полный текст (PDF, ~417 КБ) - Воронежский инновационно

28
СИСТЕМЫ УПРАВЛЕНИЯ
УДК 004.896
РАЗРАБОТКА КОНЦЕПЦИИ ПОСТРОЕНИЯ СИСТЕМЫ УПРАВЛЕНИЯ
ЭНЕРГОПОТРЕБЛЕНИЕМ ПРОМЫШЛЕННОГО ПРЕДПРИЯТИЯ
НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Д.С. Туманов
Магистрант, инженер НОЦ «Энергосбережение в промышленности»
Московского государственного технологического университета «СТАНКИН»,
e-mail: [email protected]
Д.В. Козлов
Аспирант, младший научный сотрудник НОЦ «Энергосбережение в промышленности»
Московского государственного технологического университета «СТАНКИН»,
e-mail: [email protected]
Представлено текущее состояние автоматизированных систем управления энергопотреблением промышленных предприятий. Предложено использование искусственных
нейронных сетей в качестве ядра системы управления энергопотреблением. Рассмотрены основные характеристики разрабатываемой системы управления и различные реализации искусственной нейронной сети.
Ключевые слова: искусственные нейронные сети, система управления, энергопотребление, промышленное предприятие.
Работа выполнена при поддержке Министерства образования и науки РФ в рамках
ФЦП «Научные и научно-педагогические кадры инновационной России на 2009-2013 гг.»
Обеспечение энергией предприятия является
одним из важнейших условий его функционирования. В настоящее время вопрос о повышении
энергоэффективности работы промышленного
комплекса России является очень актуальным и
высокоприоритетным [1 – 4]. Решением данной
проблемы является создание автоматизированных систем управления энергопотреблением
промышленных предприятий [5 – 7].
Однако системы такого типа имеют ряд существенных недостатков и не способны в полной мере обеспечить энергоэффективность работы предприятия. Поэтому предлагается разработать высокоинтеллектуальную автоматическую систему управления энергопотреблением.
Исследования тенденций развития современных производственных комплексов [8, 9] показывают необходимость усовершенствования систем
управления и перехода от традиционного алгоритмического подхода к интеллектуальному.
Сложность объектов управления определяет недостатки существующих автоматизированных
систем управления: неспособность принятия решений в нетривиальных ситуациях.
Задачи такого уровня требуют нового подхода – применения технологий искусственного
интеллекта. Одной из таких технологий является искусственная нейронная сеть.
Искусственные нейронные сети – это математические модели функционирования биоло[email protected]
гических нейронных сетей – нервных клеток
живого организма. В частности, клеток мозга
человека – нейронов. Возникновение идей и
первые попытки создания таких сетей появились еще в середине двадцатого века.
Искусственные нейронные сети, подобно
биологическим, являются вычислительными системами с огромным числом параллельно функционирующих нейронов с множеством связей.
На рис. 1 представлена схема многослойной
(слоистой) полносвязной искусственной нейронной сети прямого распространения. В составе
нейронной сети такого типа различают слой
входных нейронов (рис. 1, а), один или несколько слоев промежуточных (скрытых) нейронов
(рис. 1, б) и слой выходных нейронов (рис. 1, в).
Количество нейронов в слое и количество промежуточных слоев теоретически не ограничено и
не зависит от соседних слоев. При этом за единицу времени каждый нейрон обрабатывает
свою единицу информации, что обеспечивает их
параллельное функционирование.
Несмотря на то, что при построении таких
сетей обычно делается ряд допущений и значительных упрощений, отличающих их от биологических аналогов, искусственные нейронные
сети демонстрируют удивительное число
свойств, присущих мозгу, — это обучение на
основе опыта, обобщение, извлечение существенных данных из избыточной информации.
www.v-itc.ru/electrotech
СИСТЕМЫ УПРАВЛЕНИЯ
29
Рис. 2. Нелинейная модель нейрона
Рис. 1. Схема искусственной нейронной сети
Единицей обработки информации в нейронной сети является нейрон. В модели нейрона
(рис. 2) можно выделить три основных элемента:

набор связей (синапсов), каждая из которых обладает своим весом;

сумматор, складывающий входные сигналы, взвешенные относительно соответствующих синапсов нейрона;

функция активации, ограничивающая
амплитуду выходного сигнала нейрона [10].
В такой модели нейрона пренебрегают многими известными характеристиками биологического нейрона. Например, не учитывают нелинейность пространственно-временного суммирования, различного рода временные задержки, эффекты синхронизации и частотной модуляции. Несмотря на это, нейроподобные сети,
построенные из таких простых элементов, демонстрируют ассоциативные свойства, напоминающие свойства биологических систем [11].
Нейронные сети могут менять свое поведение в зависимости от состояния окружающей их
среды. После анализа входных сигналов они
самонастраиваются и обучаются, чтобы обеспечить правильную реакцию. Обученная сеть
может быть устойчивой к некоторым отклонениям входных данных, что позволяет ей, например, правильно «видеть» образ, содержащий различные помехи и искажения [12].
Эти свойства нейронных сетей стали одними
из основных при выборе технологии искусственного интеллекта при создании системы
управления.
Исходя из энергетических потребностей
предприятий [3, 4] были выделены три энергетические подсистемы, контроль которых будет
осуществлять система управления:

подсистема контроля электроэнергии,

подсистема контроля теплоснабжения,

подсистема контроля водоснабжения.
Как видно из рис. 3, система управления охватывает довольно большой объем функций, из
которых состоят подсистемы.
Рис. 3. Функциональная схема системы управления энергопотреблением
Электротехнические комплексы и системы управления
№ 3/2013
СИСТЕМЫ УПРАВЛЕНИЯ
30
Исходя из задач контроля и управления
функции можно условно разделить на учет расходуемого энергоресурса (расход тепла, электроэнергии, воды), непосредственное управление объектом (двигатели, печи, станки) и прогнозирование дальнейшего состояния системы,
точнее отдельных ее параметров (перерасход
электроэнергии, увеличение расхода энергоресурсов в определенном цехе предприятия).
В результате внедрения разрабатываемой
системы на предприятии наблюдается схема его
работы, рассмотренная на рис. 4. Информация о
текущем состоянии цеха или всего предприятия,
поступающая от датчиков и различных измерительных устройств, накапливается в хранилище
данных. Ядро системы управления считывает
эту информацию из хранилища, анализирует её,
и вырабатывает исполняющие команды, которые реализуются на объектах управления (рис.
4, д): вычислительных центрах, станках, двигателях, насосах, клапанах, выключателях и другой электроавтоматике. При этом система
управления выполняет такие функции, как контроль и учет энергоресурсов, архивирование
данных и статистические расчеты показателей,
которые накапливаются и отображаются на отдельном компьютере.
В следствии использования искусственной
нейронной сети в качестве ядра системы
управления, производится высокоинтеллектуальный анализ данных, что позволяет быстро и
точно осуществить планирование дальнейшего
поведения системы, спрогнозировать возможные конфликты в работе и аварийные ситуации.
Кроме того, предполагается реализовать систему приоритетов работы сетей и подсистем
для определения их степени важности и, в зависимости от этого приоритета, возможности
поддержания постоянной работы.
В настоящее время существует три способа
реализации нейронных сетей:

программная реализация – моделирование искусственной нейронной сети проводится на компьютере; обладает большой ресурсоемкостью, которая будет расти при увеличении
размеров нейронной сети;

аппаратная реализация – искусственная
нейронная сеть выполняется в виде микросхем
и целых нейрокомпьютеров; обладает высокой
отказоустойчивостью и большой скоростью работы, однако, из-за огромного числа связей между нейронами в больших нейронных сетях,
теряется возможность обеспечения всех нейронов линиями связи;

аппаратно-программная реализация –
комбинированный подход к построению искусственной нейронной сети; присутствует и аппаратная, и программная составляющая нейронной сети [12].
Исходя из недостатков и преимуществ существующих реализаций искусственных нейронных сетей была выбрана аппаратнопрограммная реализация, как оптимальное решение между аппаратным и программным вычислительным комплексом.
Разрабатываемая система также обладает
следующими важными характеристиками:

высокая интеллектуальность системы;

технологическая современность;

быстродействие работы (за счет использования массового параллелизма обработки информации искусственными нейронными
сетями);

масштабируемость системы (возможность управления энергопотреблением как отдельного цеха, так всем промышленным предприятием);

интегрируемость системы (возможность
внедрения в уже существующую систему автоматизированного управления энергопотреблением);

надежность системы и её отказоустойчивость.
Рис. 4. Принципиальная схема работы системы
[email protected]
www.v-itc.ru/electrotech
СИСТЕМЫ УПРАВЛЕНИЯ
31
Одной из важнейших причин развития автоматизации управления техническими объектами, является необходимость снижения производственных потерь из-за человеческого фактора. Авторы этой статьи убеждены, что разрабатываемая система сведет к минимуму уча-
стие человека в процессе управления энергопотреблением, а применение нейросетевых
технологий обеспечит стабильное функционирование и эффективную работу всех энергетических систем промышленного предприятия.
Литература
1. Федеральный закон № 261-ФЗ. Об энергосбережении и о повышении энергетической эффективности и о внесении изменений в отдельные законодательные акты Российской Федерации
[Текст]. – 2009.
2. Змиева, К. А. Разработка инновационной энергосберегающей технологии повышения энергоэффективности машиностроительного оборудования [Текст] / К. А. Змиева, Е. В. Кузнецова, Д. В.
Козлов // Вестник «Энергоэффективности». – 2012. – № 1.
3. Диагностика энергоэффективности электрических сетей с нелинейными и нестационарными потребителями [Текст] / К. А. Змиева, О. А. Кулагин, Е. В. Кузнецова, М. С. Бабин // Контроль.
Диагностика. – 2012. – № 12. – С. 50–54.
4. Змиева, К. А. Разработка энергоэффективной концепции построения распределительных
сетей промышленного предприятия [Текст] / К. А. Змиева, О. А. Кулагин // Электротехнические
комплексы и системы управления. – 2012. – № 3. – С. 22–28.
5. Змиева, К. А. Интеллектуальные системы управления энергопотреблением промышленного предприятия [Текст] / К. А. Змиева, Е. В. Кузнецова // Электро. Электротехника, электроэнергетика, электротехническая промышленность. – 2012. – № 3. – С. 11–15.
6. Кузнецова, Е. В. Интеллектуальная автоматизированная система управления электрооборудованием производственных предприятий [Текст] / Е. В. Кузнецова, К. А. Змиева // Инновационные технологии в машиностроении : сб. материалов всерос. молодежной конф. – М., 2011. – С.
155–159.
7. Грибков, А. А. Развитие зарубежного и российского станкостроения [Текст] / А. А. Грибков,
С. Н. Григорьев, Д. В. Захарченко // Вестник МГТУ «СТАНКИН». – 2012. – № 1 (18).
8. Григорьев, С. Н. Перспективы развития кроссплатформенных компьютерных систем числового программного управления высокотехнологического оборудования [Текст] / С. Н. Григорьев,
А. Г. Андреев, Г. М. Мартинов // Автоматизация в промышленности. – 2011. – № 5.
9. Хайкин, С. Нейронные сети : полный курс [Текст] : пер. с англ. / С. Хайкин. – 2-е изд. – М. :
Издательский дом «Вильямс», 2006. – 1104 с.
10. Никишечкин, А. П. Нейросетевые технологии [Текст] : учеб. пособие для студентов вузов /
А. П. Никишечкин. – М. : ИЦ ГОУ ВПО МГТУ «СТАНКИН», 2010. – 124 с.
11. Кальченко, Д. Нейронные сети : на пороге будущего [Текст] / Д. Кальченко // КомпьютерПресс. – 2005. – № 1.
12. Кабак, И. С. Технология реализации автоматизированных систем управления на базе
больших искусственных нейронных сетей МОДУС-НС [Текст] / И. С. Кабак, Н. В. Суханова // Межотраслевая информационная служба. – 2012. – № 4 (161).
THE DESIGN CONCEPT OF CONSTRUCTION OF CONTROL SYSTEM
OF ENERGY CONSUMPTION BY INDUSTRIAL ENTERPRISE
BASED ON ARTIFICIAL INTELLIGENCE
D.S. Tumanov, D.V. Kozlov
The current state of automated control systems of energy consumption by industrial enterprises is represented. The usage of artificial neuron networks as the core control system of energy consumption is suggested. Major characteristics of a developed control system and various
realizations of the artificial neuron networks are considered.
Key words: artificial neuron networks, control system, energy consumption, industrial enterprise.
Электротехнические комплексы и системы управления
№ 3/2013