Разработка моделей и алгоритмов эффективного функционирования тренажерно-обучающих систем в электроэнергетике (на примере рсо-алания)




Скачать 326.48 Kb.
НазваниеРазработка моделей и алгоритмов эффективного функционирования тренажерно-обучающих систем в электроэнергетике (на примере рсо-алания)
страница2/3
ПЕТРОВА ВИКТОРИЯ ЮРЬЕВНА
Дата конвертации22.01.2013
Размер326.48 Kb.
ТипАвтореферат
1   2   3

Во второй главе рассмотрены математические модели режимов работы электроэнергетических объектов, вероятностная модель.

В качестве математической модели исследуемого объекта в установившемся режиме предлагается рассматривать матричное уравнение:

, (1)

где [М(s)] – объединенная матрица, составленная для исходной цепи и содержащая информацию о структуре цепи (узловая матрица с элементами ) и параметрах ее элементов (контурная матрица с элементами ); [I(s)] – матрица-столбец, определяющая реакцию объекта, состоящая из неизвестных токов ветвей в обобщенной форме ; [Е(s)] – матрица-столбец, определяющая обобщенные воздействия и состоящая из источников токов и источников ЭДС, заданных в обобщенной форме J(s) и E(s); – комплексная переменная частота.

Таким образом, используя предложенную модель, можно исследовать различные типы воздействий (постоянный, синусоидальный, экспоненциальные токи, синусоидальные токи с изменяющейся по экспоненте амплитудой, несинусоидальные токи), как частные случаи обобщенного экспоненциального возмущения. Матричную модель можно использовать и при расчете электромагнитной совместимости (ЭМС), внеся в нее элементы, учитывающие магнитную связь между объектами, а также при расчете принужденных составляющих переходного режима.

Уравнение (1) дополнено матричным уравнением энергетического баланса:

(2)

Математическая модель может быть использована в тренажерах для исследования различных режимов работы ЭЭО и в СППР.

Реальное состояние электроэнергетического объекта во многих случаях определяется целым рядом случайных факторов. Влияние этих факторов в математической модели, описывающей объект, можно учесть, применив матрицу со случайными параметрами элементов:

. (3)

В выражении (3) индексом «сл» обозначены матрицы, содержащие элементы со случайными параметрами. Учет случайного характера изменения параметров некоторых элементов, входящих в матрицу выражения (3), дает возможность составить вероятностную модель, для анализа которой предлагается использовать метод Монте-Карло.

В данном случае идея применения метода Монте-Карло состоит в следующем. Матрицы со случайными параметрами элементов заменяются матрицами с конкретными значениями элементов, определенными случайным образом на основании законов распределения параметров соответствующих элементов матрицы. Таким образом создается возможность решения матричного уравнения для «i-ой» реализации и получения одного столбца результирующей матрицы с конкретными значениями искомых токов. Полученные значения искомых токов являются случайными, соответствующими одной (случайной) комбинации определяющих переменных. Аналогичным образом можно получить множество случайных значений искомых токов, характеризующих различные случайные режимы работы ЭЭО, представленного анализируемой эквивалентной системой.

Таким образом, для того, чтобы применить метод Монте-Карло, необходимо произвести вычисления для множества реализаций исследуемого объекта (т.е. его математической модели). Случайным образом выбираются значения , и внутри заданных пределов их изменения (или в соответствии с законом распределения) и подставляются в исходное матричное уравнение. Дальнейшее решение полученного таким образом уравнения дает значения токов в ветвях (реакцию цепи), соответствующих заданному набору выбранных случайным образом влияющих переменных.

Вычисления повторяются многократно, каждый раз для нового набора случайных значений влияющих переменных. В результате будут получаться значения токов в ветвях, соответствующих случайным наборам переменных, т.е. случайные значения токов, определяющих реакцию объекта. Матрица-столбец токов ветвей [I] будет представлена набором матриц, из которых можно выделить случайные значения искомых токов:

(4)

где нижний индекс относится к номеру ветви, а верхний – к номеру реализации. Аналогично наборами N случайных значений будет представлена активная P, реактивная Q и полная S мощности каждой ветви (и соответствующих выражений энергетического баланса для «i-ой» реализации), а также соответствующей суммарной мощности.

По полученным случайным значениям тока, например в «k-ой» ветви , можно построить гистограммы, определить закон распределения его вероятностные характеристики; анализируя суммарные воздействия можно сделать прогноз поведения системы при случайном изменении воздействующих параметров.

Наиболее важным функциональным назначением тренажера является отработка обучаемым практических навыков принятия решений в штатных и нештатных ситуациях. При этом для принятия правильного решения в тренажерно-обучающей системе используется необходимая база данных, анализ математических моделей, статистические прогнозы и т.п. Таким образом, можно говорить о применении в тренажере СППР, т.е. рассматривать СППР как необходимую часть тренажерно-обучающей системы при работе в режиме принятия решений. На рисунке 3 показан укрупненный алгоритм ТОС с включением в него основных компонентов и этапов функционирования.

Разработанные обобщенные матричные модели (детерминированная и вероятностная) используются в тренажере для получения необходимых данных о работе электроэнергетических объектов и о возможных отклонениях от номинального режима работы. Детерминированная модель позволяет определять выходные характеристики объекта в штатном (номинальном) режиме и в случае возможных отклонений от номинального режима.


Рисунок 3 – Укрупненный алгоритм функционирования тренажерно-обучающей системы в режиме принятия решений

Вероятностная модель позволяет провести вероятностный анализ работы ЭЭО на основе результатов статистического моделирования. Детерминированная, вероятностная модели и методика статистического моделирования описаны ранее. Результаты статистического моделирования позволяют делать статистические прогнозы, что является универсальным инструментом в СППР.

Предложенную методику составления и анализа вероятностной модели ЭЭО можно применить к исследованию любого другого объекта, работу которого можно описать системой линейных уравнений.

Используя идеологию СППР была построена наиболее эффективная архитектура адаптивного тестирования – тестирования с подсказками до ввода ответа обучаемым на поставленный вопрос (или решения поставленной задачи), математической основой которой являются следующие соотношения.

Условие получения правильного ответа:

, (5)

где – начальный объем информации по данному вопросу (задаче), которым

располагает испытуемый; – прирост информации после каждой («k-ой») подсказки; – минимальный объем информации, необходимый для формирования правильного ответа; K – общее число использованных подсказок.

Оценки полученного ответа:

, (6)

где S – оценка ответа, баллы; – максимальное число баллов за правильный ответ без подсказок; – удельный вес подсказки, баллы.

Постоянство вероятности случайного ввода правильного ответа:

. (7)

Соотношения (5), (6), (7) послужили основой для построения соответствующего алгоритма и разработки программного обеспечения. Разработанный способ адаптивного тестирования обеспечивает более качественную оценку знаний и существенно усиливает обучающую функцию тестирования, что особенно важно при дистанционном обучении.

В третьей главе в соответствии с предложенными во второй главе моделями были разработаны алгоритмы: расчета работы ЭЭО в установившемся режиме с помощью обобщенной матричной модели; статистического моделирования (метода Монте-Карло) для анализа работы объекта при случайном изменении некоторых его параметров и воздействующих факторов.

Алгоритм, изображенный на рисунке 4, можно применить как к анализу какого-то одного типа воздействия, так и к анализу воздействий различного типа. При этом параметры обобщенной матричной модели должны соответствовать типу воздействия. Обобщенная матричная модель и предложенный алгоритм могут быть использованы в тренажерах для исследования различных режимов работы электроэнергетических объектов. В этом случае реальные



Рисунок 4 – Алгоритм применения обобщенной матричной модели

воздействия на систему могут быть заменены воздействиями на математическую модель.

Основой для статистического моделирования является детерминированная модель, которая преобразуется в вероятностную введением в нее элементов со случайно изменяющимися переменными. В результате решения матричных уравнений состояния и энергетического баланса для «i-го» набора случайных переменных (т.е. после реализации «i-го» варианта) будут определены не только нагрузочные характеристики ЭЭО (токи, напряжение), но и энергетические характеристики (активная, реактивная мощности, и другие). Вычисление этих характеристик выполняется многократно ( раз), в результате чего будет накоплен статистический материал, соответствующий заданной вероятностной модели работы ЭЭО. Алгоритм статистического моделирования для анализа работы объекта при случайном изменении некоторых его параметров представлен на рисунке 5.

Был разработан алгоритм реализации адаптивного контрольно-обучающего тестирования с подсказками до ввода обучаемым ответа на поставленный вопрос, а также алгоритм и методика оценки ЭМС электроэнергетических объектов.

Вероятностный анализ ЭМС позволит наиболее широко исследовать взаимное влияние электроэнергетических объектов друг на друга и на иные объекты. Статистическое моделирование дает возможность наиболее полного отражения реальной картины электромагнитного влияния объектов, является действенным инструментом в СППР, так как позволяет строить статистически обоснованные прогнозы, может быть использовано в тренажерно-обучающих системах.

Применение разработанных алгоритмов в тренажерно-обучающих системах позволит: наиболее полно охватить условия работы электроэнергетических объектов; расширить круг решаемых в ТОС задач; повысить эффективность обучения специалистов-электроэнергетиков.

Адекватность и эффективность разработанных алгоритмов были проверены далее в главе 4 на применении их к анализу конкретных ситуаций.

В четвертой главе приводится описание разработанной программы анализа вероятностной модели работы электроэнергетического объекта, созданной в пакете Borland Builder на языке программирования С++, взаимосвязь классов математического ядра которой показана на рисунке 6. Представлена клиент-серверная программа реализации адаптивного тестирования с подсказками (свидетельство о государственной регистрации программы для ЭВМ №2011617609), интерфейс которой изображен на рисунке 7. А также приводится методика применения математического программного пакета MathCAD 14 для реализации статистического моделирования работы электроэнергетического объекта на основе матричной вероятностной модели. Применение программ при анализе конкретных ситуаций показало их эффективность.


Рисунок 5 – Алгоритм применения метода Монте-Карло


Рисунок 6 – Взаимосвязь классов математического ядра программы



Рисунок 7 – Интерфейс клиент-серверной программы реализации адаптивного тестирования с подсказками

По предложенной методике и разработанной программе адаптивного тестирования с подсказками был реализован эксперимент, который включал в себя определение знаний оперативного персонала электрических подстанций по традиционной схеме тестирования (неадаптивной, без подсказок – БПС) и по предложенной схеме с подсказками – СПС. Были организованы две группы (А и Б) по 10 человек, которым были предложены два комплекта (I и II) из 10 заданий. Анализ результатов тестирования, представленных в таблице 2, показал существенные преимущества предлагаемого способа.

Таблица 2 – Результаты тестирования оперативного персонала двумя способами (количество правильных ответов в %)

Вариант

Группа

I БПС

II БПС

I СПС

II СПС

А

61







84,4

Б




57

82,2




Рассмотрена актуальная для горных территорий проблема ЭМС линий электропередач и электровзрывной цепи, для решения которой были использованы разработанные ранее методики и алгоритмы. Полученные конкретные рекомендации по повышению устойчивости систем электровзрывания к электромагнитному воздействию ЛЭП сведены в таблицу 3.

Таблица 3 – Параметры ЭМС в системе электровзрывания


Разработан модуль визуализации СППР при анализе воздействия природных факторов на ЭЭО для горного региона (структура ГИС и совмещенная карта расположения электроэнергетических объектов и источников экологических рисков на территории РСО-Алания). Применение разработанного модуля позволит отслеживать электромагнитную и экологическую обстановку в регионе в условиях, максимально приближенных к реальным, что в свою очередь позволяет наиболее эффективно использовать СППР. На рисунке 8 изображены составляющие системы поддержки принятия решений

Дана оценка экономической эффективности применения тренажеров в электроэнергетике на основе ретроспективного анализа экономического ущерба, как результата нарушений и аварий в электроэнергетической системе, связанных с проявлениями человеческого фактора. Аварии в электроэнергетике сопровождаются множеством отрицательных факторов, одним из наиболее важных среди которых является экономический ущерб. Чем выше уровень подготовки персонала, тем реже происходят инциденты, являющиеся следствием технологических нарушений в системе электроснабжения.

Согласно исходным статистическим данным и их обработке можно считать, что увеличение численности неподготовленного персонала на 10 тыс. чел., приводит к увеличению числа технологических нарушений – приблизительно на 20 случаев, т.е. 2 случая на 1 тыс. неподготовленного персонала. Причем эти нарушения могут иметь самые непредсказуемые последствия, которые могут закончиться серьезной аварией.

Экономическую эффективность применения ТОС в электроэнергетике и, следовательно, повышения уровня профессиональной подготовки специалистов в этой области можно оценить на основании того материального ущерба, которого можно избежать, предотвращая неправильные действия эксплуатационного персонала. В таблице 4 приведены факторы, определяющие повышение эффективности тренажерно-обучающих систем.

Таблица 4 – Факторы, определяющие повышение эффективности тренажерно-обучающих систем (по результатам исследований)

Факторы

Результат применения

1. Применение обобщенной матричной модели работы ЭЭО

Унифицирование вычислительных операций на ТОС, возможность анализа различных типов воздействий на одной математической модели объекта

2. Применение вероятностной матричной модели

Позволяет учитывать в тренажерно-обучающих системах случайные факторы, влияющие на работу электроэнергетической системы, дает возможность делать обоснованные прогнозы для применения в системе поддержки принятия решений

3. Многоуровневые подсказки до ввода ответа

Повышение обучающей функции в контрольно-обучающих операциях тренажерно-обучающих систем ориентировочно до 30%

4. Оценка электромагнитной совместимости электроэнергетических объектов в системе

Повышает адекватность математических моделей тренажерно-обучающих систем (приблизительно до 20%), расширяет возможности обучающего процесса, создает условия для ситуационного контроля внутреннего и внешнего электромагнитного влияния объектов в электроэнергетической системе

5. Модуль визуализации СППР при анализе электромагнитной и экологической совместимости ЭЭО в условиях РСО-Алания с использованием ГИС

Позволяет оценить в процессе тренировки на ТОС на уровне зрительных восприятий общую картину электромагнитной и экологической обстановки в системе электроснабжения региона; на основе данных ГИС появляется возможность анализа развития ситуаций, создается возможность принятия обоснованных решений.

Создание полномасштабных электроэнергетических тренажеров, разработка тренажерных программных комплексов связаны с определенными материальными затратами. Материальных затрат требует и процесс обучения эксплуатационного персонала на ТОС. Однако эти затраты несоизмеримо меньше материального ущерба, причиняемого авариями на электроэнергетических объектах, возникающих по вине эксплуатационного персонала.

Применение ТОС в электроэнергетике приносит ощутимые положительные результаты. Усложнение электроэнергетических объектов и условий их эксплуатации требует постоянного совершенствования методов и средств обучения эксплуатационного персонала.



Рисунок 8 – Составляющие системы поддержки принятия решений
Экономический эффект от использования разработанных рекомендаций в ЗАО «Шахтострой-Сервис» составил 72 тыс. руб. в год. Годовой экономический эффект от внедрения разработанного программного обеспечения в СОф ОАО «МРСК СК» составил 550 тыс. руб.
1   2   3

Похожие:

Разработка моделей и алгоритмов эффективного функционирования тренажерно-обучающих систем в электроэнергетике (на примере рсо-алания) iconОценка надежности технических средств тренажерно-обучающих систем c конечным или бесконечным числом внутренних состояний к т. н. Боран-Кешишьян А. Л
В работе предложен метод расчета верхнего и нижнего среднего уровня работоспособности элементов тренажерно-обучающих систем, которые...
Разработка моделей и алгоритмов эффективного функционирования тренажерно-обучающих систем в электроэнергетике (на примере рсо-алания) iconМоу сош №1 г. Ардона рсо алания 2011 год Общие свойства живых систем Мирошниченко Мария ученица 11 «А» класса моу сош №1 г. Ардон, рсо-алания
Эта тема остается актуальной уже ни одно поколение, и скорее всего, ученым всего мира еще долго придется размышлять над подобными...
Разработка моделей и алгоритмов эффективного функционирования тренажерно-обучающих систем в электроэнергетике (на примере рсо-алания) iconФинансы и кредит
...
Разработка моделей и алгоритмов эффективного функционирования тренажерно-обучающих систем в электроэнергетике (на примере рсо-алания) iconРеморенко Игоря Михайловича на августовской педагогической конференции работников образования рсо-алания 2012 год Благодарю за обстоятельный доклад
Благодарю за обстоятельный доклад министра образования и науки рсо-алания Огоева А. У. и его содокладчиков. Мы традиционно ездим...
Разработка моделей и алгоритмов эффективного функционирования тренажерно-обучающих систем в электроэнергетике (на примере рсо-алания) iconЗакон рсо-алания от 8 апреля 2010 года n 21-рз «О физической культуре и спорте в Республике Северная Осетия-Алания» (ст. 7)
Перечень функций, осуществляемых министерством республики северная осетия-алания
Разработка моделей и алгоритмов эффективного функционирования тренажерно-обучающих систем в электроэнергетике (на примере рсо-алания) icon30001 даурова санета урузмаговна г. Беслан рсо-алания ул. Коминтерна д. 5 к

Разработка моделей и алгоритмов эффективного функционирования тренажерно-обучающих систем в электроэнергетике (на примере рсо-алания) iconРазработка и реализация методов и алгоритмов абдуктивного вывода с использованием систем поддержки истинности на основе предположений
Работа выполнена на кафедре Прикладной математики Московского энергетического института (Технического университета)
Разработка моделей и алгоритмов эффективного функционирования тренажерно-обучающих систем в электроэнергетике (на примере рсо-алания) iconОфициальный дилер opel и chevrolet spark ООО «дакар» 362048, рсо-алания г. Владикавказ

Разработка моделей и алгоритмов эффективного функционирования тренажерно-обучающих систем в электроэнергетике (на примере рсо-алания) iconМеханизмы функционирования висцеральных систем
Приглашаем Вас принять участие в работе VII конференции “Механизмы функционирования висцеральных систем”, посвященной 160-летию со...
Разработка моделей и алгоритмов эффективного функционирования тренажерно-обучающих систем в электроэнергетике (на примере рсо-алания) iconРоссия. Рсо-алания e-mail
Добрый день. Для перевозки Ваших грузов мы можем предложить следующий автотранспорт
Разместите кнопку на своём сайте:
kk.convdocs.org



База данных защищена авторским правом ©kk.convdocs.org 2012-2017
обратиться к администрации
kk.convdocs.org
Главная страница