НейроХАРГ
Актуальность:
Хроматографический анализ растворенных газов в диагностике маслонаполненного оборудования играет одну из центральных ролей, так по состоянию масла можно определить множество дефектов, как медленно развивающихся, так и протекающих моментально. Современные хроматографы оснащены компьютерами и позволяют в режиме онлайн передавать информацию в больших объемах, и поскольку внедрение программных методов реализуется проще, чем аппаратное усовершенствование, поиск новых алгоритмов решения этой важной прикладной задачи не теряет своей актуальности. Все существующие методики были разработаны, когда ХАРГ анализы проводились по нормативам 1-2 раза в год, что с трудом позволяет оценивать онлайн мониторинг, при котором изменения параметров происходят в течениях нескольких секунд или часов, т.к. окно смены режима работы оборудования или внешних (погодных) условий дополнительно к этому решение обратной задачи в хроматографии усложнено тем, что с достаточной уверенностью можно говорить лишь о функциональном виде аппаратной функции хроматографа, в то время как ее параметры неизвестны, они меняются в процессе регистрации хроматограммы и зависят от качества и чистоты адсорбента
Универсального решения обратной задачи, сформулированной как решение операторного уравнения, до настоящего времени не получено. Известны лишь отдельные приемы и методы решения для конкретных частных случаев. Успешность применения нейросетевых технологий для обработки хроматограмм оправдана тем, что эти технологии обладают способностью к обобщению как полезной информации, так и шума и искажений, а это в итоге может позволить получить устойчивое рещение обратной задачи при неизвестной аппаратной функции и в присутствии мещающих факторов. В конечном результате ожидается повышение разрешающей способности хроматографического анализа, выражающееся в разделении пересекающихся пиков, что в свою очередь должно привести к повышению точности определения площадей пиков отдельных компонентов, и значит – к повышению точности диагностирования состояния маслонаполненного электрооборудования. |
Научно-техническая проработанность проекта: в рамках проекта были сделаны следующие выводы: необходимо переработать методику оценки ХАРГ анализа для оценивания онлайн-показателей его измерений, разработать и включить в учет различные показатели масла, при помощи которых возможно корректировать выносимый вердикт по состоянию дефектов.
Принцип действия проекта: Имея ретроспективную информацию, будет обучена нейронная сеть, которая будет учитывать множество факторов и частных характеристик трансформатора на местах, которая поможет более корректно интерпретировать показания хроматографа.
Особенность проекта: Все существующие системы мониторинга опираются на линейные методики оценки ХАРГ анализа, без учета персонифицированных характеристик масла и/или трансформатора, учет которых возможен за счет технологий нейронных сетей.
В рамках стартап проекта планируется Разработка программного обеспечения для анализа данных с онлайн хроматографов при помощи методик нейронных сетей.
Технологические риски: Сложность исполнения архитектуры ПО.
Финансовое обеспечение: 1 млн. руб.
Предполагаемые источники финансирования: Венчурные фонд-проекты: Старт-1 и У.М.Н.И.К.
Бизнес-модель проекта: Внедрение на объекты заказчика, либо в рабочий программно-технический комплекс (например СК-11 у АО «Сетевая), Плата за разовое внедрение, и далее содержание и техническая поддержка работы комплекса по контрактной договорённости на время внедрения.
Вконтакте