RU2620133C1 - Method of probabilistic assessment of pumping station supplying - Google Patents

Method of probabilistic assessment of pumping station supplying Download PDF

Info

Publication number
RU2620133C1
RU2620133C1 RU2015151924A RU2015151924A RU2620133C1 RU 2620133 C1 RU2620133 C1 RU 2620133C1 RU 2015151924 A RU2015151924 A RU 2015151924A RU 2015151924 A RU2015151924 A RU 2015151924A RU 2620133 C1 RU2620133 C1 RU 2620133C1
Authority
RU
Russia
Prior art keywords
quote
pumping station
random
elements
failure
Prior art date
Application number
RU2015151924A
Other languages
Russian (ru)
Inventor
Феликс Владимирович Кармазинов
Гаяне Агасовна Панкова
Михаил Давидович Пробирский
Дмитрий Михайлович Михайлов
Виктор Сергеевич Игнатчик
Светлана Юрьевна Игнатчик
Наталия Викторовна Кузнецова
Original Assignee
Государственное Унитарное Предприятие "Водоканал Санкт-Петербурга"
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Государственное Унитарное Предприятие "Водоканал Санкт-Петербурга" filed Critical Государственное Унитарное Предприятие "Водоканал Санкт-Петербурга"
Priority to RU2015151924A priority Critical patent/RU2620133C1/en
Application granted granted Critical
Publication of RU2620133C1 publication Critical patent/RU2620133C1/en

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E03—WATER SUPPLY; SEWERAGE
    • E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
    • E03B5/00—Use of pumping plants or installations; Layouts thereof
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D15/00—Control, e.g. regulation, of pumps, pumping installations or systems
    • F04D15/0088—Testing machines

Landscapes

  • Testing And Monitoring For Control Systems (AREA)

Abstract

FIELD: engines and pumps.
SUBSTANCE: separation of pumping station into a finite number of elements with the specified probability parameters is carried out in the method and probabilistic modeling with the definition of pumping station supplying distribution law is carried out. Sudden failure rates cleared during current repairs and their repair rates, gradual failure rates cleared during major repairs and their repair rates are taken as the probability parameters of elements. Wherein random event of transition into the failure mode with the gradual failure rates is carried out only if the actual number of elements in the major repair is less than acceptable, and probabilistic modeling is performed by result data processing of the pumping station operation simulation modeling throughout its duration.
EFFECT: expanded operating performances of the method.
7 dwg

Description

Изобретение относится к области систем водоснабжения и водоотведения и может быть использовано для определения законов распределения случайной величины подачи насосных станций.The invention relates to the field of water supply and sanitation systems and can be used to determine the laws of distribution of a random flow rate of pumping stations.

Известен метод оценки надежности насосных станций (см. статью одного из авторов данной заявки: Игнатчик С.Ю. Энергосбережение и обеспечение надежности при реконструкции канализационных насосных станций / Водоснабжение и санитарная техника. 2012. №12. С. 37-43). Он позволяет определять технологические и вероятностные показатели надежности для каждого элемента технологической части станции, а также вероятностные и параметрические показатели надежности станции в целом посредством математической модели, описывающей процесс изменения ее состояний в виде Марковского случайного процесса. A known method for assessing the reliability of pumping stations (see the article by one of the authors of this application: Ignatchik S.Yu. Energy conservation and reliability in the reconstruction of sewer pumping stations / Water supply and sanitary equipment. 2012. No. 12. P. 37-43). It allows you to determine the technological and probabilistic reliability indicators for each element of the technological part of the station, as well as the probabilistic and parametric reliability indicators of the station as a whole through a mathematical model that describes the process of changing its states in the form of a Markov random process.

Для указанного метода характерна узкая область применения, поскольку он применим только при стационарных потоках отказов и восстановлений оборудования насосных станций, например, на станциях, оборудованных насосными агрегатами, для которых продолжительность устранения внезапных отказов, устраняемых в процессе текущих ремонтов, и постепенных отказов, устраняемых в процессе капитальных ремонтов, существенно не отличаются. Однако на практике встречаются насосные станции, для которых это условие не выполняется, например, станции, оборудованные мощными насосными агрегатами с высоковольтными двигателями. Для них средние продолжительности восстановлений (12000 - 16000 ч) в процессе капитального ремонта на три порядка больше средних продолжительностей восстановлений в процессе текущего ремонта (60 - 80 ч). Такой процесс восстановлений не соответствует критериям стационарности. По этой причине в подобных случаях применение данного метода приведет к снижению точности оценки надежности насосных станций.This method is characterized by a narrow scope, since it is applicable only for stationary flows of failures and recoveries of equipment of pumping stations, for example, at stations equipped with pumping units for which the duration of elimination of sudden failures eliminated during ongoing repairs and gradual failures eliminated in the process of major repairs are not significantly different. However, in practice there are pumping stations for which this condition is not fulfilled, for example, stations equipped with powerful pumping units with high-voltage motors. For them, the average duration of the restoration (12000 - 16000 h) during the overhaul process is three orders of magnitude longer than the average duration of the restoration during the current repair (60 - 80 h). Such a recovery process does not meet the criteria for stationarity. For this reason, in such cases, the application of this method will lead to a decrease in the accuracy of assessing the reliability of pumping stations.

Наиболее близким аналогом к заявляемому способу служит Общий логико-вероятностный метод (ОЛВМ), описанный в трудах профессоров Рябинина И.А., Черкесова Г.Н., Можаева А.С. и др. Например, в работе «Сравнительный анализ технологий деревьев отказов и автоматизированного структурно-логического моделирования, используемых для выполнения работ по вероятностному анализу безопасности АЭС и АСУТП на стадии проектирования»: отчет о НИР «Технология-2004» / ФГУП СПб АЭП, ОАО "СПИК СЗМА", ИПУ РАН; ответственные исполнители: Ершов Г.А., Можаев А.С., Викторова В.С. Санкт-Петербург, -2005 г. стр. 21-22. В соответствии с этим отчетом ОЛВМ включает в себя следующие четыре этапа:The closest analogue to the claimed method is the General logical and probabilistic method (OLVM), described in the writings of professors Ryabinin I.A., Cherkesov G.N., Mozhaev A.S. and others. For example, in the work “Comparative analysis of technology of fault trees and automated structural and logical modeling used to perform probabilistic safety analysis of nuclear power plants and process control systems at the design stage”: report on research work “Technology-2004” / FSUE SPb AEP, OJSC SPIK SZMA, IPU RAS; responsible executors: Ershov G.A., Mozhaev A.S., Viktorova V.S. St. Petersburg, 2005 p. 21-22. In accordance with this report, the CFM includes the following four stages:

1. Этап структурно-логической постановки задачи, который включает в себя:1. The stage of the structural-logical statement of the problem, which includes:

– разделение всей рассматриваемой системы на конечное число H элементов i = 1,2, ..., H, каждый из которых представляется в модели надежности простым (бинарным) событием xi с двумя возможными состояниями QUOTE

Figure 00000001
Figure 00000001
, например, работоспособности/отказа, готовности/не готовности, поражения/не поражения и т.д. и заданными вероятностными параметрами pi(t), или qi(t) = 1 – pi(t);- dividing the entire system under consideration into a finite number H of elements i = 1,2, ..., H, each of which is represented in the reliability model as a simple (binary) event x i with two possible states QUOTE
Figure 00000001
Figure 00000001
, for example, operability / failure, readiness / not readiness, defeat / not defeat, etc. and given probabilistic parameters p i (t), or q i (t) = 1 - p i (t);

– определение содержания и логических условий реализации yi и/или не реализации QUOTE

Figure 00000002
Figure 00000002
выходных (интегративных) функций для каждого элемента в системе;- determination of the content and logical conditions of the implementation of y i and / or non-implementation of QUOTE
Figure 00000002
Figure 00000002
output (integrative) functions for each element in the system;

– логически строгое вербальное и графическое (аналитическое) описание множества X отдельных элементов системы и множества условий Y реализации ими своих системных функций, которые в совокупности G(X,Y) образуют специальную схему функциональной целостности (СФЦ) рассматриваемой системы;- a logically rigorous verbal and graphical (analytical) description of the set X of individual elements of the system and the set of conditions Y for their implementation of their system functions, which together G (X, Y) form a special functional integrity scheme (SFC) of the system in question;

– логически строгое описание и задание с помощью отдельных или групповых выходных (интегративных) функций логических критериев функционирования (ЛКФ) системы QUOTE

Figure 00000003
Figure 00000003
реализации основных функций и/или возникновения опасных состояний системы.- logically strict description and assignment, using separate or group output (integrative) functions, of the logical functioning criteria (LCF) of the QUOTE system
Figure 00000003
Figure 00000003
implementation of the basic functions and / or occurrence of dangerous conditions of the system.

2. Этап логического моделирования, на котором с помощью специальных методов преобразования СФЦ и ЛКФ осуществляется построение логической функции работоспособности системы (ФРС) QUOTE

Figure 00000004
Figure 00000004
. Логическая ФРС позволяет аналитически строго, но в компактной форме, определить все комбинации состояний элементов QUOTE
Figure 00000005
Figure 00000005
, в которых (и только в которых) система реализует свою выходную функцию F.2. The stage of logical modeling, at which, using special conversion methods of the SFC and LFF, the logical function of the system health (FRS) QUOTE is constructed
Figure 00000004
Figure 00000004
. Logical Fed allows analytically strict, but in a compact form, to determine all combinations of states of QUOTE elements
Figure 00000005
Figure 00000005
in which (and only in which) the system realizes its output function F.

3. Этап вероятностного моделирования, на котором с помощью специальных методов преобразования ФРС осуществляется построение многочлена расчетной вероятностной функции (ВФ) QUOTE

Figure 00000006
Figure 00000006
. Многочлен ВФ позволяет аналитически строго определить закон распределения времени безотказной работы системы по реализации выходной функции F, заданной логическим критерием функционирования.3. The stage of probabilistic modeling, at which, using special methods of the Fed conversion, the polynomial of the calculated probabilistic function (WF) QUOTE is constructed
Figure 00000006
Figure 00000006
. The WF polynomial allows one to strictly analytically determine the law of the distribution of the system uptime for the implementation of the output function F given by the logical criterion of operation.

4. Этап выполнения расчетов показателей надежности, которые выполняются на основе ВФ и заданных параметров надежности элементов.4. The stage of calculating the reliability indicators, which are performed on the basis of the WF and the specified parameters of the reliability of the elements.

Для указанного метода характерны ограниченные функциональные возможности, поскольку:This method is characterized by limited functionality, because:

- с его помощью нельзя определить технологические показатели надежности в виде распределения не времени безотказной работы, а технологического параметра, например, подачи насосной станции с учетом гидравлических закономерностей совместной работы насосов; - with its help, it is impossible to determine technological reliability indicators in the form of distribution not of uptime, but of a technological parameter, for example, the supply of a pumping station, taking into account the hydraulic laws of the pumps working together;

- с его помощью нельзя оценить надежность системы, состоящей из элементов, процесс изменения состояний (работоспособное и отказное) которых происходит под воздействием двух случайных потоков (выход в текущий и капитальный ремонты, продолжительность которых отличаются на порядок и более), т.к. между этими событиями не существует логической связи;- with its help, it is impossible to assess the reliability of a system consisting of elements whose process of changing states (operational and failure) occurs under the influence of two random flows (exit to current and overhaul repairs, the duration of which differs by an order of magnitude or more), because there is no logical connection between these events;

- с его помощью нельзя оценить надежность системы, в которой случайный поток выхода в капитальный ремонт зависит не только от параметров случайного потока (например, интенсивности отказа), но и ограничительных действий персонала (например, отказ в выводе элемента в капитальный ремонт до того, пока предыдущий элемент, находящийся в капитальном ремонте, не выйдет из него). - with its help, it is impossible to assess the reliability of a system in which a random output stream for overhaul depends not only on the parameters of a random stream (for example, failure rate), but also for restrictive actions of personnel (for example, a refusal to withdraw an element for overhaul until the previous item undergoing major repairs will not come out of it).

Задачей настоящего изобретения является расширение функциональных возможностей известного метода.The objective of the present invention is to expand the functionality of the known method.

Поставленная задача решается тем, что в известном способе, содержащим этапы, на которых:The problem is solved in that in the known method, comprising stages in which:

а) осуществляют разделение всей рассматриваемой системы на конечное число Н элементов i=1, 2, …, Н, каждый из которых представляется в модели надежности простым (бинарным) событием с двумя возможными состояниями, например, работоспособности/отказа, и вероятностными параметрами; a) carry out the separation of the entire system in question into a finite number H of elements i = 1, 2, ..., H, each of which is represented in the reliability model as a simple (binary) event with two possible states, for example, operability / failure, and probabilistic parameters;

б) осуществляют вероятностное моделирование с определением закона распределения случайной величины в соответствии с настоящим изобретением:b) carry out probabilistic modeling with the definition of the law of distribution of a random variable in accordance with the present invention:

1. В качестве i-го элемента насосной станции принимают, по меньшей мере, один насос по меньшей мере одного типа в совокупности со всеми другими элементами насосной станции, отказ которых приводит к остановке работы упомянутого насоса.1. As the i-th element of the pumping station, at least one pump of at least one type is taken in conjunction with all other elements of the pumping station, the failure of which leads to a halt in the operation of said pump.

2. В качестве вероятностных параметров i-го элемента насосной станции принимают интенсивности внезапных отказов QUOTE

Figure 00000007
Figure 00000007
, устраняемых в процессе текущих ремонтов, и интенсивности их восстановлений QUOTE
Figure 00000008
Figure 00000008
, интенсивности постепенных отказов QUOTE
Figure 00000009
Figure 00000009
, устраняемых в процессе капитальных ремонтов, и интенсивности их восстановлений QUOTE
Figure 00000010
Figure 00000010
.2. As the probabilistic parameters of the i-th element of the pumping station take the sudden failure rate QUOTE
Figure 00000007
Figure 00000007
, eliminated during ongoing repairs, and the intensity of their recovery QUOTE
Figure 00000008
Figure 00000008
, QUOTE Failure Rate
Figure 00000009
Figure 00000009
, eliminated in the process of capital repairs, and the intensity of their restoration QUOTE
Figure 00000010
Figure 00000010
.

3. В качестве случайной величины принимают подачу QUOTE

Figure 00000011
Figure 00000011
насосной станции. 3. The QUOTE feed is taken as a random variable.
Figure 00000011
Figure 00000011
pumping station.

Кроме того, на этапе а) дополнительно определяют конечное число n состояний насосной станции, j=0, 1, 2, …, n, и соответствующих им подач QUOTE

Figure 00000012
Figure 00000012
насосной станции, допустимую точность QUOTE
Figure 00000013
Figure 00000013
определения закона распределения случайной величины, допустимое число М элементов, находящихся в капитальном ремонте, и назначают продолжительность t имитационного моделирования. In addition, at step a), a final number n of states of the pumping station, j = 0, 1, 2, ..., n, and the corresponding QUOTE feeds are additionally determined
Figure 00000012
Figure 00000012
pump station, permissible accuracy QUOTE
Figure 00000013
Figure 00000013
determine the distribution law of a random variable, the permissible number M of elements undergoing major repairs, and designate the duration t of simulation.

При этом вероятностное моделирование на этапе б) осуществляют посредством обработки данных результатов имитационного моделирования работы насосной станции, в процессе которого: In this case, probabilistic modeling at stage b) is carried out by processing the data of the simulation results of the operation of the pumping station, during which:

параллельно генерируют серию случайных процессов из двух потоков случайных наработок и восстановлений элементов насосной станции, один из которых с интенсивностью внезапных отказов QUOTE

Figure 00000007
Figure 00000007
и интенсивностью восстановлений QUOTE
Figure 00000008
Figure 00000008
, второй – с интенсивностью постепенных отказов QUOTE
Figure 00000009
Figure 00000009
и интенсивностью восстановлений QUOTE
Figure 00000010
Figure 00000010
, в котором случайное событие перехода из состояния работоспособности в состояние отказа с интенсивностью постепенных отказов
Figure 00000009
осуществляется только при условии, что фактическое число элементов, находящихся в капитальном ремонте, меньше М, in parallel, generate a series of random processes from two flows of random operating time and restoration of elements of the pumping station, one of which with the rate of sudden failuresQUOTE
Figure 00000007
Figure 00000007
and the recovery rate of QUOTE
Figure 00000008
Figure 00000008
, second - with gradual failure rateQUOTE
Figure 00000009
Figure 00000009
and the recovery rate of QUOTE
Figure 00000010
Figure 00000010
in which a random event of a transition from a health state to a state of failure with the rate of gradual failure
Figure 00000009
is carried out only on condition that the actual number of elements undergoing major repairs is less than M,

определяют среднеквадратические отклонения для элементов насосной станции каждого типаdetermine the standard deviations for the elements of the pumping station of each type

QUOTE

Figure 00000014
Figure 00000014
, QUOTE
Figure 00000015
Figure 00000015
,QUOTE
Figure 00000014
Figure 00000014
QUOTE
Figure 00000015
Figure 00000015
,

где QUOTE

Figure 00000016
Figure 00000016
, QUOTE
Figure 00000017
Figure 00000017
– суммарное количество случайных процессов в серии продолжительностью t случайных наработок между внезапными отказами, устраняемыми в процессе текущих ремонтов, и постепенными отказами, устраняемыми в процессе капитальных ремонтов, QUOTE
Figure 00000018
Figure 00000018
- средние значения по процессам случайных наработок между внезапными отказами, устраняемыми в процессе текущих ремонтов, и постепенными отказами, устраняемыми в процессе капитальных ремонтов, where is quote
Figure 00000016
Figure 00000016
QUOTE
Figure 00000017
Figure 00000017
 - the total number of random processes in a series of duration t random times between sudden failures, disposable during ongoing repairs, and gradual failures, disposable in the process of major repairs, QUOTE
Figure 00000018
Figure 00000018
 - average values for the processes of random operating time between sudden failures, disposable during ongoing repairs, and gradual failures, disposable in the process of major repairs,

и если полученные среднеквадратические отклонения QUOTE

Figure 00000019
Figure 00000019
и QUOTE
Figure 00000020
Figure 00000020
превышают допустимую точность QUOTE
Figure 00000013
Figure 00000013
определения закона распределения случайной величины, то увеличивают продолжительность t имитационного моделирования и повторяют этап б) до тех пор, пока полученные среднеквадратические отклонения QUOTE
Figure 00000019
Figure 00000019
и QUOTE
Figure 00000020
Figure 00000020
не уменьшатся до допустимой точности QUOTE
Figure 00000013
Figure 00000013
,and if the resulting standard deviations QUOTE
Figure 00000019
Figure 00000019
and QUOTE
Figure 00000020
Figure 00000020
exceed permissible accuracy QUOTE
Figure 00000013
Figure 00000013
determining the distribution law of a random variable, then increase the duration t of simulation and repeat step b) until the obtained standard deviations QUOTE
Figure 00000019
Figure 00000019
and QUOTE
Figure 00000020
Figure 00000020
will not decrease to an acceptable accuracy QUOTE
Figure 00000013
Figure 00000013
,

а если полученные среднеквадратические отклонения QUOTE

Figure 00000019
Figure 00000019
и QUOTE
Figure 00000020
Figure 00000020
не превышают допустимую точность QUOTE
Figure 00000013
Figure 00000013
определения закона распределения случайной величины, то путем статистического анализа состояний j насосной станции и соответствующих им подач QUOTE
Figure 00000012
Figure 00000012
, полученных в результате имитационного моделирования, получают закон распределения QUOTE
Figure 00000021
Figure 00000021
случайной величины QUOTE
Figure 00000011
Figure 00000011
, определяющий для каждого значения QUOTE
Figure 00000022
Figure 00000022
вероятность того, что случайная величина подачи QUOTE
Figure 00000011
Figure 00000011
насосной станции примет значение меньше q, т.е. QUOTE
Figure 00000023
Figure 00000023
. and if the resulting standard deviations QUOTE
Figure 00000019
Figure 00000019
 and QUOTE
Figure 00000020
Figure 00000020
 do not exceed the allowed accuracy QUOTE
Figure 00000013
Figure 00000013
 determining the distribution law of a random variable, then by statistical analysis of the states j of the pumping station and their corresponding QUOTE feeds
Figure 00000012
Figure 00000012
obtained as a result of simulation, receive the distribution lawQUOTE
Figure 00000021
Figure 00000021
random variable QUOTE
Figure 00000011
Figure 00000011
defining for each QUOTE value
Figure 00000022
Figure 00000022
 the probability that a random feed quantity is QUOTE
Figure 00000011
Figure 00000011
 pumping station will take a value less than q, i.e. QUOTE
Figure 00000023
Figure 00000023
.

Отличительными признаками заявляемого способа является:Distinctive features of the proposed method is:

1. Принятие в качестве i-го элемента насосной станции, по меньшей мере, одного насоса, по меньшей мере, одного типа в совокупности со всеми другими элементами насосной станции, отказ которых приводит к остановке работы упомянутого насоса;1. The adoption as the i-th element of the pumping station, at least one pump, at least one type in conjunction with all other elements of the pumping station, the failure of which leads to a halt of the said pump;

2. Принятие в качестве вероятностных параметров i-го элемента насосной станции интенсивностей внезапных отказов QUOTE

Figure 00000007
Figure 00000007
, устраняемых в процессе текущих ремонтов, и интенсивностей их восстановлений QUOTE
Figure 00000008
Figure 00000008
, интенсивностей постепенных отказов QUOTE
Figure 00000009
Figure 00000009
, устраняемых в процессе капитальных ремонтов, и интенсивностей их восстановлений QUOTE
Figure 00000010
Figure 00000010
;2. Acceptance of the probability of sudden failure rates QUOTE as the probability parameters of the i-th element of the pumping station
Figure 00000007
Figure 00000007
, eliminated during ongoing repairs, and the intensities of their restoration QUOTE
Figure 00000008
Figure 00000008
, QUOTE Failure Rate
Figure 00000009
Figure 00000009
, eliminated in the process of overhauls, and the intensity of their restoration QUOTE
Figure 00000010
Figure 00000010
;

3. Принятие в качестве случайной величины подачи QUOTE

Figure 00000011
Figure 00000011
насосной станции;3. Accepting QUOTE as a random value
Figure 00000011
Figure 00000011
pump station;

4. Дополнительное определение на этапе а) конечного числа n состояний насосной станции, j=0, 1, 2, …, n, и соответствующих им подач QUOTE

Figure 00000012
Figure 00000012
насосной станции;4. An additional determination at step a) of the final number n of states of the pumping station, j = 0, 1, 2, ..., n, and the corresponding QUOTE feeds
Figure 00000012
Figure 00000012
pump station;

5. Дополнительное определение на этапе а) допустимой точности QUOTE

Figure 00000013
Figure 00000013
определения закона распределения случайной величины;5. Additional determination in step a) of acceptable accuracy QUOTE
Figure 00000013
Figure 00000013
determination of the law of distribution of a random variable;

6. Дополнительное определение на этапе а) допустимого числа М элементов, находящихся в капитальном ремонте;6. An additional determination at stage a) of the permissible number M of elements undergoing major repairs;

7. Дополнительное назначение на этапе а) продолжительности t имитационного моделирования;7. Additional appointment at stage a) the duration t of simulation;

8. Осуществление на этапе б) вероятностного моделирования посредством обработки данных результатов имитационного моделирования работы насосной станции;8. The implementation at stage b) of probabilistic modeling by processing the data of the results of simulation modeling of the pump station;

9. Параллельное генерирование в процессе имитационного моделирования работы насосной станции в течении продолжительности t серии случайных процессов из двух потоков случайных наработок и восстановлений элементов насосной станции, один из которых с интенсивностью внезапных отказов QUOTE

Figure 00000007
Figure 00000007
и интенсивностью восстановлений QUOTE
Figure 00000008
Figure 00000008
, второй – с интенсивностью постепенных отказов QUOTE
Figure 00000009
Figure 00000009
и интенсивностью восстановлений QUOTE
Figure 00000010
Figure 00000010
; 9. Parallel generation during the simulation of the operation of the pumping station during the duration t of a series of random processes from two flows of random operating time and restoration of the pumping station elements, one of which is with the rate of sudden failuresQUOTE
Figure 00000007
Figure 00000007
and the recovery rate of QUOTE
Figure 00000008
Figure 00000008
, second - with gradual failure rateQUOTE
Figure 00000009
Figure 00000009
and the recovery rate of QUOTE
Figure 00000010
Figure 00000010
;

10. Введение условия, в соответствии с которым, случайное событие перехода из состояния работоспособности в состояние отказа с интенсивностью постепенных отказов

Figure 00000009
осуществляется только, если фактическое число элементов находящихся в капитальном ремонте меньше М;10. Introduction of the condition according to which a random event of a transition from a state of operability to a state of failure with the intensity of gradual failures
Figure 00000009
carried out only if the actual number of elements undergoing major repairs is less than M;

11. Определение среднеквадратического отклонения для элементов насосной станции каждого типа11. Determination of standard deviation for the elements of the pumping station of each type

QUOTE

Figure 00000014
Figure 00000014
, QUOTE
Figure 00000015
Figure 00000015
,QUOTE
Figure 00000014
Figure 00000014
QUOTE
Figure 00000015
Figure 00000015
,

где QUOTE

Figure 00000016
Figure 00000016
, QUOTE
Figure 00000017
Figure 00000017
– суммарное количество случайных процессов в серии продолжительностью t случайных наработок между внезапными отказами, устраняемыми в процессе текущих ремонтов, и постепенными отказами, устраняемыми в процессе капитальных ремонтов, QUOTE
Figure 00000018
Figure 00000018
- средние значения по процессам случайных наработок между внезапными отказами, устраняемыми в процессе текущих ремонтов, и постепенными отказами, устраняемыми в процессе капитальных ремонтов; where is quote
Figure 00000016
Figure 00000016
QUOTE
Figure 00000017
Figure 00000017
 - the total number of random processes in a series of duration t random times between sudden failures, disposable during ongoing repairs, and gradual failures, disposable in the process of major repairs, QUOTE
Figure 00000018
Figure 00000018
 - average values for the processes of random operating time between sudden failures, disposable during ongoing repairs, and gradual failures, disposable in the process of major repairs;

12. Увеличение продолжительности t и повторение этапа б) до тех пор, пока полученные среднеквадратические отклонения QUOTE

Figure 00000019
Figure 00000019
и QUOTE
Figure 00000020
Figure 00000020
не уменьшатся до допустимой точности QUOTE
Figure 00000013
Figure 00000013
;12. Increase the duration t and repeat step b) until the resulting standard deviations QUOTE
Figure 00000019
Figure 00000019
and QUOTE
Figure 00000020
Figure 00000020
will not decrease to an acceptable accuracy QUOTE
Figure 00000013
Figure 00000013
;

13. Определение закона распределения случайной величины путем статистического анализа состояний j насосной станции и соответствующих им подач QUOTE

Figure 00000012
Figure 00000012
, полученных в результате имитационного моделирования;13. Determination of the distribution law of a random variable by statistical analysis of the states j of the pumping station and their corresponding QUOTE feeds
Figure 00000012
Figure 00000012
obtained as a result of simulation;

14. Получение закона распределения QUOTE

Figure 00000021
Figure 00000021
случайной величины QUOTE
Figure 00000011
Figure 00000011
, определяющего для каждого значения QUOTE
Figure 00000022
Figure 00000022
вероятность того, что случайная величина подачи QUOTE
Figure 00000011
Figure 00000011
насосной станции примет значение меньше q, т.е. QUOTE
Figure 00000023
Figure 00000023
.14. Obtaining the law of distributionQUOTE
Figure 00000021
Figure 00000021
random variable QUOTE
Figure 00000011
Figure 00000011
defining for each QUOTE value
Figure 00000022
Figure 00000022
 the probability that a random feed quantity is QUOTE
Figure 00000011
Figure 00000011
 pumping station will take a value less than q, i.e. QUOTE
Figure 00000023
Figure 00000023
.

По сведениям, имеющимся у авторов, все отличительные признаки неизвестны. Совместное их применение позволяет расширить функциональные возможности метода, поскольку:According to the information available to the authors, all the distinguishing features are unknown. Their combined use allows you to expand the functionality of the method, because:

- при его помощи появляется возможность определить технологические показатели надежности в виде распределения случайной величины - технологического параметра, например, подачи насосной станции. Это стало возможно благодаря совместному применению отличительных признаков № 1 - 4, 13, 14; - with his help, it becomes possible to determine technological reliability indicators in the form of a random variable distribution - a technological parameter, for example, a pumping station supply. This became possible due to the combined use of distinctive features No. 1 - 4, 13, 14;

- при его помощи появляется возможность оценить надежность системы, состоящей из элементов, процесс изменения состояний (работоспособное и отказное) которых происходит под воздействием двух случайных потоков (выход в текущий и капитальный ремонты, продолжительность которых отличаются на порядок), между которыми не существует логической связи. Это стало возможно благодаря совместному применению отличительных признаков № 1, 2, 5, 7 – 9, 13;- with its help, it becomes possible to evaluate the reliability of a system consisting of elements, the process of changing states (operational and failure) of which occurs under the influence of two random flows (current and overhaul repairs, the duration of which differ by an order of magnitude), between which there is no logical connection . This became possible due to the combined use of distinctive features No. 1, 2, 5, 7 - 9, 13;

- при его помощи появляется возможность оценить надежность системы, в которой случайный поток выхода в капитальный ремонт зависит не только от параметров случайного потока (например, интенсивности отказа), но и ограничительных действий персонала (например, отказ в выводе элемента в капитальный ремонт до того, пока предыдущий элемент, находящийся в капитальном ремонте, не выйдет из него). Это стало возможно благодаря совместному применению отличительных признаков № 5, 10.- with its help, it becomes possible to assess the reliability of the system in which a random output stream for overhaul depends not only on the parameters of the random stream (for example, failure rate), but also for restrictive actions of personnel (for example, refusal to withdraw an element to overhaul before until the previous item undergoing major repairs comes out of it). This was made possible thanks to the combined use of distinctive features No. 5, 10.

Краткое описание чертежейBrief Description of the Drawings

На фиг. 1 представлен вид в плане насосной станции, на фиг. 2 приведен разрез насосной станции по одному из насосов, из которого виден состав i-го элемента насосной станции, на фиг. 3 – таблица с результатами расчета подач QUOTE

Figure 00000012
Figure 00000012
насосной станции во всех состояниях j=0, 1, 2, …, n, на фиг. 4 – схема с примером результатов генерирования двух потоков из серии случайных наработок и восстановлений элементов насосной станции, на фиг. 5 – график с закономерностью изменения среднеквадратического отклонения QUOTE
Figure 00000019
Figure 00000019
между принятыми в качестве исходных данных и полученными в результате моделирования средними наработками насосов между отказами в зависимости от продолжительности t имитационного моделирования, на фиг. 6 - результаты (в графической форме) определения искомой зависимости распределения случайной величины, на фиг. 7 - функция плотности распределения QUOTE
Figure 00000024
Figure 00000024
случайной величины подач QUOTE
Figure 00000011
Figure 00000011
насосной станции, полученная путем дифференцирования зависимости распределения случайной величины.In FIG. 1 is a plan view of a pumping station; FIG. 2 shows a section through a pumping station along one of the pumps, from which the composition of the ith element of the pumping station is visible, FIG. 3 - table with the results of calculation of feeds QUOTE
Figure 00000012
Figure 00000012
pump station in all states j = 0, 1, 2, ..., n, in FIG. 4 is a diagram with an example of the results of generating two flows from a series of random operating time and recoveries of elements of a pumping station, FIG. 5 is a graph with the pattern of variation of the standard deviation QUOTE
Figure 00000019
Figure 00000019
between the average pump hours between failures accepted as initial data and obtained as a result of the simulation between failures, depending on the duration t of simulation, in FIG. 6 shows the results (in graphical form) of determining the desired dependence of the distribution of a random variable; FIG. 7 - QUOTE distribution density function
Figure 00000024
Figure 00000024
random feeds QUOTE
Figure 00000011
Figure 00000011
a pumping station obtained by differentiating the distribution of a random variable.

Осуществление изобретенияThe implementation of the invention

На этапе а) осуществляют разделение всей рассматриваемой системы на конечное число Н элементов i=1, 2, …, Н, каждый из которых в модели надежности представляется простым (бинарным) событием с двумя возможными состояниями, например, работоспособности/отказа и вероятностными параметрами. At stage a), the entire system under consideration is divided into a finite number H of elements i = 1, 2, ..., H, each of which in the reliability model is represented as a simple (binary) event with two possible states, e.g. health / failure and probabilistic parameters.

Для иллюстрации особенностей выполнения этого этапа на фиг. 1 представлен вид в плане насосной станции, включающей в себя корпус 1, приемный резервуар 2, и оборудованной двумя типами насосов: высокопроизводительными насосами 3 (7 шт., модель насосов - ФВ 22700/63, расчетная подача - 16,75 тыс. м3/ч) и низкопроизводительными насосами 4 (4 шт., модель насосов - ФВ 9000/63, расчетная подача - 5,05 тыс. м3/ч). Насосы 3 и 4 расположены в машинном отделении 5. В дополнение на фиг. 2 приведен разрез насосной станции по одному из насосов, из которого виден состав i-го элемента насосной станции, включающий в себя, например:To illustrate the features of this step in FIG. 1 shows a plan view of a pumping station including a housing 1, a receiving tank 2, and equipped with two types of pumps: high-performance pumps 3 (7 pcs., Pump model - ФВ 22700/63, estimated flow rate - 16.75 thousand m 3 / h) and low-performance pumps 4 (4 pcs., model of pumps - ФВ 9000/63, calculated flow rate - 5.05 thousand m 3 / h). Pumps 3 and 4 are located in engine room 5. In addition to FIG. 2 shows a section of a pumping station according to one of the pumps, from which the composition of the i-th element of the pumping station is visible, including, for example:

один насос 6; one pump 6;

элементы автоматизированной системы управления (АСУ) 7;  elements of an automated control system (ACS) 7;

электродвигатель 8;  electric motor 8;

систему 9 подачи воды на охлаждение электродвигателя;  a system 9 for supplying water for cooling an electric motor;

гидравлические домкраты 10;  hydraulic jacks 10;

вал 11;  shaft 11;

систему 12 подачи воды на уплотнение вала и подшипника;  system 12 for supplying water to the shaft and bearing seals;

всасывающий трубопровод 13; suction pipe 13;

напорный трубопровод 14; pressure pipe 14;

задвижку 15, установленную на всасывающем трубопроводе 13;  a valve 15 mounted on the suction pipe 13;

задвижку 16, установленную на напорном трубопроводе 14.  the valve 16 mounted on the pressure pipe 14.

Таким образом, конечное число элементов насосной станции Н=11, каждый из которых может находиться только в двух состояниях: работоспособности и отказа. В каждом из этих элементов при отказе одного из его вышеупомянутых структурных частей, обозначенных позициями 6 - 16, весь элемент будет находиться в состоянии отказа. Например, при отказе задвижки 15, установленной на всасывающем трубопроводе 13, вода перестанет поступать в насос 6 и весь элемент работать не будет. В состоянии работоспособности i-й элемент будет находиться только тогда, когда работоспособными будут все его части.Thus, the final number of elements of the pumping station is H = 11, each of which can be in only two states: operability and failure. In each of these elements in case of failure of one of its aforementioned structural parts, indicated by positions 6-16, the entire element will be in a state of failure. For example, if the valve 15 installed on the suction pipe 13 fails, water will stop flowing into the pump 6 and the whole element will not work. In the state of operability, the i-th element will be only when all its parts are operational.

В качестве вероятностных параметров i-го элемента насосной станции принимают интенсивности внезапных отказов QUOTE

Figure 00000007
Figure 00000007
, устраняемых в процессе текущих ремонтов, и интенсивности их восстановлений QUOTE
Figure 00000008
Figure 00000008
, интенсивности постепенных отказов QUOTE
Figure 00000009
Figure 00000009
, устраняемых в процессе капитальных ремонтов, и интенсивности их восстановлений QUOTE
Figure 00000010
Figure 00000010
. Указанные вероятностные параметры могут быть получены в процессе технического обследования насосной станции или из справочной литературы. Например, по результатам обследования установлено, что:As the probabilistic parameters of the i-th element of the pumping station take the rate of sudden failures QUOTE
Figure 00000007
Figure 00000007
, eliminated during ongoing repairs, and the intensity of their recovery QUOTE
Figure 00000008
Figure 00000008
, QUOTE Failure Rate
Figure 00000009
Figure 00000009
, eliminated in the process of capital repairs, and the intensity of their restoration QUOTE
Figure 00000010
Figure 00000010
. The indicated probabilistic parameters can be obtained in the process of technical inspection of the pumping station or from the reference literature. For example, the survey found that:

- первый тип i-го элемента, в состав которого входят высокопроизводительные насосы ФВ 22700/63, имеет следующие вероятностные параметры - интенсивность внезапных отказов QUOTE

Figure 00000007
Figure 00000007
= 32,6082⋅10-4, 1/ч, интенсивности их восстановлений QUOTE
Figure 00000008
Figure 00000008
= 125,00⋅10-4, 1/ч, интенсивности постепенных отказов QUOTE
Figure 00000009
Figure 00000009
= 0,83333⋅10-4, 1/ч, устраняемых в процессе капитальных ремонтов, и интенсивности их восстановлений QUOTE
Figure 00000010
Figure 00000010
= 0,9375⋅10-4, 1/ч;- the first type of the i-th element, which includes high-performance pumps ФВ 22700/63, has the following probabilistic parameters - the rate of sudden failures QUOTE
Figure 00000007
Figure 00000007
 = 32.6082⋅10-four, 1 / h, the intensity of their recoveryQUOTE
Figure 00000008
Figure 00000008
= 125,00⋅10-four, 1 / h, gradual failure rateQUOTE
Figure 00000009
Figure 00000009
= 0.83333⋅10-four1 / h disposable in the process of capital repairs, and the intensity of their restoration QUOTE
Figure 00000010
Figure 00000010
= 0.9375⋅10-four1 / h;

- второй тип i-го элемента, в состав которого входят низкопроизводительные насосы ФВ 9000/63, имеет следующие вероятностные параметры - интенсивность внезапных отказов QUOTE

Figure 00000007
Figure 00000007
= 29,2213⋅10-4, 1/ч, интенсивности их восстановлений QUOTE
Figure 00000008
Figure 00000008
= 222,22⋅10-4, 1/ч, интенсивности постепенных отказов QUOTE
Figure 00000009
Figure 00000009
= 0,83333⋅10-4, 1/ч, устраняемых в процессе капитальных ремонтов, и интенсивности их восстановлений QUOTE
Figure 00000010
Figure 00000010
= 0,9375⋅10-4, 1/ч.- the second type of the i-th element, which includes low-performance pumps ФВ 9000/63, has the following probabilistic parameters - the rate of sudden failures QUOTE
Figure 00000007
Figure 00000007
 = 29.2213⋅10-four, 1 / h, the intensity of their recoveryQUOTE
Figure 00000008
Figure 00000008
= 222.22⋅10-four, 1 / h, gradual failure rateQUOTE
Figure 00000009
Figure 00000009
= 0.83333⋅10-four1 / h disposable in the process of capital repairs, and the intensity of their restoration QUOTE
Figure 00000010
Figure 00000010
= 0.9375⋅10-four, 1 / h.

В качестве случайной величины принимают подачу QUOTE

Figure 00000011
Figure 00000011
насосной станции.As a random variable, the feed QUOTE
Figure 00000011
Figure 00000011
pumping station.

На этапе а) дополнительно: In step a), additionally:

- определяют конечное число n состояний насосной станции, j=0, 1, 2, …, n, и соответствующих им подач QUOTE

Figure 00000012
Figure 00000012
насосной станции. Конечное число n состояний зависит от конечного числа Н элементов, а также количества их типов. Если насосная станция состоит из Н однотипных элементов, то число состояний n=Н+1. При этом в состоянии 0 все элементы работоспособны. В рассматриваемом примере число состояний элементов с четырьмя низкопроизводительными насосами равно 5, а с семью высокопроизводительными насосами – 8. Тогда общее число состояний насосной станции равно n=5⋅8=40, т.е. j=0, 1, 2, …, 39. Подача в каждом состоянии определяется суммой подач всех насосов, находящихся в работоспособном состоянии с учетом последствий влияния их совместной работы, которое может определяться либо расчетным, либо экспериментальным путем. Например, в состоянии 0, когда все насосы работоспособны, QUOTE
Figure 00000025
Figure 00000025
= 7⋅16,75+4⋅5,05=137,45 тыс. м3/ч. С учетом совместного влияния, определенного экспериментально QUOTE
Figure 00000025
Figure 00000025
= 102,37 тыс. м3/ч. Результаты расчета подач во всех остальных состояниях приведены в таблице на фиг. 3. В ней, kВП, kНП – количество отказавших высокопроизводительных и низкопроизводительных насосов; - determine the final number n of states of the pumping station, j = 0, 1, 2, ..., n, and the corresponding QUOTE feeds
Figure 00000012
Figure 00000012
 pumping station. The final number n of states depends on the finite number H of elements, as well as the number of their types. If the pumping station consists of H of the same type of elements, then the number of states is n = H + 1. Moreover, in state 0, all elements are operational. In this example, the number of states of elements with four low-performance pumps is 5, and with seven high-performance pumps - 8. Then the total number of states of the pumping station is n = 5⋅8 = 40, i.e. j = 0, 1, 2, ..., 39. The flow rate in each state is determined by the sum of the flows of all pumps in working condition, taking into account the consequences of the influence of their joint work, which can be determined either by calculation or experimentally. For example, in state 0, when all pumps are operational, QUOTE
Figure 00000025
Figure 00000025
= 7⋅16.75 + 4⋅5.05 = 137.45 thousand m3/ h Given the combined effect determined experimentally by QUOTE
Figure 00000025
Figure 00000025
= 102.37 thousand m3/ h The results of the calculation of feeds in all other states are shown in the table in FIG. 3. In her, kVPkNP- the number of failed high-performance and low-performance pumps;

- дополнительно назначают допустимую точность QUOTE

Figure 00000013
Figure 00000013
определения закона распределения случайной величины. В соответствии с настоящим изобретением в зависимости от важности насосной станции в системе водоотведения может быть назначена любая точность QUOTE
Figure 00000013
Figure 00000013
. Как правило, ее принимают равной принятой точности инженерных расчетов, т.е. 5%;- additionally assign permissible accuracy QUOTE
Figure 00000013
Figure 00000013
determination of the law of distribution of a random variable. In accordance with the present invention, depending on the importance of the pumping station in the sewage system, any accuracy of QUOTE can be assigned
Figure 00000013
Figure 00000013
. As a rule, it is taken equal to the accepted accuracy of engineering calculations, i.e. 5%;

- дополнительно назначают допустимое число М элементов, находящихся в капитальном ремонте. Как правило, его принимают равным числу резервных насосных агрегатов. В рассматриваемом примере принимаем М=2;- additionally designate the permissible number M of elements undergoing major repairs. As a rule, it is taken equal to the number of reserve pumping units. In this example, we take M = 2;

- дополнительно назначают продолжительность t имитационного моделирования. - additionally designate the duration t of simulation.

Вероятностное моделирование на этапе б) осуществляют посредством обработки данных результатов имитационного моделирования работы насосной станции в течение продолжительности t. Имитационное моделирование известно в данной области техники и доступно для понимания специалистами. Например, его определение содержится в Википедии (https://ru.wikipedia.org): «Имитационное моделирование (ситуационное моделирование) — метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику».Probabilistic modeling in step b) is carried out by processing the data of the simulation results of the operation of the pumping station for a duration t. Simulation is known in the art and is readily understood by those skilled in the art. For example, its definition is contained in Wikipedia (https://ru.wikipedia.org): “Simulation (situational modeling) is a method that allows you to build models that describe processes as they would in reality. Such a model can be “lost” in time both for one test and for a given set of them. The results will be determined by the random nature of the processes. Based on these data, you can get fairly stable statistics. "

В процессе имитационного моделирования: In the process of simulation:

1. Параллельно генерируют серию случайных процессов из двух потоков случайных наработок и восстановлений элементов насосной станции, один из которых с интенсивностью внезапных отказов QUOTE

Figure 00000007
Figure 00000007
и интенсивностью восстановлений QUOTE
Figure 00000008
Figure 00000008
, второй – с интенсивностью постепенных отказов QUOTE
Figure 00000009
Figure 00000009
и интенсивностью восстановлений QUOTE
Figure 00000010
Figure 00000010
. Генерирование случайных потоков известно в данной области техники и доступно для понимания специалистами. Например, его определение содержится в Википедии (https://ru.wikipedia.org) в разделе «Генерирование случайных чисел». Генерирование осуществляется с применением «различных генераторов псевдослучайных чисел, для каждого из которых можно задавать конкретное распределение». В настоящее время генератор псевдослучайных чисел имеется в любом компьютере и используется в виде функции в большинстве расчетных программ, например, в Microsoft Excel. Для иллюстрации на фиг. 4 приведен пример такого генерирования одного потока случайных наработок и восстановлений элементов насосной станции одного типа, в состав которого входят низкопроизводительные насосы. В результате получены:1. At the same time, a series of random processes is generated from two flows of random operating time and recovery of pumping station elements, one of which with the rate of sudden failuresQUOTE
Figure 00000007
Figure 00000007
and the recovery rate of QUOTE
Figure 00000008
Figure 00000008
, second - with gradual failure rateQUOTE
Figure 00000009
Figure 00000009
and the recovery rate of QUOTE
Figure 00000010
Figure 00000010
. The generation of random streams is known in the art and is readily understood by those skilled in the art. For example, its definition is contained in Wikipedia (https://ru.wikipedia.org) in the section "Generating random numbers". Generation is carried out using "various pseudo-random number generators, for each of which a specific distribution can be set." Currently, a pseudo-random number generator is available on any computer and is used as a function in most calculation programs, for example, in Microsoft Excel. To illustrate in FIG. Figure 4 shows an example of such a generation of a single stream of random operating time and recovery of elements of a pumping station of the same type, which includes low-performance pumps. As a result, received:

- поток случайных наработок QUOTE

Figure 00000026
Figure 00000026
между внезапными отказами, устраняемыми в процессе текущих ремонтов (позиция 17 на фиг. 4). Они получены с учетом того, что вероятность Р(dt) перехода из состояния работоспособности в состояние отказа в течение интервала времени dt равна Р(dt)= QUOTE
Figure 00000027
Figure 00000027
dt = 29,2213⋅10-4⋅dt. При dt=1 ч Р(dt)= QUOTE
Figure 00000028
Figure 00000028
29,2213⋅10-4. В результате получен, например, следующий поток наработок: 350,25; 334,60; 338,39; 365,44 и т.д. часов;- stream of random developments QUOTE
Figure 00000026
Figure 00000026
 between sudden failures eliminated during ongoing repairs (item 17 in FIG. 4). They are obtained taking into account the fact that the probability P (dt) of the transition from the state of operability to the state of failure during the time interval dt is P (dt) = QUOTE
Figure 00000027
Figure 00000027
 dt = 29.2213⋅10-four⋅dt. When dt = 1 h, P (dt) = QUOTE
Figure 00000028
Figure 00000028
29.2213⋅10-four. The result is, for example, the following stream of developments: 350.25; 334.60; 338.39; 365.44 etc. hours;

- поток случайных восстановлений QUOTE

Figure 00000029
Figure 00000029
в процессе текущих ремонтов (позиция 18 на фиг. 4). Они получены с учетом того, что вероятность Р(dt) перехода из состояния отказа в состояние работоспособности в течение интервала времени dt равна Р(dt)= QUOTE
Figure 00000030
Figure 00000030
dt = 222,22⋅10-4⋅dt. При dt=1 ч Р(dt)= QUOTE
Figure 00000028
Figure 00000028
222,22⋅10-4. В результате получен, например, следующий поток восстановлений: 76; 81; 79; 81 и т.д. часов;- QUOTE random recovery stream
Figure 00000029
Figure 00000029
during ongoing repairs (item 18 in FIG. 4). They are obtained taking into account the fact that the probability P (dt) of the transition from the state of failure to the state of operability during the time interval dt is P (dt) = QUOTE
Figure 00000030
Figure 00000030
dt = 222.22⋅10 -4 ⋅dt. When dt = 1 h, P (dt) = QUOTE
Figure 00000028
Figure 00000028
222.22⋅10 -4 . As a result, for example, the following recovery stream was obtained: 76; 81; 79; 81 etc. hours;

- поток случайных наработок QUOTE

Figure 00000031
Figure 00000031
между постепенными отказами, устраняемыми в процессе капитальных ремонтов (позиция 19 на фиг. 4). Они получены с учетом того, что в условиях, когда фактическое число элементов, находящихся в капитальном ремонте, меньше М, вероятность Р(dt) перехода из состояния работоспособности в состояние отказа в течение интервала времени dt равна Р(dt)= QUOTE
Figure 00000032
Figure 00000032
dt = 0,83333⋅10-4⋅dt. При dt=1 ч Р(dt)= QUOTE
Figure 00000028
Figure 00000028
0,83333⋅10-4. В результате получен, например, следующий поток наработок: 12050; 12100; 11780; 12001 и т.д. часов;- stream of random developments QUOTE
Figure 00000031
Figure 00000031
 between gradual failures resolved in the process of major repairs (position 19 in Fig. 4). They are obtained taking into account the fact that under the conditions when the actual number of elements undergoing major repairs is less than M, the probability P (dt) of the transition from the operational state to the failure state during the time interval dt is equal to P (dt) = QUOTE
Figure 00000032
Figure 00000032
 dt = 0.83333⋅10-four⋅dt. When dt = 1 h, P (dt) = QUOTE
Figure 00000028
Figure 00000028
0.83333⋅10-four. The result is, for example, the following stream of developments: 12050; 12100; 11780; 12001 etc. hours;

- поток случайных восстановлений QUOTE

Figure 00000033
Figure 00000033
в процессе капитальных ремонтов (позиция 20 на фиг. 4). Они получены с учетом того, что вероятность Р(dt) перехода из состояния отказа в состояние работоспособности в течение интервала времени dt равна Р(dt)= QUOTE
Figure 00000034
Figure 00000034
dt = 0,9375⋅10-4⋅dt. При dt=1 ч Р(dt)= QUOTE
Figure 00000028
Figure 00000028
0,9375⋅10-4. В результате получен, например, следующий поток восстановлений: 10424,54; 6888,35; 10682,65; 8052,34 и т.д. часов.- QUOTE random recovery stream
Figure 00000033
Figure 00000033
in the process of major repairs (item 20 in Fig. 4). They are obtained taking into account the fact that the probability P (dt) of the transition from the state of failure to the state of operability during the time interval dt is P (dt) = QUOTE
Figure 00000034
Figure 00000034
dt = 0.9375⋅10 -4 ⋅dt. When dt = 1 h, P (dt) = QUOTE
Figure 00000028
Figure 00000028
0.9375⋅10 -4 . As a result, for example, the following recovery stream was obtained: 10424.54; 6,888.35; 10,682.65; 8052.34 etc. hours.

2. Определяют среднеквадратические отклонения для элементов каждого типа2. Determine the standard deviations for the elements of each type.

QUOTE

Figure 00000014
Figure 00000014
, QUOTE
Figure 00000015
Figure 00000015
,QUOTE
Figure 00000014
Figure 00000014
QUOTE
Figure 00000015
Figure 00000015
,

и, если полученные среднеквадратические отклонения QUOTE

Figure 00000019
Figure 00000019
и QUOTE
Figure 00000020
Figure 00000020
превышают допустимую точность QUOTE
Figure 00000013
Figure 00000013
определения закона распределения случайной величины, то увеличивают продолжительность t и повторяют этап б) до тех пор, пока полученные среднеквадратические отклонения QUOTE
Figure 00000019
Figure 00000019
и QUOTE
Figure 00000020
Figure 00000020
не уменьшатся до допустимой точности QUOTE
Figure 00000013
Figure 00000013
.and if the resulting standard deviations QUOTE
Figure 00000019
Figure 00000019
and QUOTE
Figure 00000020
Figure 00000020
exceed permissible accuracy QUOTE
Figure 00000013
Figure 00000013
determining the distribution law of a random variable, then increase the duration t and repeat step b) until the obtained standard deviations QUOTE
Figure 00000019
Figure 00000019
and QUOTE
Figure 00000020
Figure 00000020
will not decrease to an acceptable accuracy QUOTE
Figure 00000013
Figure 00000013
.

Особенности выполнения этого этапа приведены на фиг. 5, где на примере восстановлений элементов насосной станции одного типа, в состав которого входят высокопроизводительные насосы, показано, как изменяется QUOTE

Figure 00000019
Figure 00000019
(в %) в зависимости от продолжительности t имитационного моделирования. На этой фигуре позицией 21 обозначены средние наработки насосов между отказами в одной серии, полученные тем же методом имитационного моделирования, позицией 22 - средняя наработка между отказами, принятая в качестве исходных данных и равная QUOTE
Figure 00000035
Figure 00000035
=1/32,6082⋅104=306 часов, позицией 23 – искомое среднеквадратическое отклонение QUOTE
Figure 00000019
Figure 00000019
между принятыми в качестве исходных данных и полученными в результате моделирования средними наработками насосов между отказами. Features of this step are shown in FIG. 5, where, using the example of restoration of elements of a pumping station of the same type, which includes high-performance pumps, it is shown how QUOTE changes
Figure 00000019
Figure 00000019
(in%) depending on the duration t of simulation. In this figure, position 21 denotes the average operating time of the pumps between failures in the same series, obtained by the same simulation method, position 22 denotes the average time between failures, taken as the initial data and equal to QUOTE
Figure 00000035
Figure 00000035
= 1 / 32.6082⋅10 4 = 306 hours, position 23 - the sought standard deviation QUOTE
Figure 00000019
Figure 00000019
between accepted as initial data and obtained as a result of simulation average operating time of pumps between failures.

Из фиг. 5 также видно, что если допустимую точность QUOTE

Figure 00000013
Figure 00000013
определения закона распределения случайной величины принять равной 5%, то придется повторять этап б) до тех пор, пока продолжительность t не достигнет 100 лет.From FIG. 5 also shows that if the permissible accuracy is QUOTE
Figure 00000013
Figure 00000013
to determine the distribution law of a random variable to be equal to 5%, it will be necessary to repeat step b) until the duration t reaches 100 years.

Далее, путем статистического анализа состояний j насосной станции и соответствующих им подач QUOTE

Figure 00000012
Figure 00000012
, полученных в результате имитационного моделирования, получают закон распределения случайной величины QUOTE
Figure 00000021
Figure 00000021
, определяющий для каждого значения QUOTE
Figure 00000022
Figure 00000022
вероятность того, что случайная величина подач QUOTE
Figure 00000011
Figure 00000011
насосной станции примет значение меньше q, т.е. QUOTE
Figure 00000023
Figure 00000023
. Further, by statistical analysis of the states j of the pumping station and their corresponding QUOTE feeds
Figure 00000012
Figure 00000012
obtained as a result of simulation, get the distribution law of random variable QUOTE
Figure 00000021
Figure 00000021
defining for each QUOTE value
Figure 00000022
Figure 00000022
probability of random feeds QUOTE
Figure 00000011
Figure 00000011
pumping station will take a value less than q, i.e. QUOTE
Figure 00000023
Figure 00000023
.

На фиг. 6 в графической форме приведены результаты определения искомого закона распределения случайной величины QUOTE

Figure 00000021
Figure 00000021
, полученной путем статистического анализа состояний j насосной станции и соответствующих им подач QUOTE
Figure 00000012
Figure 00000012
. In FIG. 6 graphically shows the results of determining the desired distribution law of random variable QUOTE
Figure 00000021
Figure 00000021
obtained by statistical analysis of the states j of the pumping station and their corresponding QUOTE feeds
Figure 00000012
Figure 00000012
.

В дополнение, на фиг. 7 приведена функция плотности распределения QUOTE

Figure 00000024
Figure 00000024
подач насосной станции QUOTE
Figure 00000022
Figure 00000022
. Она получена путем диференцирования функции QUOTE
Figure 00000021
Figure 00000021
, т.е. QUOTE
Figure 00000036
Figure 00000036
. Расчетная функция плотности распределения QUOTE
Figure 00000024
Figure 00000024
на фиг.7 обозначена позицией 24. Кроме того, позицией 25 обозначена фактическая функция плотности распределения QUOTE
Figure 00000024
Figure 00000024
подач QUOTE
Figure 00000022
Figure 00000022
(принятой в качестве примера) насосной станции, полученная путем статистической обработки эксплуатационной информации, хранящейся в базах данных автоматизированной системы управления за период 5 лет. In addition, in FIG. 7 shows the distribution density function QUOTE
Figure 00000024
Figure 00000024
 pumping station QUOTE
Figure 00000022
Figure 00000022
. It is obtained by differentiating the QUOTE function
Figure 00000021
Figure 00000021
, i.e.QUOTE
Figure 00000036
Figure 00000036
.Estimated distribution density functionQUOTE
Figure 00000024
Figure 00000024
7 is indicated by 24. In addition, 25 denotes the actual distribution density function QUOTE
Figure 00000024
Figure 00000024
 QUOTE innings
Figure 00000022
Figure 00000022
 (taken as an example) of a pumping station, obtained by statistical processing of operational information stored in the databases of an automated control system for a period of 5 years.

Сопоставление полученных функций плотности распределения (расчетной, обозначенной позицией 24, и фактической, обозначенной позицией 25), доказывает высокую точность прогнозирования подачи насосной станции данным способом. Поскольку пример реализован с применением обычного персонального компьютера, то это доказывает его промышленную применимость. A comparison of the obtained density distribution functions (calculated, indicated by 24, and actual, indicated by 25), proves the high accuracy of predicting the flow of the pumping station in this way. Since the example is implemented using a conventional personal computer, this proves its industrial applicability.

Claims (11)

Способ вероятностной оценки подачи насосной станции, содержащий этапы, на которых:A method for the probabilistic assessment of the supply of a pumping station, comprising stages in which: а) осуществляют разделение всей рассматриваемой системы на конечное число Н элементов i=1, 2, …, Н, каждый из которых представляется в модели надежности простым (бинарным) событием с двумя возможными состояниями, например, работоспособности/отказа и вероятностными параметрами; a) carry out the separation of the entire system in question into a finite number H of elements i = 1, 2, ..., H, each of which is represented in the reliability model as a simple (binary) event with two possible states, e.g. health / failure and probabilistic parameters; б) осуществляют вероятностное моделирование с определением закона распределения случайной величины, отличающийся тем, что в качестве i-го элемента насосной станции принимают по меньшей мере один насос по меньшей мере одного типа в совокупности со всеми другими элементами насосной станции, отказ которых приводит к остановке работы упомянутого насоса, в качестве вероятностных параметров i-го элемента насосной станции принимают интенсивности внезапных отказов QUOTE
Figure 00000037
Figure 00000037
, устраняемых в процессе текущих ремонтов, и интенсивности их восстановлений QUOTE
Figure 00000038
Figure 00000038
, интенсивности постепенных отказов QUOTE
Figure 00000039
Figure 00000039
, устраняемых в процессе капитальных ремонтов, и интенсивности их восстановлений QUOTE
Figure 00000040
Figure 00000040
, в качестве случайной величины принимают подачу QUOTE
Figure 00000041
Figure 00000041
насосной станции, b) carry out probabilistic modeling with the definition of the law of distribution of a random variable, characterized in that at least one pump of at least one type in combination with all other elements of the pump station, the failure of which leads to a shutdown, is taken as the ith element of the pumping station the mentioned pump, as the probabilistic parameters of the i-th element of the pumping station take the rate of sudden failure QUOTE
Figure 00000037
Figure 00000037
eliminated during ongoing repairs, and the intensity of their recovery QUOTE
Figure 00000038
Figure 00000038
QUOTE Failure Rate
Figure 00000039
Figure 00000039
eliminated in the process of capital repairs, and the intensity of their restoration QUOTE
Figure 00000040
Figure 00000040
, QUOTE feed is taken as a random variable
Figure 00000041
Figure 00000041
 pump station на этапе а) дополнительно определяют конечное число n состояний насосной станции, j=0, 1, 2, …, n, и соответствующих им подач QUOTE
Figure 00000042
Figure 00000042
насосной станции, допустимую точность QUOTE
Figure 00000043
Figure 00000043
определения закона распределения случайной величины, допустимое число М элементов, находящихся в капитальном ремонте, и назначают продолжительность t имитационного моделирования;at a) additionally determine the final number n of states of the pumping station, j = 0, 1, 2, ..., n, and the corresponding QUOTE feeds
Figure 00000042
Figure 00000042
pump station, permissible accuracy QUOTE
Figure 00000043
Figure 00000043
determining the distribution law of a random variable, the permissible number M of elements undergoing major repairs, and designate the duration t of simulation; вероятностное моделирование на этапе б) осуществляют посредством обработки данных результатов имитационного моделирования работы насосной станции, в процессе которого: probabilistic modeling at stage b) is carried out by processing data from the results of simulation modeling of the pumping station, during which: параллельно генерируют серию случайных процессов из двух потоков случайных наработок и восстановлений элементов насосной станции, один из которых с интенсивностью внезапных отказов QUOTE
Figure 00000037
Figure 00000037
и интенсивностью восстановлений QUOTE
Figure 00000038
Figure 00000038
, второй – с интенсивностью постепенных отказов QUOTE
Figure 00000039
Figure 00000039
и интенсивностью восстановлений QUOTE
Figure 00000040
Figure 00000040
, в котором случайное событие перехода из состояния работоспособности в состояние отказа с интенсивностью постепенных отказов
Figure 00000039
осуществляется только при условии, что фактическое число элементов, находящихся в капитальном ремонте, меньше М, in parallel, generate a series of random processes from two flows of random operating time and restoration of elements of the pumping station, one of which with the rate of sudden failuresQUOTE
Figure 00000037
Figure 00000037
 and the recovery rate of QUOTE
Figure 00000038
Figure 00000038
, the second - with the rate of gradual failureQUOTE
Figure 00000039
Figure 00000039
and the recovery rate of QUOTE
Figure 00000040
Figure 00000040
in which a random event of a transition from a health state to a state of failure with the rate of gradual failure
Figure 00000039
 is carried out only on condition that the actual number of elements undergoing major repairs is less than M, определяют среднеквадратические отклонения для элементов насосной станции каждого типаdetermine the standard deviations for the elements of the pumping station of each type QUOTE
Figure 00000044
Figure 00000044
, QUOTE
Figure 00000045
Figure 00000045
,QUOTE
Figure 00000044
Figure 00000044
QUOTE
Figure 00000045
Figure 00000045
, где QUOTE
Figure 00000046
Figure 00000046
, QUOTE
Figure 00000047
Figure 00000047
– суммарное количество случайных процессов в серии продолжительностью t случайных наработок между внезапными отказами, устраняемыми в процессе текущих ремонтов, и постепенными отказами, устраняемыми в процессе капитальных ремонтов, QUOTE
Figure 00000048
Figure 00000048
– средние значения по процессам случайных наработок между внезапными отказами, устраняемыми в процессе текущих ремонтов, и постепенными отказами, устраняемыми в процессе капитальных ремонтов, where is quote
Figure 00000046
Figure 00000046
QUOTE
Figure 00000047
Figure 00000047
 - the total number of random processes in a series of duration t random times between sudden failures, disposable during ongoing repairs, and gradual failures, disposable in the process of major repairs, QUOTE
Figure 00000048
Figure 00000048
 - average values for the processes of random operating time between sudden failures, disposable during ongoing repairs, and gradual failures, disposable in the process of major repairs, и если полученные среднеквадратические отклонения QUOTE
Figure 00000049
Figure 00000049
и QUOTE
Figure 00000050
Figure 00000050
превышают допустимую точность QUOTE
Figure 00000043
Figure 00000043
определения закона распределения случайной величины, то увеличивают продолжительность t имитационного моделирования и повторяют этап б) до тех пор, пока полученные среднеквадратические отклонения QUOTE
Figure 00000049
Figure 00000049
и QUOTE
Figure 00000050
Figure 00000050
не уменьшатся до допустимой точности QUOTE
Figure 00000043
Figure 00000043
, and if the resulting standard deviations QUOTE
Figure 00000049
Figure 00000049
and QUOTE
Figure 00000050
Figure 00000050
exceed permissible accuracy QUOTE
Figure 00000043
Figure 00000043
determining the distribution law of a random variable, then increase the duration t of simulation and repeat step b) until the obtained standard deviations QUOTE
Figure 00000049
Figure 00000049
and QUOTE
Figure 00000050
Figure 00000050
will not decrease to an acceptable accuracy QUOTE
Figure 00000043
Figure 00000043
, а если полученные среднеквадратические отклонения QUOTE
Figure 00000049
Figure 00000049
и QUOTE
Figure 00000050
Figure 00000050
не превышают допустимую точность QUOTE
Figure 00000043
Figure 00000043
определения закона распределения случайной величины, то путем статистического анализа состояний j насосной станции и соответствующих им подач QUOTE
Figure 00000042
Figure 00000042
, полученных в результате имитационного моделирования, получают закон распределения QUOTE
Figure 00000051
Figure 00000051
случайной величины QUOTE
Figure 00000041
Figure 00000041
, определяющий для каждого значения QUOTE
Figure 00000052
Figure 00000052
вероятность того, что случайная величина подачи QUOTE
Figure 00000041
Figure 00000041
насосной станции примет значение меньше q, т.е. QUOTE
Figure 00000053
Figure 00000053
.and if the resulting standard deviations QUOTE
Figure 00000049
Figure 00000049
 and QUOTE
Figure 00000050
Figure 00000050
 do not exceed the allowed accuracy QUOTE
Figure 00000043
Figure 00000043
 determining the distribution law of a random variable, then by statistical analysis of the states j of the pumping station and their corresponding QUOTE feeds
Figure 00000042
Figure 00000042
obtained as a result of simulation, receive the distribution lawQUOTE
Figure 00000051
Figure 00000051
random variable QUOTE
Figure 00000041
Figure 00000041
defining for each QUOTE value
Figure 00000052
Figure 00000052
 the probability that a random feed quantity is QUOTE
Figure 00000041
Figure 00000041
 pumping station will take a value less than q, i.e. QUOTE
Figure 00000053
Figure 00000053
.
RU2015151924A 2015-12-03 2015-12-03 Method of probabilistic assessment of pumping station supplying RU2620133C1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2015151924A RU2620133C1 (en) 2015-12-03 2015-12-03 Method of probabilistic assessment of pumping station supplying

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2015151924A RU2620133C1 (en) 2015-12-03 2015-12-03 Method of probabilistic assessment of pumping station supplying

Publications (1)

Publication Number Publication Date
RU2620133C1 true RU2620133C1 (en) 2017-05-23

Family

ID=58881669

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2015151924A RU2620133C1 (en) 2015-12-03 2015-12-03 Method of probabilistic assessment of pumping station supplying

Country Status (1)

Country Link
RU (1) RU2620133C1 (en)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1260460A1 (en) * 1984-08-06 1986-09-30 Территориальное Производственное Объединение Коммунально-Промышленного Водоснабжения "Харьковкоммунпромвод" Method of controlling water supply system
RU2107780C1 (en) * 1995-04-19 1998-03-27 Военный инженерный строительный институт Method for ensuring reliability of pumping stations
RU62668U1 (en) * 2006-04-10 2007-04-27 Государственное Унитарное Предприятие "Водоканал Санкт-Петербурга" ENERGY CONSUMPTION MANAGEMENT SYSTEM OF MUNICIPAL PUMP STATIONS
US9091259B2 (en) * 2011-11-02 2015-07-28 Abb Technology Oy Method and controller for operating a pump system
US9181953B2 (en) * 2009-10-01 2015-11-10 Specific Energy Controlling pumps for improved energy efficiency

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1260460A1 (en) * 1984-08-06 1986-09-30 Территориальное Производственное Объединение Коммунально-Промышленного Водоснабжения "Харьковкоммунпромвод" Method of controlling water supply system
RU2107780C1 (en) * 1995-04-19 1998-03-27 Военный инженерный строительный институт Method for ensuring reliability of pumping stations
RU62668U1 (en) * 2006-04-10 2007-04-27 Государственное Унитарное Предприятие "Водоканал Санкт-Петербурга" ENERGY CONSUMPTION MANAGEMENT SYSTEM OF MUNICIPAL PUMP STATIONS
US9181953B2 (en) * 2009-10-01 2015-11-10 Specific Energy Controlling pumps for improved energy efficiency
US9091259B2 (en) * 2011-11-02 2015-07-28 Abb Technology Oy Method and controller for operating a pump system

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Сравнительный анализ технологий деревьев отказов и автоматизированного структурно-логического моделирования, используемых для выполнения работ по вероятностному анализу безопасности АЭС и АСУТП на стадии проектирования. Отчет о НИР "Технология-2004", ФГУП СПб АЭП, ОАО СПИК "СЗМА", ИПУ РАН; ответственные исполнители: Ершов Г.А., Можаев А.С., Викторова В.С., Санкт-Петербург, 2005, с. 21-22. *

Similar Documents

Publication Publication Date Title
CN110991666B (en) Fault detection method, training device, training equipment and training equipment for model, and storage medium
CN105844050B (en) Numerically-controlled machine tool system unit replacement time series analysis method based on time correlation
DE102011000298A1 (en) System and method for monitoring a gas turbine
JP7053152B2 (en) Systems and methods for optimizing recommended inspection intervals
JP2017151980A5 (en)
Yurek et al. Remaining useful life estimation for predictive maintenance using feature engineering
Taleb-Berrouane et al. Dynamic RAMS analysis using advanced probabilistic approach
RU2602295C1 (en) Method of pump station reliability evaluation
JP2017050972A (en) Power generation plan creation apparatus, power generation plan creation program, and power generation plan creation method
RU2620133C1 (en) Method of probabilistic assessment of pumping station supplying
Taghipour Optimal inspection model for a load-sharing redundant system
CN103197564A (en) Digitalized human-machine interface monitoring unit number optimization method and system
Yuan et al. Research on reliability of centrifugal compressor unit based on dynamic Bayesian network of fault tree mapping
Waghmode A suggested framework for product life cycle cost analysis at product design stage
KR20220056524A (en) System and Method of Hybrid Reliability Centered Maintenance for Power Generation Facilities
Kumar et al. Gas turbine engine operational data analysis for anomaly detection: Statistical vs. neural network approach
CN105809304A (en) Method for analyzing correlation of production and operation parameters of power plant and pollution treatment facility
Hussain et al. Benefits Analysis of Prognostics & Health Monitoring to Aircraft Maintenance using System Dynamics
CN105303315A (en) Power equipment reliability evaluation method taking into consideration influence of maintenance randomness
KR102215513B1 (en) Plant Monitoring Method Using Exergy Efficiency Value
CN110660002B (en) Method and device for determining failure rate curve of component of wind generating set
Georgiev et al. Strictly periodic maintenance strategy for electronic systems.„
Ryu et al. A study on the implementation for test case of digital equipment using STPA
Mazzola et al. Analysis of machine tool failures using advanced reliability models for complex repairable systems
Trębicka A Model of time Variability of Characteristic Parameters of the Water Distribution System as a Base of Information and the Basis of Mathematical Modelling

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20201204