Адаптивная система управления и прогнозирования жизненного цикла оборудования электроэнергетических систем на основе методов глубокого машинного обучения

КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

ОБЩИЕ СВЕДЕНИЯ

Номер проекта 18-79-00201

НазваниеАдаптивная система управления и прогнозирования жизненного цикла оборудования электроэнергетических систем на основе методов глубокого машинного обучения

Руководитель Хальясмаа Александра Ильмаровна, Кандидат технических наук

Организация финансирования, регион федеральное государственное автономное образовательное учреждение высшего образования "Уральский федеральный университет имени первого Президента России Б.Н. Ельцина" , Свердловская обл

Конкурс №29 - Конкурс 2018 года по мероприятию «Проведение инициативных исследований молодыми учеными» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными

Область знания, основной код классификатора 09 - Инженерные науки; 09-602 - Моделирование технических систем

Ключевые слова Жизненный цикл оборудования, прогнозирование, оперативно-технологическое управление оборудованием, электроэнергетические системы, функциональное состояние, топология сети, режимы работы, функциональное состояния, состав материалов, глубокое машинное обучение, градиентный бустинг, решающие деревья.

Код ГРНТИ44.29.00

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
Проблема создания надежных электроэнергетических систем нового поколения для обеспечения качественного и бесперебойного электроснабжения потребителей, в настоящее время заключается в том числе в создании эффективных систем оперативно-технологического управления оборудованием электроэнергетических систем, то есть комплекса мер по управлению технологическими режимами работы и эксплуатационным состоянием объектов электросетевого хозяйства. Проблема разработки таких систем связана, со сложностью процессов производства, передачи и распределения электрической энергии и их взаимосвязью с задачами управления режимами работы и функциональным состоянием электросетевого оборудования; с высоким уровнем износа электросетевого оборудования и его существенным влиянием на эффективность и надежность электроснабжения потребителей; с необходимостью информационной поддержки принятия решений и автоматизации процессов обработки и интеллектуального анализа данных в связи с большим объемом, разнородностью и неоднозначностью анализируемой информации; с необходимостью оптимизации расходов на эксплуатацию энергетического оборудования и формирования эффективных инвестиционных программ. Для решения представленных проблем в проекте предлагается разработка модели адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем на основе методов глубокого машинного обучения. Основной вклад в данную область науки заключается в выявлении, систематизации и адаптации факторов и критериев взаимного влияния параметров электросетевого оборудования, режимов его работы, структуры, функционального состояния и топологии сети, а также в формировании и накоплении базы знаний об эффективных условиях функционирования и эксплуатации оборудования и разработке нового подхода к оперативно-технологическому управлению оборудованием электроэнергетических систем и прогнозированию его остаточного ресурса. Кроме этого новизна представленного решения связана с обоснованием возможности реализации разрабатываемой системы на базе доступной технологической информации в условиях неполноты исходных данных; с разработкой структуры искусственных интеллектуальных сетей на основе глубокого машинного обучения для реализации многоуровневой комплексной оценки функционального состояния электросетевого оборудования. Методы глубокого машинного обучения являются эффективным инструментом для решения оптимизационных задач принятия решений – к каким и относится задача управления и прогнозирования жизненного цикла оборудования с учетом анализа его функционального состояния. Подтверждение выше перечисленных гипотез предполагается выполнить в рамках апробации разработанной модели на примере анализа функционального состояния электросетевого оборудования района электрических сетей реальной энергосистемы. С целью реализации интегральной (комплексной) оценки функционального состояния электросетевого оборудования в проекте анализируются вопросы влияния топологической организационной структуры электроэнергетической системы, связности ее объектов, режимов ее работы, показателей и параметров технического диагностирования, характеристик состава, структуры материалов и технологических жидкостей особо ответственных узлов электросетевого оборудования на его функциональное состояние. Разработка представленной адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем на основе методов глубокого машинного обучения с учетом анализа его функционального состояния производится в рамках проекта для последующей реализации модели в виде самостоятельного программного комплекса. Описанная в данном проекте ключевая научная проблема – необходимость повышения эффективности и надежности функционирования электрических сетей в условиях неполноты, неоднородности и большого объема данных имеет первостепенное значение в условиях тотальной цифровизации экономики и энергетики на государственном уровне, как в России, так и за рубежом. Также благодаря тому, что руководитель проекта – Хальясмаа А.И. является руководителем национальной проблемной рабочей РГ6 «Информационно-аналитические системы в задачах управления жизненным циклом электросетевого оборудования» подкомитета D2 «ИНФОРМАЦИОННЫЕ СИСТЕМЫ И ТЕЛЕКОММУНИКАЦИИ» РНК СИГРЕ планируется участие в заседаниях российского комитета для формирования рекомендаций в рамках разработки новых стандартов цифровизации энергетики и работы с другими подкомитетами РНК СИГРЕ и Cigre в этом направлении.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Публикации

1. Хальясмаа А.И., Сенюк М.И., Ерошенко С.А. Training sample formation for intelligent recognition of circuit breakers states patterns 59th International Scientific Conference on Power and Electrical Engineering of Riga Technical University, RTUCON 2018 (год публикации - 2018)
10.1109/RTUCON.2018.8659886

2. Егоров А.О., Ерошенко С.А., Хальясмаа А.И., Зиновьев К.А. Research on short-circuit current levels in Sverdlovsk power system 59th International Scientific Conference on Power and Electrical Engineering of Riga Technical University, RTUCON 2018 (год публикации - 2018)
10.1109/RTUCON.2018.8659838

3. Хальясмаа А.И., Сенюк М.Д., Ерошенко С.А. Ключевые проблемы в задачах интеллектуального распознавания образов состояния силовых выключателей ЭЛЕКТРОЭНЕРГИЯ. ПЕРЕДАЧА И РАСПРЕДЕЛЕНИЕ, Номер: 5 (50), cтр. 103-107 (год публикации - 2018)

4. Хальясмаа А.И., Степанова А.И., Шатунова Д.В., Манусов В.З. Machine learning approach application for high-voltage instrument transformers technical state assessment MATEC Web of Conferences (год публикации - 2018)
10.1051/itmconf/20192403001

5. Хальясмаа А.И., Ерошенко С.А. The issues of high-voltage equipment technical state assessment systems development based on unsupervised machine learning approaches Proceedings of CIGRE SC D2 Colloquium on Information Systems and Telecommunication (год публикации - 2019)

6. Хальясмаа А.И., Сенюк М.Д., Ерошенко С.А. High-voltage circuit breakers technical state patterns recognition based on machine learning methods IEEE Transactions on Power Delivery (год публикации - 2019)

7. Хальясмаа А.И., Ерошенко С.А., Зиновьев K.А., Болгов В.А. Improvement of short-circuit calculation results reliability for large electric power systems Proceedings of 11th International Conference - 2019 Electric Power Quality and Supply Reliability, PQ 2019 (год публикации - 2019)

8. Хальясмаа А.И., Степанова А.И., Давиденок И.В. High-voltage equipment state assessment method based on the integrated use of advanced non-destructive technologies 2019 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus), с. 988 - 991 (год публикации - 2019)
10.1109/EIConRus.2019.8657305

9. Хальясмаа А.И., Никитина Я.Д., Вонг Л. Electrical equipment technical state integral estimate based on additional non-destructive methods Proceedings of 2019 16th Conference on Electrical Machines, Drives and Power Systems, ELMA 2019 (год публикации - 2019)
10.1109/ELMA.2019.8771572

10. Гаврилова А.Е., Хальясмаа А.И. Power system sectionalizing optimization using genetic algorithm Proceedings of 2019 16th Conference on Electrical Machines, Drives and Power Systems, ELMA 2019 (год публикации - 2019)
10.1109/ELMA.2019.8771663

11. Ерошенко С.А., Хальясмаа А.И., Илюшин П.В. Power network topology optimization based on multiobjective evolutionary approach Proceedings of 2019 IEEE 60th Annual International Scientific Conference on Power and Electrical Engineering of Riga Technical University (год публикации - 2019)

12. Ерошенко С.А., Хальясмаа А.И., Сенюк М.Д., Снегирев Д.А. Indicator-based modified genetic approach for power network reconfiguration Proceedings of 2019 IEEE 60th Annual International Scientific Conference on Power and Electrical Engineering of Riga Technical University (год публикации - 2019)

13. Хальясмаа А.И., Ерошенко С.А., Тащилин В.А., Клеман Сегун, Лукас Эхлингер, Рохид Раджендра Вибхут, Саикумар Редди Атлури, Рафаэль Кэр Machine Learning Algorithms for Power Transformers Technical State Assessment 2019 International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON) (год публикации - 2019)

14. Хальясмаа А.И., Ерошенко С.А., Шатунова Д.В., Ларионова А.А., Егоров А.О. Digital twin technology as an instrument for increasing electrical equipment reliability IOP Conference Series: Materials Science and Engineering (год публикации - 2019)

15. Ерошенко С.А., Хальясмаа А.И. Технологии цифровых двойников В сборнике: Электроэнергетика глазами молодежи-2019 материалы юбилейной Х Международной научно-технической конференции. 2019. С. 55-58. (год публикации - 2019)

16. Хальясмаа А.И., Винтер Я.М., Ерошенко С.А., Болгов В.А. The methodology of high-voltage instrument transformers technical state index assessment Proceedings of XXI-st International Symposium on Electrical Apparatus and Technologies SIELA 2020 (год публикации - 2020)

17. Хальясмаа А.И., Ерошенко С.А., Чанг Т.Д. Machine learning application for the high-voltage equipment life cycle forecasting Proceedings of XXI-st International Symposium on Electrical Apparatus and Technologies SIELA 2020 (год публикации - 2020)

18. Хальясмаа А.И., Степанова А.И., Ерошенко С.А., Болгов В.А. The application of partial discharge monitoring system for instrument transformers: special issues Proceedings of XXI-st International Symposium on Electrical Apparatus and Technologies SIELA 2020 (год публикации - 2020)

19. Хальясмаа А.И., Сенюк М.Д., Ерошенко С.А. Analysis of the state of high-voltage current transformers based on gradient boosting on decision trees IEEE Transactions on Power Delivery (год публикации - 2020)

20. Хальясмаа А.И., Утеулиев Б.А.,Целобровский Ю.В. Methodology for analysing the technical state and residual life of overhead transmission lines IEEE Transactions on Power Delivery (год публикации - 2020)

21. Хальясмаа А.И., Ерошенко С.А., Сенюк М.Д. Machine learning as a tool to improve the efficiency of high-voltage power equipment lifecycle management CIGRE (год публикации - 2020)

22. Манусов В.З., Левин В.М., Хальясмаа А.И., Ахьёев Дж.С. ПРИМЕНЕНИЕ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ЗАДАЧАХ ТЕХНИЧЕСКОЙ ДИАГНОСТИКИ ЭЛЕКТРООБОРУДОВАНИЯ ЭЛЕКТРИЧЕСКИХ СИСТЕМ Издательство: Новосибирский государственный технический университет, г. Новосибирск (год публикации - 2020)

Публикации