Переработка и использование информации в реальных условиях функционирования агрегатов

В реальных условиях оценки эффективности энергоустановок ТЭС, выполняемой на основе диагностики их состояния с целью определения готовности к работе, анализа дефектов и распознавания неисправностей, необходимо использовать и перерабатывать самую разнообразную информацию. Значительная часть этой информации может быть очень низкого качества, т.е. неопределенной, заданной неоднозначно, нечетко, неполно (рис.4.1).

Неопределенность такой информации обусловлена существенными погрешностями измеренных значений параметров, неизбежными и значительными погрешностями оценок состояния, погрешностями принятых решений. При этом уровень получаемой неопределенности для разной информации будет различен, а также зависим от разных условий работы энергоустановки.

Количественная оценка неопределенности наступления множества событий, имеющих различную вероятность, которая обращается в нуль при действительном наступлении одного из событий, позволила, по мнению Шеннона К. рассматривать его энтропию как «разумную» количественную меру возможности выбора или меру количества информации, являющейся не противоречивой ранее предложенной мере Хартли Р. [73].

Рис. 4.1. Классификация исходной информации при диагностике функционирующих энергоустановок.

Однако с самим термином КОЛИЧЕСТВО ИНФОРМАЦИИ связана некоторая неясность, т.к. в неявном виде предполагается, что если известно, что такое количество информации, то должно быть известно и что такое ИНФОРМАЦИЯ.

, (4.1)

Шеннон К., занимаясь непосредственно вопросами математической теории связи, абстрагировался от всех качественных и человеческих аспектов информации. В работах Эшби У.Р., Бриллюэна М.М., Харкевича А.А., Мазура М. и др. сделан вывод о существовании множества видов проявления информации и подмножествах логически выводимых форм ее представления. Среди этого множества существует лишь некоторое подмножество, занимаемое статистической информацией. А внутри уже этого множества существует свое подмножество, которое соответствует, по определению Шеннона К., количеству информации о рассматриваемом объекте. Второй важный вывод получен при анализе систем, для которых понятие информация является методологической основой для обобщения и упрощения [74, 75]. Это заключение особенно подчеркивается в работах Эшби У.Р., [76]. Возможность учета в информационных оценках неопределенности и размытости стала особенно важной в связи с тем, что сегодня учет качественной и размытой информации становится центральным в методах искусственного интеллекта, применяемых в отдеьных областях народного хозяйства со сложными технологиями и структурой управления, и в энергетике. Поэтому уточним понятия неопределенность, размытость, неразличимость и предпочтимость, которые будут использоваться далее в работе и в учебнике.

Неопределенность. Рассматривается как статистическое понятие и количественно находится из выражения Шеннона К.. В общем случае неопределенность следует делить на качественную и количественную, а также на полную и частичную. Качественная неопределенность (ее назовем «неопределенность границы») характеризует отсутствие различия в пределах рассматриваемых признаков между объективно различимыми множествами (образами). Количественная неопределенность характеризует отсутствие различия между элементами, находящимися внутри множества (образа). Понятия «множество» и «образ» в данном изложении равнозначны. В обоих случаях неопределенность может быть как статистической, так и детерминистской, а в общем случае комплексной, т.е. статистически – детерминированной. Зоны, в пределах которых будут использоваться выбранные признаки, различимые образы или их элементы, являются неразличимыми для данного случая. Такие зоны будем называть далее зонами полной неопределенности, а зоны с частичной разделимостью, соответственно, будем называть зонами частичной неопределенности.

На рис.4.2. представлены примеры полученных зон полной (ПН) и частичной (ЧН) неопределенности для вероятностной величины P(W) и одного из выбранных детерминированных показателей Э (W) или Р₂ (W). На рисунке показано следующее: на основе прогноза на 2000г. установлено, что предельная мощность турбоустановки будет находиться в интервале (W₁ ¸ W₂), при этом P(W) – это вероятностная кривая прогноза предельной мощности турбоустановки на 2000г.;

Э(W) – эффективность работы электростанции в зависимости от мощности турбоустановки (турбина + генератор) по расчетным данным на 2000г., где приращение DЭ(W) находим в зонах частичной неопределенности в пределах точности расчета x, т.е.:

DЭ(W)_чн£x. (4.2)

При этом необходимо уточнить, что в случае статистической неопределенности и в предельном случае, когда для всей рассматриваемой области P(W)=const, неопределенность будет полной и равной

. (4.3)

При отсутствии в рассматриваемой области полностью неразличимых участков

, (4.4)

где n – число различимых значений мощностей (W_i), находящихся в интервале точности их определения x для фактических условий.

Рис. 4.2.Примеры областей неопределенностей:

а) зоны полной (жирная стрелка) и частичной (простая стрелка) неопределенностей (ПН и ЧН); б) вероятности – неопределенностей; в) неопределенности – вероятностей.

Неопределенность может быть собственной, т.е. обусловленной внутренними свойствами диагностируемого объекта и внешней (информационной), когда неопределенность вызывается объективными и субъективными причинами, действующими во всем канале получения (измерения, передачи, переработки и представления) информации. В случае, когда весовой показатель различия структуры конструкции или свойств отдельных элементов (w) диагностируемой энергоустановки обладает свойствами

для "w_i³0, (4.5)

то нестатистическая неопределенность может находиться по аналогии с статистической неопределенностью, т.е.

. (4.6)

В общем случае мерой неопределенности является функция отношения различающихся и не различающихся образов или их элементов. Выражение, оценивающее величину аддитивной (суммарной) неопределенности, будет соответствовать

, (4.7)

где f – функция, обеспечивающая заданную связь Н с Р и w при выполнении условий аддитивности.

В частном случае w может характеризовать предпочтимость того или иного элемента, например, предпочтимость того или иного алгоритма развития системы, предпочтимость режима работы энергоустановки и т.д.

Таким образом, в итоге будем считать под неопределенностью субъективную или объективную характеристику отсутствия статистического и (или) детерминированного различия между образами или их элементами.

Неразличимость. Под неразличимостью подразумевается «суммарная» неопределенность объекта, т.е. неопределенность состояния управляемого агрегата и неопределенность наблюдателя (человека – оператора или машины - автомата), выполняющего функции различения. Следует иметь в виду, что неопределенность при принятии решений в большой системе энергетики снижается по мере движения вниз по иерархическим рангам управления.

Действительно, если неопределенность оценивать статистической мерой, то неопределенность решения задачи в этом случае можно представить в виде

, (4.8)

где k – число подзадач, из которых складывается решение b - задачи;

m - число координат, в пространстве которых ищется ответ на каждую подзадачу;

n – число различимых отрезков, на которые разбивается каждая координата (n= N/D, N –рассматриваемая длина координаты, D - потребительский порог различимости);

P _{j, a, i} - априорная вероятность попадания решения в i-й различимый отрезок a-й координаты в j-й подзадаче.

Практически, при анализе движения информации вниз по иерархическим рангам, было получено следующее соотношение по предпочтениям:

Н _{руководителя} > Н _{операции} > Н _{оператора} . (4.9)

Предпочтимость. Предпочтимость образов или элементов в электроэнергетической системе (ЭЭС) меняется в зависимости от уровня иерархии и по задачам. Кроме того, предпочтимость на одном уровне иерархии может быть четкой, а на другом, из-за недостатка информации или субъективных причин, размытой или даже совсем неразличимой.

Размытость. Это относительно новое понятие в качественной теории информации. Оно было предложено и разработано Заде Л. [12-17] и уже сегодня широко используется в теории систем, в методологии решения задач искусственного интеллекта и во многих технических областях, включая и электроэнергетику [77]. Размытость возникла как промежуточное качество между четкостью с одной стороны и неопределенностью – с другой, причем в предельных случаях размытость переходит в четкость или неопределенность. В качестве меры размытости в работе используется показатель принадлежности , характеризующий степень принадлежности Х к i-му образу. В отдельных случаях, помимо статистической принадлежности, применяется также детерминированная принадлежность , которая представляет собой степень сходства Х (в отношении свойств, структуры или состава) с i-м образом.

Образ – это множество изображений (отображения объекта наблюдения на пространство признаков), характеризуемое близостью классифицируемых объектов по свойствам и выделяемым в качестве классификационных признаков. При этом отдельному образу будет соответствовать элемент фактор – множества W изображений Х, характеризующихся совокупностью признаков, или описанием подмножества {х₁, х₂, …, х_n}.

В задачах управления энергетическими установками (и особенно их диагностике) нас интересует, в первую очередь, не сам факт степени принадлежности Х тому или иному образу, а следствие от этого. Однако знание степени принадлежности также необходимо при установлении диагноза. Так, к примеру, если известно, какая реакция системы (в виде вибро– смещения) соответствует i-тому образу, то представляет значительный интерес знание приведенной степени принадлежности , т.е. степень близости реакции системы, вызываемой элементом Х к реакции (т.е. появившимся дисбалансом), имеющей место при i-м образе.

Размытость может иметь место как в отношении границ между образами – внешняя размытость, так и внутри образов между их элементами – внутренняя размытость. Размытость между образами может проявляться в двух видах: как наличие промежуточного образа, элементы которого имеют определенную степень принадлежности к основным образам, например, А и В, так и границы между множествами, переход через которые не вызывает качественного (как минимум на зону различимости) изменения рассматриваемых признаков. При этом показатель принадлежности -того элемента к тому или иному M_i -тому образу имеет упорядоченный характер. Например, показатель принадлежности элемента , для i-того элемента промежуточного образа будет увеличиваться по мере приближения этого элемента к границе М_А.

Возможны следующие типы размытости:

а) размытые границы между четкими (не размытыми) образами;

б) промежуточные образы, имеющие с основными образами четкие и размытые границы.

Размытость элементов внутри образа означает, что хотя все эти элементы качественно однородны, но существуют какие-то, имеющие значения для решаемой задачи, количественные различия, которые имеют определенную упорядоченность от центра (фокуса) образа до его внешних границ.

Неопределенность и размытость имеют некоторую общность как показатели недостаточного знания, осведомленности, наблюдаемости об объектах и явлениях. Упрощенно можно представить, что неопределенность – это низшая ступень нашего знания, а размытость – это некоторые дополнительные знания внутри неопределенности, выраженные через показатели принадлежности (рис. 3.10).

Причем, в отличие от вероятностей, если говорить только о статистической принадлежности, она может отражать не только объективные закономерности, но и различные субъективные факторы (например, «человеческий фактор»).

Таким образом, исходя из изложенного, будем считать размытостью некоторую степень неопределенности при сравнении между образами или их элементами, представляемую функциями принадлежности и упорядоченными таким образом, что они меняются до полной определенности (четкости), при приближении к границам образа или его предельным элементам. Размытость также связана с понятиями различимость и предпочтимость. В результатебудем считать, что неопределенность и вероятность – это связанные понятия, сложность которых все же требует приложения еще и философского осмысления и объяснения [77, 78].

При диагностике состояния функционирующих энергоустановок исходную информацию будем классифицировать по способу ее получения и по характеру неопределенности (рис. 4.1). По способу получения диагностическую информацию разделим на оперативную и ретроспективную. Оперативная информация при диагностике необходима для управления энергоустановок в темпе реального технологического процесса. Она поступает периодически или по контрольному запросу и отражает функциональную работу энергоустановки за короткий промежуток времени (так называемый моментный диагноз) как внутри электростанции, так и в энергетической системе.

Ретроспективная информация есть результат статистической обработки данных о параметрах состояния энергоустановки, ее дефектах, происшедших отказах за «время жизни» механизма, модернизациях и реконструкциях, текущих и капитальных ремонтах, всех вынужденных остановках и post - дефектных состояний.

По характеру неопределенности выделим исходную диагностическую информацию и разделим ее на следующие группы: детерминированная, вероятностно – определенная и неопределенная (нечеткая и размытая). Основой такого разделения является анализ и результаты измерений и экспериментов, полученные автором в процессе продолжительных диагностических исследований на функционирующих энергоустановках [46], а также в ремонтных кампаниях, прогнозной и экспертной информации.

Следует отметить также, что с переходом на более низкие уровни управления и технического обслуживания энергоустановок (по иерархии) степень неопределенности возрастает до неразличимости состояния элемента механизма.

Детерминированная информация и ее получение основаны на закономерных причинно – следственных связях, протекающих в энергоустановке, физических процессах и производимых ею операций во время технологического процесса производства электрической и тепловой энергии. К детерминированной, т.е. однозначно заданной, можно отнести информацию о номинальных параметрах рабочего тела (пара, питательной воды, масла, частоты тока и напряжения в сети и т.д.), паспортные данные на оборудование, установленное в технологической схеме энергоустановки и т.п.

Вероятностно – определенная информация отражает причинно – следственные отношения, имеющие вероятностную (стохастическую) природу и может описываться известными законами распределения или его характеристиками. В работе принимается, что вероятностно – определенная информация обладает также и статистической устойчивостью, однако для нее закон распределения неизвестен, или же вид закона распределения всего лишь приближенный, т.к. известны не все его параметры.

Вероятностно – неопределенная информация обусловлена, с одной стороны, тем, что нельзя точно задать фактические энергетические характеристики энергоустановок. Необходимо выполнение специальных экспресс – испытаний или больших балансовых испытаний, по результатам которых уже можно приближенно установить для них вероятностные законы распределения, получить числовые характеристики, которые и будут характеризовать средние значения или вариации параметров и выборок из них. А с другой стороны, она характеризуется вероятностным характером выбираемого закона распределения, точнее, тем, кто принимает решение по установлению выбранного (наиболее близкого к действительным характеристикам) закона распределения, т.е. человека – исследователя состояния данной энергоустановки.

Нечеткая информация характеризуется отсутствием причинно – следственных связей. Поэтому при решении задач диагностики энергоустановок в условиях неопределенности исходной информации необходимо определять только диапазоны (интервалы) измерения неопределенных факторов (рис. 3.10, 4.1), [46]. Наиболее существенными из неопределенных параметров в задачах диагностики технического состояния энергоустановок являются:

· полный ресурс энергоагрегата,

· остаточный ресурс основных узлов агрегата,

· максимальные годовые нагрузки,

· длительность максимальных нагрузок,

· число неплановых пусков/остановов агрегата,

· работоспособность энергоустановки,

· живучесть энергоагрегата в резкопеременных режимах,

· живучесть энергоагрегата в предотказовых и аварийных состояниях,

· потери экономичности энергоустановки в процессе эксплуатации,

· потери надежности и эффективности энергоустановки в процессе ремонтов,

· замыкающие затраты на восстановление работоспособности энергоустановки,

· срок жизни энергоустановки до перехода в состояние деградации и выход в утилизацию,

и т.п.

Значения этих факторов представляются интервальными оценками типа «от … до… около».