Гужов Сергей Вадимович, кандидат технических наук, доцент; директор Центра подготовки и профессиональной переподготовки «Автоматизированные системы управления тепловыми процессами в энергетике и промышленности»,
111250, г. Москва, Красноказарменная улица, дом 14, стр. 1
Sergey V. Guzhov, Cand. Sci. (Eng.), Assoc. Prof., Director of the Center for Training and Professional Retraining "Automated Thermal Process Control Systems in Energy and Industry",
14 Krasnokazarmennaya St., Bldg. 1, Moscow 111250
Арбатский Андрей Андреевич, кандидат технических наук, генеральный директор,
390029, г. Рязань, ул. Чкалова, д. 68В, помещ. Н3, офис 213
Andrey A. Arbatsky, Cand. Sci. (Eng.), General Director,
68V Chkalova St., Room N3, Office 213, Ryazan 390029
Крылова Елена Владимировна, кандидат педагогических наук, доцент; заместитель директора по учебной работе Института тепловой и атомной энергетики,
111250, г. Москва, Красноказарменная улица, дом 14, стр. 1
Elena V. Krylova, Cand. Sci. (Pedag.), Assoc. Prof.; Deputy Director for Academic Affairs, Institute of Thermal and Nuclear Energy,
14 Krasnokazarmennaya St., Bldg. 1, Moscow 111250
Дзахмишева Диана Зауровна, инженер-проектировщик, 111250, г. Москва, Красноказарменная улица, дом 14, стр. 1;
107996, г. Москва, ул. Бакунинская, д. 7, стр. 1
Diana Z. Dzakhmisheva, Design Engineer, 14 Krasnokazarmennaya St., Bldg. 1, Moscow 111250;
7 Bakuninskaya St., Moscow 1107996
Цель. Целью исследования является создание системы поддержки принятия решений (СППР), позволяющей автоматически производить анализ информации от датчиков, обрабатывать статистический материал и сигнализировать оператору о необходимости программирования PLC с предоставлением результатов расчётов о прогнозируемом техническом и экономическом эффекте на основе применения искусственной нейронной сети.
Метод. Исследование основано на методах построения интеллектуальных систем управления технологическими процессами и производствами.
Результат. Выполнено исследование возможностей повышения эффективности АСУ ТП за счет повышения точности настроек регуляторов ИТП. Рассмотрен метод повышения точности АСУ ТП посредством применения ИНС. Предложено выполнять прогнозный расчёт из прогнозов гидрометцентра с периодом прогнозирования на 4-6 часов вперёд. Предложен набор дополнительных датчиков, необходимых для повышения точности прогноза. Дополнительные капитальные затраты окупятся за 2 отопительных периода.
Вывод. Рассмотрены существующие подходы к цифровизации методов управления теплоэнергетическим оборудованием. Применение искусственной нейронной сети позволяет повысить точность настроек регуляторов ИТП.
Objective. The objective of the study is to create a decision support system (DSS) that automatically analyzes sensor data, processes statistical data, and alerts the operator to the need for PLC programming, providing calculation results on the predicted technical and economic effect using an artificial neural network.
Method. The study is based on methods for constructing intelligent control systems for technological processes and production.
Result. The study examined the possibilities of increasing the efficiency of the automated process control system by improving the accuracy of the IHP controller settings. A method for improving the accuracy of the automated process control system by using an artificial neural network is considered. It is proposed to perform forecast calculations based on hydrometeorological center forecasts with a forecast period of 4-6 hours ahead. A set of additional sensors necessary for improving the forecast accuracy is proposed. The additional capital expenditures will pay for themselves within 2 heating periods.
Conclusion. Existing approaches to the digitalization of heat power equipment control methods are considered. The use of an artificial neural network allows for increasing the accuracy of the IHP controller settings.
The authors declare that there are no conflicts of interest present.