Модель управления энергетическим комплексом железнодорожного предприятия для интеллектуальной поддержки процессов принятия решений

Во введении обоснована актуальность работы, сформулирована цель и задачи диссертационного исследования, обозначены объект, предмет и методы исследования, представлена научная и практическая новизна основных науч-
ных положений.
В первой главе приведены основные характеристики существующей
структуры принятия управленческих решений на железнодорожном транспор- те. Показано, что в основе принятия таких решений лежит трехуровневая авто- матизированная структура.
Проведен анализ существующих способов формирования топливно- энергетического баланса железнодорожного предприятия, который представля- ет собой сложный процесс, предполагающий оценку большого числа факторов, определяющих состояние исследуемой технической системы ЭКЖП. Кроме то- го, исследуемую систему необходимо рассматривать, как совокупность взаимо- связанных подсистем, объединенных общей целью функционирования.
На основе проведенного анализа сформулированы следующие выводы: наиболее распространенными являются системы управления, выполненные по традиционным методам; преимущественно развитой инфраструктурой является принятие решений на основе прогнозных значений; одним из перспективных направлений является применение нейронных сетей, гибридных сетей и теории нечетких множеств. Изучение принципа принятия управленческих решений на основе теории нечетких множеств является основой настоящего диссертацион- ного исследования.
Основные современные достижения в управлении электроэнергетически- ми системами получены на основе теории нечетких множеств, что позволяет создать несколько частных правил управления для решения поставленных це- лей, решая тем самым единовременно большой комплекс задач. Все это делает технологию нечеткого моделирования на основе теории нечетких множеств наиболее конструктивной.
Проведен анализ существующих моделей нечеткого управления приме- нительно к предприятиям железнодорожного транспорта. Основополагающим этапом любой модели является изучение принципов и параметров работы си- стемы. Оценка возможностей модели будет проведена по двум критериям: точ- ности определения состояния объекта и частоты появления ошибок в оценке состояния объекта.
Во второй главе приведен анализ основных показателей, характеризую- щих объекты управления, определены взаимозависимости между основными параметрами объектов управления, получены основные аналитические выраже- ния значения(Й) управляющего воздействия для определения величины расхода энергоносителя при различных конфигурациях результирующей фигуры.
Анализ факторов, влияющих на расход топливно-энергетических ресур- сов предприятия, позволил выявить факторы, влияющие на электропотребление на тягу поездов и факторы, влияющие на энергопотребление объекта.
Факторы, влияющие на расход топливно- энергетических ресурсов предприятия
Факторы, влияющие на электропотребление на тягу поездов
WI(t)=Sn(t)Tn
Постоянные факторы Tn =TT,L,F
Рис. 1 – Анализ факторов, влияющих на расход ТЭР ЭКЖП
Согласно представленного рисунка, к постоянным факторам относятся: ТТ – совокупность параметров, характеризующих тип тягового электроснабже- ния; L – функция, характеризующая длину участка; F –функция, характеризую- щая расстояние между тяговыми подстанциями; Тn –функция, характеризующая совокупность влияющих факторов, неизменяющихся во времени.
К факторам, меняющимся во времени, можно отнести: Sn(t) – вектор- функция, характеризующий совокупность влияющих факторов, изменяющихся во времени; m(t) – вектор-функция, характеризующий массу состава; Q(t) – вектор-функция, характеризующий величину грузооборота; Lг.(t) – вектор- функция, характеризующий линейный пробег.
К факторам, влияющим на энергопотребление объекта относятся: P(t) – вектор-функция, характеризующий совокупность влияющих факторов (расход топлива); ТВ(t) – вектор-функция, характеризующий температуру воздуха; ТП(t) – вектор-функция, характеризующий температуру подачи воды; Т0(t) – вектор- функция, характеризующий температуру обратного возврата воды; V(t) – век- тор-функция, характеризующий мощность котлов; PВ(t) – вектор-функция, ха- рактеризующий расход воды; K(t) – вектор-функция, характеризующий каче- ство топлива.
Критические параметры рассматриваемых объектов определены в следу- ющих диапазонах: -для объектов энергопотребления:
TВ(t),TB[TB TB ]  min max 
P(t)=TП(t),TП[TП TП ], (1)  min max 
K(t),KKmin Kmax  
-для объектов электропотребления: Lг(t),Lг[Lг.min Lг.max]
W(t)=m(t), m[m m ] . (2)  minmax
Q(t),QQ Q    minmax
Факторы, влияющие на энергопотребление объекта
P(t) = TB(t),TП(t),To(t),P (t),V(t),K(t) в
To(t)=TB(t)TП(t)
Факторы, изменяющиеся во времени Sn(t) =m(t),Q(t),Lг(t)

Основные взаимозависимости между параметрами изучаемой системы легли в основу модели управления расходом ТЭР на основе теории нечетких множеств.
В третьей главе разработаны две нечеткие модели управления расходом ТЭР: реляционная, основанная на формировании нечетких регуляторов и про- дукционная, основанная на формировании базы правил нечетких выводов.
Функция принадлежности обоих моделей подобрана таким образом, что- бы отрезки перекрывались на уровне 0,5, обеспечивая при этом возможность аналитического представления нечеткого множества в виде некоторой простой математической функции.
Выходные параметры рассматриваемой системы ТЭР ЭКЖП представле- ны следующим образом:
1) Для объектов энергопотребления:
Расходом топлива P(t) на множестве , зависящим от трех входных пе- ременных: температуры окружающего воздуха – ТВ(t), температуры подачи во- ды – ТП(t) и коэффициенты теплоотдачи – K(t), называется совокупность пар вида Р(t) ={(, Р ()) |  ε }, где р – функция принадлежности, принимаю- щая значения в интервале [0, 1], т.е.  Р:  Р: [0, 1]. Когда P(t) непрерывно, то нечеткое множество  может быть кратко описано как  = x  Р ()/. В случае дискретного P(t), нечеткое множество  представляется как  =Р (i)/i.
2) Для объектов электропотребления:
Расходом электроэнергии W(t) на множестве Ᾱ, зависящим от трех вход- ных переменных: грузооборота – Q (t), массы поезда – m (t) и линейного пробе- га – Lг(t), называется совокупность пар вида W(t) ={ (ψ, w (ψ)) | ψ ε Ᾱ }, где w – функция принадлежности, принимающая значения в интервале [0, 1], т.е.  w: Ᾱ w: [0, 1]. Когда W(t) непрерывно, то нечеткое множество Ᾱ может быть кратко описано как Ᾱ = x  w (ψ)/ψ. В случае дискретного W(t), нечеткое мно- жество Ᾱ представляется как Ᾱ =w (ψi )/ψ1i.
Для изучения особенностей разработки реляционной модели управления представлен поэтапный процесс ее создания и генерации аналитических выра- жений для работы данной модели.
Особенность предлагаемой модели управления состоит в возможности представления любого значения исследуемого параметра в диапазоне от 0 до 1,
путем пересчета фиксированного значения хi* каждой лингвистической пере- менной хi в соответствующий элемент единого универсального множества u* .
Полученное в результате решения значение ненормированного выхода uc
нечеткого регулятора на едином универсальном множестве u*0,1пересчи-
тывается в значение управляющего воздействия на объект управления m*
m* = xmin + (mmax – mmin )  uc , (3)
где xmin – минимальное значение лингвистической переменной xi; mmax – максимальное значение управляющего воздействия;
mmin – минимальное значение управляющего воздействия;
uc – значение ненормированного выхода нечеткого регулятора.
Независимо от функции принадлежности выходной лингвистической пере- менной, используемая теория позволяет сформировать «результирующую об-
ласть» значений управляющего воздействия m* , ограниченную итоговой функ- цией принадлежности, которая определяется из системы нечетких логических уравнений:
mj(x ,x ,x )=j(x )j(x )j(x ). (4) 123123
В соответствии с лингвистическими правилами управления, формализо- ванными системой нечетких логических уравнений, координаты линий «отсе- чений» A, B, C, ограничивающих результирующую фигуру, определяются по формулам:
А=min[ (u ), (u ), (u )], 111213
B=min[ (u ), (u ), (u )], 212223
C=min[ (u ), (u ), (u )]. 313233
(5)
По результатам выполненных расчетов строится итоговая «результирую- щая область» для определения величины управляющего воздействия при за- данных значениях входных параметров.
Координаты полученной итоговой зависимости переносятся на функции принадлежности выходной переменной управляющего воздействия и произво- дится поиск абсциссы «центра тяжести» «результирующей области» uc . Огра-
ничивающая область позволяет определить контрольные значения величины управляющего воздействия для формирования топливно-энергетического ба- ланса. Пример построения итоговой функции принадлежности и результирую- щей области для расчета управляющего воздействия при заданных значениях входных параметрах системы энергопотребления представлен на рис.2.
а) (u) б) (u) 11
B
C A
0 0.5u11u0 0.5 1u TВ TBTВ Рmin Р Рmax
1(u) 3(u) 3(u) 2(u)
u2 u3
min max
TПTП TП min max
Kmin K Kmax
Рис.2 – Пример построения итоговой функции принадлежности: где а) –
итоговая функция принадлежности, б) – результирующая область для расчета управляющего воздействия
uс

Блок-схема алгоритм предлагаемой модели управления расходом ТЭР на основе нечетких регуляторов с учетом полученных аналитических уравнений расчета итоговой «результирующей области» управляющего воздействия пред- ставлена на рис. 3.
Рис.3 – Блок-схема алгоритм предлагаемой модели управления расходом ТЭР на основе нечетких регуляторов
Окончание рис.3
Для подтверждения эффективности этой модели выполнено моделирова- ние процесса управления расходом ТЭР в программном комплексе Matlab – Simulink. Структурная схема модели представлена на рис.4.
t1
t2
t3
I
11( x1)
12(x1)
mj(xi)
13(x1)
min
A< A>C>B
min
В
A< C>A>B
P/W = […]
mj(xi)
A>B>C
>< B>A>C
mj(xi)
min
С
II III
Рис.4 – Структурная схема модели управления ТЭР на основе нечетких регуляторов
Графическое представление структурной схемы модели и основных ее компонентов в среде Matlab Simulink представлено на рис.5.
Рис. 5 – Графическое представление структурной схемы модели и основных ее компонентов в среде MATLAB Simulink
Далее представлен процесс создания продукционной модели и генерации базы правил нечетких выводов для работы данной модели.
Правила принятия управленческих решений при формировании заказа на энергоресурсы представлены на рис.6.
Правила принятия управленческих решений
При формировании заказа на электроэнергию на тягу поездов  TВ(t)→min 

Если”И”ТП(t)→max,,тоP(t)→max  
”И”K(t)→min  
TВ(t),ТВТВ ТВ    min max 
П ПП П P(t)=T (t),Т Тmin Тmax
   K(t),K K


В
 T (t)→max 

 
K  min max 
Если”И”ТП(t)→min,,тоP(t)→min  
”И”K(t) → max 
 
При формировании заказа на эне ргоресурсы
ЕслиTn →min ,тоW(t)→min ”И”S (t)→min
n Lг(t),LгLг.min Lг.max
W(t)= m(t),mm m    min max 
 Q(t),QQ Q    min max 
Рис.6 – Логическая схема правил принятия управленческих решений при формировании заказа на энергоресурсы
В соответствии с теорией управления на основе нечетких множеств соз- дается база правил типа «ЕСЛИ…,ТО…», руководствуясь мнением эксперта или группы экспертов, по существующими взаимозависимостями между объек- том управления (или выходным параметром системы) и рядом управляющих объектов (входные параметры системы), воздействующих на величину выход- ного параметра. Базируясь на данных взаимосвязях, формируется нечеткое со- ответствие между пространством предпосылок и пространством заключений.
Для описания каждой входной переменной выбрано по три функции при- надлежности, а для выходной переменной – пять функций принадлежности, описывающих состояние системы, таким образом, изначально сформированная база правил будет состоять из 135 правил. Такая база правил является избыточ- ной, а также содержит противоречащие друг другу правила – с одинаковыми
предпосылками и разными заключениями. В связи с этим изначальную базу правил оптимизируем, основываясь на эмпирических гипотезах, анализируя априорные данные о потреблении ТЭР по Забайкальской железной дороге, по- лученные в результате измерений, а также результаты потребления топлива в различные моменты времени.
Структурная схема формирования начальной базы правил типа «И» пред- ставлена на рис.7.
TmBin
TП max
Kmin
In 1
P
TB
TB aver
TП aver
Kaver
P aver
P23
P aver
Rule 1
TmBax min
TП
Rule 2
Kmax TmBin
TП max
Rule 3
Kaver
TmBin
TП aver
P12
Rule 4
TП
Kmax Kmin
TB aver
Pmin
Rule 5
Out 1
Defuzzification
TП max
TB aver
TП aver
P23
Rule 6
K
Kmax
TmBax
TП min
P12
Rule 7
Kmin TmBax
TП min
Pmax
Rule 8
Kaver P23
Рис.7 – Структурная схема формирования начальной базы правил типа «И»
Для подтверждения эффективности этой модели выполнено моделирова- ние процесса управления расходом ТЭР в программном комплексе Matlab – Fuzzy Logic Toolboox.
Результирующая поверхность процесса деффазификации продукционной модели в Fuzzy Logic Toolboox представлен на рис. 8.
Отсутствие разрывов и скачкообразных изменений на поверхности нечет- кого вывода свидетельствует об устойчивом характере данных разработанной нечеткой модели, что является одним из веских аргументов в пользу примене- ния этой модели в практике принятия решений о величине расхода ТЭР.
Rule 9
WTAVER

Рис.8 – Результат работы продукционной модели управления расходом ТЭР
Разработанная модель проста в управлении и позволяет без особых уси- лий и специалистов определить значение расхода ТЭР на рассматриваемом участке в зависимости от различных внешних условий. Наглядность процесса позволяет оценить результаты и при необходимости внести изменения.
В четвертой главе представлены результаты моделирования по разрабо- танным моделям. Показано, что применение теории нечетких множеств для принятия управленческих решений по формированию топливно- энергетического баланса предприятия обеспечивает снижение эксплуатацион- ных расходов и повышение качества управления техническими системами.
Анализ представленных моделей управления ТЭР ЭКЖП позволяет сде- лать вывод о том, что общая схема обработки нечеткой информации на основе теории нечетких множеств выглядит следующим образом: данные о парамет- рах, контролирующих управляемый процесс, переводятся в значения лингви- стических переменных посредством специального блока фаззификации. На ос- нове взаимозависимостей между входными и выходными параметрами рас- сматриваемой системы, реализуются процедуры нечеткого вывода на множе- стве продукционных правил, с учетом значимости каждого из них, либо фор- мируются значения координат линий «отсечений», ограничивающих результи- рующую фигуру. Полученные результаты составляют базу знаний системы управления, на основании которой формируются выходные лингвистические значения, переводимые в точные значения результатов вычислений в процессе дефаззификации. Результатом проделанной работы является формирование значения управляющего воздействия, позволяющего сформировать заявку на необходимые топливно-энергетические ресурсы.
На основе проведенных исследований предлагается структурная схема формирования величины закупки ТЭР, приведена на рис.9, позволяющая упро- стить процесс управления расходом ТЭР, путем воздействия на результаты об- работки нечеткой информации.
Данные с котельных по участкам
Рис.9 – Предлагаемая структура принятия управленческих решений по формированию баланса ТЭР ЭКЖП
Предлагаемая структура принятия управленческих решений по формиро- ванию баланса ТЭР ЭКЖП позволяет организовать целевое управление расхо- дом ТЭР ЭКЖП и обеспечить принятие адекватных мер по устранению выяв- ленных отклонений, а также определять направления для увеличения энер- гоэффективности данной системы.
Для определения эффективности предлагаемой модели управления рас- ходом ТЭР проведен расчет относительных отклонений полученных результа- тов от фактических значений (рис.10)
Рис.10 – Сравнительная диаграмма отклонений прогнозных значений параметра от фактических, в процентах
Анализ проведенного расчета свидетельствует о том, что к наименьшим процентам погрешности в процессе прогнозирования приводит применение ме- тодов, формирующихся на основе искусственного интеллекта: средняя относи- тельная погрешность для ИНС составляет 3,4%, средняя относительная по- грешность прогноза разработанного программного продукта составляет 2,4%. Для классических методов, основанных на обработке статистических данных и реализованных в программном комплексе «Энергостат» средняя относительная погрешность составляет 3,6%, для методов интервального прогнозирования – 5,5%.
Экономический эффект от внедрения предлагаемой модели управления расходами ТЭР ЭКЖП, определяется затратами на приобретение электроэнер- гии, на основании полученных прогнозных значений, согласно которых можно
Инженер ДТВ/ЦДУ
Формирование заявки ТЭР
Данные с ЭПС
Формирование базы знаний
База правил нечетких выводов
Управляющее воздействие
Данные о планируемых перевозках
Блок фаззификации
Блок дефаззификации

сделать вывод о том, что средняя экономическая выгода от внедрения составля- ет 2-4% от величины эксплуатационных расходов на закупку электроэнергии.
ЗАКЛЮЧЕНИЕ
В результате проведенного диссертационного исследования получены
новые научные результаты, направленные на повышение эффективности функ- ционирования системы управления расходом топливно–энергетических ресур- сов энергетического комплекса железнодорожного предприятия. Практическое применение результатов исследования позволит повысить эффективность
управления техническими системами, а также снизить затраты на энергообес-
печение.
Научные и практические результаты диссертационной работы состоят в следующем:
1.Выполнен системный анализ неопределенности исходных данных и
особенностей работы существующих моделей нечеткого управления примени-
тельно к ЭКЖП, определены критерии выборки и основные взаимозависимости между параметрами рассматриваемой системы.
2. Предложены уравнения для определения «центра тяжести» в процессе деффазификации на основе алгоритма Мамдани-Сугено, которые легли в осно- ву математической модели управления расходом ТЭР ЭКЖП.
3. Разработан новый алгоритм формирования топливно-энергетического
баланса ЭКЖП, обеспечивающий повышение эффективности принятия реше- ний в условиях неопределенности, за счет использования математического ап- парата нечеткой логики.
4. Осуществлена программная реализация разработанной модели управ- ления расходом ТЭР ЭКЖП. Экономический эффект от внедрения предлагае- мой методики составляет сокращение эксплуатационных расходов на закупку ТЭР на 2–4%.
5. Предложена методика формирования топливно-энергетического балан- са, ориентированная на повышение эффективности принятия решения с ис- пользованием современных методов обработки информации, в условиях не- определенности исходных данных.