КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ


Номер 18-79-00201

НазваниеАдаптивная система управления и прогнозирования жизненного цикла оборудования электроэнергетических систем на основе методов глубокого машинного обучения

РуководительХальясмаа Александра Ильмаровна, Кандидат технических наук

Организация финансирования, регион федеральное государственное автономное образовательное учреждение высшего образования "Уральский федеральный университет имени первого Президента России Б.Н. Ельцина", Свердловская обл

Период выполнения при поддержке РНФ 07.2018 - 06.2020 

Конкурс№29 - Конкурс 2018 года по мероприятию «Проведение инициативных исследований молодыми учеными» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными.

Область знания, основной код классификатора 09 - Инженерные науки, 09-602 - Моделирование технических систем

Ключевые словаЖизненный цикл оборудования, прогнозирование, оперативно-технологическое управление оборудованием, электроэнергетические системы, функциональное состояние, топология сети, режимы работы, функциональное состояния, состав материалов, глубокое машинное обучение, градиентный бустинг, решающие деревья.

Код ГРНТИ44.29.00


СтатусУспешно завершен


 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ


Аннотация
Проблема создания надежных электроэнергетических систем нового поколения для обеспечения качественного и бесперебойного электроснабжения потребителей, в настоящее время заключается в том числе в создании эффективных систем оперативно-технологического управления оборудованием электроэнергетических систем, то есть комплекса мер по управлению технологическими режимами работы и эксплуатационным состоянием объектов электросетевого хозяйства. Проблема разработки таких систем связана, со сложностью процессов производства, передачи и распределения электрической энергии и их взаимосвязью с задачами управления режимами работы и функциональным состоянием электросетевого оборудования; с высоким уровнем износа электросетевого оборудования и его существенным влиянием на эффективность и надежность электроснабжения потребителей; с необходимостью информационной поддержки принятия решений и автоматизации процессов обработки и интеллектуального анализа данных в связи с большим объемом, разнородностью и неоднозначностью анализируемой информации; с необходимостью оптимизации расходов на эксплуатацию энергетического оборудования и формирования эффективных инвестиционных программ. Для решения представленных проблем в проекте предлагается разработка модели адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем на основе методов глубокого машинного обучения. Основной вклад в данную область науки заключается в выявлении, систематизации и адаптации факторов и критериев взаимного влияния параметров электросетевого оборудования, режимов его работы, структуры, функционального состояния и топологии сети, а также в формировании и накоплении базы знаний об эффективных условиях функционирования и эксплуатации оборудования и разработке нового подхода к оперативно-технологическому управлению оборудованием электроэнергетических систем и прогнозированию его остаточного ресурса. Кроме этого новизна представленного решения связана с обоснованием возможности реализации разрабатываемой системы на базе доступной технологической информации в условиях неполноты исходных данных; с разработкой структуры искусственных интеллектуальных сетей на основе глубокого машинного обучения для реализации многоуровневой комплексной оценки функционального состояния электросетевого оборудования. Методы глубокого машинного обучения являются эффективным инструментом для решения оптимизационных задач принятия решений – к каким и относится задача управления и прогнозирования жизненного цикла оборудования с учетом анализа его функционального состояния. Подтверждение выше перечисленных гипотез предполагается выполнить в рамках апробации разработанной модели на примере анализа функционального состояния электросетевого оборудования района электрических сетей реальной энергосистемы. С целью реализации интегральной (комплексной) оценки функционального состояния электросетевого оборудования в проекте анализируются вопросы влияния топологической организационной структуры электроэнергетической системы, связности ее объектов, режимов ее работы, показателей и параметров технического диагностирования, характеристик состава, структуры материалов и технологических жидкостей особо ответственных узлов электросетевого оборудования на его функциональное состояние. Разработка представленной адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем на основе методов глубокого машинного обучения с учетом анализа его функционального состояния производится в рамках проекта для последующей реализации модели в виде самостоятельного программного комплекса. Описанная в данном проекте ключевая научная проблема – необходимость повышения эффективности и надежности функционирования электрических сетей в условиях неполноты, неоднородности и большого объема данных имеет первостепенное значение в условиях тотальной цифровизации экономики и энергетики на государственном уровне, как в России, так и за рубежом. Также благодаря тому, что руководитель проекта – Хальясмаа А.И. является руководителем национальной проблемной рабочей РГ6 «Информационно-аналитические системы в задачах управления жизненным циклом электросетевого оборудования» подкомитета D2 «ИНФОРМАЦИОННЫЕ СИСТЕМЫ И ТЕЛЕКОММУНИКАЦИИ» РНК СИГРЕ планируется участие в заседаниях российского комитета для формирования рекомендаций в рамках разработки новых стандартов цифровизации энергетики и работы с другими подкомитетами РНК СИГРЕ и Cigre в этом направлении.

Ожидаемые результаты
При реализации представленного проекта предполагается получить следующие результаты: 1. Разработать модель адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем и нового подхода к ее реализации с целью получения достоверных оценок его функционального состояния на основе методов глубокого машинного обучения в условиях тотальной цифровизации энергетической отрасли. 2. Разработать методологическую, математическую и алгоритмическую (в том числе структурную) базу адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем на основе методов глубокого машинного обучения с учетом топологии, режимов работы электроэнергетической системы, функционального состояния и состава материалов электросетевого оборудования, а также выполнить ее апробацию на примере анализа функционального состояния электросетевого оборудования района электрических сетей реальной энергосистемы. 3. Разработать методики интегральной (комплексной) оценки рисков функционирования электросетевого оборудования с учетом топологии, режимов работы электроэнергетической системы, функционального состояния и состава материалов электросетевого оборудования на основе градиентного бустинга над решающими деревьями с целью прогнозирования жизненного цикла оборудования электроэнергетических систем и оценки его остаточного ресурса. 4. Выявить, систематизировать и обобщить новые корреляционные связи и закономерности изменения параметров, режимов работы, функционального состояния, состава и структуры материалов и технологических жидкостей электросетевого оборудования и сформировать новые подходы к оценке функционального состояния и управлению жизненным циклом электросетевого оборудования для повышения точности и достоверности принятия решений в оперативно-технологическом управлении оборудованием и прогнозировании его остаточного ресурса. Разработанная в результате проекта модель может быть использована в качестве самостоятельного инструмента – автоматизированной информационно-аналитической системы оперативно-технологического управления электросетевым оборудованием и прогнозирования его остаточного ресурса или может являться отдельным модулем (подсистемой) для современных корпоративных систем управления производственными активами (ERP - enterprise resource planning или «планирование ресурсов предприятия») электроэнергетических компаний. Разработанные в проекте новые подходы к управлению электросетевым оборудованием с учетом связности электроэнергетической системы и ее элементов на основе методов глубокого машинного обучения, позволят использовать представленную систему в качестве комплексного информационно-аналитического аппарата отраслевого масштаба, для получения скрытых закономерностей в статистических данных, с помощью которого можно не только оптимизировать оперативно-технологическое управление оборудованием, но и на его базе – решать задачи формирования и регулирования инвестиционных программ энергетических предприятий, энерго- и ресурсосбережения, и совершенствовать тарифную политику в области электроэнергетики, на основе надежного энергоснабжения в условиях меняющихся внешних факторов, тем самым обеспечивая социально-экономическое развитие регионов. Мировая научная значимость полученных результатов проекта будет подтверждена публикациями в высокорейтинговых международных журналах (планируется две публикации в изданиях, входящих в первый квартиль (Q1) по импакт-фактору JCR Science Edition) и в трудах ведущих международных конференций IEEE и Cigre. В ходе реализации проекта предполагается опубликовать 16 статей в изданиях, индексируемых в базах данных «Сеть науки» (Web of Science Core Collection) или «Скопус» (Scopus) и 1 монографию.


 

ОТЧЁТНЫЕ МАТЕРИАЛЫ


Аннотация результатов, полученных в 2018 году
В рамках выполнения первого года реализации проекта выполнены следующие работы: 1 Анализ современных систем управления и прогнозирования жизненного цикла оборудования электроэнергетических систем и анализ существующих систем диагностики состава и структуры материалов электросетевого оборудования (3 месяца): a. Системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем в России и за рубежом: достоинства и недостатки. Оценка функционирования современных систем; b. Анализ нормативно-правового и нормативно-технического обеспечения функционирования систем управления и прогнозирования жизненного цикла оборудования электроэнергетических систем в России; c. Анализ существующего опыта управления технологическими режимами работы сети и обзор современных автоматизированных систем диспетчерского управления; d. Анализ существующего опыта управления эксплуатационным состоянием электросетевого оборудования и обзор современных автоматизированных систем оценки функционального состояния оборудования; e. Анализ существующих систем технического диагностирования и мониторинга состава и структуры материалов электросетевого оборудования: принципы, математические алгоритмы, преимущества и недостатки интерпретации результатов; f. Анализ существующих систем технического диагностирования и мониторинга изоляционного масла и других технологических жидкостей маслонаполненного электросетевого оборудования: принципы, математические алгоритмы анализа, преимущества и недостатки интерпретации результатов. 2 Выявление и обоснование основных факторов, оказывающих влияние на функциональное состояние оборудования при оперативно-технологическом управлении (6 месяцев) 2.1 Выявление и обоснование влияния топологической организационной структуры электроэнергетической системы и связности ее объектов на функциональное состояние оборудования: a. Исследование топологической организационной структуры электроэнергетической системы с определением необходимой и достаточной иерархической детализации с целью разработки и реализации концепции многоуровневой комплексной оценки функционального состояния объектов электроэнергетической системы; b. Выявление и обоснование влияния топологической организационной структуры электроэнергетической системы и связности ее объектов на функциональное состояние оборудования. 2.2 Исследование и обоснование влияния режимов работы внешней электроэнергетической системы на функциональное состояние оборудования: a. Выявление и обоснование перечня режимных параметров электроэнергетической системы, оказывающих наибольшее влияние на функциональное состояние оборудования; b. Влияние режимов короткого замыкания на техническое состояние электросетевого оборудования с точки зрения электродинамического и термического воздействия тока короткого на токоведущие части, опорные конструкции, изоляцию; c. Влияние нормальных режимов работы энергосистемы на техническое состояние электросетевого оборудования с учетом общесистемных режимных параметров, графиков загрузки оборудования 2.3 Выявление и обоснование перечня показателей и параметров технического диагностирования, оказывающих наибольшее влияние на функциональное состояние оборудования и формирование диагностических моделей оценки функционального состояния оборудования для различных видов подстанционного электросетевого оборудования 2.4 Выявление и обоснование перечня характеристик состава и структуры материалов и технологических жидкостей особо ответственных узлов электросетевого оборудования для различных видов подстанционного электросетевого оборудования, оказывающих наибольшее влияние на функциональное состояние оборудования. 2.5 Формирование основных требований и системы критериев оценки функционального состояния оборудования с учетом связности электроэнергетической системы, режимов ее работы, топологии, структуры и состава электрооборудования 2.6. Разработка структуры системы анализа рисков функционирования подстанционного электросетевого оборудования на базе разработанных критериев оценки функционального состояния оборудования с учетом связности электроэнергетической системы. 3 Разработка структуры и алгоритмов функционирования адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем с учетом анализа его функционального состояния (3 месяца) a. Разработка архитектуры модели адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем и ее иерархических связей с учетом анализа функционального состояния на основе машинного обучения; b. Формирование функций и внутренней структуры объектов адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем с учетом анализа его функционального состояния. В результате выполнения проекта в первый год его реализации получены следующие результаты: 1. Выполнен анализ современных систем управления и прогнозирования жизненного цикла оборудования электроэнергетических систем и анализ существующих систем диагностики состава и структуры материалов электросетевого оборудования. Выявлены основные недостатки современных систем и определены пути их совершенствования и развития. 2. Выполнен анализ влияния топологической организационной структуры электроэнергетической системы и связности ее объектов на функциональное состояние оборудования и системной организации объектов электрической сети. Разработана классификация уровней иерархической детализации объектов электроэнергетической сети с определением перечня необходимых и достаточных базовых элементов, принадлежащих каждому из них, с учетом полноты и достоверности исходной информации для выполнения оценки функционального состояния. 3. Исследовано и обосновано влияние режимов работы внешней электроэнергетической системы на функциональное состояние оборудования. Выполнена классификация режимных параметров с точки зрения уровней иерархической организации объектов электроэнергетической системы и перечень параметров, характеризующих режим работы единой электроэнергетической системы, ранжированный по степени оказываемого воздействия на технологическое состояние основных видов силового оборудования, а также классификация видов воздействий по природе возникновения, типам оборудования, результирующему эффекту. 4. Разработана классификация воздействий токов коротких замыканий на функциональное состояние силового оборудования с определением результирующих признаков, характеризующих изменение функционального состояния для различных типов силового оборудования. 5. Выполнена оценка целесообразности учёта динамического изменения режима электроэнергетической системы и характера его протекания при определении влияния на функциональное состояние силового оборудования с точки зрения неравномерности его загрузки и/или нарушения параметров качества электрической энергии. 6. Разработан перечень показателей и параметров технического диагностирования, оказывающих наибольшее влияние на функциональное состояние оборудования и диагностических моделей оценки функционального состояния оборудования для различных видов подстанционного электросетевого оборудования. 7. Разработан перечень показателей характеристик состава и структуры материалов и технологических жидкостей особо ответственных узлов электросетевого оборудования, оказывающих наибольшее влияние на функциональное состояние оборудования и сформирован список требуемых согласованно-ориентированных свойств технологических жидкостей с повышенными эксплуатационными характеристиками, и свойств между материалами-узлами различных видов подстанционного электросетевого оборудования. 8. Разработана архитектура модели адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем и ее иерархических связей с учетом анализа функционального состояния оборудования на основе методов машинного обучения; 9. Сформированы функции и внутренняя структура объектов адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем с учетом анализа его функционального состояния; 10. Разработан новый подход к системе критериев и значимых параметров объектов системы интеллектуального оперативно-технологического управления оборудованием для анализа его функционального состояния 11. Мировая научная значимость полученных результатов проекта подтверждена 6 публикациями, индексируемыми в базах данных «Сеть науки» (Web of Science Core Collection) и «Скопус» (Scopus) в трудах ведущих международных конференций IEEE и Cigre, в том числе публикация в журнале IEEE Transactions on Power Delivery, входящий в первый квартиль (Q1) по импакт-фактору (3,5) JCR Science Edition).

 

Публикации

1. Егоров А.О., Ерошенко С.А., Хальясмаа А.И., Зиновьев К.А. Research on short-circuit current levels in Sverdlovsk power system 59th International Scientific Conference on Power and Electrical Engineering of Riga Technical University, RTUCON 2018, - (год публикации - 2018) https://doi.org/10.1109/RTUCON.2018.8659838

2. Хальясмаа А.И., Ерошенко С.А. The issues of high-voltage equipment technical state assessment systems development based on unsupervised machine learning approaches Proceedings of CIGRE SC D2 Colloquium on Information Systems and Telecommunication, - (год публикации - 2019)

3. Хальясмаа А.И., Ерошенко С.А., Зиновьев K.А., Болгов В.А. Improvement of short-circuit calculation results reliability for large electric power systems Proceedings of 11th International Conference - 2019 Electric Power Quality and Supply Reliability, PQ 2019, - (год публикации - 2019)

4. Хальясмаа А.И., Сенюк М.Д., Ерошенко С.А. Ключевые проблемы в задачах интеллектуального распознавания образов состояния силовых выключателей ЭЛЕКТРОЭНЕРГИЯ. ПЕРЕДАЧА И РАСПРЕДЕЛЕНИЕ, Номер: 5 (50), cтр. 103-107 (год публикации - 2018)

5. Хальясмаа А.И., Сенюк М.Д., Ерошенко С.А. High-voltage circuit breakers technical state patterns recognition based on machine learning methods IEEE Transactions on Power Delivery, - (год публикации - 2019)

6. Хальясмаа А.И., Сенюк М.И., Ерошенко С.А. Training sample formation for intelligent recognition of circuit breakers states patterns 59th International Scientific Conference on Power and Electrical Engineering of Riga Technical University, RTUCON 2018, - (год публикации - 2018) https://doi.org/10.1109/RTUCON.2018.8659886

7. Хальясмаа А.И., Степанова А.И., Давиденок И.В. High-voltage equipment state assessment method based on the integrated use of advanced non-destructive technologies 2019 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus), с. 988 - 991 (год публикации - 2019) https://doi.org/10.1109/EIConRus.2019.8657305

8. Хальясмаа А.И., Степанова А.И., Шатунова Д.В., Манусов В.З. Machine learning approach application for high-voltage instrument transformers technical state assessment MATEC Web of Conferences, - (год публикации - 2018) https://doi.org/10.1051/itmconf/20192403001

9. - Сотрудники вуза признаны лучшими в профессиональном сообществе энергетиков Новости Уральского федерального университета, - (год публикации - )


Аннотация результатов, полученных в 2019 году
За представленный отчетный период фактически были выполнены следующие работы в соответствии с указанным в заявке планом работ, а именно: 1. Разработана математическая модель адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем с учетом анализа его функционального состояния на основе методов машинного обучения. 2. Разработана модель данных адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем с учетом анализа его функционального состояния на основе машинного обучения, включая структурную (концептуальную) и математическую модели данных адаптивной системы, а также список требований и рекомендаций к составу и качеству исходных данных для нее. 3. Предложены алгоритмы обработки, анализа и агрегирования данных на основе технологии конструирования признаков (feature engineering) на базе алгоритмов машинного обучения и с помощью нее выполнен анализ влияния качества и состава исходных данных на результаты работы адаптивной системы: анализ информативности, достаточности (избыточности) и достоверности. Определены критерии информативности и достаточности (избыточности) данных, решающих правил для различных типов оборудования (силовых трансформаторов, измерительных высоковольтных трансформаторов тока и напряжения, выключателей и разъединителей). 4. Разработаны алгоритмы и принципы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем с учетом анализа его функционального состояния. 5. Выполнена апробация модели адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем с учетом анализа его функционального состояния для различных видов высоковольтного электросетевого оборудования района электрических сетей реальной энергосистемы. В рамках оценки и анализа разработанной модели адаптивной системы сформированы рекомендации по корректировке ее работы, а также выявлены новые корреляционные связи и закономерности изменения параметров, режимов работы, функционального состояния, состава и структуры материалов и технологических жидкостей электросетевого оборудования. Во второй год реализации проекта было реализовано очное и онлайн участие (в последний месяц реализации проекта в связи с эпидемиологической ситуации в мире) в 6 международных конференциях (труды с индексацией в международных базах научного цитирования (Scopus и WoS)). Мировая научная значимость полученных результатов проекта была подтверждена 12 публикациями, индексируемыми в базах данных «Сеть науки» (Web of Science Core Collection) и «Скопус» (Scopus), опубликованными в трудах ведущих международных конференций IEEE и Cigre, и в том числе 3 публикациями в журналах, входящих в первый квартиль (Q1) по импакт-фактору JCR Science Edition) и одна монография. Подана заявка в ФИПС на получение патента на результат интеллектуальной деятельности - изобретение. За представленный отчетный период фактически были достигнуты следующие результаты: 1 Получено и обосновано решение задачи оценки технического состояния оборудования на основе методов машинного обучения и доказана эффективность их применения для решения представленной задачи. 2 Разработана математическая модель адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем с учетом анализа его функционального состояния на основе методов машинного обучения. 3 Разработана структура модели данных (представление данных, их взаимосвязей и операций над ними) адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем с учетом анализа его функционального состояния на основе машинного обучения. 4 Сформированы требования к составу и качеству исходных данных, формированию обучающих выборок для различных типов оборудования 5 Выполнен анализ влияния качества и состава исходных данных на результаты работы адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем: анализ информативности, достаточности (избыточности) и достоверности. 6 Определены и сформированы критерии информативности и достаточности (избыточности) данных, решающих правил для различных типов оборудования. 7 Выполнена апробация модели адаптивной системы управления и прогнозирования жизненного цикла оборудования электроэнергетических систем с учетом анализа его функционального состояния для открытого распределительного устройства 110 кВ реального энергоообъекта 8 Сформированы рекомендации по корректировке модели адаптивной системы управления и прогнозирования жизненного цикла оборудования. 9 Проанализированы, выявлены и сформулированы новые связи и закономерности изменения параметров, режимов работы, функционального состояния, состава и структуры материалов и технологических жидкостей электросетевого оборудования на примере анализа функционального состояния электросетевого оборудования района электрических сетей реальной энергосистемы. 10 Сформулированы новые принципы и подходы к управлению жизненным циклом электросетевого оборудования с возможностью прогнозирования его остаточного ресурса

 

Публикации

1. Гаврилова А.Е., Хальясмаа А.И. Power system sectionalizing optimization using genetic algorithm Proceedings of 2019 16th Conference on Electrical Machines, Drives and Power Systems, ELMA 2019, - (год публикации - 2019) https://doi.org/10.1109/ELMA.2019.8771663

2. Ерошенко С.А., Хальясмаа А.И. Технологии цифровых двойников В сборнике: Электроэнергетика глазами молодежи-2019 материалы юбилейной Х Международной научно-технической конференции. 2019. С. 55-58., - (год публикации - 2019)

3. Ерошенко С.А., Хальясмаа А.И., Илюшин П.В. Power network topology optimization based on multiobjective evolutionary approach Proceedings of 2019 IEEE 60th Annual International Scientific Conference on Power and Electrical Engineering of Riga Technical University, - (год публикации - 2019)

4. Ерошенко С.А., Хальясмаа А.И., Сенюк М.Д., Снегирев Д.А. Indicator-based modified genetic approach for power network reconfiguration Proceedings of 2019 IEEE 60th Annual International Scientific Conference on Power and Electrical Engineering of Riga Technical University, - (год публикации - 2019)

5. Хальясмаа А.И., Винтер Я.М., Ерошенко С.А., Болгов В.А. The methodology of high-voltage instrument transformers technical state index assessment Proceedings of XXI-st International Symposium on Electrical Apparatus and Technologies SIELA 2020, - (год публикации - 2020)

6. Хальясмаа А.И., Ерошенко С.А., Сенюк М.Д. Machine learning as a tool to improve the efficiency of high-voltage power equipment lifecycle management CIGRE, - (год публикации - 2020)

7. Хальясмаа А.И., Ерошенко С.А., Тащилин В.А., Клеман Сегун, Лукас Эхлингер, Рохид Раджендра Вибхут, Саикумар Редди Атлури, Рафаэль Кэр Machine Learning Algorithms for Power Transformers Technical State Assessment 2019 International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON), - (год публикации - 2019)

8. Хальясмаа А.И., Ерошенко С.А., Чанг Т.Д. Machine learning application for the high-voltage equipment life cycle forecasting Proceedings of XXI-st International Symposium on Electrical Apparatus and Technologies SIELA 2020, - (год публикации - 2020)

9. Хальясмаа А.И., Ерошенко С.А., Шатунова Д.В., Ларионова А.А., Егоров А.О. Digital twin technology as an instrument for increasing electrical equipment reliability IOP Conference Series: Materials Science and Engineering, - (год публикации - 2019)

10. Хальясмаа А.И., Никитина Я.Д., Вонг Л. Electrical equipment technical state integral estimate based on additional non-destructive methods Proceedings of 2019 16th Conference on Electrical Machines, Drives and Power Systems, ELMA 2019, - (год публикации - 2019) https://doi.org/10.1109/ELMA.2019.8771572

11. Хальясмаа А.И., Сенюк М.Д., Ерошенко С.А. Analysis of the state of high-voltage current transformers based on gradient boosting on decision trees IEEE Transactions on Power Delivery, - (год публикации - 2020)

12. Хальясмаа А.И., Степанова А.И., Ерошенко С.А., Болгов В.А. The application of partial discharge monitoring system for instrument transformers: special issues Proceedings of XXI-st International Symposium on Electrical Apparatus and Technologies SIELA 2020, - (год публикации - 2020)

13. Хальясмаа А.И., Утеулиев Б.А.,Целобровский Ю.В. Methodology for analysing the technical state and residual life of overhead transmission lines IEEE Transactions on Power Delivery, - (год публикации - 2020)

14. Манусов В.З., Левин В.М., Хальясмаа А.И., Ахьёев Дж.С. ПРИМЕНЕНИЕ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ЗАДАЧАХ ТЕХНИЧЕСКОЙ ДИАГНОСТИКИ ЭЛЕКТРООБОРУДОВАНИЯ ЭЛЕКТРИЧЕСКИХ СИСТЕМ Издательство: Новосибирский государственный технический университет, г. Новосибирск, - (год публикации - 2020)

15. Хальясмаа Александра Ильмаровна Способ диагностики технического состояния высоковольтного оборудования открытых распределительных устройств -, - (год публикации - )

16. - Рабочая группа РГ6 НИК D2 РНК СИГРЭ на Ириклинской ГРЭС успешно завершила реализацию инновационного проекта Национальный исследовательский комитет D2 РНК Сигре, - (год публикации - )


Возможность практического использования результатов
Разработанная в результате проекта модель может быть использована в качестве самостоятельного инструмента – автоматизированной информационно-аналитической системы оперативно-технологического управления электросетевым оборудованием и прогнозирования его остаточного ресурса или может являться отдельным модулем (подсистемой) для современных корпоративных систем управления производственными активами (ERP - enterprise resource planning или «планирование ресурсов предприятия») электроэнергетических компаний. Разработанные в проекте новые подходы к управлению электросетевым оборудованием с учетом связности электроэнергетической системы и ее элементов на основе методов глубокого машинного обучения, позволят использовать представленную систему в качестве комплексного информационно-аналитического аппарата отраслевого масштаба, для получения скрытых закономерностей в статистических данных, с помощью которого можно не только оптимизировать оперативно-технологическое управление оборудованием, но и на его базе – решать задачи формирования и регулирования инвестиционных программ энергетических предприятий, энерго- и ресурсосбережения, и совершенствовать тарифную политику в области электроэнергетики, на основе надежного энергоснабжения в условиях меняющихся внешних факторов, тем самым обеспечивая социально-экономическое развитие регионов.