Для обеспечения надежного электроснабжения сетевым организациям необходимо выполнять техническое обслуживание (ТО) и ремонт оборудования. Выделяют три основные стратегии ТО и ремонта:
– стратегия «до отказа», при которой восстановление объекта происходит только после аварийного отказа оборудования;
– стратегия «регламентированная», при которой восстановительные мероприятия имеют вид превентивного обслуживания и осуществляются согласно графику планово-предупредительных ремонтов;
– стратегия «по техническому состоянию», при которой решение о необходимости восстановительных мероприятий принимается на основе данных о текущем техническом состоянии объекта.
Наиболее качественным подходом к обслуживанию оборудования считается последняя из указанных стратегий, но не всегда рационально применять ее. Например, экономически нецелесообразно принимать уровень технического состояния в качестве критерия организации ТО для малозагруженных сетей или систем электроснабжения потребителей, не требующих высокого уровня надежности, отключение которых не вызовет значительного экономического ущерба, не повлечет опасности для экологии или жизни людей, не вызовет аварийные ситуации. Следовательно, перед эксплуатирующими организациями стоит вопрос рационального выбора стратегии ТО и ремонта для электрических сетей.
В настоящее время наиболее часто на предприятиях электроснабжения принята регламентированная стратегия обслуживания, а по факту лишь часть оборудования восстанавливается с установленной периодичностью. На обслуживание некоторого оборудования обслуживающему персоналу не хватает времени, и оно работает до аварийного отказа, часть оборудования восстанавливается при ухудшении технического состояния (независимо от графика планово-предупредительных ремонтов) с целью недопущения опасных ситуаций в сети или у потребителя.
Для координации действий по обслуживанию оборудования электрических сетей ИТР должны учитывать многие факторы и опираться на свой опыт. Для облегчения данной работы необходимо создание экспертных систем поддержки принятия решений (ППР) по эксплуатации электрооборудования. Системы ППР решают многие задачи в разных отраслях: для прогноза оптимальных режимов работы электрооборудования [1]; для выработки рекомендаций по оперативно-диспетчерскому управлению системой электроснабжения [2]; для решения задач по повышению надежности технических систем при эксплуатации [3, 4].
Типовая экспертная система содержит следующие функциональные блоки [5, 6]: база знаний и данных, блок хранения данных, пользовательский интерфейс и механизм логического вывода.
Экспертная система должна быть универсальной, чего можно достичь, если сделать ее многоуровневой. Определим некоторые возможные уровни для нашего случая:
– уровень принятия решений по стратегии обслуживания;
– уровень принятия решений по срокам проведения диагностирования оборудования (оценка технического состояния);
– уровень определения периодичности планово-предупредительных ремонтов;
– уровень оценки необходимого объема запасных частей и оборудования;
– уровень оценки трудоемкости ТО и ремонта с учетом состояния оборудования.
Разработка экспертной системы ППР является комплексной работой и не может быть рассмотрена в рамках одной статьи. Каждый блок системы имеет свою специфику и требует индивидуальной разработки.
Целью данного исследования является разработка механизма логического вывода для экспертной системы поддержки принятия решений по выбору стратегии технического обслуживания и ремонта для оборудования распределительных электрических сетей.
Механизм («двигатель») логического вывода является ядром экспертной системы, так как на основании алгоритмов осуществляет сопоставление текущих данных с базой знаний и установленными правилами для получения наиболее подходящего решения. Тем самым имитируется процесс принятия решения человеком. Таким образом, механизм логического вывода является главной составляющей интеллектуальной системы.
Материалы и методы исследования
Системы поддержки принятия решений часто оперируют в областях со значительной неопределенностью и используют не только количественные, но и качественные показатели [7]. В связи с этим применение аппарата нечетких множеств обосновано как позволяющее оперировать качественными и неточными параметрами.
Входными данными для разрабатываемой интеллектуальной системы являются нечеткие множества:
– важность объекта электроснабжения;
– интенсивность отказов оборудования электрических сетей;
– суммарная наработка электрооборудования;
– категория потребителя по надежности электроснабжения.
Под важностью объекта электроснабжения понимаем относительную потребляемую мощность потребителя, которая характеризуется коэффициентом важности wi, как отношение расчетной (или установленной) Pi мощности объекта электроснабжения к мощности потребителя PMAX , характеризуемого максимальным потреблением из объектов данной сети: wi = Pi / PMAX (отн.ед.).
Интенсивность отказов fi (1 год) может быть определена по статистическим данным или по средней наработке оборудования, указанной в технической документации.
Суммарная наработка Т, (год) оборудования определяется по паспортам оборудования, исполнительным документам и актам допуска энергоустановки. В данной работе для количественного описания суммарной наработки используем коэффициент наработки ti = T / TC, (отн.ед.) как отношение суммарной наработки к сроку службы PС оборудования, установленному НТД.
Категория потребителя Кi = [0,1,2,3] определяется актами технологического присоединения.
Одной из проблем разработки системы ППР является формирование базы правил, которая опирается на экспертную оценку нескольких специалистов. Решение данной задачи рассмотрено в [8], где применяется итерационный алгоритм на базе сети Петри.
Результаты исследования и их обсуждение
Для описания входных данных нечеткими множествами введем лингвистические переменные (ЛП): важность (W), интенсивность отказов (F), суммарная наработка (T) и категория потребителя (K).
Для фаззификации четких входных данных (коэффициента важности wi, интенсивности отказов fi, коэффициента наработки ti и категории потребителей Кi) используем нечеткие интервалы, которые описываются следующими термами:
– ЛП «важность» – термами «высокая» W1, «средняя» W2, «низкая» W3, которые описываются треугольными функциями принадлежности, подмножества выделены экспертно;
– ЛП «интенсивность отказов» – термами «высокая» F1, «средняя» F2, «низкая» F3. Множество определяется тремя равными подмножествами на интервале от 0 до интенсивности отказа оборудования с наихудшим показателем безотказности (как правило, это воздушные или кабельные линии с учетом их длины);
– ЛП «суммарная наработка» – термами «новое» T1, «приработанное» T2, «длительно эксплуатируемое» T3, «старое» T4. Термы выделены с учетом «корытообразной» характеристики изменения интенсивности отказов для технических объектов;
– ЛП «категория потребителей» – «нулевая» (особая первая) К0, «первая» К1, «вторая» К2 и «третья» К3. Нечеткость данных подмножеств условна, так как входная величина четко определяет принадлежность к одному из термов с функцией принадлежности μKi = 1.
Универсум решений о рекомендуемой стратегии ТО и ремонта S (выходное множество) определяется следующими подмножествами: «обслуживание до отказа» S1, «регламентированная стратегия» S2, «обслуживание с учетом технического состояния» S3. Подмножества описываются следующим образом: Sk = {Si, μSi(Sk); Si ∈ S}, где Sk – типовая ситуация k-подмножества [S1, S2, S3]; Si – текущая i-я ситуация; μSi – степень принадлежности i-й ситуации к k-подмножеству .
При формировании продукционных правил использованы экспертные данные, полная база правил состоит из 144 комбинаций входных данных. Пример правил нечеткого вывода имеет вид:
В работе применяем нечеткий вывод по алгоритму Мамдани, который хорошо подходит в качестве основы для систем поддержки принятия решений, так как моделирует мыслительную деятельность человека. Тем не менее в некоторых случаях требуется корректировка правил нечеткого вывода.
Пример нечеткого вывода при входных параметрах wi = 0.6, fi = 0.02, ti = 0.8, Ki = 1 представлен на рисунке 1. На данном рисунке видны результаты агрегирования и аккумуляции данных. Для определения численного значения выходного параметра применен центроидный метод. В результате получено нечеткое значение Si = 1.76, определяющее решение о рекомендуемой стратегии ТО и ремонта. Полученный выходной параметр имеет наибольшую степень принадлежности к нечеткому подмножеству S2. На этапе дефаззификации получаем четкий вывод о рекомендуемой стратегии обслуживания, то есть для рассматриваемого электросетевого оборудования это регламентированная стратегия.
На рисунке 2 представлен график поверхности возможных значений множества S при наработке оборудования 50% от срока службы и потребителе 2-й категории по надежности электроснабжения. Анализ графика показывает, что для рассматриваемого оборудования можно применять стратегию ТО и ремонта «до отказа» только в случае малой важности потребителя (wi ≤ 0.2) и при малых значениях интенсивности отказов fi ≤ 0.03. Регламентированная стратегия может применяться для электрооборудования с важностью потребителей 0.2 < wi < 0.4. Основная рекомендуемая стратегия обслуживания для данного случая «по техническому состоянию» S1.
На рисунке 3 представлен график поверхности множества значений S для потребителя 3-й категории по надежности электроснабжения при прочих равных условиях относительно рисунка 2. График показывает целесообразность применения только стратегий «до отказа» или «регламентированной» для оборудования, характеризующегося указанными входными данными. Для данного типа объектов нерационально применять обслуживание с учетом технического состояния.
Рис. 1. Фрагмент результата нечеткого вывода
Рис. 2. График множества значений для универсума решений о рекомендуемой стратегии ТО и ремонта для потребителя 2-й категории при изменении коэффициента важности и интенсивности отказов оборудования
Рис. 3. График множества значений для универсума решений о рекомендуемой стратегии ТО и ремонта для потребителя 3-й категории при изменении коэффициента важности и интенсивности отказов оборудования
Заключение
Таким образом, предложен механизм логического вывода системы принятия решений, который может применяться для формирования экспертных систем по организации эксплуатации электрооборудования электрических сетей.
Предложенная интеллектуальная система может быть усовершенствована с учетом таких важных факторов, как техническое состояние оборудования, внешние условия функционирования объектов, имеющиеся трудовые ресурсы и др. Кроме того, подобную интеллектуальную систему можно реализовать на основе искусственных нейронных сетей, осуществляющих кластеризацию.
Развитие подобных систем поддержки принятия решений для сетевых компаний позволит снизить нагрузку на ИТР, осуществляющих организацию эксплуатации, и повысить эффективность деятельности ремонтных бригад.