Визначення оптимальної періодичності ремонтно-відновлювального обслуговування турбінного обладнання теплових електростанцій та когенераційних систем теплопостачання

Анотація

В роботі проведено аналіз сучасного стану наукових досліджень щодо експлуатації енергетичного обладнання та необхідності ремонту основного обладнання. Показано, що в останні десятиліття фахівці та вчені приділяють зростаючу увагу інтеграції передових цифрових технологій до енергетичного сектора. Сучасні тенденції в обслуговуванні турбін ґрунтуються на фактичному стані обладнання та предиктивному обслуговуванні. Вказане стало можливим завдяки розвитку певних технологій, таких як машинне навчання, штучний інтелект, цифрові двійники, інтернет речі. Показано, що актуальність проблеми впровадження існуючих технологій зумовлена тим, що сучасна енергетика характеризується високою капіталомісткістю, зростаючою складністю  технологічних процесів та необхідністю дотримання високих стандартів надійності й безпеки. На основі конкретного прикладу – обслуговування турбін, проведено порівняльний аналіз ефективності застосування як номограм так і цифорових технологій. Доведено, що перехід до предиктивного обслуговування означає, що рішення про ремонт приймається не після закінчення певного терміну, а лише тоді, коли дані показують, що це необхідно. Це дозволяє уникнути як передчасних, так і пізніх ремонтів. Дана система дозволяє скоротити простої, заощадити кошти та підвищити надійність. Таким чином ми досягаємо оптимізації з урахуванням безлічі факторів – економічних, екологічних, виробничих, технологічних. Звичайно, така система потребує певних витрат. Впровадження системи предиктивної аналітики потребує значних капітальних вкладень, необхідне навчання персоналу з новими складними системами та аналізу даних, підвищується рівень автоматизації, а підключення до інтернету створює нові ризики кібератак. Також показано, що сучасні технології надають нові інструменти для більш точного та динамічного визначення їх змінних. Сьогодні можна використовувати динамічну цифрову модель, яка в реальному часі розраховує оптимальний момент обслуговування з огляду на всі поточні та прогнозовані фактори