Автор: 
Газовая турбина — это двигатель непрерывного действия, являющийся неотъемлемой частью топливно-энергетического комплекса, ресурс деталей которого существенно снижается во время пусков и остановок. Для эффективной работы турбин необходимо максимально быстро находить поломки и устранять их. Учёным из Волгоградского государственного технического университета удалось разработать нейросетевой метод технического прогнозирования остаточного срока службы оборудования. Такой метод обеспечит более качественный и быстрый уровень обслуживания газовых турбин и позволит предприятиям снизить издержки. Статья о данной разработке опубликована в журнале Energies.
Имея минимальные данные об исходных характеристиках энергетического оборудования, метод даёт более точные прогнозы, используя нейросетевые модели глубокого обучения, которые не требуют большого количества исходных данных. Такой метод позволяет вдвое быстрее правильно оценить время выхода из строя оборудования, по сравнению с имеющимися аналоговыми системами, благодаря использованию моделей прогнозирования только двух режимов работы энергетических установок: нормальная работа и деградация.
Благодаря использованию свёрточных нейронных сетей для обработки данных, собранных с датчиков для анализа будущего состояния энергетического оборудования и возможных сбоев, во временном ряду делается прогноз точки, с которой начинается деградация. Такой подход к техническому обслуживанию даёт возможность персоналу иметь запас времени на устранение поломки, так как оператор заранее будет знать об изменениях в работе установки из-за износа конкретных комплектующих. Разработанный нейросетевой подход можно также применять для анализа редких поломок оборудования, по которым нет данных и статистики.
