Российские ученые представили свою разработку по предотвращению поломок газовых турбин

Метод по прогнозированию времени выхода газовых турбин из строя, основанный на нейросетевых моделях глубокого обучения, предложили авторы из Волгоградского государственного технического университета (ВолгГТУ). Подход в два раза улучшил систему предсказания поломок, пишет журнал Energies.

Нейросетевой подход к прогнозированию поломок оборудования топливно-энергетического комплекса, по словам авторов, в два раза точнее аналогов. Он позволит повысить бесперебойность работы и снизить издержки предприятий, что является сегодня критически важной задачей.

Как отметил заведующий кафедрой факультета электроники и вычислительной техники ВолгГТУ Максим Щербаков, на основе точной оценки времени отказа оборудования можно скорректировать программу техобслуживания или оптимизировать режим его работы.

Подход уже прошел проверку на газовых турбинах, а в перспективе применим для любых промышленных двигателей и силовых установок, утверждают ученые.

Разработка способна давать точные прогнозы при минимальном наборе данных об исходных характеристиках оборудования благодаря применению специальных нейросетевых механизмов.

Предложенный метод входит в создаваемую университетом интеллектуальную платформу в контексте осуществления программы «Приоритет-2030». С помощью платформы можно будет формировать цифровые двойники установок, оценивать и прогнозировать их техническое состояние и в итоге повышать экономический эффект.

Узнавайте первыми главные энергетические новости и актуальную информацию о важных событиях дня в России и мире.

Подписывайтесь на наш Telegram-канал

"ГИС-Профи. Информационное сопровождение предприятий энергетической отрасли"