Тип публикации: статья из журнала
Год издания: 2023
Идентификатор DOI: 10.34831/EP.2023.1108.11.007
Ключевые слова: predictive analytics system, diagnostics, gas turbine unit, mathematical modeling, surrogate modeling, artificial neural networks, optimization methods, система предиктивной аналитики, диагностика, газотурбинная установка, математическое моделирование, суррогатное моделирование, искусственные нейронные сети, методы оптимизации
Аннотация: Разработана нейросетевая суррогатная модель газотурбинного двигателя (ГТД), которая аппроксимирует более сложную физико-математическую модель. Продемонстрированы результаты работы модели. Предложен метод оценки технического состояния объекта на основе метода обратного распространения ошибки искусственной нейронной сети. Описаны оснПоказать полностьюовные сценарии использования, сделаны выводы о потенциальных преимуществах нейросетевых суррогатных моделей. The gas turbine engine (GTE) neural network surrogate model has been developed, which approximates a more complex physical and mathematical model. The results of the model are demonstrated. A method for assessing the technical condition of an object based on the backpropagation method of an artificial neural network error is proposed. The main use cases are described and conclusions are drawn about the potential advantages of neural network surrogate models.
Журнал: Электрические станции
Выпуск журнала: № 11
Номера страниц: 50-57
ISSN журнала: 02014564
Место издания: Москва
Издатель: АО НТФ "Энергопрогресс", Министерство энергетики РФ, Электроэнергетическая ассоциация "Корпорация Единый Электроэнергетический Комплекс", Некоммерческое партнерство "Научно-технический совет Единой энергетической системы" (НП "НТС ЕЭС"), ПАО "ФСК ЕЭС"