Показать сокращенную информацию
dc.contributor.author | Kryukov, O.V. | |
dc.contributor.author | Serebryakov, А.V. | |
dc.contributor.author | Крюков, О.В. | |
dc.contributor.author | Серебряков, А.В. | |
dc.date.accessioned | 2020-10-15T08:29:47Z | |
dc.date.available | 2020-10-15T08:29:47Z | |
dc.date.issued | 2016 | |
dc.identifier.citation | Kryukov, O.V. Artificial neural networks of technical state prediction of gas compressor units electric motors / O.V. Kryukov, А.V. Serebryakov // Вестник ЮУрГУ. Серия «Энергетика». – 2016. – Т. 16, № 1. – С. 66–74. DOI: 10.14529/power160110 Kryukov, O.V., Serebryakov А.V. Artificial Neural Networks of Technical State Prediction of Gas Compressor Units Electric Motors. Bulletin of the South Ural State University. Ser. Power Engineering, 2016, vol. 16, no. 1, pp. 66–74. DOI: 10.14529/power160110 | ru_RU |
dc.identifier.issn | 2409-1057 | |
dc.identifier.uri | http://dspace.susu.ru/xmlui/handle/0001.74/30350 | |
dc.description | O.V. Kryukov1, o.kryukov@ggc.nnov.ru, А.V. Serebryakov2, serebryakov@ardman.ru 1 Giprogazcenter JSC, Nizhny Novgorod, Russian Federation, 2 Nizhny Novgorod State Technical University n.a. R.E. Alexeev, Nizhny Novgorod, Russian Federation Крюков Олег Викторович, д-р техн. наук, доцент, главный специалист, АО «Гипрогазцентр», г. Нижний Новгород; o.kryukov@ggc.nnov.ru. Серебряков Артем Владимирович, канд. техн. наук, доцент, Нижегородский государственный технический университет им. Р.Е. Алексеева, г. Нижний Новгород; serebryakov@ardman.ru. | ru_RU |
dc.description.abstract | Issues of engineering effective and reliable systems for on-line diagnostics of electric motors of electrically driven compressor stations are considered. The paper provides failure statistics for the most critical gastransport systems’ units – electrically driven gas-compressor stations. Artificial neural networks methodology and architecture were developed to obtain prediction models of MW electric machines. Examples of neurofuzzy prediction of synchronous machines stator winding performance and service life are given. Selected network tests, the Box-Jenkins fuzzy model, models of the analysis technique of spectral components dynamics, current magnitude and stator temperature prediction are received. Based on results of comparative analysis of anticipated conditions of electric machines for main gas transport with due regard to various operational factors of electrically driven gas-compressor units, recommendations on application of the artificial neural network method have been drawn up. Рассмотрены вопросы проектирования эффективных и достоверных систем оперативной диагностики электродвигателей электроприводных компрессорных станций. Представлена статистика выхода из строя наиболее ответственных установок газотранспортных систем – электроприводных газоперекачивающих агрегатов. Разработана методология и архитектура искусственных нейронных сетей для получения прогнозных моделей электрических машин мегаваттного класса. Приведены примеры нейро-нечеткого прогнозирования технического состояния и ресурса статорных обмоток синхронных машин. Получены тесты селекционированных сетей, нечеткая модель Бокса – Дженкинса, модели метода анализа динамики спектральных составляющих, прогнозирование величин тока и температур статора. Сопоставительные результаты анализа ожидаемых состояний электрических машин магистрального транспорта газа, исходя из учета различных эксплуатационных факторов работы электроприводных газоперекачивающих агрегатов, позволили выработать рекомендации по применению метода искусственных нейронных сетей. | ru_RU |
dc.language.iso | en | ru_RU |
dc.publisher | Издательский центр ЮУрГУ | ru_RU |
dc.relation.ispartof | Вестник ЮУрГУ. Серия Энергетика | ru |
dc.relation.ispartof | Vestnik Ûžno-Ural’skogo gosudarstvennogo universiteta. Seriâ Ènergetika | en |
dc.relation.ispartof | Bulletin of SUSU | en |
dc.relation.ispartofseries | Энергетика;Т. 16 | |
dc.subject | УДК 62-52-83:656.56 | ru_RU |
dc.subject | electrically driven compressor stations | ru_RU |
dc.subject | gas compressor station | ru_RU |
dc.subject | MW electric motors | ru_RU |
dc.subject | artificial neural networks | ru_RU |
dc.subject | selected networks tests | ru_RU |
dc.subject | prediction models of current magnitude and stator temperature | ru_RU |
dc.subject | электроприводные компрессорные станции | ru_RU |
dc.subject | газоперекачивающий агрегат | ru_RU |
dc.subject | электродвигатель мегаваттного класса | ru_RU |
dc.subject | искусственные нейронные сети | ru_RU |
dc.subject | тесты селекционированных сетей | ru_RU |
dc.subject | моделипрогнозирования величин тока и температур статора | ru_RU |
dc.title | Artificial neural networks of technical state prediction of gas compressor units electric motors | ru_RU |
dc.title.alternative | Искусственные нейронные сети прогнозирования технического состояния электродвигателей газоперекачивающих агрегатов | ru_RU |
dc.type | Article | ru_RU |
dc.identifier.doi | DOI: 10.14529/power160110 |