Помощь в написании студенческих работ
Антистрессовый сервис

Система поддержки принятия решений при управлении фактическим техническим состоянием электротехнического оборудования на основе адаптивной комплексной модели краткосрочного прогнозирования

Диссертация: Система поддержки принятия решений при управлении фактическим техническим состоянием электротехнического оборудования на основе адаптивной комплексной модели краткосрочного прогнозирования
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Реализация общей функции управления ТС ЭО заключается в формировании обоснованных управляющих воздействий на объекты эксплуатации в виде перечня определенных мероприятий, реализация которых обеспечивает устранение выявленных в процессе эксплуатации оборудования дефектов и снижение общего числа аварийных ситуаций. При этом на базе современных методов и средств измерения значений различных… Читать ещё >

Система поддержки принятия решений при управлении фактическим техническим состоянием электротехнического оборудования на основе адаптивной комплексной модели краткосрочного прогнозирования (реферат, курсовая, диплом, контрольная)

Содержание

  • ГЛАВА 1. АНАЛИТИЧЕСКИЙ ОБЗОР СОВРЕМЕННОГО СОСТОЯНИЯ ПРОБЛЕМЫ. АНАЛИЗ МЕТОДОВ И МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ. НАУЧНАЯ ПОСТАНОВКА ЦЕЛИ И ЗАДАЧ ИССЛЕДОВАНИЙ
    • 1. 1. Аналитический обзор современного состояния проблемы
    • 1. 2. Анализ математических методов и моделей прогнозирования
    • 1. 3. Критерии точности математических моделей прогнозирования
    • 1. 4. Постановка цели и задач научных исследований
  • Основные результаты главы
  • ГЛАВА 2. КОНЦЕПТУАЛЬНАЯ МОДЕЛЬ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ ОПЕРАТИВНЫХ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ
    • 2. 1. Принципы построения концептуальной модели системы поддержки принятия оперативных управленческих решений
    • 2. 2. Формализация структурно-информационных уровней концептуальной модели системы поддержки принятия оперативных управленческих решений
    • 2. 3. Аналитическое описание правил нечеткой логики
    • 2. 4. Принятие оптимальных управленческих решений на основе правил нечеткой логики
  • Основные результаты главы
  • ГЛАВА 3. МЕТОДИКА ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ФАКТИЧЕСКИМ ТЕХНИЧЕСКИМ СОСТОЯНИЕМ ЭЛЕКТРОТЕХНИЧЕСКОГО ОБОРУДОВАНИЯ НА ОСНОВЕ АДАПТИВНОЙ КОМПЛЕКСНОЙ МОДЕЛИ КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ
    • 3. 1. Методика расчета оптимальных начальных условий
    • 3. 2. Адаптивная комплексная модель краткосрочного прогнозирования
    • 3. 3. Обоснование адаптивных предикторов в составе адаптивной комплексной модели краткосрочного прогнозирования
      • 3. 3. 1. Модель Тейла-Вейджа
      • 3. 3. 2. Модель Брауна
      • 3. 3. 3. Модель Тригга-Лича
      • 3. 3. 4. Полиномиальные модели многократного сглаживания
      • 3. 3. 5. Модель Хольта-Винтера
      • 3. 3. 6. Определение областей применения адаптивных моделей
      • 3. 3. 7. Тестирование адаптивной комплексной модели краткосрочного прогнозирования
    • 3. 4. Методика принятия решений при управлении фактическим техническим состоянием электротехнического оборудования
  • Основные результаты главы
  • ГЛАВА 4. ОПЫТНО-ПРОМЫШЛЕННАЯ АПРОБАЦИЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ФАКТИЧЕСКИМ ТЕХНИЧЕСКИМ СОСТОЯНИЕМ ЭЛЕКТРОТЕХНИЧЕСКОГО ОБОРУДОВАНИЯ
    • 4. 1. Постановка прикладной задачи и научного эксперимента. Краткое описание технических характеристик объектов апробации
    • 4. 2. Формализация и прогнозирование изменения ключевых параметров силового маслонаполненного трансформатора средней мощности
    • 4. 3. Практическая реализация концептуальной модели системы поддержки принятия оперативных управленческих решений
  • Основные результаты главы

Актуальность научных исследований. Исследования процессов эксплуатации множества электротехнических объектов с учетом отечественного и мирового опыта показали, что проведение жестко регламентированных планово-предупредительных ремонтов (ППР), как правило, приводит к ощутимым затратам временных, денежных, трудовых и материальных ресурсов предприятия [33, 150, 152]. Поэтому особую роль и значимость приобретают методы и модели обслуживания электротехнического оборудования (ЭО) по фактическому техническому состоянию, составляющие основу системы поддержки принятия решений (СППР) оперативно-ремонтного персонала, которая позволяет сократить время простоев оборудования, улучшить его показатели надежности и повысить таким образом эффективность эксплуатации.

Основными характерными свойствами процессов эксплуатации ЭО является их разнородность, взаимозависимость, многопараметричность, иерархичность, а также территориальная распределенность. При этом, как правило, приходится учитывать следующие основные требования [68, 82]:

1. Бесперебойное обеспечение необходимым количеством и качеством электроэнергии конечных или промежуточных потребителей.

2. Поддержание ключевых параметров, характеризующих техническое состояние ЭО, в пределах нормативных значений.

3. Снижение ежегодных издержек на эксплуатацию оборудования.

Данные требования взаимосвязаны, и с технической точки зрения можно выделить первичное из них — поддержание ключевых параметров оборудования в пределах нормативных значений. Однако, исходя из экономических соображений, важным является показатель денежных затрат, который в свою очередь оказывает влияние на качество и количество проводимых профилактических мероприятий. Данное обстоятельство обуславливает необходимость формализации ряда комплексных критериев, определяющих работу ЭО с позиции разнообразных аспектов технического и экономического содержания [36, 38, 68, 129, 130, 149], которые связаны с полнотой реализации каждого из приведенных выше требований. Поэтому методы и модели, формирующие стратегию обслуживания оборудования, становятся во многом определяющими эффективность его эксплуатации, что в свою очередь обуславливает необходимость решения актуальной научной задачи для предприятий энергетических отраслей — разработки СППР, направленной на реализацию обслуживания ЭО с учетом его фактического технического состояния (ТС).

Реализация общей функции управления ТС ЭО заключается в формировании обоснованных управляющих воздействий на объекты эксплуатации в виде перечня определенных мероприятий, реализация которых обеспечивает устранение выявленных в процессе эксплуатации оборудования дефектов и снижение общего числа аварийных ситуаций. При этом на базе современных методов и средств измерения значений различных технических параметров ЭО СППР должна основываться на учете разнородных информационных потоков, которые могут носить характер неопределенных, то есть связанных с недостатком информации и ее нечеткостью [38, 104, 105, 109, 149]. Поэтому возникает необходимость в формализации механизмов принятия оперативных управленческих решений на основе использования возможностей математического аппарата адаптивного краткосрочного прогнозирования и теории нечетких множеств, связанных с повышением достоверности прогнозных оценок значений технических параметров, характеризующих работу ЭО и определяющих в целом эффективность использования его эксплуатационного ресурса.

К настоящему времени накоплен достаточно богатый опыт эксплуатации крупных ответственных энергетических объектов и систем в энергетике [33−35, 41, 59, 61, 63, 65, 67, 68, 77−79, 92, 93, 108, 112, 116, 120−123, 134], который по возможности необходимо экстраполировать на уровень отдельных подразделений предприятий, включающих в себя оборудование малой и средней мощности. Однако проблема создания СППР не нашла должной проработки на системном уровне с учетом малых выборок исходных эмпирических данных о ТС ЭО и их нечеткости. Существуют определенные ограничения в использовании предлагаемых решений, которые связаны преимущественно с необходимостью обработки разнородной статистической информации, а также требуют знания законов распределения различных характеристик оборудования. Эти обстоятельства затрудняют процесс формирования адекватных оперативных управленческих решений.

Вопросами реализации стратегии обслуживания ЭО по фактическому техническому состоянию и СППР на теоретическом и прикладном уровнях занимаются научно-исследовательские коллективы международного Совета по большим энергетическим системам высокого напряжения (СИГРЭ), ИИЭИЭ, МЭК, ВЭИ им. В. И. Ленина, НПП ВНИИЭМ, ИМАШ им. A.A. Благонравова РАН, МГТУ им. Н. Э. Баумана, НИУ МЭИ, а также другие ведущие вузы и научно-производственные предприятия страны. Однако приходится констатировать отсутствие значимых результатов в области разработки концептуальных моделей и алгоритмов принятия оперативных управленческих решений в условиях неопределенности исходной информации, обеспечивающих возможности адаптивного комплексного краткосрочного прогнозирования.

В силу того факта, что выработка ресурса значительной части парка силового ЭО энергосетевых компаний (например, трансформаторов 35−110 кВ предприятий Пермского края) достигает в среднем порядка 60%, построение эффективной СППР при обслуживании оборудования по фактическому техническому состоянию представляет собой важную задачу, которую необходимо решать комплексно. Тем более что на данный период времени перед предприятиями различных энергетических отраслей России стоят важные задачи, связанные с необходимостью уменьшения энергоемкости производств и переходом их на более современное оборудование и эффективные системы (технологии) эксплуатации [1].

Целесообразным является использование правил нечеткой логики при принятии управленческих решений [28, 42−45, 75, 76, 95, 119, 149, 151], позволяющих учесть количественно-качественную информацию в виде знаний эксперта конкретной предметной области и формализовать комплексные критерии, отражающие выполнение основных требований эксплуатации ЭО.

Важным вопросом, заслуживающим особого внимания, является использование и разработка новых возможностей аппарата краткосрочного (оперативного) прогнозирования изменения технических параметров ЭО с целью получения более достоверных прогнозов времени проведения профилактических мероприятий, направленных на устранение выявленных в процессе эксплуатации оборудования дефектов.

Анализу временных рядов и построению различных математических моделей прогнозирования посвящены труды [20, 30, 40, 59, 69, 73, 78, 84−86, 96, 98−102, 115, 118, 130−132, 137−139, 148, 153−155] и др. Однако известные адаптивные модели прогнозирования (Ю.П. Лукашин, К. Д. Льюис, R.G. Brown и др.) носят, как правило, локальный характер применения, поскольку допустимый уровень их точности ограничивается конкретными формами временных рядов. Поэтому требует развития и совершенствования методика принятия решений при управлении фактическим ТС ЭО на основе разработки адаптивной комплексной модели краткосрочного прогнозирования (АКМ), включающей в себя использование обоснованных механизмов формирования оптимальных начальных условий и адаптивных предикторов, позволяющих повысить достоверность прогнозных оценок комплексной модели. При этом для обоснования АКМ требуется программная реализация, поскольку известные программные продукты [20, 46, 47, 87] не обладают необходимой гибкостью в комплексном применении АМП для решения задач прогнозирования и нелинейных математических моделей для расчета начальных условий.

Объект исследования — процессы эксплуатации высоковольтного электротехнического оборудования.

Целью диссертационной работы является разработка СППР при управлении фактическим техническим состоянием электротехнического оборудования предприятий энергетических отраслей на основе адаптивного краткосрочного прогнозирования изменения технических параметров и правил нечеткой логики, обеспечивающих повышение эффективности использования оборудования в условиях неопределенности исходной информации.

В соответствии с поставленной целью решались следующие задачи:

1. Определение состава СППР и анализ моделей краткосрочного прогнозирования изменения технических параметров ЭО.

2. Разработка концептуальной модели системы поддержки принятия оперативных управленческих решений (КМПР) при обслуживании ЭО по фактическому техническому состоянию в условиях неопределенности исходной информации.

3. Разработка АКМ и методики принятия решений при управлении фактическим техническим состоянием ЭО, включающих:

— векторные критерии селекции оптимальных моделей начальных условий и адаптивных предикторов;

— методику расчета оптимальных начальных условий (НУ), повышающую достоверность прогнозных оценок значений технических параметров;

— алгоритм функционирования АКМ и ее программную реализацию.

4. Апробация СППР и входящей в ее состав АКМ.

Методы исследований основаны на использовании положений теории прогнозирования, теории аппроксимации временных рядов, теории надежности, теории нечетких множеств, теории оптимизации, а также методов математического моделирования и объектно-ориентированного программирования. Кроме того, использовались программные среды, такие как MATLAB, MATHCAD, STATISTIC, А и отдельные надстроечные модули MICROSOFT EXCEL.

Научная новизна результатов работы заключается в следующем:

— при разработке КМПР впервые формализованы комплексные критерии принятия решений и импликации нечетких множеств, основанные на правилах нечеткой логики;

— предложены векторные критерии селекции оптимальных моделей начальных условий и адаптивных предикторов, научная новизна которых состоит в комплексном учете различных показателей точности прогноза и качества аппроксимации эмпирических данных;

— в рамках проработки аппарата адаптивного краткосрочного прогнозирования ТС ЭО впервые предложена методика расчета оптимальных начальных условий на основе множества нелинейных математических моделей, позволяющих повысить достоверность прогнозных оценок;

— разработана АКМ, новизна которой основывается на использовании множества отобранных в результате критериального анализа адаптивных предикторов;

— впервые реализован алгоритм функционирования адаптивной комплексной модели краткосрочного прогнозирования, который был положен в основу разработки программного обеспечения.

Практическая значимость работы состоит в том, что применение разработанного программного продукта для анализа и адаптивного прогнозирования технического состояния ЭО позволяет повысить эффективность использования ресурса оборудования в процессе эксплуатации на основе получения более достоверных прогнозов времени проведения профилактических мероприятий. Реализация АКМ в программной среде «FMAy> и формализованный на основе КМПР механизм принятия оперативных управленческих решений позволяют выстроить на предприятии эффективную СППР при профилактическом обслуживании оборудования по фактическому техническому состоянию.

Результаты диссертационной работы в виде инструмента анализа временных рядов и АКМ, в том числе реализованные программно, имеют практическую значимость для научно-образовательных процессов вуза. Получено свидетельство о государственной регистрации программы для ЭВМ.

Внедрение результатов работы. Предложенная КМПР, методика и алгоритмы принятия решений приняты к использованию в производственной деятельности Пермского регионального управления (ПРУ) ООО «ЛУКОЙЛ-ЭНЕРГОСЕТИ» (г. Пермь) как основа практической реализации концепции эксплуатации ЭО по фактическому техническому состоянию.

Результаты работы нашли свое практическое применение в научно-образовательных процессах кафедры «Микропроцессорные средств автоматизации» Пермского национального исследовательского политехнического университета в рамках проведения практических занятий по дисциплинам «Диагностика и надежность автоматизированных систем» и «Оптимизация и моделирование энергетических систем».

Основные положения и результаты диссертационной работы также были отражены в отчетной документации по гранту Президента РФ для государственной поддержки молодых российских ученых № МК-2773.2011.8 «Управление техническим состоянием электроэнергетических объектов с целью повышения параметров их энергоэффективности».

На защиту выносятся:

— концептуальная модель системы поддержки принятия оперативных управленческих решений;

— АКМ и методика принятия решений при управлении фактическим техническим состоянием ЭО;

— алгоритмы поддержки процессов оперативного управления техническим состоянием ЭО и программное обеспечение;

— результаты апробации СППР, включающей АКМ.

Достоверность и обоснованность результатов и выводов обеспечиваются корректным применением известного математического аппарата и методологии общей теории прогнозирования, теории аппроксимации временных рядов, теории нечетких множеств, математического моделирования. Основные соотношения и результаты работы подтверждены удовлетворительным совпадением результатов моделирования с экспериментальными данными.

Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на научно-практической интернет-конференции «Молодежная наука Верхнекамья» (г. Пермь, 2008), VI Всероссийской школе-семинаре молодых ученых «Управление большими системами» (г. Ижевск, 2009), XVI конференции-семинаре по проблемам общей и прикладной ценологии (г.Москва, 2011), V Всероссийской научно-технической интернет-конференции «Энергетика. Инновационные направления в энергетике. СА1-технологии в энергетике» (г.Пермь, 2011), научно-техническом семинаре кафедры «Компьютерные системы автоматизации производства» (РК9) МГТУ им. Н. Э. Баумана.

Публикации. По теме диссертационной работы опубликовано 10 научных работ, из них 5 статей в ведущих рецензируемых научных изданиях в соответствии с Перечнем ВАК.

Структура и объем диссертации

Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы из 164 наименований и 11 приложений. Общий объем работы составляет 167 страниц машинописного текста, в том числе 138 страниц основного текста, содержащего 39 иллюстраций и 19 таблиц.

Основные результаты главы.

1. Формализованы ключевые количественно-качественные параметры СМТ средней мощности, позволившие определить техническое состояние объектов апробации и учесть данную информацию на уровне принятия решений концептуальной модели (КМПР).

2. На основе анализа модели термического износа изоляции математически формализован параметр ТИ (Ь) силовой части трансформаторного оборудования, учитывающий такие факторы, как температуру наиболее нагретой точки (0А), влагосодержание твердой изоляции О), содержание кислорода в трансформаторном масле (02) и показатель его окисления (кислотное число К).

3. Разработана программная среда «ЕМА», в которой реализованы инструменты автокорреляционного анализа временных рядов, механизмы аппроксимации эмпирических данных и адаптивная комплексная модель краткосрочного прогнозирования.

4. В программной среде «ЕМА)) получены прогнозные оценки остаточного ресурса обследуемых трансформаторов средней мощности, а также факторов, определивших параметр относительного термического износа изоляции, с целью снижения аварийных простоев оборудования.

5. Разработан алгоритм принятия решений при управлении фактическим техническим состоянием силовых маслонаполненных трансформаторов, используемый при диагностике технического состояния оборудования и выработке конкретных мер (управляющих воздействий), направленных на устранение выявленных дефектов.

6. Осуществлена опытно-промышленная апробация СППР: выполнен расчет приоритетов для объектов апробации на основе нечеткой логики (КМПР и АКМ), позволивший комплексно оценить ТС ЭО и выявить трансформатор, нуждающийся в проведении первоочередных мероприятий по устранению причин дефектов, обнаруженных в процессе эксплуатации.

ЗАКЛЮЧЕНИЕ

.

В диссертационной работе были получены следующие основные результаты:

1. На основе аналитического обзора процессов эксплуатации электроэнергетического оборудования обоснована актуальность поиска новых решений, базирующихся на использовании правил нечеткой логики и аппарата краткосрочного (оперативного) прогнозирования значений технических параметров ЭО в условиях неопределенности исходной информации. Определен состав и основные направления реализации СППР при управлении фактическим техническим состоянием ЭО. Проведен анализ математических методов и моделей прогнозирования, выполнена их классификация по способу формализации, позволившая выбрать класс известных адаптивных моделей краткосрочного прогнозирования (АМП) и оценочные критерии адекватности.

2. Разработана концептуальная модель системы поддержки принятия оперативных управленческих решений (КМПР) на основе сформулированных принципов и формализованных правил нечеткой логики, обеспечивающая использование математического аппарата краткосрочного прогнозирования (АКМ) и являющаяся основой профилактического обслуживания ЭО по фактическому техническому состоянию. Разработан обобщенный алгоритм формирования управленческих решений, а также формализованы комплексные критерии принятия решений и импликации нечетких множеств, позволившие учесть разносторонние аспекты эксплуатации электротехнического оборудования.

3. Разработана АКМ и создана методика принятия решений при управлении фактическим техническим состоянием ЭО, содержащие: векторные критерии селекции оптимальных моделей начальных условий и АМП, используемые в методике расчета оптимальных начальных условийалгоритм функционирования АКМ и ее программную реализацию. Адаптивная комплексная модель краткосрочного прогнозирования изменения технических параметров ЭО, позволяет добиться повышения достоверности прогнозных оценок за счет совместного использования обоснованных адаптивных предикторов из множества FM.

4. Произведено обоснование адаптивных предикторов в составе АКМ и методики определения оптимальных начальных условий на базе конкретных типовых форм временных рядов. Осуществлено тестирование АКМ, в том числе в условиях скачков пилообразной формы и случайно распределенного во времени тренда, показавшее положительные результаты в виде снижения величин мгновенных ошибок прогнозных оценок в среднем до 2,5 раз по сравнению с использованием случайных моделей из множества FM.

5. В результате опытно-промышленной апробации СППР при управлении фактическим ТС ЭО на примере силовых маслонаполненных трансформаторов средней мощности были формализованы:

— ключевые количественно-качественные параметры, позволившие определить техническое состояние объектов апробации и учесть данную информацию на уровне принятия решений КМПР;

— модель термического износа изоляции СМТ: параметр ТИ (L), учитывающий такие факторы, как температуру наиболее нагретой точки (0h), влагосодержание твердой изоляции (w), содержание кислорода в трансформаторном масле (02) и показатель его окисления (К).

6. Разработана программная среда «Forecast Models Analysis» («FMA»), в которой реализованы инструменты автокорреляционного анализа временных рядов, механизмы аппроксимации эмпирических данных и АКМ.

7. В программной среде «FMA» получены прогнозные оценки остаточного ресурса обследуемых трансформаторов средней мощности, а также факторов, определивших параметр относительного термического износа изоляции, с целью снижения аварийных простоев оборудования.

8. Разработан алгоритм принятия решений при управлении фактическим техническим состоянием СМТ, используемый при диагностике технического состояния оборудования и выработке конкретных мер, направленных на устранение выявленных дефектов. Осуществлен расчет приоритетов для объектов апробации на основе нечеткой логики (КМПР), позволивший комплексно оценить ТС ЭО и выявить трансформатор, нуждающийся в проведении первоочередных мероприятий по устранению причин дефектов, обнаруженных в процессе эксплуатации.

9. В целом использование моделей и алгоритмов принятия решений, образующих СППР, позволяют обнаружить на ранней стадии развивающиеся дефекты и сократить аварийные простои ЭО в среднем на 20% за счет повышения достоверности прогнозов времени проведения профилактических мероприятий в сравнении с применением отдельных адаптивных моделей из множества ЕМ.

Показать весь текст

Список литературы

  1. Государственная программа РФ «Энергосбережение и повышение энергоэффективности на период до 2020 года», утв. распоряжением Правительства РФ от 27.12.2010 г. № 2446-р (в ред. Постановления Правительства РФ от 18.08.2011 г. № 688).
  2. Методика количественного химического анализа. Определение содержания присадок в энергетических маслах методом высокоэффективной жидкостной хроматографии: РД 34.43.208−95. М.: Из-во СПО ОРГРЭС, 1997.6 с.
  3. Методические указания по диагностике развивающихся дефектов трансформаторного оборудования по результатам хроматографического анализа газов, растворенных в масле: РД 153−34.0−46.302−00. М.: АО ВНИИЭ, 2000. — 26 с.
  4. Методические указания по определению содержания воды и воздуха в трансформаторном масле: РД 34.43.107−95. -М.: Из-во АО ВНИИЭ, 1996.16 с.
  5. Методические указания по эксплуатации трансформаторных масел: РД 34.43.105−89. М.: Из-во СПО Союзтехэнерго, 1989. — 45 с.
  6. Надежность в технике. Основные понятия. Термины определения: ГОСТ 27.002−89. Введ. 1990−07−01. — М.: Изд-во стандартов, 1990. — 39 с.
  7. Нефтепродукты и смазочные материалы. Число нейтрализации. Метод потенциометрического титрования: ГОСТ 11 362–96 (ИСО 6619−88). -Взамен ГОСТ 11 362–76- введ. 1997−01−01. Минск: Из-во стандартов, 1997. -16 с.
  8. Нефтепродукты. Метод определения кислотности и кислотногочисла: ГОСТ 5985–79. Введ. 1980−01−01. -М: Изд-во стандартов, 1985. -11 с.
  9. Объем и нормы испытаний электрооборудования: РД 34.45−51.30 097. М.: Атомиздат, 2001.- 154 с.
  10. Определение воды в маслах: ГОСТ 1547–84. Введ. 1986−01−01.- М.: Изд-во стандартов, 1985. 3 с.
  11. Основные положения методики инфракрасной диагностики электрооборудования и ВЛ: РД 153−34.0−20.363−99. -М.: Из-во СПО ОРГРЭС, 1999.-136 с.
  12. Правила технической эксплуатации электрических станций и сетей Российской Федерации: РД 34.20.501−95 / Минэнерго России. 15-е изд.- М.: СПО ОРГРЭС, 2003. 160 с.
  13. Правила устройства электроустановок: сборник. 7-ое изд. -М. Изд-во НЦ ЭНАС, 2006. — 552 с.
  14. Руководство по нагрузке силовых масляных трансформаторов: ГОСТ 14 209–97. Введ. 2002−01−01. — М.: Изд-во стандартов, 2002. — 82 с.
  15. Трансформаторы (и автотрансформаторы) силовые. Общие технические условия: ГОСТ 11 677–85. Взамен 11 677−75- введ. 1986−07−01. -М.: Изд-во стандартов, 1985 — 48 с.
  16. Трансформаторы силовые масляные общего назначения напряжением до 35 кВ включительно. Технические условия: ГОСТ 11 920–85. -Взамен 11 920−73- введ. 1986−09−24. -М.: Изд-во стандартов, 1985.- 24 с.
  17. Трансформаторы силовые. Методы измерений диэлектрических параметров изоляции: ГОСТ 3484.3−88. Взамен 3484.3−77- введ. 1990−01−01. -М.: Изд-во стандартов, 1988. — 9 с.
  18. IEEE Guide for Diagnostic Field Testing of Electric Power Apparatus: IEEE Std 62−1995. IEEE Power Engineering Society.
  19. O.B., Розенбаум A.H. Прогнозирование состояния технических систем. М.: Наука, 1990. — 126 с.
  20. С.Г. Термосифонные и адсорбционные фильтры// Электро, 2011,-№ 5.-С. 32−33.
  21. С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: Исследование зависимостей. М.: Финансы и статистика, 1985. — 487 с.
  22. Ю.П., Голубев A.B., Завидей В.И и др. Диагностика состояния изоляции силовых трансформаторов на потребляющем электроэнергию крупном предприятии// Приборы и системы, 2003. № 9. -С. 42−45.
  23. А. Регрессия, псевдорегрессия и рекуррентное оценивание. -М.: Наука, 1977.
  24. .А. Контроль влажности изоляции силовых трансформаторов. Использование поляризационных явлений// Электрические станции, 2004. № 2. — С. 57−63.
  25. .А. Системы непрерывного контроля состояния крупных силовых трансформаторов // Электрические станции, 2000. № 8. — С. 62−71.
  26. Т.В., Бабанская В. Д., Башта Т. М. и др. Техническая диагностика гидравлических приводов. М.: Машиностроение. 1989. 263 с.
  27. А.Е., Сумыхин М. В. Модели и алгоритмы принятия решений в нечетких условиях. Тюмень: Тюменский государственный университет, 2000. — 352 с.
  28. Дж., Нильсон Э., Уолш Дж. Теория сплайнов и ее приложения / Пер. с англ. Ю.Н. Субботина- под ред. С. Б. Стечкина -М.: Мир, 1972.-317 с.
  29. Г. Статистический анализ временных рядов. М.: Мир, 1976.-755 с.
  30. A.M., Копытов Е. А., Гринглаз Л. Я. Теория вероятностей и математическая статистика: учебник для вузов. -СПб.: Питер, 2004. -461с.
  31. АфифиА., Эйзен С. Статистический анализ: Подход с использованием ЭВМ. М.: Мир, 1982. — 488 с.
  32. Е.Ю. Модели технического обслуживания сложных систем. М., 1982. — 231 с.
  33. Е.Ю., Воскобоев В. Ф. Эксплуатация авиационныхсистем по состоянию: Элементы теории. М.: Транспорт, 1981. — 197 с.
  34. Е.Ю., Каштанов В. А. Организация обслуживания при ограниченной информации о надежности. М., 1975. — 136 с.
  35. Д.И., Шапошников Д. Е. Многофакторный выбор с учетом индивидуальных предпочтений. Нижний Новгород, 1994. — 92 с.
  36. Е.Г., РуденчикЕ.А. Прогнозирование статистических временных рядов: учеб. пособие. Ярославль, 1997. — 94 с.
  37. Р., ЗадеЛ. Принятие решений в расплывчатых условиях.-М., 1976.-215 с.
  38. H.A. Техническая диагностика. ~М.: Машиностроение, 1978.- 240 с.
  39. Дж., ДженкинсГ. Анализ временных рядов. Прогноз и управление. Вып. 1. М.: Мир, 1974. — 406 с.
  40. Болотин В. В Прогнозирование ресурса машин и конструкций. -М.:
  41. Машиностроение, 1984. 312 с.
  42. А.Н., Алексеев A.B., Крумберг O.A. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982. -256 с.
  43. А.Н., Крумберг O.A., Федоров И. П. Принятие решений на основе нечетких моделей: Примеры использования. Рига: Зинатне, 1990.- 184 с.
  44. А.Н., Слядзь H.H. Нечеткое доминирование решений в условиях неполной информации // Изв. АН СССР. Техническая кибернетика.1988.-№ 5.-С. 176−181.
  45. В.В., Круглов В. В., Федулов A.C. Нечеткие модели и сети. -М.: Горячая линия-Телеком, 2007. 284 с.
  46. Боровиков В.П. STATISTIC А. Искусство анализа данных на компьютере: Для профессионалов / В. П. Боровиков. 2-е изд. — СПб.: Питер, 2003.-688 с.
  47. В.П., Ивченко И. В. Прогнозирования в системе STATISTIC, А в среде Windows. Основы теории и интенсивная практика на компьютере. М.: Финансы и статистика, 2000. — 384 с.
  48. М. Теория и измерение технического прогресса. М.: Статистика, 1971.
  49. Н.П. Моделирование сложных систем. М.:Наука, 1986. -355 с.
  50. .В., Львов Ю. Н., Львов М. Ю. Оценка влагосодержания изоляции обмоток силовых трансформаторов по диэлектрическим характеристикам // Электрические станции, 2004. № 10. — С. 11−14.
  51. .В., Львов Ю. Н., Львов М. Ю., Неклепаев Б. Н. Показатели состояния изоляции для оценки возникновения внутренних коротких замыканий в силовых трансформаторах// Электрические станции, 2003.- № 2. С. 65−68.
  52. .В., Львов Ю. Н., Львов М. Ю., ШифринЛ.Н. Эксплуатация силовых трансформаторов при достижении предельно допустимых показателей износа изоляции обмоток // Электрические станции, 2004. № 2. — С. 57−63.
  53. .В., Львов Ю. Н., Сапожников Ю. М., Смоленская Н. Ю. К вопросу о нормировании содержания воздуха в масле трансформаторов // Электрические станции, 1994. № 6. — С. 55−59.
  54. В.А. Сплайн-функция: теория, алгоритмы, программы.- Новосибирск: Наука, 1983. 216 с.
  55. В.П., Долин А. П. Ресурс изоляции силовых маслонаполненных трансформаторов // Электро, 2008. № 3. — С. 12−17.
  56. В.А. Теория подобия и моделирования (применительно к задачам электроэнергетики). М.: Высш. школа, 1976. — 479 с.
  57. А.И. Электрические машины. Л.: Энергия, 1978. — 832 с.
  58. В.Е., Кучер В. Я. Прогнозирование срока службы электрических машин: Письменные лекции. СПб.: СЗТУ, 2004. — 56с.
  59. С.П., Васильев А. П. Методы оценки эффективности восстановления ресурса трансформаторных масел в процессе работы силовых трансформаторов// Электротехнические комплексы и системы управления, 2011,-№ 2.-С. 59−65.
  60. А.И. Надежность изоляции электрических машин/
  61. A.И. Галушко, И. С. Максимова, Р. Г. Осноч, П. М. Хозановский. М.: Энергия, 1979.-176 с.
  62. В.Е. Руководство к решению задач по теории вероятностей и математической статистике. -М.: Высшая школа, 1979. -400 с.
  63. .В., Беляев Ю. К., Соловьев А. Д. Математические методы в теории надежности. М: Наука, 1965. — 534 с.
  64. A.M., Мазур A.JI. Вспомогательное оборудование трансформаторов. М.: Энергия, 1978. — 144 с.
  65. О.Д., Хазановский П. М. Надежность электрических машин общепромышленного и бытового назначения. М.: Знание, 1976. -56 с.
  66. О.Д., Хелемская С. П. Электромеханика. М., 2007. -512 с.
  67. ГукЮ.Б. Анализ надежности электроэнергетических установок.- JL: Энергоатомиздат, 1988.-222 с.
  68. Гук Ю. Б. Комплексный анализ эффективности технических решений в энергетике/ Ю. Б. Гук, П. П. Долгов, В. Р. Окороков и др.- под ред.
  69. B.Р. Окорокова, Д. С. Щавелева.- JL: Энергоатомиздат, 1985. 175 с.
  70. В.В., ТиняковаВ.И. Прогнозные модели экспертных предпочтений: монография. Воронеж: Изд-во Воронеж, гос. ун-та. — 248 с.
  71. Де Бор К. Практическое руководство по сплайнам: Пер. с англ.- М.: Радио и связь, 1985. 304 с.
  72. ДрейперН., Смит Г. Прикладной регрессионный анализ. -М.: Статистика, 1973. 392 с.
  73. Т.А. Статистические методы прогнозирования. М., 2004. -136 с.
  74. М.С., Карпинец Б. И. Модели эффективности непрерывного контроля изоляции обмоток силовых трансформаторов // Изв. вузов. Энергетика, 1990. № 1. — С. 52−55.
  75. ЗадеЛ. Понятие лингвистической переменной и его применение к принятию приближенных решений: Пер. с англ. М.: Мир, 1976. — 167 с.
  76. ЗайченкоЮ.П. Нечеткие модели и методы в интеллектуальных системах: учеб. пособие для студ. вузов. Киев: Издательский дом «Слово», 2008. — 344 с.
  77. .С. Управление техническим обслуживанием машин. М.: Машиностроение, 1978. — 157 с.
  78. А.Г. Долгосрочное прогнозирование и управление сложными системами. Киев: Техника, 1975. — 312 с.
  79. А.Г., Юрачковский Ю. П. Моделирование сложных систем по экспериментальным данным. М: Радио и связь, 1987. — 120 с.
  80. В.П., Кузнецов Ю. И. Трехдиагональные матрицы и их приложения. М.: Наука, 1985. — 208 с.
  81. В.П., Петроченков А. Б., РомодинА.В., Хорошев Н. И. Некоторые аспекты технологии эксплуатации электротехнических объектов на основе методов краткосрочного прогнозирования технического состояния // Электротехника, 2011. № 11. — С. 28−34.
  82. КалланР. Основные концепции нейронных сетей: Пер. с англ.- М.: Издательский дом «Вильяме», 2001. 287 с.
  83. М., Стьюарт, А Статистические выводы и связи. М.:Наука, 1973.-899 с.
  84. М., Стьюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976. — 736 с.
  85. Г. С., Френкель A.A. Анализ временных рядов и прогнозирование. -М.: Статистика, 1973. 104 с.
  86. В.М., Свито И. Л. Применение Mathcad в электротехнических расчетах. Минск: БГУИР, 2008. — 52 с.
  87. В.В. Оперативное управление погружными установками добычи нефти с учетом ресурса изоляции электродвигателя: автореферат дис. канд. техн. наук: 05.13.06. Тюмень, 2009. — 18 с.
  88. В.К., Гарифуллин М. Ш. Диагностика маслонаполненного электрооборудования // Научно-исследовательские проблемы в области энергетики и энергосбережения: сб. тр. Уфа: УГАТУ, 2010 г. — С. 41−42.
  89. И.П. Электрические машины. М.: Энергоматиздат, 1986. -360 с.
  90. Т., Лейзерсон Ч., Ривес Р. Алгоритмы: построение и анализ.- М. :МЦНМО, 2001. 960 с.
  91. A.B., Костюков В. Н. Повышение операционной эффективности предприятий на основе мониторинга в реальном времени. -М.: Машиностроение, 2009. 192 с.
  92. .И. Электрооборудование промышленности: учебник для студ. вузов / Б. И. Кудрин, А. Р. Минеев. М.: Издательский центр «Академия», 2008. — 432 с.
  93. .И., Мозгалкин A.B. Методика обеспечения почасового прогнозирования электропотребления предприятий с учетом погодных факторов // Вестник МЭИ. 2007. — № 2. — С. 45−47.
  94. A.B. Нечеткое моделирование в среде MATLAB и fuzzy TECH. СПб.: БХВ-Петербург, 2005. — 736 с.
  95. В.А. Теория и практика прогностики. -М.: Наука, 1972.- 224 с.
  96. Логический подход к искусственному интеллекту: от классической логики к логическому программированию: Пер. с франц. / А. Тейз, П. Грибомон, Ж. Луи и др. М.: Мир, 1990. — 432 с.
  97. Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов.- М.: Финансы и статистика, 2003. -416 с.
  98. Ю.П. Линейная регрессия с переменными параметрами.- М.: Финансы и статистика, 1992. 256 с.
  99. К.Д. Методы прогнозирования экономических показателей/ Пер. с англ. Е. З. Демиденко. М.: Финансы и статистика, 1986. — 133 с.
  100. М.А. Управление механизмами адаптации алгоритмов прогнозирования изменения стохастических процессов: дис. канд. техн. наук: 05.13.06. Санкт-Петербург, 2003. — 177 с.
  101. В.М. Прогнозирование технического состояния машин. -М.: Колос, 1976.-288 с.
  102. C.B. Идентификация технического состояния технологического оборудования на основе нейросетевой модели: дис. канд. техн. наук: 05.13.06. -Пермь, 2009.-148 с.
  103. Обработка нечеткой информации в системах принятия решений/ А. Н. Борисов, A.B. Алексеев, Г. В. Меркурьева, H.H. Слядзь, В.И. Глушков- М.: Радио и связь. 1989. — 304 с.
  104. С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981. — 208 с.
  105. ОсовскийС. Нейронные сети для обработки информации / Пер. с польского И. Д. Рудинского. -М.: Финансы, 2002. 344 с.
  106. В.Н. Опыт обследования трансформаторов с большим сроком службы // Тр. второго научно-практического семинара Общественного Совета Сибири и Востока по проблемам диагностики электрических установок, Красноярск, 9−13 апреля 2007 г.
  107. П.П., Согомонян Е. С. Основы техническойдиагностики: Оптимизация алгоритмов диагностирования, аппаратурные средства / Под ред. П. П. Пархоменко. М.: Энергия, 1981. — 320 с.
  108. А.Б., РомодинА.В., Хорошев Н. И. Экспертный метод• {оценки надежности электротехнического оборудования при принятии управленческих решений // Вестник ИжГТУ, 2009. № 4. — С. 161−164.
  109. Прикладные нечеткие системы: Пер. с япон. / К. Асаи, Д. Ватада, С. Иван и др.- под ред. Т. Тэрано, К. Асаи, М. Сугено. -М.: Мир, 1993. -368 с.
  110. A.C. Параметрическая надежность машин. М.: Изд-во МГТУ им. Н. Э. Баумана, 2002. -560 с.
  111. A.M., Качала Н. М. Построение прогнозирующих моделей систем управления теплоэнергетическими объектами // Вестник МГТУ, 2011. № 3 (14). — С. 546−551.
  112. Рабочая группа СИГРЭ 15.01. Задание 15.01.09. Методы диагностики трансформаторов на основе анализа диэлектрической реакции // Electra, 2002. -№ 202.
  113. Рабочая книга по прогнозированию / Редкол.: И.В. Бестужев-Лада (отв. ред.). М.: Мысль, 1982. — 430 с.
  114. РайншкеК. Модели надежности и чувствительности систем/ КРайншке- перевод с нем. под ред. Б. А. Козлова. -М.: Транспорт, 1979. 454 с.
  115. В.Г., Якушев В. И. Методы оценки долговечности изоляции электрических машин. М., 1986. — 52 с.
  116. Руководство по научно-техническому прогнозированию / Под ред. Л.М. Громова- пер. с англ. А. Н. Зайцева, А. Г. Кругликова. -М.: Прогресс, 1977. -351 с.
  117. Д., Пилиньский М., РутковскийЛ. Нейронные сети, генетические алгоритмы, нечеткие системы: Пер. с польск. И. Д. Рудинского. -М., 2006.-452 с.
  118. А.И. Основы теории старения машин. М.: Машиностроение, 1971. 304 с.
  119. СергеенковБ.Н. Электрические машины: Трансформаторы/ Б. Н. Сергеенков, В. М. Кисилев, H.A. Акимова- под ред. И. П. Копылова. -М.: высш. школа, 1989. 352 с.
  120. A.B. Управление эффективностью и качеством работы машин в условиях эксплуатации. М., 1979. — 148 с.
  121. Силовые трансформаторы. Справочная книга/ Под ред. С. Д. Лизунова, А. К. Лоханина М.: Энергоиздат, 2004. — 616 с.
  122. И.В. Планирование технического обслуживания и ремонта электрооборудования компрессорных станций магистральных газопроводов: дис. канд. техн. наук: 05.09.03. Москва, 2007. — 177 с.
  123. H.H., Ицкович А. А Обслуживание и ремонт авиационной техники по состоянию. 2-е изд., перераб. и доп. — М.: Транспорт, 1987. — 272 с.
  124. В.В. Актуальные задачи развития методов и средств диагностики трансформаторного оборудования под напряжением// Известия РАН. Энергетика, 1997. -№ 1. С. 21−24.
  125. Статистика: учебник для вузов / Под ред. И. И. Елисеевой. СПб.: Питер, 2010.-368 с.
  126. СугакЕ.В., Назаров Г. Г., Королев В. Л., Мангараков С. А. Основы теории надежности: учеб. пособие. Красноярск: Сиб. аэрокосм, акад.- НИИ СУВПТ, 1998.-380 с.
  127. Тейл Г Экономические прогнозы и принятие решений: Пер. с англ. -М.: Статистика, 1971. 488 с.
  128. Теория прогнозирования и принятия решений/ Под. ред. С. А. Саркисяна. М.: Высшая школа, 1977. — 350 с.
  129. Э.Е. Методы прогнозирования в условиях рынка: учеб. пособие. Невинномысск, 2006. — 221 с.
  130. В.Н. Статистическая обработка рядов наблюдений. М.:1. Знание, 1973.-62 с.
  131. М.М., Лужнев А. И., Боев А. Е. Оценка сроков службы изоляции электрических машин// Электрические станции, 2004. № 2. — С. 5763.
  132. Т.А., Русина А. Г., ДроноваЮ.В. Модели и методы прогнозирования электроэнергии и мощности при управлении режимами электроэнергетических систем: монография. Новосибирск: Изд-ва НГТУ, 2009. — 368 с.
  133. ХайкинС. Нейронные сети: Полный курс/ Пер. с англ. H.H. Куссуль. 2-е изд., испр. — М.: Издательский дом «Вильяме», 2008.- 1103 с.
  134. ХальдА. Математическая статистика с техническими приложениями: Пер. с англ. М., 1956. — 664 с.
  135. Д.Э., Уичери Д. У., Райте А.Дж. Бизнес-прогнозирование.- 7-е изд.: Пер. с англ. М.: Издательский дом «Вильяме», 2003. — 656 с.
  136. А.Р. Автоматизация мониторинга и прогнозирования остаточного ресурса стареющего оборудования с использованием обобщенных показателей: дис. канд. техн. наук: 05.13.06. Челябинск, 2007. — 146 с.
  137. ХенанЭ. Анализ временных рядов: Пер. с англ. М.: Наука, 1964. -215 с.
  138. Дж., Кумамото X Надежность технических систем и оценка риска. М.: Машиностроение. — 1984. — 287 с.
  139. Холлендер М, Вульф Д. Непараметрические методы статистики/ Под ред. Ю. П. Адлера и Ю. Н. Тюрина.- пер. с англ. Д. С. Шмерлинга М.: Финансы и статистика, 1983. — 518 с.
  140. Н.И. и др. К вопросу о системе поддержки жизненного цикла высоковольтного электротехнического оборудования ПРУ ООО «ЛУКОЙЛ-Энергогаз» // Вестник ПГТУ. Электротехника, информационные технологии, системы управления. 2008. — № 2. — С. 110−117.
  141. Н.И. Комплексные критерии эффективности при принятии управленческих решений // VI Всероссийская школа-семинар молодых ученых «Управление большими системами»: сб. науч. тр. Т1. — Ижевск, 2009. -С. 351−358.
  142. Н.И., Казанцев В. П. Применение правил нечеткой логики при эксплуатации электротехнического оборудования// Электротехника, 2011. -№ 11.-С. 59−64.
  143. Е.М. Статистические методы прогнозирования. 2-е изд. -М.: Статистика, 1977. — 200 с.
  144. Д.И. Принятие решений в системах организационного управления: Использование расплывчатых категорий. М.: Энергоматиздат, 1983.- 184 с.
  145. В.И. Надежность технических систем: экономическая оценка. М.: Экономика, 1988. — 151 с.
  146. ЯхъяеваГ.Э. Нечеткие множества и нейронные сети. -М., 2006. -316с.
  147. А.И. Система технического обслуживания и ремонта энергетического оборудования: справочник. М.: НЦ ЭНАС, 2005. — 503 с.
  148. Brown R.G. Smoothing forecasting and prediction of discrete time series.-N.Y., 1963.-653 c.
  149. Bruant E.C. Statistical Analysis. New York, 1960. — 198 p.
  150. Chatfield C. The analysis of time series: An introduction, Fifth Edition. -London: Chapmam and Hall, 1996. 293 p.
  151. DuY. A review of moisture equilibrium in transformer paper-oil systems / Y. Du, M. Zahn, B.C. Lesieutre, A.V. Mamishev, S.R. Lindgren // IEEE Electrical Insulation Magazine, 1999. Vol. 15. — No. 1. — P. 11−20.
  152. Harrison P.J. Exponential smoothing and short-term sales forecasting// Management Science. 1967. — vol. 13. — P. 11.
  153. Harrison P.J. Short-term sales forecasting// Applied Statistics. Cer. C. -1964.-vol. 14.-P. 2−3.
  154. ShoneM.L. Viewpoint.// Operational Research Quarterly. 1967. -vol. 18.-P. 318.
  155. Sokolov V.V. Consideration on power transformer condition based maintenance // VIII EPRI substation equipment diagnostic conference, February 2023,2000. New Orleans, 2000.
  156. Sokolov V.V. How to extend the life of power transformer // Proceedings of the Teel conference NA, January, 2004. San Antonio, 2004.
  157. Thamara T. Exponential Smoothing with Automatic Weight Assignment, paper presented at the TIMS/ORSA Joint National Meeting San Francisco, May, 1968.
  158. Winters P.R. Forecasting sales by exponentially weighted moving averages // Management Science. 1960. — vol. 6. — P. 324.
  159. Свидетельство о государственной регистрации программы для ЭВМ № 2 012 610 069 РФ. «Forecast Models Analysis» I Казанцев В. П., Петроченков А. Б., Хорошев Н. И. -М.: Роспатент, зарегистр. 10.01.2012.
Заполнить форму текущей работой

Сессия? Спокойно!