Розробка математичної моделі розподілу витрат на технічне обслуговування та ремонт електрообладнання

Автор(и)

  • Eugen Bardyk Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського» пр. Перемоги, 37, м. Київ, Україна, 03056, Україна https://orcid.org/0000-0002-5776-1500
  • Nickolai Bolotnyi Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського» пр. Перемоги, 37, м. Київ, Україна, 03056, Україна https://orcid.org/0000-0002-7366-2430

DOI:

https://doi.org/10.15587/1729-4061.2018.147622

Ключові слова:

метод Сааті, ризик-менеджмент, імовірність відмови, технічне обслуговування і ремонт

Анотація

Дослідження присвячене розробці моделі розподілу витрат на технічне обслуговування, ремонт та заміну електрообладнання при прийняття рішень щодо управлінням режимом електроенергетичної системи. Зниження надійності функціонування ЕЕС, спричинене об’єктивно існуючим старінням парку електрообладнання, потребує врахування значущості електрообладнання при плануванні його технічного обслуговування та ремонту. Для цієї мети пропонується використовувати теорію нечітких множин, метод парних порівнянь Сааті, метод булевого програмування. Результатом рішення оптимізаційної задачі багатокритеріального аналізу є вектор найкращих альтернатив, побудований за принципом домінантності. Розроблений алгоритм комплексного моделювання технічного стану і режиму ЕЕС, розподілу інвестиційних витрат на технічне обслуговування та ремонт для прийняття рішень щодо визначення пріорітету виведення з експлуатації електрообладнання дозволяє ефективно приймати рішення. Результати імовірнісно-статистичного моделювання режиму ЕЕС з використанням методу Монте-Карло дозволяють врахувати імовірнісний характер виникнення аварійних ситуацій в ЕЕС під час визначення її найбільш слабких елементів, які потребують першочергової заміни. Перевагою запропонованого підходу є врахування технічного стану електрообладнання для оцінки ризику виникнення аварійної ситуації в ЕЕС. Порівняльний аналіз результатів ранжування електрообладнання на основі оцінок значущості електрообладнання та ризику виникнення аварійної ситуації в ЕЕС підтвердив високу ефективність використання при розв’язанні задач превентивного управління і планування режимів ЕЕС. Розроблена модель буде використана для подальшого дослідження і розробки алгоритму прийняття ефективних рішень щодо превентивного управління режимом ЕЕС. Отримані результати комплексного моделювання режиму ЕЕС і розподілу витрат на проведення технічного обслуговування та ремонту дають підстави стверджувати щодо можливості впровадження в складі комплексу програм аналізу ризиків експлуатації в електроенергетичній системі для енергокомпаніях

Біографії авторів

Eugen Bardyk, Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського» пр. Перемоги, 37, м. Київ, Україна, 03056

Кандидат технічних наук, доцент, завідувач кафедри

Кафедра електричних станцій

Nickolai Bolotnyi, Національний технічний університет України «Київський політехнічний інститут ім. Ігоря Сікорського» пр. Перемоги, 37, м. Київ, Україна, 03056

Аспірант

Кафедра електричних станцій

Посилання

  1. Dahai You, A., QingQian Chen, B., Xianggen Yin, C., Bo Wang, D. (2011). A study of Electrical Security Risk Assessment System based on Electricity Regulation. Energy Policy, 39 (4), 2062–2074. doi: https://doi.org/10.1016/j.enpol.2011.01.050
  2. Wallnerstrom, C. J., Hilber, P. (2012). Vulnerability Analysis of Power Distribution Systems for Cost-Effective Resource Allocation. IEEE Transactions on Power Systems, 27 (1), 224–232. doi: https://doi.org/10.1109/tpwrs.2011.2165226
  3. Hilber, P., Babu, S., Wallnerstom, J., Westerlund, P., Rosenlind, J. (2013). Benefits of reliability centred asset management. 22nd International Conference and Exhibition on Electricity Distribution (CIRED 2013). doi: https://doi.org/10.1049/cp.2013.0668
  4. Ciapessoni, E., Cirio, D., Gagleoti, E. (2008). A probabilistic approach for operational risk assessment of power systems. CIGRE, C4–114.
  5. Shiwen, Y., Hui, H., Chengzhi, W., Hao, G., Hao, F. (2017). Review on Risk Assessment of Power System. Procedia Computer Science, 109, 1200–1205. doi: https://doi.org/10.1016/j.procs.2017.05.399
  6. Louit, D., Pascual, R., Banjevic, D. (2009). Optimal interval for major maintenance actions in electricity distribution networks. International Journal of Electrical Power & Energy Systems, 31 (7-8), 396–401. doi: https://doi.org/10.1016/j.ijepes.2009.03.021
  7. Moradkhani, A., Haghifam, M. R., Abedi, S. M. (2015). Risk-based maintenance scheduling in the presence of reward penalty scheme. Electric Power Systems Research, 121, 126–133. doi: https://doi.org/10.1016/j.epsr.2014.12.006
  8. Xiao, N., Huang, H.-Z., Li, Y., He, L., Jin, T. (2011). Multiple failure modes analysis and weighted risk priority number evaluation in FMEA. Engineering Failure Analysis, 18 (4), 1162–1170. doi: https://doi.org/10.1016/j.engfailanal.2011.02.004
  9. Yssaad, B., Khiat, M., Chaker, A. (2014). Reliability centered maintenance optimization for power distribution systems. International Journal of Electrical Power & Energy Systems, 55, 108–115. doi: https://doi.org/10.1016/j.ijepes.2013.08.025
  10. Leite da Silva, A. M., Rezende, L. S., Manso, L. A. F., Anders, G. J. (2010). Transmission expansion planning: A discussion on reliability and “N−1” security criteria. 2010 IEEE 11th International Conference on Probabilistic Methods Applied to Power Systems. doi: https://doi.org/10.1109/pmaps.2010.5528652
  11. Handschin, E., Jurgens, I., Neumann, C. (2008). Long term optimization for risk oriented asset management. 16th Power Systems Computation Conference. Glasgow.
  12. Goerdin, S. A. V., Smit, J. J., Mehairjan, R. P. Y. (2015). Monte Carlo simulation applied to support risk-based decision making in electricity distribution networks. 2015 IEEE Eindhoven PowerTech. doi: https://doi.org/10.1109/ptc.2015.7232494
  13. Wang, B., Li, Y., Watada, J. (2011). A New MOPSO to Solve a Multi-Objective Portfolio Selection Model with Fuzzy Value-at-Risk. Lecture Notes in Computer Science, 217–226. doi: https://doi.org/10.1007/978-3-642-23854-3_23
  14. Bardyk, Ye. I. (2014). Modelling and assessment of chances of failure of power systems electrical equipment taking into account the after repair resource restoration level. Visnyk of National Mining University, 3, 82–90.
  15. Saaty, T. L. (2008). Decision making with the analytic hierarchy process. International Journal of Services Sciences, 1 (1), 83–98. doi: https://doi.org/10.1504/ijssci.2008.017590
  16. Kosterev, N. V., Bardyk, E. I., Litvinov, V. V. (2015). Preventive risk-management of power system for its reliability increasing. WSEAS TRANSACTIONS on POWER SYSTEMS, 251–258.
  17. Bardyk, E. I. (2014). Models of reliability assessing of electricity supply of auxiliary NPP from external sources with fuzzy defined parameters of failures of equipments. Proceedings of the Institute of Electrodynamics of National Academy of Sciences of Ukraine, 34–38.
  18. Bardyk, E., Bolotnyi, N. (2017). Parametric identification of fuzzy model for power transformer based on real operation data. Eastern-European Journal of Enterprise Technologies, 6 (8 (90)), 4–10. doi: https://doi.org/10.15587/1729-4061.2017.118632
  19. Bardyk, E., Bolotnyi, N. (2018). Development of a model for determining a priority sequence of power transformers out of service. Eastern-European Journal of Enterprise Technologies, 3 (8 (93)), 6–15. doi: https://doi.org/10.15587/1729-4061.2018.133570

##submission.downloads##

Опубліковано

2018-11-19

Як цитувати

Bardyk, E., & Bolotnyi, N. (2018). Розробка математичної моделі розподілу витрат на технічне обслуговування та ремонт електрообладнання. Eastern-European Journal of Enterprise Technologies, 6(8 (96), 6–16. https://doi.org/10.15587/1729-4061.2018.147622

Номер

Розділ

Енергозберігаючі технології та обладнання