CC BY
44
Выпуск 2
2. Завгородний Б. В. Применение ультразвуковых кавитационных технологий для улучшения качественных характеристик топлив / Б. В. Завгородний // Энергосбережение — № 3. — 2003.
3. Пат. 2084681. ЯИ, МКИ С1 Б 02 М 27/08, В 06 В 1/20. Генератор кавитации-3 / Афанасьев А. В., Кардаков А. А. [и др.]. № 94037454/06.— Заявл. 28.09.94.
УДК 621.3.087.9 Г. Н. Румянцева,
канд. техн. наук, доцент, СПГУВК;
Г. Е. Барщевский,
аспирант,
СПГУВК
ПРОГНОЗИРОВАНИЕ КАЧЕСТВА СУДОВЫХ АВТОМАТИЗИРОВАННЫХ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ СИСТЕМ
FORECASTING OF AUTOMATIC ELECTRIC POWE SYSTEMS QUALITY
Для более точного прогнозирования значений показателей качества электромагнитных процессов СЭЭС в статье предложен экспериментально-аналитический метод прогнозирования, основанный на мультипликативно-полиномиальных моделях. Применение подобных моделей для прогнозирования дает достаточно точные результаты, а их разработка в ряде случаев требует значительно меньших затрат на вычислительный эксперимент.
For a more accurate forecasting of the values of quality parameters of electromagnetic processes in the SEEA the paper proposes an experimental analytical methodfor forecasting, based on the multiplicative-polynomial models. The use of such models to predict the yields fairly accurate results, and their development in some cases requires significantly less cost of computer experiment.
Ключевые слова: прогнозирование, мультипликативно-полиномиальные модели, вычислительный эксперимент.
Key words: forecasting, multiplicatively polynomial models, computer experiment.
ПРОГНОЗИРОВАНИЕ — это исследовательский процесс, в результате которого получают прогноз о состоянии объекта. Прогноз является вероятностным суждением о возможном состоянии объекта или об альтернативных путях его достижения [1]. Известно большое количество методов, методик и способов прогнозирования. Все они основаны на двух крайних подходах: эвристическом и математическом. Эвристические методы базируются на использовании явлений или процессов, не поддающихся формализации. Для математических методов прогнозирования характерен подбор и обоснование математической модели исследуемого процесса, а также способов определения ее
неизвестных параметров. Авторами предлагается использовать комплекс полиномиальных моделей СЭЭС для решения задач автоматизации процессов экспериментально-аналитического прогнозирования показателей качества СЭЭС.
Между экспериментальными значениями и значениями, полученными расчетным путем, существует определенное расхождение. Для более точного прогнозирования значений показателей качества электромагнитных процессов СЭЭС может быть предложен экспериментально-аналитический метод прогнозирования, основанный на мультипликативно-полиномиальных моделях. Применение мультипликативно-полиномиальных
многофакторных моделей дает достаточно точные результаты, а их разработка в ряде случаев требует значительно меньших затрат на вычислительный эксперимент.
В задачах прогнозирования качества процессов в СЭЭС мультипликативно-полиномиальные модели позволяют на основе данных о значениях показателей качества конкретной СЭЭС при одних величинах параметров нагрузки определять значения показателей данной СЭЭС, соответствующие любым другим сочетаниям величин параметров нагрузки.
Экспериментально-аналитическое прогнозирование заключается в определении значений показателей качества электромагнитных процессов конкретной СЭЭС в прогнозируемом (расчетном) режиме на основе значений показателей этой же СЭЭС в некотором экспериментальном режиме.
Практическую реализацию методов экспериментально-аналитического прогнозирования целесообразно осуществлять при решении двух различных задач повышения качества электромагнитных процессов в СЭЭС:
— первая задача заключается в сокращении объема швартовных испытаний генераторных агрегатов;
— вторая задача связана с прогнозированием значений показателей качества процессов в различных эксплуатационных режимах.
Для нас представляет интерес рассмотрение первой задачи. При этом рассмотрим общий подход к прогнозированию показателей качества переходных электромагнитных процессов в СЭЭС, который может быть использован для решения обоих типов вышеуказанных задач.
Для показателей качества электромагнитных переходных процессов выражение для мультипликативно-полиномиальных моделей ЭЭС в общем случае может быть представлено в виде
U(xj,y, cos9)=i7'(jc/)-8(.y,cos9),
(1)
где Xj — вектор значений параметров генераторов, в частности, их индуктивных сопротивлений и постоянных времени; 5(y, cos ф) — поправочный коэффициент, ха-
растеризующий соотношение между значениями показателей в данном (экспериментальном) и типовом расчетном режимах. Тогда прогнозируемое значение показателя качества будет определяться следующим образом:
8(Уп» С08(Рп)
ии=иэ
5(y3,coscp3)
(2)
где U3 — значение показателя качества, полученное в результате эксперимента; уП, cos фП, y3, cos фЭ — значения полных проводимостей и коэффициентов мощности в прогнозируемом и экспериментальном режимах.
Подробный анализ различных вариантов полиномиальных моделей [2], соответствующих, в частности, максимальному провалу напряжения, показал, что в наибольшей степени требования точности, физической наглядности и универсальности удовлетворяет мультипликативно-полиномиальная зависимость вида
АС/шах = АС/шах (Xd >X"d ) Srnax О ,С08ф), (3)
где AU — полиномиальные зави-
maxV а 5 а/
симости величин максимальных провалов напряжений от индуктивных сопротивлений генератора, соответствующие вышеуказанным типовым расчетным режимам; 5 (y, cos ф) — полиномиальные зависи-
max ч*/ ’ т/
мости поправочных коэффициентов от параметров нагрузки.
Аналогичным образом могут быть получены выражения для прогнозирования других показателей качества электромагнитных процессов в СЭЭС, основанные на рассмотре-ных выше полиномиальных моделях.
Основная задача швартовных испытаний, как известно, заключается в определении работоспособности СЭЭС путем количественной оценки качества электроэнергии в режимах, предусмотренных программой испытаний, а также в проверке систем управления и автоматизации. Увеличение мощности СЭЭС, повышение степени автоматизации и требований к их надежности вызывают значительный рост мощности источников электроэнергии, достигающей на современных судах 10-12 тыс. кВт и более при пяти-шести генераторных агрегатах. Это обстоятельство существенно увеличивает как стоимость, так и трудности, связанные с проведением швар-
<4П
Выпуск 2
^мВыпуск 2
I
Таблица 1
№ генер. Значение долевой нагрузки ЗщахССОвф, У) Максимальный провал напряжения Отклонение по модулю Относительное отклонение
Эксперим. значение долевой нагрузки Прогноз, значение при ном. нагрузке Д[/тах прогн Эксперим. значение при ном. нагрузке экс Расчетное значение по вычислит. модели Д£/тах расч АС/™“ —АС/™“! экс расч | ДС/™ -дс/™“ I экс прош | Д[/шах _Д[/тах экс расч | дс/^-Д [/”» I экс прогн |
Д[/тах экс Аи экс
1 2 3 4 5 6 7 8 9 10 11
1 0,3 0,3408 4,1469 12,17 12,72 11,26 1,460 0,550 0,115 0,043
1 0,5 0,5228 6,5714 12,57 12,72 11,26 1,460 0,150 0,115 0,012
2 0,3 0,3408 3,6222 10,63 10,16 11,26 1,100 0,470 0,108 0,046
2 0,5 0,5228 5,4787 10,48 10,16 11,26 1,100 0,320 0,108 0,031
3 0,3 0,3408 3,8028 11,16 10,85 11,26 0,410 0,310 0,038 0,029
3 0,5 0,5228 5,7663 11,03 10,85 11,26 0,410 0,180 0,038 0,017
4 0,3 0,3408 4,1333 12,13 12,64 11,26 1,380 0,510 0,109 0,040
4 0,5 0,5228 6,4198 12,28 12,64 11,26 1,380 0,360 0,109 0,028
товных испытаний генераторных агрегатов. С целью сокращения объема, стоимости и трудоемкости швартовных испытаний было проведено опытно-теоретическое исследование СЭЭС в динамических режимах, которое заключалось в сравнении показателей качества электроэнергии при набросе и сбросе номинальной и долевой нагрузки. Исследование проводилось на цифровой модели генераторного агрегата и на реальных объектах.
В основу математической модели элементов судовой электроэнергетической системы положен ОСТ 5.6030.72, включающий синхронный генератор, первичный двигатель, регуляторы напряжения и скорости вращения. На ПК выполнен расчет переходных процессов при набросе-сбросе статической нагрузки при различных значениях коэффициента мощности для генераторов типа МСК с номинальной мощностью от 100 до 1500 кВт, МСС с мощностью от 100 до 400 кВт и ГМЗ с номинальной мощностью от 100 до 500 кВт с приводными двигателями типа дизель или турбина.
Подробный анализ различных вариантов полиномиальных моделей, соответствующих максимальному провалу напряжения при набросе статической и асинхронной нагрузок показал, что в наибольшей степени требованиям точности, физической наглядности и универсальности удовлетворяет мультипликативно-полиномиальная зависимость вида
АС/гшх = A£/max(Xd > ^)8тах (У> C0S(P)
(4)
где AU так(х d ,х d) — полиномиальные зависимости величин максимального провала напряжений от индуктивных сопротивлений генератора, соответствующие типовым расчетным режимам; х d,x d — соотвественно переходное и сверхпереходное индуктивные сопротивления генератора по продольной оси, наиболее сильно влияющие на значения показателей качества переходных процессов; 5 (y, cos ф) — полиномиальные зависимо-
max
сти поправочных коэффициентов от параметров нагрузки (y — проводимость нагрузки, cosф — коэффициент мощности нагрузки).
Для решения задачи сокращения объема швартовных испытаний могут быть использованы вторые сомножители представленной мультипликативно-полиномиальной модели.
Для проверки метода экспериментально-аналитического прогнозирования провала напряжения были использованы результаты швартовных испытаний, проведенных на кафедре ЭАС ЛЭТИ. Производились испытания СЭЭС одного из кораблей, включающей генераторы типа МСК-1560-1500 и МСК-750-1500, а также ЭЭС буровой установки проекта 15401 с генераторами МСК-1250-750.
В табл. 1 приведены результаты проверки точности для четырех генераторов МСК-1250.
В данную таблицу внесены результаты испытаний при долевой статической нагрузке (четвертый столбец) и номинальной статической нагрузке (шестой столбец). На основе полиномиальной модели получены значения 5max (cos ф, y) при cos ф = 0.8, y = 0.3 и y = 0.5. Далее в соответствии с формулой (2) произведен расчет прогнозируемых значений максимального провала напряжения, приведенных в пятом столбце. В седьмом столбце приведены значения максимального провала напряжения в расчетном режиме, а в восьмом и девятом столбцах — значения отклонений от экспериментального номинального режима.
Как видно из последних двух столбцов таблицы, отклонение прогнозируемых значений от реальных значительно меньше, чем отклонение расчетных значений от экспериментальных. Относительная ошибка прогнозирования не превышает 5 %. Проведенные расчеты показали целесообразность применения полиномиальных, а не вычислительных моделей для расчета провала напряжения в типовых расчетных режимах.
««]
Список литературы
1. Рабочая книга по прогнозированию / под ред. И. В. Бестужева. — М.: Мысль, 1985.
2. Зубарев Ю. Я. Планирование вычислительного эксперимента в электроэнергетика / Ю. Я. Зубарев [и др.]. — СПб.: Энергоатомиздат, 2000.
Выпуск 2
