Методика разработки нейронной сетидля интеллектуальной системы диагностики электроэнергетических комплексов

ВВЕДЕНИЕ………………………………………………………………………………6
1 ПРИМЕНЕНИЕНЕЙРОННЫХСЕТЕЙВЗАДАЧАХДИАГНОСТИРОВАНИЯ ОБОРУДОВАНИЯЭЛЕКТРО ЭНЕРГЕТИЧЕСКИХ КОМПЛЕКСОВ…………….11
1.1 Литературный обзор 11
1.2 Патентные исследования 13
2 Методика разработкинейронной сетидля интеллектуальной системы диагностики
электроэнергетических комплексов…………………………….……..17
2.1 Основные сведения об интеллектуальных системах диагностики на основе нейронных сетей 17
2.2 Виды нейронных сетей 20
2.3Выбор структуры и алгоритма модели нейронной сети для интеллектуальной системы диагностики 26
2.4 Средства разработки модели нейронной сети, библиотеки 28
3РАЗРАБОТКАИОБУЧЕНИЕНЕЙРОННОЙСЕТИДЛЯ ИНТЕЛЛЕКТУАЛЬНОЙСИСТЕМЫДИАГНОСТИКИАСИНХРОННОГО ДВИГАТЕЛЯ…………………………………………………………………….……..37
3.1 Цифровой двойник лабораторной установки «Диагностика 37
двигательной нагрузки электроэнергетических комплексов» 37
3.2 База частотных моделей асинхронного электродвигателя с типовыми дефектами и режимами работы модель неисправности перечислять 45
3.3Структура и алгоритм модели нейронной сетиинтеллектуальной системы диагностики асинхронного двигателя 55
3.4 Обучение нейронной сети 56
3.5 Интеграция нейронной сети с цифровым двойником и базой частотных моделей 61
3.6Разработкаалгоритмафункционированияучебно-исследовательского комплекса с интеллектуальной системой управления при выполнения лабораторных работ в очном, дистанционном и смешанном форматах 61
4 ИСПОЛЬЗОВАНИЕ РАЗРАБОТАННОЙ НЕЙРОННОЙ СЕТИВУЧЕБНОМ ПРОЦЕССЕ В СОСТАВЕ УЧЕБНО-ИССЛЕДОВАТЕЛЬСКОГОКОМПЛЕКСА «ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫДИАГНОСТИКИ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ КОМПЛЕКСОВ»…………………..……………...65
4.1 Пробное выполнение лабораторной работы «Диагностика двигательной нагрузки электроэнергетических комплексов» с использованием цифрового двойника лабораторной установки и нейронной сети в очном формате 65
4.2 Адаптация учебно-исследовательского комплекса «Интеллектуальные системы диагностики электроэнергетических комплексов» для выполнения лабораторных работ в удаленном формате 73
4.3 Учебно-методическое обеспечение проведения лабораторно-практических занятий в очном, дистанционном и смешанном форматах 74
ЗАКЛЮЧЕНИЕ………………………………………………………………………...79

Весь текст будет доступен после покупки

Актуальность работы
В современной электроэнергетике все большее значение приобретают ин-теллектуальные системы. В России интерес к применению методов искусствен-ного интеллекта увеличился благодаря принятию "Национальной стратегии развития искусственного интеллекта до 2030 года".
Развитие интеллектуальных электроэнергетических систем требует высо-коквалифицированных специалистов, способных проектировать, разрабаты-вать и управлять такими системами.
Помимо снижения затрат на производство электрической энергии и уве-личения надежности электроснабжения, внедрение новой концепции также при-водит к снижению технических и коммерческих потерь при передаче электро-энергии с уровня 20-10% до всего 3% [1, 2]. Это, в свою очередь, означает со-кращение объема используемых углеводородов для генерации электроэнергии в том же пропорциональном соотношении. В рамках этих исследований про-блема уменьшения потерь решается через применение решений, основанных на технологиях искусственного интеллекта [3].

Весь текст будет доступен после покупки

1 ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ В ЗАДАЧАХ
ДИАГНОСТИРОВАНИЯ ОБОРУДОВАНИЯЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ КОМПЛЕКСОВ

1.1 Литературный обзор

Проводился анализ как отечественных, так и зарубежных исследований, и разработок в области интеллектуальных электроэнергетических комплексов, а также цифровых учебных стендов, связанных с использованием искусственного интеллекта для диагностики электроэнергетических комплексов.
Исследования в области управления системами электроснабжения с применением искусственного интеллекта описаны в работах [4-7]. Фэн К., Чжан Дж., Чжан В., Ходж Б.М. использовали нейронные сети для прогнозирования солнечной активности на основе изображений неба в своей работе [8]. Авторы Сидорова А. В., Черемных А. А. и Русина А. Г. провели оптимизацию режима работы электроэнергетической системы с использованием языка программирования Python и представили численные результаты в работе [9].
В своем исследовании [10] Манобанда А., Патрисия О. и Гранда Н. создали методологию для прогнозирования электропотребления в нефтедобывающей компании Эквадора. Они использовали собранные статистические данные о добыче сырья в качестве обучающего набора данных и разработали модель, реализованную на языке программирования Python. В заключительной части своего исследования авторы провели сравнительный анализ разработанного алгоритма с методами, применяемыми в промышленности для прогнозирования электропотребления, и продемонстрировали, что их модель достигает высокой точности в прогнозировании.
В исследовании [11], проведенном Талаатом М., Эльхолы М., Алблави А. и Саидом Т., подчеркивается, что использование искусственного интеллекта при интеграции возобновляемых источников энергии приносит положительный результат. Их исследование показало, что применение искусственного интеллекта способствует повышению точности и эффективности управления энергетической системой, оснащенной перспективными источниками энергии, и упрощает процесс их интеграции.
Исследование, проведенное Багдасаряном М., Оганесяном В. и Акопяном Т. в их работе [12], фокусируется на сравнении применения различных видов искусственных нейронных сетей и ПИД-регуляторов для управления динамическими системами электроприводов. В результате данного исследования был сделан вывод о том, что генетические алгоритмы искусственного интеллекта в значительной степени обеспечивают более высокую точность по сравнению с другими моделями нейронных сетей и сокращают время, требуемое для обучения. Однако также было замечено, что в некоторых задачах может быть целесообразно выбрать другой алгоритм. Поэтому важно проводить анализ и сравнивать метрики, полученные при использовании разных подходов.
Системы виртуальной реальности внедряются в образовательный процесс с целью обучения навыкам обслуживания электроэнергетических систем. Зарубежные исследователи представили разработку и внедрение обучающей среды, основанной на виртуальной реальности, для обучения обслуживанию высоковольтных воздушных линий в распределительных сетях [13] и для проектирования сетевых фотоэлектрических электростанций [14]. В работе [15] также представлена станция виртуальной реальности, используемая в образовательных целях.

Весь текст будет доступен после покупки

-

Весь текст будет доступен после покупки