova_ma@mail.ruH, https://orcid.org/0000-0003-2789-0704
Abstract
Introduction. The article is devoted to the description of the method for assessing the fire risks of electrical installations based on the concept of the man-machine system «Man-Electrical Installation-Environment».
Materials and methods. The article discusses the formation of a list of criteria on the basis of which it is possible to determine the state of fire safety of an electrical installation. As part of the experiment, to determine the adequacy of the developed model, a numerical experiment was carried out, within the framework of which the electrical installations of an enterprise engaged in the processing of agricultural products were examined. Based on the data obtained, a knowledge base was formed, in which, for each of the inspected electrical installations, experts gave assessments to each criterion and the final value of the fire risk for them. Further in the article, two methods of reducing the training sample obtained from the knowledge base are considered, since in its current form (70 examples with 42 indicators), training a neural network using it will not be efficient enough. Based on the results of considering the application of the method of correlation between the input and output values, as well as the method of principal components, it was concluded that the second is preferable.
Results. The result of the work was the developed methodology for assessing the fire safety of electrical installations of the agro-industrial complex, which is currently being tested at the enterprises of the Altai Territory.
Discussion. The results of the work were reported at numerous conferences, including the XVIII International Scientific and Practical Conference «Energy and resource saving - XXI century», the XI International Scientific and Practical Conference, «High-performance computing systems and technologies in scientific research, automation of management and production», XVI All-Russian scientific and technical conference of students, graduate students and young scientists with international participation «Measurements, automation and modeling in industry and scientific research», XXIX All-Russian seminar «Neuroinformatics, its applications and data analysis» and others.
Conclusion. The developed methodology for assessing the fire risks of electrical installations gives fairly good results and can be used to calculate fire risks at enterprises. As part of further work, it is planned to create a simulation model on its basis, on the basis of which not only the calculation of fire risk will be made, but also recommendations for improving certain parameters that have the greatest negative effect on the resulting value will be formed.
Key words: electrical installation, fire risk, human-machine system, simulation model, inference, risk-forming factors.
For citation: Nikolsky O. K., Gabova M. A. Methodology for assessing fire risks in the operation of electrical installations of the agro-industrial complex // Bulletin NGIEI. 2021. № 11 (126). P. 28-37. (In Russ.). DOI: 10.24412/2227-9407-2021-11-28-37
Введение
Уровень пожарной опасности на электроустановках, эксплуатирующихся на производственных и сельскохозяйственных предприятиях, в настоящее время является важной проблемой. Доля пожаров, происходящих по электротехническим причинам (короткие замыкания, перегрузки в электрических сетях и электропроводках, токи утечки через изоляцию, большое переходное сопротивление контактных соединений, электрическая дуга), довольно высока и по отдельным регионам России колеблется от 20 до 40 %. Профилактика аварийности в первую
очередь должна основываться на диагностике, базирующейся на оценке пожарных рисков, являющихся предпосылками аварий систем электроснабжения, электротравматизма персонала и пожаров).
Согласно статистическим данным, в 2019 г. значительное число пожаров произошло по причинам, связанным с нарушением правил устройства и эксплуатации электрооборудования - 49 638 ед. (10,5 % от общего количества пожаров в стране, при этом более 31 % всех пожаров, произошедших в зданиях, случилось по причине выхода из строя электрооборудования.
29
Вестник НГИЭИ. 2021. № 11 (126). C. 28-37. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 28-37. ISSN 2227-9407 (Print)
XXXXXX ELECTROTECHNOLOGY AND ELECTRIC EQUIPMENT IN AGRICULTURE XXXXXX
Несовершенство механизмов государственного регулирования пожарной безопасности электроустановок [1], отсутствие экономических стимулов, слабый надзор за выполнением действующих нормативных и законодательных актов привели к существенному отставанию России от цивилизованных стран мира в области массового применения новых эффективных технологий предупреждения пожаров [2; 3; 4] и огнезащитных мероприятий [5].
Анализ обстановки с пожарами показывает, что на ее динамику и структуру в настоящее время влияют три основных фактора: социальный, технический и техногенный [6].
Социальный фактор во многом обусловлен кризисными процессами в экономике (спад производства, инфляция, неплатежи, неудовлетворительное финансирование противопожарной службы и т. д.).
Техногенный фактор связан в первую очередь с интенсивным ростом потребления электроэнергии, особенно в производственном секторе и в сфере малого бизнеса, что, безусловно, приводит к росту числа электроустановок и увеличению протяженности сетей и электропроводок и, как следствие, к повышению пожарной опасности [7].
Наблюдается также значительный амортизационный износ электрических сетей и электрооборудования (по оценкам экспертов, он составляет примерно 70 %) вследствие отсутствия необходимых финансовых средств на возобновление работоспособности и ремонт электроустановок.
Известно, что основная причина утечек тока, коротких замыканий, перегрузок электрических сетей и оборудования, а также образования больших местных переходных сопротивлений, электрических искр и дуг - это пожары, возникающие в процессе эксплуатации производственных электроустановок или обслуживания бытовых электроприборов [8].
Особую пожарную опасность из-за отсутствия в настоящее время эффективной электрозащиты представляют токи утечки в электроустановках, возникновение которых связано с ухудшением изоляции. Данные нарушения могут возникать вследствие влияния внешней среды: повышенной влажности и колебаний температуры, а также заводских дефектов и механических повреждений электропроводок и оборудования [9].
Вопросами рисков эксплуатации электрических сетей напряжением до 1 000 В занимались многие российские и зарубежные ученые, результатами их работы явилось создание теоретических основ электро- и пожаробезопасности электроустановок,
формирование на ее основе методологической и нормативной базы для создания и эксплуатации безопасных электроустановок [10; 11; 12].
Для определения уровня риска различных факторов многие авторы применяют математическое моделирование, основанное на вероятностном анализе рисков эксплуатации электроустановок, и разработке практических методов расчета [13].
Вместе с тем, вопросы, посвященные анализу и синтезу слабоструктурированной динамической человеко-машинной системы «Человек-Электроустановка-Среда» (Ч-Э-С), позволяющей идентифицировать факторы риска, остаются не достаточно изученными. Управление техногенными рисками базируется на принятии решений в условиях неопределенности, сопряженных с такими особенностями, как:
а) отсутствие четкой структуры, неопределенность и физическая неоднородность компонентов системы;
б) сложность идентификации событий, приводящих к возникновению опасных техногенных ситуаций;
в) сложность получения и интерпретации данных, описывающих состояние электроустановки.
Перечисленные факторы, а также не достаточное точное и полное описание взаимосвязей между значениями показателей и возникновением и развитием аварийных ситуаций усложняют процедуру принятия решений.
Для решения проблемы повышения эффективности диагностики технического состояния электроустановок необходимо создание новой методологии, основанной на алгоритмизации управления техногенными рисками на протяжении всего жизненного цикла ЭУ производственного объекта.
Целью работы является повышение безопасности эксплуатации электроустановок с применением математических моделей, автоматизированных с применением интеллектуальных компонентов для анализа данных диагностики технического состояния электроустановок.
Научная гипотеза состоит в предположении, что анализ показателей ЧМС «Ч-Э-С», таких как ошибки в работе персонала, отказы и перебои в работе электрооборудования и электроснабжения, а также отрицательное влияние внутренней и внешней сред, позволяет управлять техногенными рисками опасности эксплуатации электроустановок [14].
Созданная авторами система поддержки принятия решений (СППР) позволяет идентифициро-
30
Вестник НГИЭИ. 2021. № 11 (126). C. 28-37. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 28-37. ISSN 2227-9407 (Print)
XXXX ЭЛЕКТРОТЕХНОЛОГИИ И ЭЛЕКТРООБОРУДОВАНИЕ В СЕЛЬСКОМ ХОЗЯЙСТВЕ ХХХХ
вать, анализировать и управлять рисками при эксплуатации электроустановок [15].
Материалы и методы
С целью установления параметров и их взаимосвязей с характеристиками системы создана база
знаний, на ее основе с применением многокритериального анализа составлена математическая модель, проведены вычисления, подтверждающие сформулированную научную гипотезу [16].
Уро вень соответстви я нормативнотехническим и санитарным нормам (Compliance level with technical and sanitary standards)
Экономическое со стоя ние п редпр иятия (The economic condition of the enterprise)
f Достаточность финансирования Adequacy of funding Система планирования' и контроля (Planning and control system)
Внедрение нового оборудования (Deployment of new equipment)
Ведение НИОКР (R&D)
Щиты управления, КИПиА, коммутационная аппаратура (Control panels, instrumentation, switching equipment)
Щиты управления, КИПиА, коммутационная аппаратура (Control panels, instrumentation, switching equipment)
Рис. 1. Структурная диаграмма пожарных рискообразующих факторов в человеко-машинной системе «Ч-Э-С» Fig. 1. Structural diagram of fire risk-forming factors in the human-machine system «M-EI-E»
Источник: разработано авторами на основании исследований
31
Вестник НГИЭИ. 2021. № 11 (126). C. 28-37. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 28-37. ISSN 2227-9407 (Print)
XXXXXX ELECTROTECHNOLOGY AND ELECTRIC EQUIPMENT IN AGRICULTURE XXXXXX
«Количественным показателем, наиболее полно характеризующим техническое состояние и остаточный ресурс электроустановок, является пожарный риск Rf» [17]. Известно, что «основой объективной оценки рисков ЭУ могут служить натурные эксперименты, проведение которых в ряде случаев недопустимо по гуманным или экономическим соображениям» [18]. Определение как количественных, так и качественных показателей состояния электроустановки сопряжено со сложностями как их получения, так и интерпретации. Для определения состояния электроустановки разработана классификация, позволяющая идентифицировать рискообразующие факторы ЧМС «Ч-Э-С» (рисунок 1).
В соответствии с разработанной структурой была разработана анкета, на основе которой группа экспертов обследовала техническое состояние 70 электроустановок предприятия, занимающегося переработкой сельскохозяйственной продукции. На основе этих данных была сформирована база знаний, состоящая из 42 входных параметров, характеризующих 70 электроустановок предприятия агропромышленного комплекса Алтайского края.
В качестве метода вычисления итогового значения пожарного риска выбраны нейронные сети, как инструмент, позволяющий находить решения при неявных закономерностях и обладающий устойчивостью к неточностям во входных данных, которые возможны в силу человеческого фактора при применении системы экспертных оценок [19].
Материалы и методы
Применение нейронной сети требует наличия обучающей выборки, которая была сформирована
из базы знаний и составила 70 примеров при 42 оцениваемых параметрах. При таком количестве параметров нужно около 1000 обучающих примеров, сбор которых сопряжен со значительными временными и стоимостными трудозатратами [20]. Обучение нейронной сети на имеющихся данных показало среднюю ошибку обучения 7.3606, что является недопустимо высоким значением. В связи с этим было принято решение о применении математических методов для сокращения обучающей выборки.
Первым из примененных стал классический метод корреляции. В рамках его использования для определения уровня значимости входных параметров были рассчитаны коэффициенты корреляции между входными параметрами и выходным. Наибольшие значения оказались у таких критериев, как «Функциональный (частичный) отказ» «Электрическая сеть, электропроводка» (0.574705), «Фиксирование технологических нарушений» (0.487510), «Бдительность на рабочем месте» (0.484178), «Структурный (полный) отказ электрической сети, электропроводки» (0.482243), «Уровень влажности» (0.479564).
С их применением было проведено несколько экспериментов по обучению нейронных сетей и определению класса пожарного риска электрооборудования путем последовательного добавления входных параметров к обучающей выборке, начиная с наиболее значимых и заканчивая менее значимыми. Решающим значением для обучающей и тестовой выборок была оценка, выставленная экспертами при оценке пожарного риска электроустановки. Результаты приведены в таблице 1.
Таблица 1. Значения ошибок обучения нейронной сети по параметрам, имеющим наибольшую корреляцию с решающим значением
Table 1. Values of neural network training errors for the parameters that have the greatest correlation with the decisive value
Набор входных параметров / Input parameter set Обучающие / Training Тестовые / Testing Средняя ошибка на обучающем и тестовом множествах / Average error on training and test sets
Среднее/ Average Максимальное / Max Среднее/ Average Максимальное / Max
x18 0,0186 0,0772 0,0215 0,0399 0,0156
x18 x9 0,0143 0,0506 0,0071 0,0071 0,0200
x18 x9 x7 0,0124 0,0712 0,0953 0,1740 0,0107
x18 x9 x7 x21 0,0128 0,0711 0,0778 0,1557 0,0539
x18 x9 x7 x21 x33 0,0186 0,0772 0,0215 0,0399 0,0453
Источник: разработано авторами на основании исследований
Анализ ошибок на обучающей и тестовой вы- получается при применении 3 параметров, таких как борках показал, что наименьшее значение ошибки «Функциональный (частичный) отказ электриче-
32
Вестник НГИЭИ. 2021. № 11 (126). C. 28-37. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 28-37. ISSN 2227-9407 (Print)
XXXX ЭЛЕКТРОТЕХНОЛОГИИ И ЭЛЕКТРООБОРУДОВАНИЕ В СЕЛЬСКОМ ХОЗЯЙСТВЕ ХХХХ
ской сети и/или электропроводки», «Фиксирование технологических нарушений» и «Бдительность на рабочем месте», 0,012.
Однако, несмотря на достаточно малое значение ошибки при использовании данного метода, необходимо признать, что его применение не является оптимальным, так как количество параметров, на которых базируется вычисление, сокращается до 3 и не учитывает прочие параметры, которые экспертами также признаны важными при вычислении
интегрального риска. В связи с этим было принято решение использовать метод главных компонент, который позволяет учитывать все параметры.
Для определения оптимального количества вычисляемых главных компонент был проведен ряд экспериментов, в ходе которых на основе имеющейся выборки были рассчитаны значения главных компонент, и на основе получившихся данных была обучена нейронная сеть. Результаты вычисления представлены в таблице 2.
Таблица 2. Значения ошибок обучения нейросети по выборке, сформированной на основе метода главных компонент
Table 2. Values of neural network training errors for a sample formed on the basis of the principal component method
Количество входных главных компонент / Number of input main components Обучающие / Educational Тестовые / Testing Среднеарифметическое значение ошибки на обучающем и тестовом множествах / The arithmetic mean of the error on the training and test sets
Среднее/ Average Максимальное / Max Среднее / Average Максимальное / Max
2 0,0569 0,3904 0,0282 0,1032 0,0426
3 0,0472 0,3695 0,0227 0,2469 0,0350
4 0,0241 0,3074 0,0869 0,3073 0,0555
5 0,0288 0,2885 0,0661 0,2265 0,0474
6 0,0244 0,2414 0,0028 0,0084 0,0136
7 0,0147 0,2695 0,0625 0,2499 0,0386
8 0,0125 0,2714 0,1202 0,2500 0,0663
9 0,0162 0,2096 0,1380 0,3335 0,0771
10 0,0067 0,2500 0,3128 1,0000 0,1597
Источник: разработано авторами на основании исследований
Результаты
На рисунке 2 дано графическое представление полученных результатов. Согласно полученным данным, наиболее оптимальным с точки зрения минимизации ошибки является применение 6 главных компонент. Данный вывод сделан на основе анализа графиков всех 4 значений ошибки. Несмотря на то, что средняя ошибка обучения имеет тенденцию к снижению по мере роста количества главных компонент, остальные виды ошибок, такие как максимальная ошибка обучения, средняя и максимальная ошибки тестирования, уменьшаются при использовании 6 главных компонент. Как показано на графике, в случае с максимальной ошибкой имеет место резкое снижение значения.
Сравнение среднеарифметических значений обучающей и тестовой выборки для методов корреляции и главных компонент показывает незначительное отличие, 0,0107 при применении обучаю-
щей выборки, состоящей из 3 параметров, имеющих наибольшую корреляцию с итоговым значением. И 0,0136 в случае формирования обучающей выборки на основе расчета 6 главных компонент. Несмотря на то, что в первом случае значение немного меньше, необходимо заметить, что метод главных компонент позволяет в расчетах принимать во внимание все исходные параметры, тогда как метод главных компонент сокращает количество параметров оценки всего лишь до 3, что не дает возможности провести полноценную оценку всех параметров и делает метод главных компонентов более предпочтительным для применения. Кроме того, учитывая неопределенность, в условиях которой ведутся расчеты, более предпочтительным является возможное ложно положительное срабатывание системы, чем пропуск события, который может повлечь за собой пожароопасную ситуацию.
33
Вестник НГИЭИ. 2021. № 11 (126). C. 28-37. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 28-37. ISSN 2227-9407 (Print)
XXXXXX ELECTROTECHNOLOGY AND ELECTRIC EQUIPMENT IN AGRICULTURE XXXXXX
Средня ошибка обучения (Average teaching error)
Максимальная ошибка обучения (Maximum teaching error)
=Средня ошибка тестирования (Average test error)
Максимальная ошибка тестирования (Maximum test error)
Рис. 2. Графическое представление значений ошибок обучения нейросети по выборке, сформированной на основе метода главных компонент Fig. 2. Graphical representation of the values of the training errors of the neural network for the sample formed on the basis of the method main components Источник: разработано авторами
Заключение
Разработанная методика оценки позволяет оценить пожарное состояние электроустановки с учетом значительного количества факторов, объединенных концепцией человеко-машинной системы «Человек-Электроустановка-Среда». Результаты применения данной методики могут быть использованы для управления пожарными рисками на предприятиях аграрно-промышленного комплекса.
Дальнейшее развитие системы будет проходить в рамках разработки программного комплекса, который будет в автоматизированном режиме проводить оценку. Кроме того, планируется разработка комплекса имитационного моделирования, который позволит проводить оценку имеющихся электроустановок с различными входными параметрами и на основе этих данных генерировать рекомендации по улучшению пожарного состояния.
СПИСОК ИСТОЧНИКОВ
1. Смелков Г. И., Пехотиков В. А., Грузинова О. И. К вопросу об актуализации нормативной базы в области обеспечения пожарной безопасности электроустановок // Пожарная безопасность: современные вызовы. Проблемы и пути решения. Санкт-Петербург. 2020. С. 52-53.
2. Семичевский П. И., Еремина Т. В. Обеспечение безопасности электроустановок: состояние и перспективы // Механизация и электрификация сельского хозяйства. 2009. № 5. С. 24-25.
3. Липкович И. Э., Украинцев М. М., Пятикопов С. М. и др. Стратегия повышения безопасности электроснабжения предприятий АПК // Вестник аграрной науки Дона. 2020. № 2 (50). С. 74-83.
4. Eoin O’Loughlin, and Simon Lay. Structural fire resistance: Rating system manifests crude, inconsistent design // Case Studies in Fire Safety. V. 3. 2015. doi:10.1016/j.csfs.2015.03.001
5. Наумов Ю. В., Шебеко А. Ю., Смирнов Н. В. и др. К вопросу применения терминов и определений в области огнезащиты // Актуальные проблемы пожарной безопасности. Ногинск. 2018. С. 466-469.
6. Еремина Т. В., Гармаев А. Л. Системный анализ техногенной безопасности электроустановок // Вестник ВСГУТУ 2016. № 5 (62). С. 19-24.
7. Еремина Т. В., Плишкина О. В. Проблемы техногенной безопасности объектов инфраструктуры и населения России // Образование и наука. Технические науки. Улан-Удэ. 2020. С. 15-18.
8. Куликов С. В. Причины возгораний и пожарная опасность электротехнических устройств // Современные пожаробезопасные материалы и технологии. Иваново. 2020. С. 230-232.
34
Вестник НГИЭИ. 2021. № 11 (126). C. 28-37. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 28-37. ISSN 2227-9407 (Print)
XXXX ЭЛЕКТРОТЕХНОЛОГИИ И ЭЛЕКТРООБОРУДОВАНИЕ В СЕЛЬСКОМ ХОЗЯЙСТВЕ ХХХХ
9. Пехотиков А. В., Павлов В. В., Хасанов И. Р., Голованов В. И. Расчетные методики оценки огнестойкости и пожарной опасности строительных конструкций // Актуальные проблемы пожарной безопасности. Ногинск. 2018. С.359-361.
10. Голованов В. И., Павлов В. В., Пехотиков А. В., Пронин Д. Г. Стандартизация и внедрение расчетных методов в области огнезащиты несущих стальных конструкций // Актуальные проблемы пожарной безопасности. Москва. 2019. С. 26-29.
11. Еремина Т. В., Шаныгин И. А., Балданов М. Б. Метод оптимизации техногенных рисков в электроустановках производственного объекта // Безопасность труда в промышленности. 2021. № 7. С. 73-78.
12. Загинайлов В. И., Овсянникова Е. А., Попов А. И. Оценка энергоэффективности работы энергоустановок и сельскохозяйственных технологий // Доклады ТСХА. Москва. 2020. С. 23-26.
13. Еремина Т. В., Шаныгин И. А. Метод оценки и оптимизации пожарной безопасности электроустановок производственных объектов // Российская наука в современном мире. 2019. С. 46-48.
14. Еремина Т. В., Хараев Ю. П., Шаныгин И. А., Балданов М. П. Модель построения оптимальной структуры безопасности электроустановок на сельскохозяйственных объектах // Вестник ВСГУТУ. 2020. № 4 (79). С. 59-65.
15. Еремина Т. В., Хараев Ю. П., Шаныгин И. А. Принципы построения экспертной системы диагностики техногенной безопасности электроустановок сельскохозяйственных объектов // Вестник ВСГУТУ. 2019. № 3 (74). С. 86-92.
16. Бакиров И. К., Халиуллина И. З. О сложностях определения пожарного риска и угрозы жизни людей от пожара // Пожаровзрывобезопасность. 2015. Т. 24. № 1. С. 5-8.
17. Калинин А. Ф. Оценка и управление интегральным риском опасности электроустановок на предприятиях АПК в условиях неопределенности : автореферат дис. ... канд. техн. наук. 05.20.02. Улан-Удэ, 2015. 40 с.
18. Калинин А. Ф., Еремина Т. В. Основные направления совершенствования безопасности электроустановок // Энерго- и ресурсосбережение - XXI век. Орёл. 2017. С. 27-30.
19. Чупакова А. О. Решение задач нейросетевой классификации в рамках расчета пожарных рисков на производственных объектах // Информатика: проблемы, методы, технологии. Воронеж. 2021. С. 1545-1550.
20. Чупакова А. О., Гудин С. В., Хабибулин Р. Ш. Методика создания нейросетевой модели для решения задач классификации по оптимизации пожарных рисков // Проблемы управления и моделирования в сложных системах. Самара. 2019. С. 551-554.
Статья поступила в редакцию 17.08.2021; одобрена после рецензирования 13.09.2021;
принята к публикации 16.09.2021.
Информация об авторах:
О. К. Никольский - заслуженный деятель науки и техники РФ, доктор технических наук, профессор, лауреат премии Правительства РФ в области науки и техники, лауреат премии Правительства РФ в области образования, действительный член Российской академии технологических наук, член-корреспондент Сибирской Академии наук высшей школы, почетный работник высшего профессионального образования, Spin-код: 9536-9727;
М. А. Габова - старший преподаватель кафедры информационных систем в экономике, Spin-код: 6404-1079.
Заявленный вклад авторов:
Никольский О. К. - определение концепции человеко-машинной системы «Человек-Электроустановка-Среда», описание предметной области и определение параметров оценки пожарного состояния электроустановки, анализ результатов расчетов и формулирование выводов.
Габова М. А. - анализ статистической информации, формирование и обработка базы знаний, проведение расчетов, анализ результатов и формулирование выводов.
Авторы заявляют об отсутствии конфликта интересов.
35
Вестник НГИЭИ. 2021. № 11 (126). C. 28-37. ISSN 2227-9407 (Print)
Bulletin NGIEI. 2021. № 11 (126). P. 28-37. ISSN 2227-9407 (Print)
XXXXXX ELECTROTECHNOLOGY AND ELECTRIC EQUIPMENT IN AGRICULTURE XXXXXX
REFERENCES
1. Smelkov G. I., Pekhotikov V. A., Gruzinova O. I. K voprosu ob aktualizacii normativnoj bazy v oblasti obespecheniya pozharnoj bezopasnosti elektroustanovok [On the issue of updating the regulatory framework in the field of fire safety of electrical installations], Pozharnaya bezopasnost': sovremennye vyzovy. Problemy i puti resheni-ya [Fire safety: modern challenges. Problems and solutions]. Sankt-Peterburg. 2020. pp. 52-53.
2. Semichevskij P. I., Eremina T. V. Obespechenie bezopasnosti elektroustanovok: sostoyanie i perspektivy [Ensuring the safety of electrical installations: state and prospects], Mekhanizaciya i elektrifkaciya sel'skogo hozyajst-va [Mechanization and electrification of agriculture], 2009, No. 5, pp. 24-25.
3. Lipkovich I. E., Ukraincev M. M., Pyatikopov S. M. i dr. Strategiya povysheniya bezopasnosti elektrosnab-zheniya predpriyatij APK [Strategy for improving the safety of power supply of agricultural enterprises], Vestnik agrarnoj nauki Dona [Don agrarian science bulletin], 2020, No. 2 (50), pp. 74-83.
4. Eoin O’Loughlin, and Simon Lay, Structural fire resistance: Rating system manifests crude, inconsistent design, Case Studies in Fire Safety, Vol. 3, 2015, doi: 10.1016/j.csfs.2015.03.001
5. Naumov Yu. V., Shebeko A. Yu., Smirnov N. V. i dr. K voprosu primeneniya terminov i opredelenij v oblasti ognezashchity [On the issue of the application of terms and definitions in the field of fire protection], Aktual'nye problemy pozharnoj bezopasnosti [Actualproblems of fire safety], Noginsk, 2018, pp. 466-469.
6. Eremina T. V., Garmaev A. L. Sistemnyj analiz tekhnogennoj bezopasnosti elektroustanovok [System analysis of technogenic safety of electrical installations], Vestnik VSGUTU [ESSUTMBulletin], 2016, No. 5 (62), pp. 19-24.
7. Eremina T. V., Plishkina O. V. Problemy tekhnogennoj bezopasnosti ob"ektov infrastruktury i naseleniya Rossii [The problems of russia infrastructure and population technogenic safety], Obrazovanie i nauka. Tekhnicheskie nauki [Education and science. Technical sciences], Ulan-Ude, 2020, pp. 15-18.
8. Kulikov S. V. Prichiny vozgoranij i pozharnaya opasnost' elektrotekhnicheskih ustrojstv [Causes of fires and fire hazard of electrical devices], Sovremennye pozharobezopasnye materialy i tekhnologii [Modern fireproof materials and technologies], Ivanovo, 2020, pp. 230-232.
9. Pekhotikov A. V., Pavlov V. V., Hasanov I. R., Golovanov V. I. Raschetnye metodiki ocenki ognestojkosti i pozharnoj opasnosti stroitel'nyh konstrukcij [Calculation methods for assessing fire resistance and fire hazard of building structures], Aktual'nye problemy pozharnoj bezopasnosti [Actual problems offire safety], Noginsk, 2018, pp. 359-361.
10. Golovanov V. I., Pavlov V. V., Pekhotikov A. V., Pronin D. G. Standartizaciya i vnedrenie raschetnyh metodov v oblasti ognezashchity nesushchih stal'nyh konstrukcij [Standardization and implementation of calculation methods in the field of fire protection of load-bearing steel structures], Aktual'nye problemy pozharnoj bezopasnosti [Actualproblems of fire safety], Moscow, 2019, pp. 26-29.
11. Eremina T. V., Shanygin I. A., Baldanov M. B. Metod optimizacii tekhnogennyh riskov v elektroustanov-kah proizvodstvennogo ob"ekta [Technogenic risk optimization method for electrical installations at a production facility], Bezopasnost' truda v promyshlennosti [Occupational safety in industry], 2021, No. 7, pp. 73-78.
12. Zaginajlov V. I., Ovsyannikova E. A., Popov A. I. Ocenka energoeffektivnosti raboty energoustanovok i sel'skohozyajstvennyh tekhnologij [Assessment of energy efficiency of power plants and agricultural technologies], Doklady TSKHA [TLC reports], Moscow, 2020, pp. 23-26.
13. Eremina T. V., Shanygin I. A. Metod ocenki i optimizacii pozharnoj bezopasnosti elektroustanovok pro-izvodstvennyh ob"ektov [Method for evaluation and optimization of fire safety of electrical installations of production facilities], Rossijskaya nauka v sovremennom mire [Russian Science in the Modern World], 2019, pp. 46-48.
14. Eremina T. V., Haraev Yu. P., Shanygin I. A., Baldanov M. P. Model' postroeniya optimal'noj struktury bezopasnosti elektroustanovok na sel'skohozyajstvennyh ob"ektah [Model of building the optimal safety structure of electrical installations on agricultural sites], Vestnik VSGUTU [ESSUTMBulletin], 2020, No. 4 (79), pp. 59-65.
15. Eremina T. V., Haraev Yu. P., Shanygin I. A. Principy postroeniya ekspertnoj sistemy diagnostiki tekhnogennoj bezopasnosti elektroustanovok sel'skohozyajstvennyh ob"ektov [Principles of construction of an expert system for diagnostics of technogenic safety of electrical installations of agricultural objects], Vestnik VSGUTU [ESSUTMBulletin], 2019, No. 3 (74), pp. 86-92.
16. Bakirov I. K., Haliullina I. Z. O slozhnostyah opredeleniya pozharnogo riska i ugrozy zhizni lyudej ot pozhara [About the difficulties of determining fire risk and threat to people life from fire], Pozharovzryvobezopasnost' [Fire and explosion safety], 2015, Issue 24, No. 1, pp. 5-8.
36
Вестник НГИЭИ. 2021. № 11 (126). C. 28-37. ISSN 2227-9407 (Print) Bulletin NGIEI. 2021. № 11 (126). P. 28-37. ISSN 2227-9407 (Print)
XXXX ЭЛЕКТРОТЕХНОЛОГИИ И ЭЛЕКТРООБОРУДОВАНИЕ В СЕЛЬСКОМ ХОЗЯЙСТВЕ ХХХХ
17. Kalinin A. F. Ocenka i upravlenie integral'nym riskom opasnosti elektroustanovok na predpriyatiyah APK v usloviyah neopredelennosti [Assessment and management of integral hazard risk of electrical installations at agribusiness enterprises in conditions of uncertainty. Ph. D. (Engineering) thesis], Ulan-Ude, 2015, 40 p.
18. Kalinin A. F., Eremina T. V. Osnovnye napravleniya sovershenstvovaniya bezopasnosti elektroustanovok [The main directions of improving the safety of electrical installations], Energo- i resursosberezhenie - XXI vek [Energy and resource conservation -XXIcentury]. 2017. pp. 27-30.
19. Chupakova A. O. Reshenie zadach nejrosetevoj klassifikacii v ramkah rascheta pozharnyh riskov na pro-izvodstvennyh ob"ektah [Solving the problems of neural network classification in the framework of calculating fire risks at production facilities], Informatika: problemy, metody, tekhnologii [Computer science: problems, methods, technologies], Voronezh. 2021, pp. 1545-1550.
20. Chupakova A. O., Gudin S. V., Habibulin R. Sh. Metodika sozdaniya nejrosetevoj modeli dlya resheniya zadach klassifikacii po optimizacii pozharnyh riskov [Methodology for creating a neural network model for solving classification problems for optimizing fire risks], Problemy upravleniya i modelirovaniya v slozhnyh sistemah [Problems of control and modeling in complex systems], Samara, 2019, pp. 551-554.
The article was submitted 17.08.2021; approved after reviewing 13.09.2021; accepted for publication 16.09.2021.
Information about the authors:
O. K. Nikolsky - Honored Worker of Science and Technology of the Russian Federation, Dr. Sci. (Engineering), Professor, Laureate of the RF Government Prize in Science and Technology, Laureate of the RF Government Prize in Education, Full Member of the Russian Academy of Technological Sciences, Corresponding Member of the Siberian Academy of Sciences of Higher Education, Honorary higher professional education worker, Spin-code: 9536-9727;
M. A. Gabova - Senior Lecturer, Department of Information Systems in Economics, Spin-code: 6404-1079.
Contribution of the authors:
Nikolsky O. K. - definition the concept of the human-machine system «Man-Electrical Installation-Environment», description of the subject area and determination of parameters for assessing the fire state of an electrical installation, analysis of calculation results and formulation of conclusions.
Gabova M. A. - analysis of statistical information, formation and processing of the knowledge base, calculations, analysis of results and formulation of conclusions.
The authors declare no conflicts of interests.
37
