ISSN 1995-2732 (Print), 2412-9003 (Online)
УДК 658.562
DOI: 10.18503/1995-2732-2023-21-3-155-169
Аннотация
Постановка задачи (актуальность работы). Внедрение новых технологий на базе светодиодов в сетях освещения приводит к появлению новых проблем в обеспечении и контроле качества электрической энергии и оценки надежности сетей освещения. Нелинейная природа данных осветительных приборов и сложность технического обслуживания создают значительные препятствия в получении реальной выгоды от экономии электрической энергии и затрудняют расчет реальной экономии средств. Для решения описанных проблем возникает необходимость усовершенствования процесса контроля качества и развития стратегий предиктивного обслуживания как способа повышения эффективности управления качеством сетей освещения. Цель работы. Целью исследований является анализ возможности и целесообразности применения стратегий предиктивного обслуживания в сетях светодиодного освещения. Используемые методы. В работе используются комплексный исследовательский подход, включающий анализ соответствующей литературы и конкретных практик использования предиктивного подхода в электрических сетях, методы предиктивного моделирования, аналитики и структурного анализа. Новизна. В работе предложена стратегия использования методов прогнозируемого обслуживания на примере предиктивной математической модели с элементами машинного обучения с учетом контекста контроля основных параметров сетей освещения. Результат. Представлена стратегия прогнозируемого обслуживания на примере предиктивной математической модели, разработаны рекомендации для практического применения предлагаемой стратегии прогнозируемого обслуживания в сетях освещения для прогнозирования неисправностей, оптимизации графиков технического обслуживания и интеграции процесса управления качеством в порядок эксплуатации. Результаты показывают возможность и целесообразность внедрения стратегии предиктивного обслуживания для повышения эффективности процессов контроля качества, надежности и экономии затрат в сетях светодиодного освещения. Практическая значимость. Результаты исследования имеют важное практическое значение для специалистов светотехнической отрасли в области управления качеством сетей освещения. Применяя разработанные модели и стратегию, организации могут оптимизировать ресурсы технического обслуживания, сократить время простоя и обеспечить повышение качества систем светодиодного освещения.
Ключевые слова
предиктивное обслуживание, сети освещения, светодиодные светильники, управление качеством, качество электроэнергии в сетях освещения, энергоэффективность сетей освещения
Для цитирования
Кузьменко В.П., Солёный С.В. Модель предиктивного обслуживания для управления качеством сетей светодиодного освещения // Вестник Магнитогорского государственного технического университета им. Г.И. Носова. 2023. Т. 21. №3. С. 155-169. https://doi.org/10.18503/1995-2732-2023-21-3-155-169
1. Segovia-Muñoz D. & Serrano Guerrero, Xavier & Barragán-Escandón, Antonio. Predictive maintenance in LED street lighting controlled with telemanagement system to improve current fault detection procedures using software tools. Renewable Energy and Power Quality Journal, 2022, vol. 20, pp. 379-386. 10.24084/repqj20.318.
2. Karami, Mahdi and Madlener, Reinhard, Smart Predictive Maintenance Strategy Based on Cyber-Physical Systems for Centrifugal Pumps: A Bearing Vibration Analysis (September 1, 2019). FCN Working Paper No. 14/2019, SSRN doi.org/10.2139/ssrn.3544199
3. Прыткова Е.А., Давыдов В.М. Анализ применения иерархических нейросетевых методов в контроле качества // Вестник Магнитогорского государственного технического университета им. Г.И. Носова. 2023. Т. 21. №1. С. 74-81. doi.org/10.18503/ 1995-2732-2023-21-1-74-81
4. Коррекция коэффициента мощности в системах электроснабжения с многофазными нелинейными нагрузками / Егоров Д.Э., Довгун В.П., Боярская Н.П., Ян А.В., Слюсарев А.С. // Известия высших учебных заведений. Проблемы энергетики. 2020. Т. 22. №6. С. 3-15. doi:10.30724/1998-9903-2020-22-6-3-15.
5. De Luca R., Ferraro A., Galli A., Gallo M., Moscato V. and Sperlì G. A deep attention-based approach for predictive maintenance applications in IoT scenarios // Journal of Manufacturing Technology Management, 2023, vol. 34, no. 4, pp. 535-556. doi.org/10.1108/ JMTM-02-2022-0093
6. Минимизация потерь мощности в пассивных силовых фильтрах / Боярская Н.П., Довгун В.П., Его-ров Д.Э., Новиков В.В., Шандрыгин Д.А. // Известия высших учебных заведений. Проблемы энергетики. 2021. Т. 23. №6. С. 42-52. doi:10.30724/ 1998-9903-2021-23-6-42-52.
7. Mirza Rayana Sanzana, Tomas Maul, and others, Application of deep learning in facility management and maintenance for heating, ventilation, and air conditioning, Automation in Construction, 2022, vol. 141, pp. 104445, ISSN 0926-5805, doi.org/10.1016/ j.autcon. 2022.104445.
8. Gong Chen & Xu, Haiping & Yuan, Zengquan & Liang, Jinhua. The Accelerated Life Test Investigation and Lifetime Prediction Method for LED Driver, 2022, pp. 355-359. 10.1109/ICPEA56363.2022. 10052233.
9. Kuzmenko V. and others. Definition and approximation of the light flux degradation of a LED lamp // IOP Conference Series: Materials Science and Engineering. 2020, vol. 734, pp. 012197. doi:10.1088/1757-899X/ 734/ 1/012197.
10. Калечиц В.Н. Особенности моделирования режимов работы линий наружного освещения. Энергетика // Известия высших учебных заведений и энергетических объединений СНГ. 2022. Т. 65. №6. С. 499-510. doi:10.21122/1029-7448-2022-65-6-499-510.
11. Кузьменко В.П., Солёный С.В. Исследование влияния светодиодных прожекторов на процессы управления качеством электрической энергии и энергоэффективностью // Омский научный вестник. 2021. Т. 2. №176. С. 15-19.