Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: XII Всероссийская научно-практическая конференция "Гидроэлектростанции в XXI веке"; Саяногорск; Саяногорск
Год издания: 2025
Ключевые слова: automated control system, predictive analytics, signal processing, hydroelectric power plant, operational safety, machine learning, INTELLIGENT control systems, асутп, предиктивная аналитика, обработка сигналов, гидроэлектростанция, безопасность эксплуатации, машинное обучение, интеллектуальные системы управления
Аннотация: В статье рассматриваются актуальные вопросы обработки и анализа сигналов на верхнем уровне автоматизированной системы управления технологическими процессами (АСУТП) Саяно-Шушенской ГЭС. Основное внимание уделено проблеме информационной перегрузки оперативного персонала из-за избыточного количества сигналов, что снижает эффективностПоказать полностьюь управления в аварийных ситуациях. Предложены методы оптимизации обработки сигналов, включая: • алгоритмы интеллектуальной фильтрации и приоритизации сигналов; • внедрение предиктивной аналитики на основе машинного обучения; • улучшенные методы визуализации критически важной информации. Реализация этих решений позволяет сократить время реакции на аварийные события, повысить точность диагностики оборудования и снизить когнитивную нагрузку на операторов. Разработанные подходы могут быть применены не только на гидроэлектростанциях, но и на других энергетических объектах, что делает их перспективными для масштабирования в отрасли. The article deals with topical issues of signal processing and analysis at the upper level of the automated process control system (APCS) at the Sayano-Shushenskaya HPP. The main attention is paid to the problem of information overload of operational personnel due to an excessive number of signals, which reduces the effectiveness of management in emergency situations. Methods for optimizing signal processing are proposed, including: • algorithms for intelligent filtering and prioritization of signals; • implementation of predictive analytics based on machine learning; • Improved visualization techniques for critical information. The implementation of these solutions makes it possible to reduce the response time to emergency events, increase the accuracy of equipment diagnostics, and reduce the cognitive burden on operators. The developed approaches can be applied not only to hydroelectric power plants, but also to other energy facilities, which makes them promising for scaling in the industry
Журнал: Гидроэлектростанции в XXI веке
Номера страниц: 108-114
Место издания: Саяногорск