В статье рассматривается вопрос надежности системы генерации энергии с точки зрения киберфизического управления системой. Компании, занимающиеся генерацией электроэнергии, должны поставлять этот ресурс бесперебойно и отслеживать процесс генерации для выявления и исправления всех причин возможных неполадок в работе процесса. Авторы представляют гибридный метод обнаружения разладок в работе киберфизических систем выработки энергии на основе данных процесса выработки электроэнергии газотурбинными установками, при условии их нахождения в режиме работы «генерация». Гибридный подход к задаче представляет собой последовательность (или конвейер) шагов, улучшающих результаты базового подхода с использованием правила n-сигма путем сравнения реальных данных генерации со стандартом производительности. Предлагаемый гибридный метод основывается на методах: поиска оптимальных параметров (показатели точности, полноты и F1-меры разработанного метода подбора оптимальных параметров составили 0.7, 0.7778, 0.7369 соответственно); выявления выбросов; выявления разладки с помощью эвристических правил. В качестве методов выявления выбросов, авторы используют алгоритм DBSCAN и правило n-сигм. Гибридный метод с использованием алгоритма DBSCAN выявил выбросы без ложно-положительных срабатываний по сравнению с базовым подходом. Расширенные эвристические правила для обнаружения разладок позволяют экспертам, работающим с кибер-физической системой, наиболее оперативно выявлять причину разладки за счет информации о времени сбоя и датчиках, на которых происходят сбои. Оперативное выявление причины разладки позволяет вести более точный и своевременный контроль работоспособности отдельных узлов и всей системы в целом, разработать стратегию воздействий для ремонта оборудования в кратчайшие сроки и с минимальным вмешательством в процесс (пока система не достигает критического состояния), что позволяет значительно сократить затраты на техническое обслуживание. Примеры использования демонстрируют преимущества предлагаемого метода как для синтетических, так и для реальных данных.
The article discusses the issue of the reliability of the power generation system from the point of view of the cyber-physical control of the system. Companies that generate electricity must supply this resource without interruption and monitor the generation process to identify and correct all causes of possible malfunctions in the process. The authors present a hybrid method for detecting change-point in the operation of cyber-physical power generation systems based on data from the process of power generation by gas turbine plants, provided that they are in the «generation» operating mode. The hybrid approach to a problem is a sequence (or pipeline) of steps that improve the results of the basic approach using the n-sigma rule by comparing real generation data with a performance standard. The proposed hybrid method is based on the following methods: search for optimal parameters (the indicators of precision, recall and F1-measure of the developed method for selecting the optimal parameters were 0.7, 0.7778, 0.7369, respectively); identifying outliers; detecting change-point using heuristic rules. As methods for detecting outliers, the authors use the DBSCAN algorithm and the n-sigma rule. The hybrid method using the DBSCAN algorithm identified outliers without false positives compared to the baseline approach. Advanced heuristics for change-points detection allow cyber-physical system experts to quickly identify the cause of the change-point using information about the time of the failure and the sensors on which the failure occurs. Prompt identification of the change-point allows for more accurate and timely monitoring of the performance of individual units and the entire system as a whole, develop a strategy of actions for repairing equipment in the shortest possible time and with minimal intervention in the process (until the system reaches a critical state), which can significantly reduce costs for Maintenance. Application examples demonstrate the advantages of the proposed method for both synthetic and real data.
The authors declare that there are no conflicts of interest present.