Русская версия English version

Прогнозирование технического состояния судовых электроэнергетических систем

А.С. Стеклов, А.В. Серебряков, В.Г. Титов

Вестник ИГЭУ, 2016 г. выпуск 5, сс. 21—26

Скачать PDF

Аннотация на русском языке: 

Состояние вопроса: В настоящее время наибольшее применение в задачах прогнозирования получили методы авторегрессионного анализа и искусственные нейронные сети. Применение нейросетевых методов для прогнозирования остаточного ресурса оборудования затруднено тем, что для обучения сети необходимо наличие достоверной обучающей выборки, включающей изменение технического состояния оборудования в прошлом. Для исследования задачи прогнозирования технического состояния судовых электроэнергетических систем требуется создание условий работы, близких к промышленным, а также длительного непрерывного мониторинга. Данные требования сложно реализовать в лабораторных условиях. В связи с этим основной задачей исследования является решение проблемы прогнозирования технического состояния электротехнической системы путем применения авторегрессионного анализа.

Материалы и методы: Прогнозирование состояния судовых электроэнергетических систем основано на анализе временного ряда с помощью модели авторегрессии проинтегрированного скользящего среднего, которая позволяет предсказывать значение прогнозируемой величины с учетом внешних факторов, таких как условия эксплуатации и износ оборудования. Для разработки модели использован аппарат дифференциальных уравнений.

Результаты: Предложена модель анализа временного ряда степени работоспособности судовых электроэнергетических систем, отличающаяся от существующих моделей тем, что позволяет при прогнозировании не только учитывать значение интегрального параметра поврежденности, но и принимать во внимание факторы, влияющие на скорость изменения технического состояния оборудования, такие как условия технологического процесса и срок эксплуатации оборудования. В отличие от нейросетевых моделей прогнозирования данная модель не требует наличия обучающей выборки.

Выводы: Полученные результаты могут быть использованы в составе экспертных систем прогнозирования технического состояния судовых электроэнергетических систем. На примере последних 12 помесячных наблюдений (1 год) показано, что построенная модель авторегрессионного проинтегрированного скользящего среднего хорошо прогнозирует ряд. Предложенная модель предназначена для прогнозирования технического состояния судовых электроэнергетических систем.

Ключевые слова: судовые электроэнергетические системы, работоспособность, прогнозирование, модель Бокса-Дженкинса, модель авторегрессии, скользящее среднее, техническое состояние, временной ряд.

Список литературы на русском языке: 
  1. Дарьенков А.Б., Хватов О.С. Автономная высокоэффективная электрогенерирующая станция // Труды Нижегородского государственного технического университета им. Р.Е. Алексеева. – 2009. – Т. 77. – С. 68–72.
  2. Интеллектуальные средства диагностики и прогнозирования надежности авиадвигателей / В.И. Дубровин, С.А. Субботин, А.В. Богуслаев, В.К. Яценко. – Запорожье: ОАО «Мотор-Сич», 2003. – 279 с.
  3. Калявин В.П., Рыбаков Л.М. Надежность и диагностика элементов электроустановок. – СПб.: Элмор, 2009. – 336 с.
  4. Стеклов А.С., Титов В.Г., Серебряков А.В. Cистема диагностики технического состояния судового синхронного генератора // Труды Нижегородского государственного технического университета им. Р.Е. Алексеева. – 2016. – № 1. – С. 60–64.
  5. Стеклов А.С., Титов В.Г., Серебряков А.В. Определение степени работоспособности судовых синхронных генераторов с применением искусственных нейро-нечетких сетей // Вестник Чувашского университета. – 2016. – № 1. – С. 97–104.
  6. Deyi Li, Yi Du. Artificial intelligence with uncertainty. Tsinghua University. – Beijing, China. Chapman & Hall / CRC, 2008. – 347 p.
  7. Espinosa J., Vandewalle J., Wertz V. Fuzzy logic, identification and predictive control. – London: Springer–Verlag, 2005. – 263 p.
  8. Kosko B. Fuzzy systems as universal approximators // IEEE Trans. Comput. – 1994. – V. 43.
  9. Sivanandam S.N., Sumathi S., Deepa S.N. Introduction to fuzzy logic using MATLAB. – Springer, 2007. – 441 p.
  10. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. – М.: Телеком, 2007.
Ключевые слова на русском языке: 
судовые электроэнергетические системы, работоспособность, прогнозирование, модель Бокса-Дженкинса, модель авторегрессии, скользящее среднее, техническое состояние, временной ряд
Ключевые слова на английском языке: 
electric power systems of ships, efficiency, forecasting, Box-Jenkins model, autoregression model
Индекс DOI: 
10.17588/2072-2672.2016.5.021-026
Количество скачиваний: 
32