CC BY
6УДК 681.2 Статья поступила 11.08.2023 г
4.3.2. Электротехнологии, электрооборудование и энергоснабжение РО! 10.35524/2227-0280_2023_04_27
РАСПОЗНАВАНИЕ ПОРЯДКА АНТРОПОГЕННЫХ РИСКОВ ЭЛЕКТРОУСТАНОВОК В АГРАРНОЙ ОТРАСЛИ
^О.К. Никольский,
доктор технических наук, профессор,
Алтайский государственный технический университет им. И.И. Ползунова, г. Барнаул
Д.О. Суринский,
кандидат технических наук, доцент кафедры энергообеспечения сельского хозяйства, ФГБОУ ВО "Государственный аграрный университет Северного Зауралья"
В.В. Фараносов,
соискатель, кафедра энергообеспечения сельского хозяйства,
ФГБОУ ВО "Государственный аграрный университет Северного Зауралья"
Ключевые слова: распознавание, порядок, риск, ток, утечка, электроустановка, тепловая перегрузка, мониторинг, отрасль, эффективность, надежность
Key words: recognition, order, risk, current, leakage, electrical installation, thermal overload, monitoring, industry, efficiency, reliability
Современные технологии играют важную роль в повышении надежности, безопасности и эффективности электроустановок на производственных площадках. Они помогают предотвратить аварии, улучшить процессы эксплуатации и снизить риски техногенной опасности. Одним из ключевых аспектов в этом направлении является разработка систем мониторинга и поддержки принятия решений. Эти системы позволяют получать необходимые данные о состоянии электроустановок и их функционировании. Они анализируют информацию, выявляют взаимосвязи и рискообразующие факторы, которые могут привести к возникновению аварий или других проблем. Системы мониторинга в режиме реального времени обеспечивают постоянный контроль за работой электроустановок. Они могут обнаруживать отклонения от нормы, предупреждать о возможных проблемах и даже автоматически принимать меры по их устранению. Это позволяет оперативно реагировать на любые неполадки и минимизировать риски для персонала и оборудования. Кроме того, системы поддержки принятия решений предоставляют операторам и инженерам необходимую информацию для принятия обоснованных решений. Они анализируют данные, предлагают варианты действий и оценивают их последствия. Такие системы помогают оптимизировать процессы эксплуатации, улучшить эффективность и снизить веро-
ятность возникновения аварий. Важно отметить, что разработка и внедрение таких систем требует сотрудничества различных специалистов, включая инженеров, программистов и аналитиков. Они должны работать вместе, чтобы создать комплексные решения, учитывающие все особенности конкретной электроустановки и производственной среды. Таким образом, разработка систем мониторинга и поддержки принятия решений является важным шагом в обеспечении надежности, безопасности и эффективности функционирования электроустановок. Они помогают предотвратить аварии, снизить риски и улучшить процессы эксплуатации. Это важные инструменты для современной промышленности и обеспечения безопасности персонала.
Целью исследований является распознавание модели рисков электроустановок в аграрном секторе.
В современном мире, где всегда заботятся о производительности и результативности, необходимо осознавать важность измерений. Существующие методы оценки антропогенных рисков не учитывают возможную неопределенность исходных данных, которая может быть вызвана отказами электроустановок, ошибками персонала и превышением нормативных параметров рабочей среды [2]. В процессе принятия решений лицо, принимающее это решение, сталкивается с неопределенны-
ми и текущими данными, которые могут быть обусловлены факторами, не поддающимися точной количественной оценке. В таких случаях возникает необходимость использовать «мягкие вычисления», основанные на логико-лингвистических моделях. Поэтому сейчас актуальной является задача разработки системы оценки и прогнозирования антропогенных рисков, связанных с опасностью электроустановок. Эта система должна учитывать возможные инициирующие условия и помогать обосновывать превентивные меры безопасности на производственном объекте. Однако, важно отметить, что разработка такой системы представляет собой сложную задачу, требующую глубокого понимания физических и технических аспектов электроустановок, а также учета различных вариантов возможных событий и их вероятностей.
Для достижения этой цели необходимо провести исследования и анализ данных, собранных из различных источников, чтобы установить связи между различными факторами и рисками. Более того, важно также учитывать динамическую природу рисков, поскольку они могут изменяться во времени и в зависимости от различных условий. Это требует постоянного обновления и адаптации системы оценки рисков, чтобы она оставалась актуальной и эффективной. Кроме того, разработка системы оценки рисков должна учитывать не только технические аспекты, но и социально-экономические и организационные факторы, которые могут влиять на безопасность электроустановок. Это включает в себя анализ человеческого фактора, оценку культуры безопасности и разработку соответствующих обучающих программ для персонала. В итоге, разработка системы оценки и прогнозирования антропогенных рисков в области электроустановок является важной задачей, которая требует учета неопределенности и использования «мягких вычислений». Это поможет обосновывать превентивные меры безопасности и обеспечивать надежную эксплуатацию производственных объектов.
Материалы и методы исследований. Прогнозирование электроэнергии играет существенную роль в управлении и уравновешении существующих энергосистем. По этой причине
необходимы точные прогнозы потребностей в обслуживании для разработки более совершенных программ выработки и распределения электроэнергии и снижения риска уязвимостей при интеграции электроэнергетической системы. Для целей настоящего исследования был проведен систематический обзор литературы, чтобы определить тип модели, которая имеет наибольшую склонность демонстрировать точность в контексте прогнозирования электроэнергии.
Современная модель для точного прогнозирования электроэнергии была определена на основе результатов, полученных в ходе большого количества тестов точности в 5 географических регионах. Было проведено сравнение двух классов моделей прогнозирования: классических статистических, или математических, и моделей машинного обучения. Кроме того, выявлено использование гибридных моделей, которые внесли значительный вклад в прогнозирование электроэнергии, и приведен пример исследования, демонстрирующий их хорошую эффективность по сравнению с традиционными моделями.
Среди наших основных выводов мы заключаем, что ошибки прогнозирования сводятся к минимуму за счет сокращения временного горизонта, что модели, учитывающие различные источники экзогенной изменчивости, как правило, имеют лучшую точность прогнозирования и, наконец, что точность моделей прогнозирования значительно возросла за последние 5 лет.
Наряду с быстрыми достижениями в теории прогнозирования и машинном обучении, технологии в области исследований энергетического прогнозирования также быстро развивались. Кроме того, основные методы прогнозирования выработки энергии и спроса на нее можно разделить на 2 категории (рис. 1.). Кроме того, могут быть найдены гибридные методы, которые применяют не только статистические инструменты, но и другие элементы, такие как математическая оптимизация или обработка сигналов.
Результаты исследований. Границы между работоспособным и неработоспособным состоянием электроустановки очень условны, их переход происходит вследствие появления цепи: дефект-отказ-неисправность (рис. 2).
КАТЕГОРИИ ПРОГНОЗИРОВАНИЯ ВЫРАБОТКИ ЭНЕРГИИ И СПРОСА
1-Я - СТАТИСТИЧЕСКИЕ 2-Я - СОВРЕМЕННЫЕ МЕТОДЫ,
ИЛИ МАТЕМАТИЧЕСКИЕ МЕТОДЫ ОСНОВАННЫЕ НА СТАТИСТИЧЕСКОМ ОБУЧЕНИИ
Рис. 1. Категории прогнозирования выработки энергии и спроса
сельскохозяйственные науки
Рис. 2. Образец распознавания состояния электроустановки: 1 - повреждение, 2 - отказ, 3 - переход объекта в предельное состояние, 4 - восстановление, 5 - ремонт
Работоспособная электроустановка, в отличие от исправной, должна удовлетворять требованиям нормативно-технической и конструкторской документации, выполнение которых обеспечивает нормальное ее применение.
Важной задачей диагностирования параметров электроустановки, прогнозирования неисправностей, оценки надежности и безопасности является установление предельного состояния объекта, при котором дальнейшее его применение недопустимо или нецелесообразно по требованиям безопасности, экономичности или эффективности [3].
Распознавание и предупреждение рисков опасности электроустановок объекта осу-
ществляется на основе анализа плохо формализуемой человеко-машинной системы, используя при этом базы данных, полученных в результате сбора информации путем опытных оценок и субъективных суждений специалистов.
В данных условиях механизм решения задач идентификации и моделирования опасных событий может быть получен с помощью экспертных систем [4]. Принимая во внимание наличие в человеко-машинной системе стохастической неопределенности [5], рассмотрим основные методы оценки и диагностирования антропогенных рисков, выделив из них самые важные (табл. 1).
Таблица 1
Основные методы оценки и диагностирования антропогенных рисков
№ п/п Методы оценки и диагностирования антропогенных рисков Описание методов
1 статистический метод, требующий большого объема исходной информации, связанной с отказами, авариями, возникновением опасной техногенной ситуации
2 детерминированный (физико-статистические) методы оценки рисков, основанные на использовании аналитических зависимостей, связывающих время до возникновения отказов электроустановок с характеристиками эксплуатационных нагрузок и параметров процессов, возникающих в токоведущих, изолированных и конструкционных частях электроустановки
3 экспертный метод оценки и прогнозирования антропогенного риска метод, обусловленный трудностями в выборе экспертов и их субъективностью; весте с тем достоинство эвристического подхода, основанного на экспертных оценках, состоит в быстром получении результатов при минимальных затратах
Для решения задачи оценки и прогнозирования рисков воспользуемся аппаратом математической статистики [6, 7], позволяющим построить статистические модели (временные ряды), в которых присутствуют случайные недетерминированные факторы. Требуется построить адекватные оценки будущих
значений антропогенных рисков, выделив при этом период наблюдений (получение фактических значений риска) и период упреждения (определение расчетных значений риска). Таким образом, можно принять следующие этапы распознавания антропогенного риска:
ЭТАПЫ РАСПОЗНАВАНИЯ АНТРОПОГЕННОГО РИСКА
Рис. 3. Этапы распознавания антропогенного риска
Представлен порядок распознавания антропогенных рисков (рис. 4.), где показано, что: - экстраполяция по средней скользящей используется в тех случаях, когда по данным
временного ряда нельзя выявить (построить) какой-либо тренд;
- экспоненциальная средняя характеризуется процедурой сглаживания ряда, в качестве
Рис. 4. Порядок программной реализации системы распознавания
прогноза обычно используются линейные комбинации прошлых и текущих наблюдений;
- статистическое прогнозирование с помощью метода линейных регрессий, в основе которого лежит анализ взаимодействия двух переменных (метод парных корреляций).
Выводы. В данной исследуемой работе предложен анализ статистического распознавания антропогенных рисков электроустановок с помощью порядка (алгоритма), предоставляющий проводить решение данной задачи, направленный на повышение надежности, эффективности и безопасности эксплуатации электротехнологического оборудования в аграрном спектре. Прогнозирование электроэнергии играет существенную роль в управлении действующими энергосистемами и их балансе. Прогнозы нагрузки помогают определить стратегии оптимизации работы механизмов в определенный период и, таким образом, обеспечить спрос даже в неблагоприятных для системы ситуациях.
Библиографический список
1. Дробязко, О. Н. Системно-вероятностное моделирование систем обеспечения электробезопасности на объектах АПК / О. Н. Дробязко, Л. В. Куликова. - Текст : непосредственный // Вестник Алтайского государственного аграрного университета. - 2022. - № 2 (208). - С. 94-101.
2. Титов, Е. В. Оценка защитного действия многослойного экрана в электрическом поле широкого диапазона частот / Е. В. Титов, А. А. Сошников, Л. В. Куликова. - Текст : непосредственный // Вестник Алтайского государственного аграрного университета. - 2019. - № 9 (179). - С. 157-162.
3. Никольский, О. К. Контроль и предотвращение пожаров от токов утечки в электроустановках производственного объекта / О. К. Никольский, В. В. Фараносов, Д. О Суринский. -Текст : непосредственный // АгроЭкоИнфо. -2022. - № 5.
4. Габова, М. А. Оценка пожарных рисков электроустановок АПК на основе нейронных сетей / М. А. Габова. - Текст : непосредственный // Высокопроизводительные вычислительные системы и технологии. - 2021. - Т. 5. - № 1. - С. 217-221.
5. Никольский, О. К. Модель функционирования системы техногенной безопасности электроустановок / О. К. Никольский. - Текст
: непосредственный // Вестник АПК Ставрополья. - 2021. - № 1 (41). - С. 19-23.
6. Куликова, Л. В. Энергетический анализ производства продукции растениеводства / Л. В. Куликова, Д. О. Суринский. - Текст : непосредственный // Известия Оренбургского государственного аграрного университета. -2022. - № 4 (96). - С. 176-179.
7. Суринский, Д. О. Методика расчета энергосберегающих мероприятий при защите объектов АПК от вредителей / Д. О. Суринский, К. А. Карнаухов. - Текст : непосредственный // АгроЭкоИнфо. - 2022. - № 3 (51).
References
1. Drobyazko, O. N. Sistemno-veroyatnostnoe modelirovanie sistem obespecheniya elektrobe-zopasnosti na ob"ektah APK / O. N. Drobyazko, L. V. Kulikova. - Tekst : neposredstvennyj // Vest-nik Altajskogo gosudarstvennogo agrarnogo universiteta. - 2022. - № 2 (208). - S. 94-101.
2. Titov, E. V. Ocenka zashchitnogo dejstviya mnogoslojnogo ekrana v elektricheskom pole shi-rokogo diapazona chastot / E. V. Titov, A. A. Sosh-nikov, L. V. Kulikova. - Tekst : neposredstvennyj // Vestnik Altajskogo gosudarstvennogo agrarnogo universiteta. - 2019. - № 9 (179). - S. 157-162.
3. Nikol'skij, O. K. Kontrol' i predotvrashchenie pozharov ot tokov utechki v elektroustanovkah proizvodstvennogo ob"ekta / O. K. Nikol'skij, V. V. Faranosov, D. O Surinskij. - Tekst : neposredstvennyj // AgroEkolnfo. - 2022. - № 5.
4. Gabova, M. A. Ocenka pozharnyh riskov elektroustanovok APK na osnove nejronnyh setej / M. A. Gabova. - Tekst : neposredstvennyj // Vysokoproizvoditel'nye vychislitel'nye sistemy i tekhnologii. - 2021. - T. 5. - № 1. - C. 217-221.
5. Nikol'skij, O. K. Model' funkcionirovaniya sistemy tekhnogennoj bezopasnosti elektro-ustanovok / O. K. Nikol'skij. - Tekst : neposredstvennyj // Vestnik APK Stavropol'ya. - 2021. -№ 1 (41). - S. 19-23.
6. Kulikova, L. V. Energeticheskij analiz proizvodstva produkcii rastenievodstva / L. V. Kulikova, D. O. Surinskij. - Tekst : neposredstvennyj // Izvestiya Orenburgskogo gosudarstvennogo agrarnogo universiteta. - 2022. - № 4 (96). - S. 176-179.
7. Surinskij, D. O. Metodika rascheta energo-sberegayushchih meropriyatij pri zashchite ob"ektov APK ot vreditelej / D. O. Surinskij, K. A. Karnauhov. - Tekst : neposredstvennyj // AgroEkolnfo. - 2022. - № 3 (51).
сельскохозяйственные науки Контактная информация: Никольский Олег Константинович
профессор,
Алтайский ГТУ им. И.И. Ползунова, 656038, г. Барнаул, проспект Ленина, д. 46 E-mail: [email protected]
Суринский Дмитрий Олегович
доцент, кафедра энергообеспечения сельского хозяйства, ФГБОУ ВО "Государственный аграрный университет Северного Зауралья", 625003 г. Тюмень, ул. Республики, 7 E-mail: [email protected]
Фараносов Вадим Викторович
соискатель, кафедра энергообеспечения сельского хозяйства, ФГБОУ ВО "Государственный аграрный университет Северного Зауралья", 625003 г. Тюмень, ул. Республики, 7 E-mail: [email protected]
Contact Information: Nikolsky Oleg Konstantinovich
Professor, Altai State Technical University named after. I.I. Polzunova 656038, Barnaul, Lenin Avenue, 46 E-mail: [email protected]
Surinsky Dmitry Olegovich
Associate Professor of the Department of Energy Supply of Agriculture, Northern Trans-Ural State Agricultural University, 625003, the city of Tyumen, Republic street, the house 7
E-mail: [email protected]
Faranosov Vadim Viktorovich
Candidate of the Department of Energy Supply of Agriculture, Northern Trans-Ural State Agricultural University, 625003, the city of Tyumen, Republic street, the house 7
E-mail: [email protected]
