Рисунок 3 – Прототип частного облака КазНТУ

 

 

289 

3.  Мустафина  А.К.,  Ускенбаева  Р.К.,    Кальпеева  Ж.Б..  Облачные  вычисления  и  электронные 

образовательные ресурсы // Вестник КазНТУ. – Алматы, 2011. - №2(84). – С.3-6. 

4.  Мустафина А.К., Кальпеева Ж.Б. Облачные решения // Вестник КазНТУ. – Алматы, 2012. - №4(92). – 

С.202-209. 

5.  Mustafina  A.K.  Kalpeyeva  Zh.B.  IT-infrastructure  of  university  based  on  cloud  computing //  International 

Journal of Computer Science Issues (IJCSI); Sep. 2013, Vol. 10, Issue 5,  p.176. 

6.  Мустафина А.К., Кальпеева Ж.Б. Сервисы и службы  образовательного  портала КазНТУ имени К.И. 

Сатпаева  //  Материалы  международного  научного  конгресса  «Международный  конгресс  по  информатике: 

информационные системы и технологии». - Республика Беларусь, Минск, 31 октября-3 ноября  2011.-С.394-398 

7.  Mustafina A.K., Kalpeyeva Zh.B, Mazhenov A.K. Cloud mobile applications for education // Global Journal 

of Information Technology.- 2014. - № 4(1). - P. 21-25. 

8.  Мустафина  А.К.,  Кальпеева  Ж.Б.,  Маженов  А.К.  Об  опыте  создания  облачных  мобильных 

приложений // Материалы II международного научного конгресса «Международный конгресс по информатике: 

информационные системы и технологии».- Минск: БГУ, 2014. С. 50-54. 

9.  Open source software for building private and public clouds. https://www.openstack.org. 

 

REFERENCES 

1.  NIST  Special  Publication  800-145.  A  NIST  Definition  of  Cloud  Computing.  SP  800-145.  Sept.  2011 

http://csrc.nist.gov/publications/PubsSPs.html#800-145 

2.  Qi Zhang · Lu Cheng · Raouf Boutaba .Cloud computing: state-of-the-art and research challenges//J Internet 

Serv Appl (2010) 1: 7–18 

3.  Mustafina  A.K.,  Uskenbayeva  R.K.,  Kalpeyeva  Zh.B.  Cloud  computing  and  electronic  educational 

resources//Vestnik KazNTU. – Alma-Ata, 2011. - No. 2(84). – Page 3-6. 

4.  Mustafina  A.K.  Kalpeyeva  Zh.B.  Cloudy  decisions//Vestnik  KazNTU.  –  Alma-Ata,  2012.  -  No.  4(92).  – 

Page 202-209. 

5.  Mustafina  A.K.  Kalpeyeva  Zh.B.  IT-infrastructure  of  university  based  on  cloud  computing //  International 

Journal of Computer Science Issues (IJCSI); Sep. 2013, Vol. 10, Issue 5,  p.176. 

6.  Mustafina  AK,  Kalpeyeva  Zh.B  Services  and  service  educational  portal  KazNTU  after  K.I  Satpaev  // 

Proceedings of the International Scientific Congress "International Congress on Informatics: Information Systems and 

Technology" .- Republic of Belarus, Minsk, October 31-November 3, 2011.-S.394-398. 

7.  Mustafina A.K., Kalpeyeva Zh.B, Mazhenov A.K. Cloud mobile applications for education // Global Journal 

of Information Technology.- 2014. - № 4(1). - P. 21-25. 

8.  Mustafina A.K, Kalpeyeva Zh.B, Mazhenov A.K.  On the experience creating a cloud of mobile applications 

// Proceedings of the II International Scientific Congress "International Congress on Informatics: Information Systems 

and Technology" .- Minsk: BSU, 2014 S. 50-54. 

9.  Open source software for building private and public clouds. https://www.openstack.org. 

 

А.К. Мустафина, Ж.Б. Кальпеева 

ҚазҰТУ бұлттық технологияны дамыту 

Аңдатпа.  Мақала  жоо-ның  электронды  оқу  ортасын  тұманды  есептеулер  негізінде  құруға  арналған. 

Тұманды  қызметтер  және  оның  құрамдас  бөлігі  –  виртуалды  жұмыс  орны  білім  беру  жүйесіне  инновациялар 

алып  келеді.  Университетте  тұманды  қызметтерді  енгізу  және  пайдалану  компьютерлік  паркті  ұстау 

шығындары мен қызмет көрсету шығындарын азайтады. 

Түйін сөздер: тұманды есептеулер, SaaS, PaaS, IaaS, виртуализациялау, виртуалды жұмыс орны.  

 

A.K. Mustafina, Zh.B. Kalpeeva 

Development of cloud technologies in KazNTU 

Abstract. The article is devoted to the organization of e-education environment of the university based on cloud 

computing. Cloud services and one of its components - a virtual working place introduce innovations in an education 

system.  The  introduction  and  the  use  of  cloud  services  at  the  university  will  significantly  reduce  prices  of  campus 

machinery maintaining and servicing. 

Key words: Cloud Computing, PaaS, IaaS, SaaS, Virtualization, virtual working place 

 

 

 

 

 

 

 

 

 

 

 

 

290 

УДК 621.165 

 

Муханов Б.К.

2

, Сулейменов Б.А.

1

, Сулейменов А.Б

1

. 

1

Казахского национального технического университета имени К.И. Сатпаева,  

2

Алматинский университет энергетики и связи 

г. Алматы Республика Казахстан, 

batr_sul@mail.ru  

 

КОНЦЕПЦИЯ СОЗДАНИЯ СИСТЕМЫ ДИАГНОСТИКИ ТУРБОАГРЕГАТОВ ТЕПЛОВОЙ 

ЭЛЕКТРОСТАНЦИИ 

 

Аннотация.  Инженерная  практика  все  чаще  сталкивается  с  проблемой  решения  задач  диагностики 

сложных  технических  систем  с  большим  числом  возможных  дефектов,  требующих  быстрой  локализации  для 

предотвращения серьезных аварийных ситуаций.  

Проблема  оптимизации  стратегии  диагностирования  с  целью  оперативной  локализации  и  устранения 

дефектов  особенно  обостряется  с  учетом  требований  надежности  опасных  производственных  объектов. 

Решение  этой  задачи  принимает  первостепенное  значение  для  систем,  качество  функционирования  которых 

существенно влияет на социальную и экологическую обстановку, и несвоевременное обнаружение слабых мест 

может привести к необратимым катастрофическим последствиям.  

Ключевые  слова:  техническая  диагностика,  интеллектуальные  технологии,  управляемость  объекта, 

диагностические признаки, параметрическая диагностика. 

 

Анализ основных методов описания технического состояния турбоагрегатов  

Решение задачи диагностики технического состояния турбин тепловых электростанций связано 

со следующими проблемами: 

необходимостью  диагностирования  на  ранней  стадии  их  развития  для  предотвращения 

аварийных остановов; 

сложностью идентификации причин аварийных остановов. 

Турбоагрегат относится к классу сложных систем. Из теории систем [1] известно, что сложной 

называется  система,  если  она  состоит  из  большого  числа  взаимосвязанных  и  взаимодействующих 

между собой элементов и способна выполнять сложную функцию. С точки зрения теории систем для 

турбин характерны: 

функциональная избыточность.  Простая  система  может  находиться  только  в  двух  состояниях: 

исправном  и  неисправном.  Сложная  система  при  отказе  отдельных  элементов  и  даже  целых 

подсистем,  как  правило,  не  теряет  своей  функциональности,  а  происходит  только  снижение  ее 

эффективности; 

большой срок эксплуатации (30-40 лет). Эта особенность сложных систем налагает требование 

к их высокой безотказности и долговечности; 

высокая надежность отдельных подсистем турбины, ее аварийные остановы достаточно редкие 

события. Зачастую они связаны не с самим состоянием агрегата, а с вспомогательными устройствами, 

приборами КИПиА. 

Существует несколько направлений контроля технического состояния турбоагрегата [2]. Одним 

из  них  является  выявление  отличия  комплекса  основных  и  вспомогательных  параметров 

проверяемого  двигателя  от  среднестатистического  семейства  исправных  двигателей  данного  типа. 

Данные отличия сопоставляются с возможными изменениями технического состояния турбины, т.е. с 

учетом условий эксплуатации, времени наработки, состоянием вспомогательных систем и т. д.  

На данный момент в эксплуатационных условиях в той или иной мере применяют следующие 

виды  диагностики:  параметрическую,  вибрационную,  по  анализу  отработанного  масла,  оптические, 

акустические и другие методы для обследования узлов и деталей турбоагрегата [2-3]. 

Вибродиагностика – это  одно из направлений технической  диагностики, которое использует  в 

качестве  диагностических  сигналов  механические  колебания  вала  турбины  (осевое  смещение, 

радиальную  и  сейсмическую  вибрацию).  Диагностика  технического  состояния  турбоагрегатов  и 

оценка степени риска развития аварийной ситуации на основе данных мониторинга вибрации – о??? 

?? дин из эффективных методов повышения надежности оборудования. 

Параметрическая  диагностика  (или  диагностика  состояния),  основанная  на  мониторинге 

изменения  термодинамических  параметров  турбины,  одно  из  наиболее  развитых  направлений 

технической диагностики турбоагрегата. Это связано, прежде всего, с тем, что в настоящее время не 

существует инструментального обеспечения, позволяющего непосредственно измерять механические 

 

 

291 

характеристики  на  работающем  агрегате  (эрозионный  износ,  увеличение  зазоров  подшипников, 

состояние  уплотнений  и  т.д.).  В  связи  с  этим  параметрическая  диагностика  по  термодинамическим 

параметрам  позволяет  косвенным  путем  выявить  развитие  неисправностей  в  реальном  масштабе 

времени при работающей турбине на основе соответствующих признаков. 

При исследовании динамических систем может быть использован также подход, основанный на 

построении  фазовых  траекторий  и  фазовых  портретов.  Под  фазовой  траекторией  динамической 

системы, состояние которой описывается функцией f(t), понимается линия на плоскости в декартовой 

системе координат, при движении точки с координатами х = f(t), у = f(t). Обычно фазовый портрет – 

это совокупность фазовых траекторий.  

Метод фазовых траекторий и фазовых портретов позволяет оценивать поведение динамической 

системы  и  обнаруживать  характерные  точки  состояния  объекта.  Подход,  основанный  на  анализе 

фазовых портретов, имеет ряд преимуществ по сравнению с анализом временных разверток сигналов: 

фазовый портрет не требует точной привязки к началу отсчета. 

при  наложении  фазовых  траекторий  (портретов),  взятых  в  разные  отрезки  времени  без  како-

либо  привязки  к  началу  отсчета,  сразу  видны  отличия  и  отклонения  траекторий,  что  позволяет 

проводить диагностику оборудования. 

Для  анализа  фазовых  траекторий  можно  использовать  методы,  схожие  с  методами  обработки 

изображений.  

Предложенные выше методы требуют  достаточно  сложных приборов и процедур измерения и 

анализа  диагностических  признаков  с  необходимостью  разработки  сложных  математических 

описаний  объектов  диагностики.  Кроме  того,  практически  все  приведенные  выше  методы  не 

предназначены  для  синтеза  автоматизированных  систем  оперативной  диагностики  в  составе 

действующих  АСУ  ТП.  В  то  же  время  использование  информационного  обеспечения  действующих 

АСУ  ТП  позволяет  создавать  системы  диагностики,  комплексно  учитывающих  большое  количество 

измеряемых  переменных  (диагностических  признаков)  для  оценки  состояния  объекта  диагностики. 

При  этом  значительно  снижаются  затраты  на  создание  автоматизированных  систем  оперативной 

диагностики, так как используются информационные возможности уже существующей системы.  

Создаваемые  подсистемы  оперативной  диагностики  в  составе  действующей  АСУ  ТП 

позволяют  использовать  в  своих  алгоритмах  в  той  или  иной  мере  наиболее  эффективные  методы 

диагностирования:  вибродиагностику,  параметрическую  диагностику,  а  при  необходимости  и  метод 

фазовых траекторий. 

Концепция создания системы оперативной диагностики турбоагрегатов  

В  инструкции  по  обслуживанию  турбоагрегата  [4]  отмечено:  «Машинист  обязан  бдительно 

нести  дежурство,  не  ослабляя  надзора  за  турбиной.  При  существующем  уровне  автоматизации 

автоматика, регулирование и защитные механизмы не могут заменить человека. В данных условиях 

только  человек  может  оценить  ситуацию  и  не  только  ситуацию  данного  момента,  но  и  нарастание 

изменения  обстановки,  сознательно  принимает  решения  и  выполняет  необходимые  действия». 

Однако  существующие  интеллектуальные  технологии  (ИТ),  используемые,  например,  в  [5],  для 

управления  технологическими  процессами  могут  быть  с  успехом  применены  и  для  создания 

автоматизированной  системы  поддержки  решений  при  диагностировании  технического  состояния 

турбоагрегатов.  ИТ  основаны  на  знаниях,  опыте  и  интуиции  экспертов  –  людей,  длительное  время 

работающих  на  исследуемом  объекте.  Использовать  экспертные  знания  при  диагностике 

турбоагрегатов  предлагает  в  [3]  известный  в  СНГ  специалист  в  этой  области  Урьев  Е.В.  Нами 

разработана следующая трехэтапная процедура создания системы диагностики. 

На  первом  этапе  с  помощью  опытных  экспертов  методом  ранжирования  из  общего  перечня 

всех  диагностических  признаков  определяются  те,  которые,  по  мнению  экспертов,  являются 

основными для оценки технического состояния объекта диагностирования [5]. Основной же задачей 

1-го этапа является составление матрицы планирования полного факторного эксперимента (ПФЭ). С 

помощью  матрицы  ПФЭ  создается  интеллектуальная  модель  диагностики  технического  состояния 

объекта. При этом для трехуровневых факторов полное число возможных сочетаний числа факторов 

при двух входных переменных равно N =3

2

 = 9, для трех переменных – 3

3

 = 27 и т.д.  

Например,  при  двух  входных  переменных  составляется  матрица  планирования  ПФЭ, 

приведенная  в  таблице  1,  которая  является  основой  для  разработки  интеллектуальных  систем 

оперативной  диагностики,  так  как  в  ней  сосредоточен  многолетний  опыт,  знания  и  интуиция 

экспертов  в  конкретной  предметной  области.  От  качества  матрицы  ПФЭ  будет  зависеть 

эффективность работы всей системы управления. 

 

 

 

292 

Таблица 1  

Матрица планирования ПФЭ 

 

№ 

экспери

мента 

Х

1

 

Х

2

 

Y

Э 

Оценка 

эксперта 

1 

0,0 

0,0 

 

2 

0,0 

0,5 

 

3 

0,0 

1,0 

 

4 

0.5 

0,0 

 

5 

0.5 

0,5 

 

6 

0.5 

1,0 

 

7 

1,0 

0,0 

 

8 

1,0 

0,5 

 

9 

1,0 

1,0 

 

 

Величины:  0,0;  0,5;  1,0  означают  минимальное,  среднее  и  максимальное  значения  входных 

переменных  (диагностических  признаков)  Х

1

  и  Х

2

.  Эксперту  остается  лишь  с  учетом  своего  опыта, 

знаний  и  интуиции  проставить  значения  выходной  переменной  Y

Э

  (оценка  технического  состояния 

объекта диагностирования) в диапазоне от 0,0 до 1,0. Нормализация в диапазоне от 0 до 1 входных и 

выходных переменных производится по формуле:  

min

max

min

,

x

x

x

x

x







 

где: 

x

 – нормализованное (от 0 до 1) значение входной или выходной переменной; х – текущее 

значения переменной; х

min

, х

max

 – минимальное и максимальное значения переменной. 

Составление  матрицы  планирования  экспериментов  гораздо  более  удобно  для  экспертов, 

нежели  рекомендуемое  во  всех  учебниках  и  публикациях  составление  правил  нечетких  продукций. 

При этом эксперту нет необходимости выдумывать бесконечные термы: «очень много», «очень-очень 

мало»,  «вполне  нормально»  и  т.д.  –  он  просто  вписывает  в  таблицу  вида  1  значения  оценок 

технического  состояния  объекта  диагностирования  в  диапазоне  от  0,0  до  1,0.  При  этом  матрица 

планирования  ПФЭ  может  быть  использована  для  четырех  разных  методов  создания  модели 

диагностики:  планирования  эксперимента,  экспертные  системы,  нейронные  сети,  нейро-нечеткие 

алгоритмы.  

В  отличие  от  хорошо  известного  классического  метода  планирования  эксперимента 

составление матрицы планирования ПФЭ с помощью экспертов значительно  ускоряет и  удешевляет 

эту  процедуру.  Эксперты  проводят  так  называемые  «мысленные  эксперименты»  вместо 

дорогостоящих,  реально  проводимых  активных  экспериментов.  Кроме  того,  нужно  учитывать,  что 

проведение  активных  экспериментов  в  условиях  действующего  производства  нереально  из-за 

возможного  возникновения  аварийных  ситуаций  при  изменении  переменных  процесса  от 

минимальных  их  значений  к  максимальным  значениям,  и  обратно.  К  тому  же  на  многих 

предприятиях просто нет возможности изменять переменные, согласно матрице планирования ПФЭ.  

Необходимо  подчеркнуть,  что  выходные  значения  Y

i

  являются  на  самом  деле  оценками 

технического состояния объекта, поэтому матрица планирования отображает модель диагностики для 

всех запланированных экспертами сочетаний входных переменных (диагностических признаков). Для 

расчета  Y

i

  при  промежуточных  сочетаниях  значений  диагностических  признаков  (например,  для 

Х

1

=0,21  и  Х

2

=0.74) необходимо  синтезировать  модель  диагностики  технического  состояния  объекта, 

что является главной задачей второго этапа. 

На  третьем  этапе  производится  исследование  синтезированных  интеллектуальных  моделей 

на устойчивость, адекватность, чувствительность и однозначность. 

 

 

293 

Нами был проведен опрос операторов-технологов и ИТР турбинного цеха Алматинской ТЭЦ-2, 

который  показал,  что  основными  переменными,  характеризующими  состояние  турбоагрегата  в 

целом, являются следующие: 

X

1

 – вибрация упорного подшипника; 

X

2

 – вибрация опорного подшипника; 

X

3

 – температура баббита упорного подшипника; 

X

4

 – температура баббита опорного подшипника; 

X

5

 – осевой сдвиг в сторону генератора; 

X

6

 – осевой сдвиг в сторону стула; 

X

7

 – относительное расширение ротора высокого давления; 

X

8

 – относительное расширение ротора низкого давления; 

X

9

 – давление водорода в корпусе генератора; 

X

10

 – температура водорода в корпусе генератора; 

X

11

 – температура масла после маслоохладителя; 

X

12

 – давление в разгрузочной камере цилиндра высокого давления; 

X

13

 – температура острого пара; 

X

14

 – давление острого пара; 

X

15

 – падение вакуума в конденсаторе; 

X

16

 – температура металла в цилиндре высокого давления; 

X

17

 – температура металла в цилиндре низкого давления. 

Все  эти  переменные  контролируются  приборами  цеховой  службы  КИПиА,  что  дает 

возможность  синтезировать  автоматизированную  систему  оперативной  диагностики  технического 

состояния турбоагрегатов ТЭЦ. 

В  соответствии  с  предложенной  нами  методикой  [5],  необходимо  составить  матрицу 

планирования  полного  факторного  эксперимента  (ПФЭ)  для  синтеза  интеллектуальной  модели 

диагностики  и  прогнозирования.  Однако,  в  этом  случае,  необходимо  будет  провести  огромное 

количество  «мысленных»  экспериментов,  например  для  3-х  уровневой  оценки  количество 

экспериментальных точек составит N=3

17

, что совершенно нереально осуществить.  

В  связи  с  чем,  необходимо  декомпозировать  задачу  формирования  матрицы  планирования 

ПФЭ.  С  этой  целью  мы  предлагаем  оценить  влияние  диагностических  признаков  (ДП):  X

1

  –  X

17

  на 

состояние  не  всего  турбоагрегата  в  целом,  а  на  его  отдельные  основные  части,  что  позволит 

уменьшить влияние «проклятия размерности» на процесс формирования матрицы ПФЭ.  

С учетом того, что паровая турбина ПТ-80 представляет собой одновальный двухцилиндровый 

агрегат, предназначенный для непосредственного привода генератора, мы предлагаем рассматривать 

турбоагрегат  как  совокупность  следующих  основных  элементов  расположенных  на  одном  валу: 

опорный  подшипник  (ОП);  цилиндр  и  ротор  высокого  давления  (ЦВД);  цилиндр  и  ротор  низкого 

давления  (ЦНД);  генератор  переменного  тока  (ГПТ);  упорный  подшипник  (УП).  Кроме  того,  ввиду 

особой  опасности  нами  предложено  рассмотреть  систему  подачи  водорода  (СПВ)  в  корпус 

генератора как отдельный элемент, не связанный с остальными единым валом (см. рис.). 

 

 

 

 

 

 

 

 

 

 

 

 

жүктеу/скачать 35,33 Mb.

Достарыңызбен бөлісу: