Применение автоматизированного системно-когнитивного анализа для прогнозирования рисков при эксплуатации электроустановок в агропромышленном комплексе

В настоящее время интенсификация сельскохозяйственного производства и улучшение качества жизни сельского населения в России в значительной мере обеспечиваются за счет роста потребления электроэнергии сельскохозяйственной отраслью. Однако из-за старения основных фондов отрасли остаточный ресурс электроустановок (ЭУ) объектов агропромышленного комплекса (АПК) достиг критического уровня, поэтому возрастает риск возникновения опасных техногенных ситуаций: пожаров, электротравм и аварий.

Материальный ущерб от пожаров, вызванных различными повреждениями и неисправностями электроустановок или нарушением правил эксплуатации, с каждым годом увеличивается. Тяжёлые и смертельные несчастные случаи среди сельского населения, вызванные электротравматизмом, постоянно возрастают [1, 2].

Причинами аварий являются многофазные или однофазные короткие замыкания в питающей сети или в электроустановках, отказ основной защитной аппаратуры и нарушения режимов эксплуатации электроустановок, приводящие к перегрузкам, износу изоляции питающих кабелей, несоответствие параметров защитной аппаратуры нормативным требованиям.

Отсутствие методов прогнозирования технического состояния ЭУ приводит к тому, что персонал зачастую принимает интуитивные решения по предотвращению опасных техногенных ситуаций, своевременному отключению электроустановок и вывода их на профилактику или в ремонт.

Получение достоверных оценок рисков возникновения пожаров, электротравм и аварий в ЭУ наталкивается на трудности, вызванные неопределенностью функционирования сложной человеко-машинной системы: «человек — электроустановка — среда» (Ч-ЭУ-С). Эта неопределенность проявляется в неполноте, неточности или недостоверности информации об условиях эксплуатации и параметрах системы Ч-ЭУ-С, которая имеет сложную структуру, многоцелевой характер функционирования и обладает информационными и энергетическими связями компонентов с нелинейными характеристиками [3].

Повышение требований к надёжности и безопасности электроустановок (ЭУ) предопределяет поиск новых решений в области диагностики их технического состояния. Вместе с тем, отсутствие методов математического моделирования и недостаточность проработки их научных основ является сдерживающим фактором уменьшения безопасности человеко-машинной системы: Ч-ЭУ-С. Поэтому разработка и использование интеллектуальных систем прогнозирования технического состояния электроустановок позволит решить важную проблему оценки вероятности возникновения опасных техногенных ситуаций.

Разработка метода многопараметрического анализа человеко-машинной системы Ч-ЭУ-С является основой создания интеллектуальной системы для оценки и прогнозирования техногенных рисков электроустановок, вызванных ошибками персонала при эксплуатации технологического электрооборудования, отказами электроустановок и негативными воздействиями факторов внешней среды.

Целью работы является повышение эффективности прогнозирования технического состояния электроустановок на основе анализа рискообразующих факторов и предупреждения возникновения опасных техногенных ситуаций, вызванных ошибочными действиями персонала, отказами ЭУ и неблагоприятными воздействиями внешней среды путем применения автоматизированного системно-когнитивного (АСК) анализа, реализованного в универсальной когнитивной аналитической системе «Эйдос» [4−7].

Для достижения поставленной цели необходимо решить следующие задачи. интеллектуальный технология агропромышленный электроустановка.

• 1. Когнитивная структуризация, а затем и формализация предметной области.
• 2. Синтез семантической информационной модели (СИМ), обеспечивающей исследование факторов управления интегральным риском электроустановок, учитывающей вероятность возникновения опасного техногенного события и его последствий.
• 3. Проверка адекватности СИМ управления интегральным риском электроустановок.
• 4. Разработка базы знаний и формирование моделей, обеспечивающих прогнозирование технического состояния электроустановок и определение вероятности возникновения техногенных рисков.
• 5. Разработка рекомендаций по выбору управляющих воздействий для снижения рискообразующих факторов и предупреждения возникновения опасных техногенных ситуаций.

Безопасность эксплуатации электроустановок определяется, прежде всего, человеческим фактором, который трактуется как выполнение запрещенного действия, которое может явиться причиной нарушения рабочего технологического цикла, либо повреждения электрооборудования, возникновения пожара, электротравм и аварий [3].

Повреждения, пробои электрической изоляции в питающей сети и электрооборудовании формирует опасную ситуацию, создает реальную угрозу здоровью и жизни человека. Например, замыкание на корпус обмотки электродвигателя из-за повреждения изоляции может быть причиной протекания тока по телу человека, а тяжесть его воздействия определяется физиологическими особенностями организма.

Таблица 1 — Рискообразующие факторы, возникающие по вине персонала.

Предлагается трехуровневая классификация лингвистических переменных в порядковых шкалах, учитывающих влияние человеческого фактора, содержащих следующие градации: {часто, периодически, редко}; {плохой, удовлетворительный, хороший}; {низкий, средний, высокий}; {плохие, средние, хорошие}.

Рискообразующие факторы в системе Ч-ЭУ-С, вызванные неисправностями электроустановок, приведены в табл. 2.

Таблица 2 — Рискообразующие факторы в системе Ч-ЭУ-С, вызванные электроустановкой.

Множество Y6 разделяется на подмножество состояний систем безопасности электроустановок:

Y6? — отсутствие электрической защиты;

Y6? — отказ электрической защиты;

Y8 — низкая эффективность электрической защиты.

Рискообразующие факторы в системе (Ч-ЭУ-С), вызванные влиянием рабочей среды, приведены в табл. 3.

Таблица 3 — Рискообразующие факторы в системе (Ч-ЭУ-С), вызванные влиянием рабочей среды.

Для рискообразующих факторов в системе Ч-ЭУ-С, вызванных электроустановкой, предлагается также трехуровневая классификация лингвистических переменных, содержащих следующие градации: {высокий, средний, низкий}; {большой, средний, малый}; {частый, периодический, редкий}; {плохие, средние, хорошие}.

Множество Z5 разделяется на подмножество возникающих опасных факторов, в т. ч. превышение параметров критических значений:

Z5? — ток утечки через изоляцию сети превышает критическое значение;

Z5? — температура переходного сопротивления электрической цепи (клеммные соединения, контактные группы и др.) превышает критическое значение;

Z5??? — наличие очага воспламенения материала.

Для рискообразующих факторов в системе Ч-ЭУ-С, вызванных влиянием рабочей среды, предлагается также трехуровневая классификация лингвистических переменных, содержащих следующие градации: {высокий, средний, низкий}; {плохое, удовлетворительное, хорошее}; {частый, периодический, редкий}; {неудовлетворительная, эпизодическая, удовлетворительная}.

На основании проведенного исследования установлено [2], что интегральную оценку риска возникновения пожара" можно описывать нечеткой моделью содержащей терм-множество:

fпож= < X1, X4, X10, Y1, Y4, Y5, Y6???Y???Y8, Z1, Z2, Z3, Z5???>.

Лингвистическая переменная «Степень пожара» содержит градации: «высокая», «средняя», «низкая».

Интегральная оценка риска электротравматизма определяется нечеткой моделью со следующим терм-множеством:

fэтр = < X3, X4, X7, Y1, Y2, Y3, Y6, Z1, Z3, Z4, Z5>.

Лингвистическая переменная «Электротравматизм» содержит следующие градации: «высокий», «средний», «низкий».

Интегральная оценка риска аварий определяется нечеткой моделью со следующим терм-множеством:

fавар = < X1, X2, X4, X6, X7, Y1, Y2, Y3, Y4, Y6, Y7, Z1, Z2, Z3, Z4>.

Лингвистическая переменная «Вероятность аварии» определена градациями: «высокая», «средняя», «низкая».

По приведенным выше уравнениям разработаны три базы знаний, содержащие эмпирические данные, содержащие по 50 экземпляров для каждой базы [7, 8].

Для проведения АСК-анализа выбрана модель INF7, которая имеет самую высокую дифференциальную достоверность, что подтверждается данными рис. 1.

Частота распределения уровней сходства для модели INF7 приведена на рис. 2. Ошибочно идентифицированные и не идентифицированные экземпляры в данной модели отсутствуют.

Рисунок 1 — Дифференциальная достоверность модели INF7.

Вариабельность экземпляров выборки градации «средняя» для класса «Степень пожара-с» приведена на рис. 3. Получены уровни сходства принадлежности экземпляра градациям классификационной шкалы «Степень пожара» в пределах от 65,662 до 100. По трем градациям классификационной шкалы «Степень пожара» объекты первой выборки распределились равномерно: 16+16+18.

Рисунок 2 — Частота распределения уровней сходства для модели INF7.

Рисунок 3 — Вариабельность экземпляров выборки градации «средняя» для класса «Степень пожара».

Вариабельность экземпляров выборки градации «высокий» для класса «Электротравматизм» приведена на рис. 4. Получены уровни сходства принадлежности экземпляров градациям класса «Электротравматизм» в пределах от 67,24 до 100.

Рисунок 4 — Вариабельность экземпляров выборки для класса «высокий» классификационной шкалы: «Электротравматизм».

Вариабельность экземпляров выборки класса «высокая» для классификационной шкалы «Вероятность аварии» показана на рис. 5.

Рисунок 5 — Вариабельность экземпляров выборки градации «высокая» для класса «Вероятность аварии».

Результаты SWOT-анализа для градации «низкая» для класса «Степень пожара» в модели INF7 приведены на рис. 6.

Рисунок 6 — Результаты SWOT-анализа для градации «низкая» для класса «Степень пожара» в модели INF7.

В результате выявлены рискообразующие факторы, которые положительно влияют на объект извне и переводят его в заданное состояние. Для достижения низкой «Степени пожара» необходимо уменьшить неправильные действия персонала, увеличить его профессиональный уровень, при этом состояние персонала должно быть хорошим. Необходимо также иметь эффективную электрическую защиту, очаги воспламенения материалов должны отсутствовать, отказы электрической защиты должны быть низкими, возможность возникновения ОТС должна быть низкой, также должен быть низким уровень опасности возникновения аварийных режимов. Ток утечки через изоляцию сети не должен превышать критического значения, температура переходного сопротивления электрической цепи (клеммные соединения, контактные группы и др.) также не должна превышать критического значения. Диагностика технического состояния и качество текущего ремонта ЭУ должны быть высокими, а уровень деструктивных параметров микроклимата должен быть низким.

Сила положительного влияния факторов на класс «Степень пожара» для модели INF7 составляет от 40,75 до 68.

Результаты SWOT-анализа для градации «низкий» для класса «Электротравматизм» в модели INF7 приведены на рис. 7.

Рисунок 7 — Результаты SWOT-анализа для градации «низкий» для класса «Электротравматизм».

Уровни опасности возникновения аварийных режимов и деструктивных параметров микроклимата должны быть низкими. Соблюдение безопасных приемов труда (техники безопасности) должно быть хорошим, частота возникновения опасных факторов должна быть редкой. Диагностика технического состояния ЭУ должна быть удовлетворительной, степень износа изоляционных частей ЭУ должна быть низкой. Состояние условий труда и обученность действиям в нештатных ситуациях должны быть хорошими, срок эксплуатации ЭУ должен быть малым, а профессионализм персонала должен быть высоким. Сила положительных влияний факторов на класс «Электротравматизм» для модели INF7 составляет от 68,00 до 17,25. Результаты SWOT-анализа для градации «низкая» для класса «Вероятность аварии» в модели INF7 приведены на рис. 8.

Для достижения низкой «Вероятности аварии» необходимо чтобы уровень профессионализма персонала был высоким, а неправильные действия, ошибки в оперативных решениях и частота возникновения опасных факторов были редкими, степень износа токоведущих частей ЭУ должна быть низкой. Контроль технологического процесса должен быть хорошим, а возможность возникновения ОТС и деструктивные параметры микроклимата должны быть низкими.

Рисунок 8 — Результаты SWOT-анализа для градации «низкая» для класса «Вероятность аварии» в модели INF7.

Степень износа изоляционных частей ЭУ и уровень опасности возникновения аварийных режимов должны быть низкими. Отказы средств электрозащиты должны быть редкими. Диагностика технического состояния ЭУ должна быть удовлетворительной. Результаты кластерно-конструктивного анализа для класса «Степень пожара» показаны на рис. 9.

Рисунок 9 — Результаты кластерно-конструктивного анализа для класса «Степень пожара».

Получена высокая степень различия градаций класса, определенная в диапазоне от -15 до -64. Результаты кластерно-конструктивного анализа для класса «Степень пожара» для класса «Электротравматизм» показаны на рис. 10.

Рисунок 10 — Результаты кластерно-конструктивного анализа для класса «Степень пожара» для класса «Электротравматизм».

Результаты кластерно-конструктивного анализа для класса «Вероятность аварии» показаны на рис. 11.

Рисунок 11 — Результаты кластерно-конструктивного анализа для класса «Вероятность аварии».

Установлена высокая степень различия градаций класса «Вероятность аварии», которая определена в диапазоне от -37 до -52.

Выводы

Благодаря применению АСК-анализа обеспечивается более эффективная эксплуатация электроустановок на опасных производственных объектах, благодаря предупреждению возникновения пожаров, электротравматизма, аварий и оптимизации мер обеспечения безопасности человеко-машинных систем. Пользователями системы «Эйдос» могут быть предприятия с высоким риском возникновения аварий на опасных производственных объектах: агропромышленного комплекса, газоснабжения, теплои электроэнергетики, нефтепродуктообеспечения, металлургической промышленности, химической, нефтехимической и нефтеперерабатывающей промышленности, магистрального трубопроводного транспорта, пищевой и масложировой промышленности и других.

Планируемая эффективность и результативность реализации АСК-анализа обеспечивается уменьшением количества опасных техногенных ситуаций: аварий, пожаров и электротравм на опасных производственных объектах. Реализация АСК-анализа позволяет повысить эффективность прогнозирования технического состояния ЭУ и определить её остаточный ресурс.

• 1. Еремина Т. В. Вероятностный анализ безопасности сельских электроустановок: Монография [Текст] / Т. В. Еремина, под ред. засл. деят. науки и техн. О. К. Никольского. — Улан-Удэ, Изд-во ВСГТУ, 2010. — 200 с.
• 2. Калинин А. Ф. Лингвистическая модель интегрального риска техногенной опасности человекомашинной системы [Текст] / А. Ф. Калинин, Т. В. Еремина // Безопасность труда в промышленности. — 2015. — № 8. — С. 83−87.
• 3. Калинин А. Ф. Сценарная модель развития техногенных рисков в системе безопасности электроустановок [Текст] / А. Ф. Калинин // Электробезопасность. — 2015. — № 2. — С.48−50.
• 4. Луценко Е. В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). — Краснодар: КубГАУ. 2002. — 605 с.
• 5. Луценко Е. В., Лойко В. И. Семантические информационные модели управления агропромышленным комплексом. Монография. — Краснодар: КубГАУ. 2005. — 480 с.
• 6. Луценко Е. В. Универсальная когнитивная аналитическая система «ЭЙДОС-X++». Пат. № 2 012 619 610 РФ. Заявка № 2 012 617 579 РФ от 10.09.2012. Зарегистр. 24.10.2012. — 50 с.
• 7. Луценко Е. В., Орлов А. И. Когнитивные функции как обобщение классического понятия функциональной зависимости на основе теории информации в АСК-анализе и системной нечеткой интервальной математике. // Научный журнал КубГАУ, № 95(01), 2014. — C. 1−62.