Алгоритм, предназначенный для оптимизации работы энергетического оборудования, который объединяет технологию цифровых двойников с динамической самопараметризацией и искусственным интеллектом, разработали ученые Санкт-Петербургского политехнического университета Петра Великого (СПбПУ).
Разработка позволяет прогнозировать изменения в функционировании сложного энергооборудования, предотвращать аварийные ситуации и увеличивать маржинальный доход генерирующего предприятия.
«Уникальность нашей разработки заключается в том, что с помощью методов машинного обучения она самостоятельно учитывает изменения физических характеристик основных узлов оборудования, происходящие, например, в результате естественного износа. Модель самопараметризуется и может восполнять пробелы в полученных данных (например, о тех узлах станции, где невозможно установить датчик мониторинга) и устранять неточности в существующих измерениях. В итоге мы получаем достоверную цифровую копию сложнейшего энергетического оборудования и можем проводить глубокий анализ работы станции и предсказывать появление дефектов в будущем, а также получать данные о комплексном влиянии множества факторов на технические процессы. До настоящего времени получить такие данные ни теоретическим, ни практическим способом было невозможно», — рассказала о проекте руководитель, кандидат технических наук, доцент Высшей школы атомной и тепловой энергетики СПбПУ Ирина Аникина.
Прогнозирование изменений параметров работы в зависимости от различных условий эксплуатации является особенно важным для новых отечественных газотурбинных установок, для которых еще не накоплен значительный объем статистической информации. Пилотный прототип системы был протестирован на ряде станций Северо-Западного региона. Ученые уверены, что соблюдение рекомендаций системы даст возможность увеличить маржинальный доход ТЭЦ на 7−8% благодаря рекомендациям по выбору оптимальных режимов работы с учетом фактического состояния оборудования.
Внедрение новых гибридных алгоритмов в систему поможет снизить частоту незапланированных ремонтов из-за нестандартного поведения оборудования и оптимизировать график ремонтов.
Планы коллектива включают дальнейшее развитие системы, ее адаптацию для других типов генерирующего оборудования и масштабирование на другие предприятия энергетической отрасли.
Исследовательский проект осуществляется с поддержкой программы стратегического академического лидерства «Приоритет-2030» Минобранауки РФ.
Фото: hi-tech.mail.ru