Актуально
Chevron начала переговоры с Казахстаном о продлении договора по Тенгизу после 2033гГазпром 5-й раз за месяц обновил рекорд суточных поставок газа в КНР по «Силе Сибири»Стоимость бензина АИ-92 на бирже подешевела на 0,05%Ангола 3 ноября подпишет с Shell соглашения о разведке и добыче нефтиЗа 9 мес БГК увеличила выработку электроэнергии на 2,7%МКД всё чаще переходят на прямые договоры с поставщиками коммунальных услуг
Алгоритм для улучшения работы энергетического оборудования, сочетающий технологию цифровых двойников с динамичной самопараметризацией и ИИ, создали ученые Санкт-Петербургского политехнического университета Петра Великого (СПбПУ). Как сообщили в пресс-службе университета, разработка позволяет предсказывать изменения в работе сложного энергооборудования, предотвращать аварийные ситуации, а также увеличивать маржинальный доход генерирующего предприятия.
«Особенность нашей разработки в том, что с помощью методов машинного обучения она автоматически учитывает изменение физических характеристик ключевых узлов оборудования, происходящих, например, по причине естественного износа. Модель самопараметризуется и может восполнять пробелы в полученных данных (например, о тех узлах станции, где невозможно установить датчик мониторинга) и устранять неточности существующих измерений. В итоге мы получаем достоверную цифровую копию сложнейшего энергетического оборудования и можем проводить глубокий анализ работы станции и прогнозировать появление дефектов в будущем, а также получать данные о комплексном влиянии множества факторов на технические процессы. До настоящего времени получить такие данные ни теоретическим, ни практическим способом было невозможно», — привели в пресс-службе слова руководителя проекта, кандидата технических наук, доцента Высшей школы атомной и тепловой энергетики СПбПУ Ирины Аникиной.
Прогнозирование изменения параметров работы в зависимости от различных условий эксплуатации является особенно актуальным для новых отечественных газотурбинных установок, по которым еще не собран большой массив статистической информации. Пилотный прототип системы апробирован на некоторых станциях Северо-Западного региона. Ученые считают, что следование рекомендациям системы позволит увеличить маржинальный доход ТЭЦ на 7-8% за счет рекомендаций по выбору оптимальных режимов работы с учетом фактического состояния оборудования.
Включение в систему новых гибридных алгоритмов позволит снизить частоту незапланированных ремонтов вследствие нештатного поведения оборудования и оптимизировать график ремонтов оборудования.
В планах коллектива — дальнейшее развитие системы, ее адаптация для других типов генерирующего оборудования и масштабирование на другие предприятия энергоотрасли.
Исследовательский проект реализуется при поддержке программы стратегического академического лидерства «Приоритет-2030» Минобранауки РФ.
Читайте в Telegram:
																			
										Наш Телеграм									
																	
													Chevron начала переговоры с Казахстаном о продлении договора по Тенгизу после 2033г
В настоящее время партнерами «Тенгизшевройла» являются «Шеврон» (50%), АО НК…
Газпром 5-й раз за месяц обновил рекорд суточных поставок газа в КНР по «Силе Сибири»
Это уже 8-й рекорд с момента выхода поставок по газопроводу…
Стоимость бензина АИ-92 на бирже подешевела на 0,05%
Цена АИ-92 на сегодняшних торгах составила 65,139 тыс руб за…
Ангола 3 ноября подпишет с Shell соглашения о разведке и добыче нефти
На блоках 19, 34 и 35 сверхглубоких участков океанического шельфа.
За 9 мес БГК увеличила выработку электроэнергии на 2,7%
До 16,9 млрд кВтч.
МКД всё чаще переходят на прямые договоры с поставщиками коммунальных услуг
Чтобы платить напрямую ресурсоснабжающим организациям, минуя управляющую компанию или ТСЖ.