Для авторов
Найти
Результаты поиска
Найдено результатов: 5.
-
МЕТОДИКА КУСОЧНОЙ АППРОКСИМАЦИИ СТАТИЧЕСКИХ ХАРАКТЕРИСТИК ГИДРОЛИТОСФЕРНЫХ ПРОЦЕССОВ ГЛУБОКОГО ЗАЛЕГАНИЯ
И. А. Бондин81-892025-12-30Аннотация ▼Рассматривается задача описания статических характеристик гидролитосферных процессов в глубокозалегающих водоносных горизонтах на примере Ессентукского месторождения минеральных подземных вод, относящегося к IV категории сложности по действующей классификации. Показано, что классические методы аппроксимации распределённых звеньев, широко применяемые при исследовании и проектировании систем управления для верхних водоносных горизонтов глубиной 50–400 м, оказываются непригодными для условий глубокого залегания. Это связано с высокой газонасыщенностью вод, выраженной структурной неоднородностью коллекторов, сложной и нередко нелинейной гидравлической связью между эксплуатационными и наблюдательными скважинами, а также пространственно-временной изменчивостью гидрохимических параметров. Предложена модифицированная методика кусочной аппроксимации статических характеристик гидролитосферных процессов, основанная на раздельном определении параметров аппроксимирующих звеньев на отдельных интервалах расстояний между скважинами по результатам опытно-фильтрационных работ. Методика апробирована для Сеноман–Маастрихтского водоносного горизонта Новоблагодарненского участка Ессентукского месторождения, для которого рассчитаны коэффициенты гидравлического взаимодействия скважин и построены статические передаточные функции для различных пространственных интервалов с учётом реальных геолого-фильтрационных условий. Показано, что использование кусочной аппроксимации обеспечивает более согласованное с экспериментальными данными описание статических характеристик по сравнению с однородными моделями и позволяет учитывать пространственную изменчивость фильтрационных свойств среды. Полученные результаты формируют методическую основу для прогнозирования гидродинамических и газогидрохимических изменений, оценки устойчивости эксплуатационных режимов, а также для разработки и синтеза систем управления дебитами глубоких скважин минеральных подземных вод. Практическая значимость работы заключается в возможности применения предложенной методики при обосновании параметров опытно-промышленной эксплуатации, корректировке проектных решений, интерпретации данных режимных наблюдений и опытно-фильтрационных работ, а также при формировании научно обоснованных рекомендаций по управлению водоотбором, снижению техногенных возмущений и сохранению устойчивости гидролитосферных систем в условиях интенсивного освоения месторождений
-
НЕЙРОСЕТЕВОЙ МЕТОД ПРЕДИКТИВНОГО УПРАВЛЕНИЯ В МИКРОСЕТЯХ С МЕХАТРОННОЙ ВЕТРО-ГЕНЕРАТОРНОЙ СИСТЕМОЙ
Н.К. Полуянович , Н.И. Светличный , О. В. Качелаев , М.Н. Дубяго128-1442025-10-01Аннотация ▼Рассмотрено влияние различных факторов на точность прогноза генерации ветроэнергетической установкой (ВЭУ). Определен оптимальный набор входных параметров (день, месяц, время, скорость ветра, температура воздуха, атмосферное давление и расчетная вырабатываемая мощность ВЭУ) для прогнозирования, обоснованы методы их обработки. Проведено исследование влияния воздействующих факторов на точность прогнозирования генерируемой мощности ВЭУ. Построены профили входных данных для прогнозирования электрогенерации ВЭУ. Рассмотрены особенности метеорологических условий за год, определены часто встречающаяся значения скорости ветра, и др., для выбора оптимальной ВЭУ. Показано, что метеорологических условия удовлетворяют паспортным требованиям выбранной для рассматриваемого региона ВЭУ. Рассмотрены нейросетевые (НС) модели для прогнозирования генерации мощности ВЭУ, выбрана оптимальная НС, построена структура и разработан алгоритм НС для прогнозирование генерируемой мощности ВЭУ. Разработанная математическая модель генерации мощности ВЭУ направлена на повышение точности и адаптивности благодаря учету ключевых динамических факторов (скорость и изменение направления ветра, температура и плотность воздуха и др.). Выбран комбинированный метод управления генерацией ВЭУ (MPPT + Pitch) обеспечивает баланс между эффективностью и безопасностью. На основании расчетной генерируемой мощности ВЭУ, и метеорологических условий в месте расположения нейросетевая модель показала высокую точность прогнозирования мощности ВЭУ. Показано, что выбранный тип ВЭУ сочетает в себе технологическую надежность, рентабельность и соответствие современным тенденциям ветроэнергетики. НС-модель позволяет поддерживать баланс между вырабатываемой и потребляемой электроэнергией, а, следовательно, повышает КПД, снижает паразитные потери в микросети, а также снижает износ оборудования
-
АЛГОРИТМ ОБУЧЕНИЯ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ ФАКТОРНОГО ПРОГНОЗИРОВАНИЯ РЕСУРСА ИЗОЛЯЦИОННЫХ МАТЕРИАЛОВ СИЛОВЫХ КАБЕЛЬНЫХ ЛИНИЙ
Н. К. Полуянович , М. Н. Дубяго2021-07-18Аннотация ▼Статья посвящена исследованиям термофлуктуационных процессов в соответствии
с теорией теплопроводности для решения задач факторного прогнозирования остаточно-
го ресурса изоляционных материалов на основе неразрушающего температурного метода.
Обоснована актуальность задачи разработки алгоритма для прогнозирования температу-
ры жил СКЛ в режиме реального времени на основе данных системы температурного
мониторинга, с учетом изменения токовой нагрузки линии и внешних условий теплоотвода.
Экспериментальным методом выявлены типы искусственных нейронных сетей, их архи-
тектура и состав, которые обеспечивают максимальную точность прогнозирования при
минимальном наборе значимых факторов. Разработана нейросеть для определения темпе-
ратурного режима токоведущей жилы силового кабеля. Определен минимальный набор
значимых факторов и размерность входного обучающего вектора, который обеспечивает
универсальность нейросетевого метода прогнозирования. Разработана нейросеть для оп-
ределения температурного режима токоведущей жилы заключается в диагностике и про-
гнозировании ресурса электроизоляции (ЭИ) силового кабеля. Модель позволяет оцениватьтекущее состояние изоляции и прогнозировать остаточный ресурс СКЛ. Проведен сравни-
тельный анализ экспериментальных и расчетных характеристик алгоритмов обучения
искусственной нейронной. Установлено, что предлагаемый алгоритм искусственной ней-
ронной сети может быть использована для составления прогноза температурного режи-
ма токоведущей жилы, на три часа вперед с точностью до 2,5% от фактического значе-
ния температуры жилы. Основная область применения разработанной нейросети для
определения температурного режима токоведущей жилы заключается в диагностике и
прогнозировании ресурса электроизоляции (ЭИ) силового кабеля. Разработка интеллекту-
альной системы прогнозирования (ИНС) температуры жилы СКЛ способствует планиро-
ванию режимов работы электросети с целью повышения надежности и энергоэффектив-
ности их взаимодействия с объединенной энергосистемой. -
МНОГОЭТАПНЫЙ МЕТОД КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ТЕМПЕРАТУРНЫХ РЕЖИМОВ В СИЛОВОМ КАБЕЛЕ
Н. К. Полуянович, Н. В. Азаров, А. В. Огреничев, М. Н. Дубяго2020-07-20Аннотация ▼Статья посвящена исследованиям вопросам создания диагностики и прогнозирования
термофлуктуационных процессов изоляционных материалов силовых кабельных линий (СКЛ)
электроэнергетических систем на основе таких методов искусственного интеллекта, как
нейронные сети и нечеткая логика. Показана необходимость разработки более совершен-
ной методики анализа тепловых режимов в СКЛ. Обоснована актуальность задачи созда-
ния нейросетей (НС) для оценки пропускной способности, расчёта и прогнозирования тем-
пературы жил СКЛ в режиме реального времени на основе данных системы температур-
ного мониторинга, с учетом изменения токовой нагрузки линии и внешних условий тепло-
отвода. По основным критериям проведено сравнение традиционных и нейросетевых алго-
ритмов для прогнозирования, показало преимущество НС методов. Проведена классифи-
кация НС методов и моделей прогнозирования температурных режимов КЛ. Предложен-
ный нейросетевой алгоритм прогнозирования характеристик электрической изоляции был
апробирован на контрольной выборке экспериментальных данных, по которым обучение
искусственной нейронной сети не проводилось. Результаты прогноза показали эффектив-
ность выбранной модели. Для решения задачи прогнозирования ресурса СКЛ была выбрана
сеть с прямым распространением данных и обратного распространения ошибки, т.к. сети
такого типа в совокупности с активационной функцией в виде гиперболического тангенса
являются в некоторой степени универсальной структурой для многих задач аппроксима-
ции, приближения и прогнозирования. Разработана нейросеть для определения темпера-
турного режима токоведущей жилы силового кабеля. Проведен сравнительный анализ
экспериментальных и расчетных характеристик распределений температуры, при этом
исследовались различные нагрузочные режимы работы и функции изменения тока кабеля.
При анализе данных было определено, что максимальное отклонение данных, полученных
от нейросети от данных обучающей выборки, составило менее 2,2 % что является вполне
приемлемым результатом. Модель может быть использована в устройствах и системах
непрерывного диагностирования силовых кабелей по температурным режимам. -
АНАЛИЗ И ВЫБОР МЕТОДИКИ В РЕШЕНИИ ЗАДАЧ ИНТЕЛЛЕКТУАЛИЗАЦИИ СИСТЕМ ПРОГНОЗИРОВАНИЯ ТЕРМОФЛУКТУАЦИОННЫХ ПРОЦЕССОВ В КАБЕЛЬНЫХ СЕТЯХ
Н.К. Полуянович, М.Н. Дубяго2020-07-20Аннотация ▼Статья посвящена исследованиям вопросам создания диагностики и прогнозирования
термофлуктуационных процессов изоляционных материалов силовых кабельных линий (СКЛ)
электроэнергетических систем на основе таких методов искусственного интеллекта, как
нейронные сети и нечеткая логика. Показана необходимость разработки более совершен-
ной методики анализа тепловых режимов в СКЛ. Обоснована актуальность задачи созда-
ния нейросетей (НС) для оценки пропускной способности, расчёта и прогнозирования тем-
пературы жил СКЛ в режиме реального времени на основе данных системы температур-
ного мониторинга, с учетом изменения токовой нагрузки линии и внешних условий тепло-
отвода. По основным критериям проведено сравнение традиционных и нейросетевых алго-
ритмов для прогнозирования, показало преимущество НС методов. Проведена классифи-
кация НС методов и моделей прогнозирования температурных режимов КЛ. Для решения
задачи прогнозирования ресурса СКЛ была выбрана сеть с прямым распространением дан-
ных и обратного распространения ошибки, т.к. сети такого типа в совокупности с акти-
вационной функцией в виде гиперболического тангенса являются в некоторой степени уни-
версальной структурой для многих задач аппроксимации, приближения и прогнозирования.
Разработана нейросеть для определения температурного режима токоведущей жилы
силового кабеля. Проведен сравнительный анализ экспериментальных и расчетных харак-
теристик распределений температуры, при этом исследовались различные нагрузочные
режимы работы и функции изменения тока кабеля. При анализе данных было определено,
что максимальное отклонение данных, полученных от нейросети от данных обучающей
выборки, составило менее 2,5 % что является вполне приемлемым результатом. Для по-
вышения точности необходимо использовалось большое количество входных и выходных
данных при обучении сети, а также некоторая доработка ее структуры. Модель позволя-
ет оценивать текущее состояние изоляции и прогнозировать остаточный ресурс СКЛ. Модель
может быть использована в устройствах и системах непрерывного диагностирования
силовых кабелей по температурным режимам.
1 - 5 из 5 результатов
