Махаммад разработка информационной системы для дизельных электростанций с возможностями прогноза их технического состояния

На правах рукописи

Махаммад Мааз Джасем Махаммад

РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ ДЛЯ ДИЗЕЛЬНЫХ ЭЛЕКТРОСТАНЦИЙ С ВОЗМОЖНОСТЯМИ ПРОГНОЗА ИХ ТЕХНИЧЕСКОГО СОСТОЯНИЯ

Специальность 05.13.01 – Системный анализ, управление и обработка информации (информационные и технические системы)

Автореферат

диссертации на соискание ученой степени

кандидата технических наук

Краснодар - 2009

Работа выполнена в ГОУ ВПО «Кубанский государственный

технологический университет»

Научный руководитель:	доктор технических наук, профессор Атрощенко Валерий Александрович
Официальные оппоненты:	доктор технических наук, профессор Марков Виталий Николаевич кандидат технических наук, доцент Кабанков Юрий Андреевич
Ведущая организация:	ДОАО Электрогаз ОАО Газпром

Защита состоится « 25 » ноября 2009 г. в 14.00 часов на заседании диссертационного совета Д 212.100.04 в ГОУ ВПО «Кубанский

государственный технологический университет» по адресу: 350072, г. Краснодар, ул. Московская, 2, А-229

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО «Кубанский государственный технологический университет»

Автореферат разослан « 23 » октября 2009 г.

Ученый секретарь

диссертационного совета Д 212.100.04,

канд. техн. наук, доцент А.В. Власенко

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. В настоящее время важным структурным элементом систем резервного и гарантированного электроснабжения является дизельная электростанция (ДЭС).

Для гибкого и эффективного управления режимами работы ДЭС, целесообразно использовать контроллерную систему управления их технологическими процессами. Контроллеры ДЭС оснащены широким арсеналом коммуникационных расширений, позволяющих собирать данные датчиков ДЭС, частично обрабатывать результаты измерений, выдавать диагностические сообщения и передавать информацию через порты.

Эксплуатационная надежность работы дизельных электростанций обеспечивается с помощью проведения планового технического обслуживания. Однако, такое обслуживание в конечном итоге - затратное. Поэтому, чтобы уменьшить затраты, можно проводить техническое обслуживание ДЭС по их фактическому техническому состоянию.

Чтобы провести обслуживание или ремонт ДЭС по фактическому техническому состоянию, необходимо прогнозировать техническое состояние электростанции. В связи с этим, разработка информационной системы, которая обеспечит данное прогнозирование, является актуальной задачей.

Целью диссертационной работы является разработка информационной системы для дизельных электростанций с возможностями прогноза их технического состояния.

Поставленная научная задача предполагает решение частных научных задач исследования:

• Разработка информационной модели предметной области дизельной электростанции.
• Разработка структуры базы данных на основе информационной модели предметной области ДЭС.
• Разработка прогнозирующих алгоритмов оценки параметров дизельных электростанций.
• Разработка информационной системы мониторинга и прогнозирования технического состояния дизельной электростанции (ИСМПТСДЭС), включающая системный анализ и разработку структуры ИСМПТСДЭС на основе информационной модели ДЭС, а также создание программной реализации ИСМПТСДЭС при помощи современных инструментальных средств.

Методы исследования. Для решения поставленных задач исследования, были использованы методы системного анализа, теория множеств, математической статистики, регрессионного анализа, прогнозирования, теория информации, теории реляционных баз данных, графов, объектно-ориентированного проектирования и программирования.

Научная новизна диссертации

1. Предложена информационная модель ДЭС с учетом трех объектной системы, автоматизируемых функций сбора информации и временных задач их обработки с учетом эксплуатации и прогноза её работы.
2. Разработана аналитическая, теоретико-графовая модель предметной области базы данных (БД) системы мониторинга и прогнозирования параметров ДЭС. Выявлены основные этапы создания указанной модели, включая выделение структурных элементов и взаимосвязей между ними.
3. Разработаны прогнозирующие алгоритмы оценки параметров дизельных электростанций.

Практическая значимость работы состоит в том, что применение разработанной системы прогнозирования позволит предупредить отказ оборудования и уменьшить затраты, связанные выполнением операций технического обслуживания оборудования ДЭС.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на следующих конференциях:

• Международной научно-практической конференции «Современные направления теоретических и прикладных исследований», УКРНИИМФ, Одесса, 2006;
• Международной научно-практической конференции «Телекоммуникационные и информационные системы», СПБГПУ, Санкт-Петербург, 2007.

Публикация. По результатам диссертационной работы опубликованы 8 печатных работ, из них 4 в ведущем журнале, рекомендованном ВАК РФ.

Структура и объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и 2 приложений. Работа изложена на 139 страницах, содержит 26 рисунков, 16 таблиц и библиографию из 82 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблемы, указаны цель и задачи исследования; научная новизна, практическая ценность и реализация результатов работы; сформулированы основные положения, выносимые на защиту.

В первой главе «Анализ современных автоматизированных дизельных электростанций (ДЭС)» рассмотрены анализ развития зарубежного и российского дизель-генераторостроения, особенности конструкций и тенденции развития ДЭС разных фирм. Проведён анализ существующих микроконтроллерных систем управления технологическими процессами ДЭС и указаны их наиболее важные функциональные возможности. Также рассмотрены современная оценка и методы контроля технического состояния дизельных электростанций и основные виды систем мониторинга и диагностики оборудования. Выявлено, что в существующих микроконтроллерных системах управления ДЭС и диагностических подсистемах современных ДЭС, отсутствует возможность полноценно анализировать и прогнозировать техническое состояние ДЭС.

Во второй главе «Информационная модель дизельных электростанций», рассматриваются вопросы исследования и построения информационной модели ДЭС с применением системной декомпозиции на составляющие элементы и информационные взаимосвязи между ними. В случае с предметной областью дизельной электростанции используются принципы, ориентированные на конкретные задачи обработки, анализа данных ДЭС и функциональные потребности обслуживающего персонала.

Для начального анализа предметной области ДЭС использована диаграмма потоков данных (DFD – Data Flow Diagramm), представлена на рис. 1.

Рис. 1. DFD-диаграмма информационной модели ДЭС

Так как источником первичной информации о состоянии ДЭС являются устройства сбора и передачи информации (УСПИ), то их можно считать «внешними сущностями». К внешним сущностям также отнесем «Базу данных» и «Эксплуатационный персонал». Под «Контроллером ДЭС» будем подразумевать устройство мониторинга и прогнозирования контролируемых параметров ДЭС.

Модель предметной области может быть представлена в виде следующих множеств:

(1)

где:

• F={fi/i=1,I}: автоматизируемые функции, выполняемые системой мониторинга и прогнозирования параметров ДЭС;
• H={hj/j=1,J}: задачи обработки данных системы мониторинга и прогнозирования параметров ДЭС;
• P={pk/k=1,k}: множество, характеризующее количество и состав персонала, работающего с системой мониторинга и прогнозирования параметров ДЭС;
• O={om/m=1,M}: объекты автоматизации ДЭС, которые можно представить тремя самостоятельными частями, УСПИ двигателя, УСПИ генератора и УСПИ шины нагрузки;
• V={vl/l=1,L}: информационные элементы (входные и выходные данные) ДЭС;
• R={ry/y=1,Y}:множество отношений (взаимосвязей) между компонентами Mпр.о..

Для аналитического описания семантики системы они описаны с помощью булевых матриц смежности, которые описывают соответствующие отношения R между компонентами предметной области.

Выделены следующие виды отношений между рассмотренными множествами F,H,P,O,Vвх,Vвых,R}:

, , , , , , , .

В результате проведённого анализа была получена аналитико-множественная модель предметной области ДЭС. Данная модель позволяет выявить полноту и непротиворечивость по всем множествам предметной области, а также взаимосвязи между ними.

Формирование и анализ графов информационных структур модели системы мониторинга и прогнозирования контролируемых параметров ДЭС включает в себя: построение множества структурных элементов на основе модели предметной области, формирование матрицы семантической смежности на множестве структурных элементов и построение ориентированного графа информационной структуры, формирование матрицы семантической достижимости на множестве структурных элементов, определение информационных и групповых элементов структурного множества, упорядочение групп структурных элементов по уровням иерархии, выделение и формирование множества ключей и атрибутов в группах данных, построение канонической модели БД системы.

Структурными элементами модели системы мониторинга и прогнозирования параметров ДЭС являются элементы множеств O и V.

(2)

Под матрицей семантической смежности B = || bij || будем понимать квадратную бинарную матрицу проиндексированную по обеим осям множества структурных элементов D. Матрице B ставится в соответствие орграф информационной структуры, вершины которого соответствуют структурным элементам, а дуги отражают наличие или отсутствие связи между ними. Изображение ориентированного орграфа G представлено на рис. 2.

Рис.2. Граф G информационной структуры модели системы мониторинга и прогнозирования параметров ДЭС

Для получения матрицы достижимости, необходимо матрицу B последовательно возводит в целые положительные степени n(n=2,3,..,/L/-1), образующие некоторое множество матриц путей доступа .

В нашем случае, вторая степень матрицы B представляет собой вырожденную матрицу, поэтому матрица семантической достижимости А совпадает с матрицей семантической смежности B.

Матрица A дает возможность определения множества предшествования C(di) и достижимости F(di) diD. Множество C(di) формируется из элементов, соответствующих единичным записям в i-м столбце, а множество F(di) – из элементов, соответствующих единичным записям в i-й строке матрицы A. Анализ множества C(di) позволяет выделить базовые типы структурных элементов – информационные элементы и группы. Информационным элементам соответствуют те структуры, для которых C(di)=0. На графе G им соответствуют висячие вершины.

Расчетным путем, согласно (3) и (4), определены множества предшествования и достижимости для каждого структурного элемента.

	(3)
	(4)

Для определения информационных элементов необходимо просуммировать элементы каждого столбца j матрицы A. Если , то j-й элемент структурного множества является информационным. В противном случае структурный элемент является групповым элементом (группой). В нашем случае имеем:

, .

(5)

Множество информационных элементов обозначим через Dд.

(6)

Множество групп Dг определяется из выражения:

(7)

С целью упорядочения групп по уровням иерархии в матрице A выделяется подматрица (удалением индексов элементов множества Dд)

(8)

где запись aгij=1 которой обозначает наличие связи между группами dгi, dгj ; dгi, dгj Dг

В нашем случае Aг вырождена, т.е. все ее элементы равны 0. Данный факт позволяет сделать следующий вывод: информационная структура не имеет многоуровневой иерархической организации, поэтому нет необходимости проводить процедуры упорядочивания и нормализации. В описанном случае, достаточно исследовать информационные составы групп на предмет наличия в них общих элементов.

В нашем случае, существует общий информационный элемент для всех трех групп. Это элемент d56(«Время сбора информации»). Данный элемент также является ключевым по причине семантической зависимости получаемых данных от времени сбора информации. Таким образом, множество ключей W1 = {d56}, множество атрибутов W2 = {di / i=1,…,55}. Граф канонической структуры имеет вид:

Рис.3. Граф G канонической структуры модели системы мониторинга и прогнозирования параметров ДЭС

В третьей главе «Разработка прогнозирующих алгоритмов оценки параметров дизельных электростанций» разработаны алгоритмы однопараметрического и группового прогнозирования. Процесс прогнозирования представляется как операторное преобразование (П) исходной информации об исследуемом объекте в виде её отображения на будущее, ограниченное глубиной прогноза:

П : {Di, T} I,

(9)

где П – оператор прогнозирования;

Di – информация об исходном состоянии объекта (в нашем случае -временной ряд);

Т – горизонт прогноза;

I – результат прогноза.

Целью прогнозирования параметров ДЭС является исследование динамики и выявление выходов за допустимые пределы значений контролируемых параметров в будущем.

В зависимости от того, в каком режиме работает ДЭС, выбирается горизонт для прогноза. В случае если ДЭС работает в режиме основного источника питания, очень важно прогнозировать значения параметров на короткие сроки. В случае работы ДЭС в аварийном режиме, то необходимо обеспечить получение измерений не менее одного раза в течение одного включения.

При решении задач прогнозирования малоизменяющихся во времени параметров (именно такими параметрами являются основные параметры ДЭС, обладающей высокой степенью отказоустойчивости и надежности), применяются исследовательские однопараметрические методы статистического моделирования и характерные модели (линейная, полиномиальная и экспоненциальная).

Для построения временного ряда в системе мониторинга и прогнозирования параметров ДЭС, необходимо провести операции по сбору данных. С этой целью необходимо составить соответствующий алгоритм. Входными данными для алгоритма является интервал времени t, через который будет происходить считывание информации с датчиков и период T за который осуществляется сбор информации.

Выходными данными является массив данных, содержащий временной ряд значений параметров .

Далее, под оптимальной моделью мы будем понимать модель, которая при одинаковом временного ряда имеет минимальную сумму квадратичных отклонений (SSE) модельных значений.

(10)

где n – длина временного ряда;

yt - фактическое значение уровня ряда;

- расчетное значение уровня, полученное по модели.

Блок-схема прогнозирующего алгоритма представлена на рис.4.

Рис. 4.Блок-схема прогнозирующего алгоритма

где Tp – переменная, содержащая значение количество прогнозных шагов (горизонт прогноза);

Pmin – минимальное значение контролируемого параметра;

Pmax – максимальное значение контролируемого параметра;

Di –временной ряд, содержащий значения контролируемых параметров на допрогнозном этапе;

t1 – левая граница интервала прогнозирования;

t2 – правая граница интервала прогнозирования;

m – переменная, содержащая в качестве значения оптимальную по SSE модель;

IsAutoCorr – функция возвращающая значения -1, 0, 1 сигнализирующие о наличии (или отсутствии) автокорреляции в случайной составляющей временного ряда;

– средняя относительная ошибка по модулю;

V – Вектор прогнозных значений;

tmin – прогнозное время выхода за пределы минимального значения параметра;

tmax – прогнозное время выхода за пределы максимального значения параметра;

i – переменная - счетчик цикла с параметром.

Проверка адекватности выбранных моделей реальному процессу строится на анализе случайной компоненты. Случайная остаточная компонента получается после выделения из исследуемого ряда систематической составляющей. Ряд остатков представляется в виде отклонений фактических уровней временного ряда (yt) от выровненных, расчетных ():

.

(11)

Принято считать, что модель адекватна описываемому процессу, если значения остаточной компоненты удовлетворяют свойствам случайности, независимости, а также случайная компонента подчиняется нормальному закону распределения.

Если вид функции, описывающей систематическую составляющую, выбран неудачно, то последовательные значения ряда остатков могут не обладать свойствами независимости, т.к. они могут коррелировать между собой. В этом случае имеет место автокорреляция ошибок.

Существует несколько приемов обнаружения автокорреляции. Наиболее распространенным является метод, предложенный Дарбиным и Уотсоном. Критерий Дарбина-Уотсона связан с гипотезой о существовании автокорреляции первого порядка, т.е. автокорреляции между соседними остаточными членами ряда. Значение этого критерия определяется по формуле:

(12)

Оценка точности моделей прогнозирования, позволяющих вычислить абсолютные значения их ошибок. Данная оценка решена вычислением средней относительно ошибки по модулю, для значений которой существует оценочная шкала.

Средняя относительная ошибка по модулю (Mean Absolute Percentage Error(MAPE)) рассчитывается по формуле:

,

(13)

где n - число уровней временного рядя, для которых определялось прогнозное значение.

Характеристика MAPE широко используется для сравнения точности прогноза разнородных объектов прогнозирования. При этом в часто встречаются указания на то, что значение свидетельствует о высокой точности модели, при значениях этой характеристики в диапазоне 10–20% точность можно признать хорошей, при – удовлетворительной.

Согласно цели разрабатываемой системы прогнозирования, дизельная электростанция подлежит обслуживанию, если прогноз показывает что любой из её контролируемых параметров первым выходит за установленные пределы ограничений. В этом случае, анализируемые параметры можно считать независимыми друг от друга. Процесс прогнозирования технического состояния сводится к независимому прогнозированию значений по каждому из параметров, с последующим определением параметра с наименьшим значением прогнозного времени, при котором произойдет выход за допустимые пределы. Блок-схема соответствующего прогнозирующего алгоритма представлена на рис. 5.

Рис.5. Блок-схема алгоритма определения параметра с наименьшим значением прогнозного времени, при котором произойдет выход за допустимые пределы

P(i) – массив структур данных о прогнозировании i параметров состоит из двух записей (tmax, tmin);

t - минимальное значение периода, на котором произойдет выход за допустимые значения параметров;

N – номер параметра с минимальным значением периода выхода за допустимые значения параметра;

i - дополнительная переменная-счетчик цикла;

min – функция рассчитывающая минимум двух значений.

В четвёртой главе «Программная реализация информационной системы мониторинга и прогнозирования технического состояния дизельной электростанции (ИСМПТСДЭС)» создана структура программного обеспечения ИСМПТСДЭС (рис. 6).

Рис. 6. Структура информационного обеспечения системы прогнозирования технического состояния ДЭС

Информационное обеспечение системы прогнозирования технического состояния ДЭС состоит из двух основных частей: программного обеспечения общего назначения и специального программного обеспечения, которое представляет собой программный код, выполняющий сбор, хранение и обработку информации ДЭС.

Прикладное ПО, согласно решаемым задачам состоит из следующих элементов:

Рис. 7. Структурный состав программы-интерфейса ИСМПТСДЭС

Согласно схеме, функционально программа должна состоит из двух основных подсистем: подсистема, реализующая графический интерфейс пользователя и подсистема обработки данных.

При разработке ПО ИСМПТСДЭС применялись пакеты Visual Studio 2005, Matlab 2007b.

База данных реализована с применением технологии ADO.NET, а её структура основана на информационной модели дизельной электростанции, описанной в главе 2. Функции индивидуального прогнозирования и прогнозирования по нескольким параметрам реализованы с применением математического пакета Matlab на основе прогнозирующих алгоритмов, разработка которых описана в главе 3.

Интерфейс разработанного ПО имеет следующий вид:

Рис. 8. Внешний вид графического интерфейса пользователя ИСМПТСДЭС

Интерфейс ИСМПТСДЭС состоит из графических элементов: панель объектов, панель отображения свойств, панель отображения графиков и панель отображения данных.

Пример визуализации моделей и графика прогноза параметра «Температура охлаждающей жидкости» представлен на рис. 9 и 10.

Рис. 9. Визуализация моделей параметра «Температура ОЖ»

Рис. 10. График прогноза параметра «Температура ОЖ»

В программе реализовано две разновидности прогнозирования: индивидуальное прогнозирование по отдельному параметру и прогнозирование по нескольким параметрам.

Для оценки экономического эффекта разработанного ПО учитывались затраты, осуществляемые в связи с применением ДЭС. Под экономическим эффектом понимается изменение затрат, связанных эксплуатацией ДЭС при применении разработанного ПО и без его применения.

Затраты, осуществляемые в связи с применением ДЭС, можно разделить на первоначальные (единовременные) и текущие, поэтому общая величина затрат рассчитывается по формуле:

(14)

где

Зобщ - общая величина затрат на ДЭС;

Зперв - единовременные затраты, связанные с приобретением ДЭС и стоимость монтажных работ;

Зтек – текущие затраты, включающие затраты на горючесмазочные материалы (ГСМ), техническое обслуживание и зарплату персонала.

В случае применения разработанной системы, общая величина затрат рассчитывается по формуле:

(15)

где

Спо – стоимость ПО ИСМПТСДЭС;

k – количество мероприятий по ТО, которые в результате прогнозирования были отмены;

СТО – стоимость 1-го мероприятия по ТО.

Тогда экономический эффект от применения ПО ИСМПТСДЭС будет рассчитываться по формуле:

(16)

Оценка экономического эффекта показала, что положительный экономический эффект от применения разработанного ПО для дизель-генераторов средний и большой мощности, которая находиться в пределах 30-70% стоимости их технического обслуживания.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В процессе исследования получены следующие результаты:

1. Определена методика исследования и описания предметной области базы данных ДЭС.
2. Предложена информационная модель ДЭС с учетом трех объектной системы, автоматизируемых функций сбора информации и временных задач их обработки с учетом эксплуатации и прогноза её работы.
3. Разработана аналитическая, теоретико-графовая модель предметной области БД системы мониторинга и прогнозирования параметров ДЭС. Выявлены основные этапы создания указанной модели, включая выделение структурных элементов и взаимосвязей между ними; доказана каноническая структуры БД системы мониторинга и прогнозирования параметров ДЭС.
4. Разработаны, алгоритм прогнозирования значений контролируемых параметров ДЭС, а также алгоритм прогнозирования технического состояния ДЭС, определяющий параметр с наименьшим значением времени выхода за допустимые пределы.
5. На основе информационной модели и прогнозирующих алгоритмов было создано ПО ИСМПТСДЭС.
6. Показано, что положительный экономический эффект от применения разработанного ПО для дизель-генераторов средней и большой мощности находится в пределах 30-70% стоимости их технического обслуживания.

СПИСОК ОПУБЛИКОВАННЫХ РАБОТ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Атрощенко В.А. Применение ПЛК для систем автоматического управления электрогенераторных установок / М.Д. Махаммад // Труды междунар. конф. Одесса, 2006 – С 4-8.
2. Атрощенко В.А. К вопросу построения информационной системы управления дизельной электростанции / М.Д. Махаммад, Д.В. Цыгикало // Труды междунар. конф. Телекоммуникационные и информационные системы. СПб.: Изд-во Политех. ун-та, 2007 – С. 359-364.
3. Атрощенко В.А. К вопросу проектирования баз данных технических систем / М.Д. Махаммад // Научно-технические ведомости СПбГПУ № 4(62) / 2008. СПб.: Изд-во Политех. ун-та, 2008 – С. 60-65.
4. Дьяченко Р.А. О структурном подходе к разработке автоматизированной системы сбора и мониторинга данных дизельной электростанции / М.Д. Махаммад // Журнал научных публикаций аспирантов и докторантов № 10 / 2008.Курск. – С. 223-225.
5. Махаммад М.Д. Формирование информационной структуры базы данных котроллера дизельной электростанции // Журнал научных публикаций аспирантов и докторантов № 10 / 2008.Курск. – С. 226-227.
6. Дьяченко Р.А. Принятие решений при выборе инструментальных средств разработки автоматизированных систем / М.Д. Махаммад // Научно-технические ведомости СПбГПУ № 1(72) / 2009. СПб.: Изд-во Политех. ун-та, 2009 – С. 106-110.
7. Дьяченко Р.А. К вопросу оценки надежности систем управления базами данных / М.Д. Махаммад // Вестник ИрГТУ № 1/ 2009. Изд-во Иркутского государственного технического университета,2009 –С.196-199.
8. Безнос О.С. К вопросу построения прогнозирующих алгоритмов оценки параметров дизельных электростанций / М.Д. Махаммад, Р.А. Дьяченко // Научно-технические ведомости СПбГПУ № 2(76) / 2009. СПб.: Изд-во Политех. ун-та, 2009 – С. 183-186.