Спеціальність 05.13.06 – Інформаційні технології...
DESCRIPTION
Дисертація на здобуття наукового ступеня кандидата технічних наук Методи і алгоритми діагностування стану ділянок теплових мереж . Спеціальність 05.13.06 – Інформаційні технології Здобувач – Артамонов Євген Борисович Науковий керівник – доктор технічних наук, професор - PowerPoint PPT PresentationTRANSCRIPT
1
Дисертація на здобуття наукового ступеня
кандидата технічних наук Методи і алгоритми діагностування
стану ділянок теплових мереж
Спеціальність 05.13.06 – Інформаційні технології
Здобувач – Артамонов Євген Борисович
Науковий керівник – доктор технічних наук, професор Литвиненко Олександр Євгенійович
2
Сучасні методи діагностування стану теплових мереж
Метод діагностування
Переваги Недоліки Можливість оперативного
діагностування
Метод акустичної емісії
дозволяє точно визначати місце розташування дефектів стального трубопроводу
за умовами використання на діючих теплових мережах має обмежену область застосування
Немає
Метод магнітної пам’яті металу
дозволяє точно визначати наявність дефектів стального трубопроводу
безпосередній контакт з теплопроводом
Немає
Метод наземного тепловізійного обстеження
ефективно відображає стан ділянки
1) доступ до поверхні траси,2) бажана однорідність покриття,3) необхідність точної документації
Немає
Теплова аерозйомка в ІЧ-діапазоні
ефективний при плануванні ремонтів і виявлення ділянок з підвищеними тепловтратами
Обмеженість проведення у часі (весна/осінь – опалювальний сезон за відсутності снігу)
Немає
Метод акустичної діагностики
відповідає процесу експлуатації і конструктивним особливостям прокладання теплових мереж
пробні використання у теплових мережах не дали однозначних результатів
Є
Метод направленого ультразвуку
відображає стан труби, що досліджується, на відстані до 30 метрів від місця установлення кільцевого датчику
використовується тільки на зворотних або відключених теплопроводах (температура теплоносія до 70 градусів)
Немає
Метод магнітної томографії
ефективно відображає стан ділянки
вимагає виконання повірочних шурфів майже на кожній ділянці
Немає
3
Основні терміни при описанні теплової мережі
вершина – кінцева точка або місце перетину комунікаційних ланок ТМ
контрольована вершина – вершина ТМ з наявністю контролюючих пристроїв
неконтрольована вершина – вершина ТМ без контролюючих пристроїв
гілка – частина комунікації ТМ, що обмежена контрольованими вершинами
ділянка – частина комунікації ТМ, яка має однорідне описання (гілка ТМ складається з ланцюга ділянок)
4
Об'єкт дослідження: комунікації теплових мереж.
Предмет дослідження: методи і алгоритми діагностування стану ділянок теплових мереж.
Мета роботи: підвищення надійності роботи теплової мережі за рахунок дистанційного визначення несправних ділянок при умові невизначеності або нечіткості параметрів теплової мережі.
5
Завдання дослідження
проаналізувати основні методи діагностування стану складних об’єктів;
проаналізувати основні напрямки застосування методів технічного діагностування для задач визначення причин несправності ділянок теплової мережі, визначити їх обмеження;
сформулювати принципи діагностування несправностей ділянок теплової мережі на базі нечіткої логіки;
провести класифікацію причин появи несправностей ділянок теплової мережі, визначити та формалізувати фактори, на основі яких проводиться діагностування об’єктів, та побудувати ієрархічні дерева, які пов'язують фактори впливу та стани ділянок теплової мережі;
6
Завдання дослідження
розробити математичну модель і алгоритми діагностування ділянок теплової мережі на основі нечіткого логічного висновку;
провести параметричну ідентифікацію моделі діагностування;
розробити і реалізувати метод навчання адаптивних нечітких моделей, який дозволить одержувати нечіткі правила і функції приналежності на основі експериментальних даних;
розробити комп’ютерну систему діагностування стану ділянок теплової мережі та впровадити методику визначення несправних ділянок теплової мережі і причин, які призвели до несправностей.
7
Етапи діагностування теплової мережі:
Крок 1: Визначається несправна гілка ІМ; Крок 2: Проводиться діагностування кожної
ділянки несправної гілки ІМ. Крок 3: Проводиться аналіз отриманих станів
кожної ділянки, особлива увага приділяється ділянкам, стан яких належить до групи несправних.
В алгоритмі діагностування ІМ при відсутності фактів несправностей Крок 1 не виконується.
8
Алгоритм виділення гілки графу з ознаками
несправності
Початок
i = 1
j = i + 1
1001 iT
0ijS
1001 jT
ijjj LL 11 ijF
ijk
iji LTTk 11
i = i + 1 j = j + 1
Очищення F 111 ijF
2,1
,,1,
l
NiT li
i < N
j < N+1
так
так
ні
так
ні
ні
та
так
ні
так
ні
1
9
Алгоритм виділення гілки графу з ознаками
несправності
Кінець
ijjj LL
12 ijFiji LTTk 22 12 ijF
,,1
,,1,
Nj
NiF lij
2,1l
i = N
j = i - 1
0ijS
ijk
i = i - 1 j = j - 1
i > 1
j > 0
так
так
ні
так
ні
ні так
ні
так
ні
1
1002 iT1002 jT та
Очищення F 2
10
Можливості методів технічної діагностики
Байє
сівс
ький
пі
дхід
Мет
од ф
азов
ого
інте
рвал
уМ
етод
лог
ічно
го
висн
овку
Ней
ронн
і мер
ежі
Неч
ітка
лог
іка
- збору і обробки статистичної інформації; + – – – –
- поповнення моделі; + – – + –
- забезпечення стійкості моделі до впливаючих факторів; + – – – –
- врахування якісних параметрів; + + – +/– –
- врахування кількісних параметрів; – – + – –
- роботи з нечіткими знаннями; + + + + –
- адаптації (навчання) моделі; + +/– + – –
Труднощі застосування
Методи
11
Ієрархічна класифікація параметрів стану ділянок теплової мережі при
втраті теплоносія
12
Можливі стани ділянки теплової мережі при діагностуванні відносно втрати теплоносія
d00 - втрата теплоносія практично неможлива;
d01 - втрата теплоносія в системі (в колодязях, теплообмінних пунктах, ін.);
d02 - розбирання води споживачами;
d03 - втрата теплоносія через фізично зношені труби чи їх зовнішнє пошкодження.
13
Система співвідношень для дерева логічного висновку
Можливість втрати теплоносія (D0) в залежності від параметрів стану:
),,,,,,,( 050403020111710 0yyyyyxxxfD D
– фактів руйнування теплосистеми (х1);
– обсягу втрат теплоносія на гільці теплопроводу (х7);
– наявності запорних елементів (х11);
– надійності роботи всієї теплосистеми (y01);
– простоти доступу до елементів (y02);
– зовнішніх ознак втрати теплоносія (y03);
– виникнення внутрішньої корозії (y04);
– виникнення зовнішньої корозії (y05).
14
Система співвідношень для дерева логічного висновку
Надійність роботи всієї теплосистеми ),( 3201 01xxfy y в залежності від:
– часу введення в експлуатацію (x2);
– наявності виявлених несправностей (x3).
Простота доступу до елементів теплової мережі сторонніми ),,( 65402 02xxxfy y в
залежності від:
– відстані від жилих приміщень (x5);
– відсутності спеціальних заходів щодо обмеження доступу до елементів теплових
мереж (x4);
– наявності неконтрольованих виходів (x6).
15
Система співвідношень для дерева логічного висновку
Зовнішні ознаки втрати теплоносія ),,( 109803 03xxxfy y в залежності від:
– просідання ґрунту (x8);
– парування (x9);
– можливості отримання даних про цілісність ділянки теплопроводу за інформаційним
каналом (x10).
Виникнення внутрішньої корозії ),,( 14131204 04xxxfy y в залежності від:
– факту використання неаерованої води (х13)
– типу відкритості теплосистеми (х12)
– товщини стінок труб (х14).
Виникнення зовнішньої корозії ),,,,( 191817161505 05xxxxxfy y в залежності від:
– механічного пошкодження ізоляції (х15);
– намокання теплової ізоляції (х16 - факти підтоплення грунтовими та дощовими
водами, х17 - факти підтоплення каналізаційними водами);
– типу труб (х18);
– типу ізоляції (х19).
16
Приклад представлення знань першого рівня про причини несправності ділянки теплової мережі
п/п x1 x7 x11 y01 y02 y03 y04 y05 D0
1 нд нз є н дн в пн пн d00
2 нб нз є н дн в пн дв d00
3 нб нз н н дн в пн дв d00
4 дд нз н п ду дв мж пн d00
5 дд з н н ду дв мж пн d00
6 д з н п ду дв двв пн d00
7 дд нз є п дв дв двв двв d01
... ... ... ... ... ... ... ... ... ...32 нд нз н Нн п дв пн двв d03
33 д вс н Н п н пн двв d03
34 нд вс є Н дн дв пн двв d03
35 нд вс є дв п н двв дв d03
36 д нз дв дв дв дв дв двв d03
37 д нз є дв дв дв дв двв d03
17
Система нечітких логічних рівнянь
)( ia x
jpi - функція належності змінної xi до лінгвістичного терма jp
ia
( mj ,1 , jkp ,1 , ni ,1 );
),,,( 21 nd xxxj - функція належності вектора параметрів ),,,( 21 nxxx до
діагнозу dj( mj ,1 ).
,,1, )(minmax),,,(,1,1
21 mjxwxxx ia
nipj
kpn
d jpi
j
j
18
Формалізація співвідношень для визначення можливої причини втрати теплоносія на ділянці теплової мережі
)( 000 Dd =MAX(MIN(нд(x1),нз(x7),є(x11),н(y01),дн(y02),в(y03),пн(y04),пн(y05)),
MIN(нб(x1),нз(x7),є(x11),н(y01),дн(y02),в(y03),пн(y04),дв(y05)),
MIN(нб(x1),нз(x7),н(x11),н(y01),дн(y02),в(y03),пн(y04),дв(y05)),
MIN(дд(x1),нз(x7),н(x11),п(y01),ду(y02),дв(y03),мж(y04),пн(y05)),
MIN(дд(x1),з(x7),н(x11),н(y01),ду(y02),дв(y03),мж(y04),пн(y05)),
MIN(д(x1),з(x7),н(x11),п(y01),ду(y02),дв(y03),двв(y04),пн(y05)))
... )( 0
03 Dd =MAX(MIN(нд(x1),нз(x7),н(x11),дв(y01),дв(y02),дв(y03),мв(y04),дв(y05)),
MIN(MIN(нд(x1),нз(x7),дв(x11),дв(y01),дв(y02),дв(y03),мв(y04),дв(y05)),
MIN(нб(x1),з(x7),є(x11),п(y01),дв(y02),нн(y03),мв(y04),мв(y05)),
MIN(нб(x1),з(x7),є(x11),дв(y01),п(y02),нн(y03),двв(y04),дв(y05)),
MIN(д(x1),з(x7),дв(x11),нн(y01),дв(y02),н(y03),пн(y04),двв(y05)),
MIN(нб(x1),вс(x7),дв(x11),н(y01),дн(y02),дв(y03),двв(y04),пн(y05)),
MIN(нд(x1),з(x7),н(x11),н(y01),дн(y02),дв(y03),пн(y04),пн(y05)),
MIN(нд(x1),нз(x7),н(x11),нн(y01),п(y02),дв(y03),пн(y04),двв(y05)),
MIN(д(x1),вс(x7),н(x11),н(y01),п(y02),н(y03),пн(y04),двв(y05)),
MIN(нд(x1),вс(x7),є(x11),н(y01),дн(y02),дв(y03),пн(y04),двв(y05)),
MIN(нд(x1),вс(x7),є(x11),дв(y01),п(y02),н(y03),двв(y04),дв(y05)),
MIN(д(x1),нз(x7),дв(x11),дв(y01),дв(y02),дв(y03),дв(y04),двв(y05)),
MIN(д(x1),нз(x7),є(x11),дв(y01),дв(y02),дв(y03),дв(y04),двв(y05)))
19
Ієрархічна класифікація параметрів стану теплової мережі на ділянках з
втратою теплової енергії
20
Перелік станів ділянки теплової мережі при діагностуванні відносно втрати теплової енергії
d10 - втрата тепла практично неможлива;
d11 - порушення лоткових каналів;
d12 - підтоплення водою з водопроводу та каналізації;
d13 - підтоплення грунтовими, дощовими водами;
d14 - порушення ізоляції за рахунок природних факторів;
d15 - порушення ізоляції під час ремонтних робіт або як результат дій зловмисників;
d16 - значна втрата теплоносія .
21
Формалізація співвідношень для визначення можливої причини втрати теплоносія на ділянці теплової мережі
)( 110 Dd =MAX(MIN(з(x7),зп(x21),в(x28),є(x29),в(x31),н(y11),нв(y12),пн(y13),пн(y14)),
MIN(з(x7),пн(x21),дв(x28),н(x29),дв(x31),н(y11),нв(y12),пн(y13),дв(y14)),
MIN(нз(x7),нп(x21),в(x28),н(x29),в(x31),дв(y11),в(y12),пн(y13),пн(y14)),
MIN(в(x7),пн(x21),в(x28),є(x29),в(x31),му(y11),в(y12),дв(y13),м(y14)),
MIN(вс(x7),зп(x21),сп(x28),н(x29),дв(x31),му(y11),в(y12),м(y13),м(y14)),
MIN(в(x7),пн(x21),в(x28),н(x29),бм(x31),му(y11),дв(y12),пн(y13),пн(y14)),
MIN(с(x7),пн(x21),дв(x28),є(x29),бм(x31),н(y11),дв(y12),пн(y13),дв(y14)),
MIN(вс(x7),пн(x21),дв(x28),є(x29),в(x31),н(y11),в(y12),вв(y13),пн(y14)),
MIN(нз(x7),зп(x21),сн(x28),н(x29),м(x31),двв(y11),нв(y12),пн(y13),пн(y14)))
…
)( 116 Dd =MAX(MIN(з(x7),зп(x21),дв(x28),є(x29),т(x31),вв(y11),в(y12),пн(y13),м(y14)),
MIN(вс(x7),зп(x21),дв(x28),н(x29),т(x31),вв(y11),нв(y12),м(y13),м(y14)),
MIN(вс(x7),пн(x21),п(x28),дв(x29),дв(x31),дв(y11),дв(y12),м(y13),м(y14)),
MIN(вс(x7),зп(x21),п(x28),дв(x29),дв(x31),н(y11),дв(y12),м(y13),вв(y14)),
MIN(з(x7),зп(x21),п(x28),дв(x29),бм(x31),н(y11),дв(y12),вв(y13),двв(y14)),
MIN(з(x7),зп(x21),п(x28),дв(x29),бм(x31),дв(y11),в(y12),пн(y13),м(y14)))
22
Навчання нечіткої моделі
P – вектор параметрів функцій термів вхідних і вихідний змінних нечіткої моделі;
G – вектор меж лінгвістичних термів;
F(P,G,Xj) – значення виходу нечіткої моделі при значенні входу, що задається вектором Xj=(xj1, xj2, ... , xjm)
min),,(1),(2
1
n
jjj yXGPF
nGP
23
Схема реалізації гібридного генетичного алгоритму
Початок
Вибір лідера за ГА
Кінець
так
ні
Навчання лідера за МСП
Лідер кращегрупи
Ввести лідера до групи
Відтворити нащадків
так
ніКінець
розв’язку
24
Представлення хромосоми в генетичному алгоритмі
njcC j ,1),(],[ X
де Nixi ,1),( X – вектор аргументів функції; – перетворення, що
здійснює перехід від вектора X (фенотипу) до кодованого представлення
(генотипу); ]1;0[,,1),( jj cnjc – бітовий рядок довжиною
N
iiLn
1, Li –
розрядність представлення змінної xi.
25
Перетворення у генетичному алгоритміБінарний ГА
,
,minmax
min,,1),12(:
,1,1
,1
ГBI
Nii
Nii
Niii
i
Lii
xx
xxy
NiyI i
,
Ni
xxyxx
Iy
Nii
Niii
Niii
Li
i i
,1
,minmaxmin
,)12(
,:
,1,1,1
1
IBГ
де NiBI iii ,1),(),(),( ГBI – вектори представлені у цілому, двійковому у вигляді і в кодах Грея відповідно.
Дійсний ГА
Ni
xxyxx
xx
xxy
Nii
Niii
Niii
Nii
Nii
Niii
i
,1
,minmaxmin:
,minmax
min:
,1,1,1
1
,1,1
,1
26
Вербальне представлення гібридного генетичного алгоритму
Крок 1. 0k . Формується популяція, що складається з p індивідів ks psC },1,{ по BGA або RGA алгоритму. Перший номер приймає індивід
C1 з кращим показником. За допомогою перетворення 1 одержуємо вектор kbX і k
bk XX .
Крок 2. k = k + 1. За допомогою алгоритму спрямованого перебору
обчислюється наступне наближення вектора kX . Генетичним алгоритмом
створюється наступна популяція ks psC },1,{ і знаходиться кращий індивід,
що визначає черговий вектор kbX .
Крок 3. Якщо )()( kkb ff XX , то k
bk XX .
Крок 4. Якщо )()( kkb ff XX , то ],[1 kC X , де , 1 – перетворення.
Крок 5. Якщо виконується умова зупинки, то кінець, інакше на крок 2.
27
Представлення закодованого лінгвістичного терму
хромосома
xmin xmaxc1 g1 c2 g2 c3 g3c4
p1 p2 p3 p4 p5 p6
g1 g2 g3 p1 p2 p3 p4 p5 p6
хромосома
xmin xmaxc1 g1 c2 g2 c3 g3c4
p1 p2 p3 p4 p5 p6
g1 g2 g3 p1 p2 p3 p4 p5 p6
28
0
1
2
3
4
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32номер експериметнального об’єкту
станЕкспериментальний станРезультат до навчанняРезультат після навчання
d 03
d 02
d 01
d 00
Результати аналізу алгоритму навчання нечіткої моделі (втрата теплового носія)
29
Результати аналізу алгоритму навчання нечіткої моделі (втрата теплової енергії )
0
1
2
3
4
5
6
7
8
0 1 2 3 4 5 6 7 8 9 1011121314151617181920212223242526272829303132333435363738394041424344454647484950515253номер експериментального об’єкту
стан Експериментальний станРезультат до навчанняРезультат після навчання
d 13
d 12
d 11
d 10
d 15
d 14
d 16
30
Схематичне представлення теплової мережі
31
Вікно відображення параметрів роботи теплової мережі
32
Вікно введення параметрів ділянки теплової мережі
33
Вікно відображення результатів діагностики ділянки теплової мережі
34
Висновки1. Вперше на основі аналізу методі діагностування стану ділянок теплової
мережі, як складних об’єктів, було обґрунтовано необхідність використання експертних систем діагностування з залученням інструментів нечіткої логіки і дерев логічного висновку.
2. Вперше розроблено математичну модель для діагностування ділянок теплової мережі на основі нечіткого логічного висновку. Математична модель представлена у вигляді системи співвідношень, які визначають стан ділянки на основі частинних і укрупнених параметрів об'єкту дослідження.
3. Розроблено нову класифікацію причин появи несправностей ділянок теплової мережі, в результаті чого визначено та формалізовано фактори, на основі яких проводиться діагностування об’єктів.
4. Побудовані дерева логічного висновку для діагностування стану ділянок теплової мережі з втратами теплоносія та теплової енергії.
35
Висновки
5. Модернізовано алгоритм відокремлення несправної гілки теплової мережі. Модернізація стосувалась врахування несправностей у зворотному трубопроводі.
6. Модернізовано і реалізовано на ЕОМ метод навчання адаптивних нечітких моделей. В методі навчання, який засновувався на гібридному генетичному алгоритмі, вперше було використано метод спрямованого перебору.
7. Розроблено і впроваджено автоматизовану систему для діагностування ділянок теплової мережі та причин, які призвели до несправностей.
36
Наукова новизна
1. комплексна класифікація причин появи несправності у роботі ділянки теплової мережі і розробка на її основі ієрархічних дерев параметрів стану об’єкту діагностування;
2. розробка математичної моделі процесу діагностування стану ділянки теплової мережі за рахунок формалізації взаємозв'язку між параметрами стану ділянки теплової мережі та причиною її несправності, яка ґрунтується на співвідношеннях нечіткої бази знань експертних правил;
3. удосконалення методу навчання адаптивних нечітких моделей за рахунок використання оновленого гібридного генетичного алгоритму (прискорення роботи алгоритму було реалізовано за рахунок спрощення функцій перетворень і впровадження нового типу кодування генотипу для збереження даних про трапецеїдальні функції приналежності, якість алгоритму було покращено за рахунок використання методу спрямованого перебору для альтернативного пошуку найкращого “нащадка”).
37
Практичне значення одержаних результатів:
1. на основі отриманих наукових результатів розроблені інженерна методика і система діагностування, яка автоматизує найбільш трудомісткі операції при визначенні місця і причин появи несправності на ділянках теплової мережі;
2. отримана інженерна методика може бути використана для діагностування стану будь-якої інженерної мережі;
3. модифікований гібридний генетичний алгоритм можна використовувати для вирішення будь-яких екстремальних задач;
4. перевірено можливості автоматизованої системи діагностування в розподіленій системі моніторингу стану електричних мереж.;
5. розроблені програмні модулі для реалізації нечітких запитів до бази даних можна впроваджувати в будь-якій системі, яка передбачає SQL-запити до таблиць з логіко-лінгвіністичними значеннями у комірках.
38
Впровадження
у відділі енергозабезпечення ДП Завод №410 ЦА;
в оперативно диспетчерській службі КП «Печерська Брама»;
у відділі енергозабезпечення ПІФ "Енергетичні системи“;
у навчальному процесі кафедри комп'ютеризованих систем управління факультету комп'ютерних систем НАУ.
39
Виступ закінчено