«Прогностика» Автоматизированная система предиктивного анализа и диагностики

• Снижение аварийности на объектах генерирующего оборудования за счет автоматизированного мониторинга и прогнозирования технического состояния;
• Анализ показателей работы системы в режиме реального времени по узлам оборудования;
• Выявление развивающихся дефектов;
• Создание гибридных моделей для объектов диагностики;
• Внедрение машинного обучения и формирование классификатора дефектов под используемые агрегаты и оборудование.

По факту интеграции программного обеспечения, были определены следующие эффекты:

• Выявление на раннем этапе развивающихся дефектов;
• Сокращение аварийности на объектах;
• Снижение количества и сроков устранения незапланированных остановок

Вычислительное ядро: Python, Фронтэнд-бекэнд: Java Script, БД: PostgreSQL,

Разворачивание: Docker

Платформа: ZIIoT

Для анализа работы системы и прогноза технического состояния будущего периода было внедрено машинное обучение и разработаны пять типов применяемых моделей, включая:

• Байесовские нейронные сети,
• Полносвязные нейронные сети
• Метод главных компонентов,
• Метод К-средних
• Физические модели

Отдельно хотели бы отметить, создание экспертно-диагностической центра для поддержания ПО Прогностика в актуальном состоянии и формирования новых моделей оборудования и классификатора дефектов, что позволяет системе непрерывно развиваться.

Прогностика (автоматизированная система предиктивного анализа и диагностики) – это система прогнозирования, основанная на анализе исторических, больших данных с помощью статистических методов и машинного обучения.

Прогностика помогает выявить возможный дефект, используя методы моделирования, статистического и параметрического анализа, а также машинное обучение, нейронные сети и ряд других современных моделей и технологий.

Когда данные собраны и проанализированы, на их основе строятся две динамические модели: физическая и математическая, которые позволяют спрогнозировать, как оборудование станции поведет себя в диапазоне до 7 дней. Модели постоянно соотносятся с данными, которые поступают от оборудования станции в реальном времени. Для этого на ТЭЦ установлены датчики на основном оборудовании (котлы, турбины) и вспомогательном (например, насосы). Датчики анализируют состояние и работу каждого элемента станции. Собранные данные поступают напрямую в систему Прогностики, а она, в свою очередь, сигнализирует оперативному персоналу о возможных отклонениях от оптимальных параметров. При помощи Прогностики выстраивается эталонная математическая модель оборудования с учетом его технологических особенностей в различных режимах работы: нагрузка, разгрузка, пуск и остановка (то есть как в идеале оно должно работать при любых внешних и внутренних факторах). Когда происходит отклонение от этой модели, система оповещает, что произошел сбой. В рамках Прогностики разработан классификатор дефектов, который регулярно пополняется новыми данными, информация поступает от самой системы, за счет интегрированного машинного обучения, дополнительно взаимосвязь параметров анализируют специалисты экспертного центра обработки данных, что позволяет развивать компетенции в отраслевых решениях и осуществлять диагностическую поддержку.