https://sputniknews.lat/20230814/rusia-presenta-un-nuevo-sistema-de-prediccion-de-fallos-en-turbinas-de-gas-1142621950.html
Rusia presenta un nuevo sistema de predicción de fallos en turbinas de gas
Rusia presenta un nuevo sistema de predicción de fallos en turbinas de gas
Científicos rusos han creado una red neuronal para encontrar averías en turbinas de gas y otras centrales eléctricas. El invento es dos veces más preciso que... 14.08.2023, Sputnik Mundo
2023-08-14T15:17+0000
2023-08-14T15:17+0000
2023-08-14T15:17+0000
rusia
turbinas
redes neuronales
ciencia
/html/head/meta[@name='og:title']/@content
/html/head/meta[@name='og:description']/@content
https://cdn2.img.sputniknews.lat/img/07e7/08/0e/1142625632_0:188:3072:1916_1920x0_80_0_0_93e8aa74e3b616b2a50dea7dd8e07be3.jpg
Garantizar la fiabilidad de las centrales eléctricas y otros equipos del complejo energético y de combustibles es una tarea de vital importancia, subrayaron los científicos de la Universidad Técnica Estatal de Volgogrado (VolgGTU, por sus siglas en ruso). Así, una de las maneras de optimizar los costos de energía y mejorar su fiabilidad es desarrollar métodos flexibles para controlar el desgaste de los equipos. El uso de tales sistemas podría garantizar el funcionamiento ininterrumpido de las empresas energéticas y la reparación eficaz de las instalaciones.El nuevo método, basado en modelos de redes neuronales de profundo aprendizaje, ya se ha probado en turbinas de gas, y en el futuro, según sus creadores, es aplicable a cualquier motor industrial y central eléctrica.Según la publicación, el invento es capaz de proporcionar previsiones precisas con una información mínima de las características iniciales de los equipos. Cabe destacar en este caso el uso de mecanismos de redes neuronales que no requieren una cantidad masiva de datos previamente procesados."Los métodos clásicos para la vida útil de los equipos se basan en estadísticas de averías, pero tienen ciertas limitaciones. Los fabricantes de equipos no siempre facilitan estadísticas detalladas y, en general, el número de fallos registrados de estos equipos no es suficiente incluso para los algoritmos de aprendizaje automático más potentes, que se 'entrenan' con datos preparados de antemano", explicó Shcherbakov.Reducir la probabilidad de error otorga a los técnicos más tiempo para tomar una decisión, ya que el ingeniero estará informado no sólo del momento de la posible avería, sino también de los cambios en el funcionamiento de la planta debidos al desgaste de los componentes.Además, los creadores destacaron que los resultados pueden ser utilizados por los fabricantes de equipos para formar servicios adicionales para los operadores, por ejemplo, para evaluar la calidad de las reparaciones.Este desarrollo forma parte de la plataforma intelectual de gestión del estado técnico de equipos para empresas de combustibles y energía que se está creando en VolgGTU. A su vez, la plataforma es un proyecto estratégico de la universidad que forma parte del programa Prioridad-2030.Los resultados fueron publicados en la revista Energies.
https://sputniknews.lat/20230808/nueva-planta-flotante-de-licuefaccion-de-gas-en-golfo-de-mexico-iniciara-operaciones-en-septiembre-1142382175.html
Sputnik Mundo
contacto@sputniknews.com
+74956456601
MIA „Rosiya Segodnya“
2023
Sputnik Mundo
contacto@sputniknews.com
+74956456601
MIA „Rosiya Segodnya“
Noticias
es_ES
Sputnik Mundo
contacto@sputniknews.com
+74956456601
MIA „Rosiya Segodnya“
Sputnik Mundo
contacto@sputniknews.com
+74956456601
MIA „Rosiya Segodnya“
rusia, turbinas, redes neuronales
rusia, turbinas, redes neuronales
Rusia presenta un nuevo sistema de predicción de fallos en turbinas de gas
Científicos rusos han creado una red neuronal para encontrar averías en turbinas de gas y otras centrales eléctricas. El invento es dos veces más preciso que los análogos, lo que permitirá reducir los costos de las empresas de mantenimiento y la reparación de los equipos.
Garantizar la fiabilidad de las centrales eléctricas y otros equipos del complejo energético y de combustibles es una tarea de vital importancia, subrayaron los científicos de la Universidad Técnica Estatal de Volgogrado (VolgGTU, por sus siglas en ruso).
Así, una de las maneras de optimizar los costos de energía y mejorar su fiabilidad es desarrollar métodos flexibles para controlar el desgaste de los equipos. El uso de tales sistemas podría garantizar el funcionamiento ininterrumpido de las empresas energéticas y la reparación eficaz de las instalaciones.
El nuevo método, basado en modelos de redes neuronales de profundo aprendizaje, ya se ha probado en turbinas de gas, y en el futuro, según sus creadores, es aplicable a cualquier motor industrial y central eléctrica.
"Para toda empresa es fundamental conocer cuál es el estado actual de los equipos y qué hay que hacer para prolongar su vida útil. Nuestro método permite realizar esta evaluación y reducir a la mitad el error en la predicción del tiempo de avería de los equipos en comparación con los análogos existentes", afirmó Maxim Scherbakov, científico de la Facultad de Ingeniería Electrónica e Informática de la VolgGTU
Según la publicación, el invento es capaz de proporcionar previsiones precisas con una información mínima de las características iniciales de los equipos. Cabe destacar en este caso el uso de mecanismos de redes neuronales que no requieren una cantidad masiva de datos previamente procesados.
"Los métodos clásicos para la vida útil de los equipos se basan en estadísticas de averías, pero tienen ciertas limitaciones. Los fabricantes de equipos no siempre facilitan estadísticas detalladas y, en general, el número de fallos registrados de estos equipos no es suficiente incluso para los algoritmos de aprendizaje automático más potentes, que se 'entrenan' con datos preparados de antemano", explicó Shcherbakov.
Reducir la probabilidad de error otorga a los técnicos más tiempo para tomar una decisión, ya que el ingeniero estará informado no sólo del momento de la posible avería, sino también de los cambios en el funcionamiento de la planta debidos al desgaste de los componentes.
"Al disponer de una estimación precisa de cuándo se producirá un fallo del equipo, es posible ajustar el programa de mantenimiento u optimizar el modo de funcionamiento del equipo. Esto permitirá pasar a un nivel cualitativamente nuevo de mantenimiento", subrayó.
Además, los creadores destacaron que los resultados pueden ser utilizados por los fabricantes de equipos para formar servicios adicionales para los operadores, por ejemplo, para evaluar la calidad de las reparaciones.
Este desarrollo forma parte de la plataforma intelectual de gestión del estado técnico de equipos para empresas de combustibles y energía que se está creando en VolgGTU. A su vez, la plataforma es un proyecto estratégico de la universidad que forma parte del programa Prioridad-2030.
Los resultados
fueron publicados en la revista
Energies.
No te pierdas las noticias más importantes
Suscríbete a nuestros canales de Telegram a través de estos enlaces.
Ya que la aplicación Sputnik está bloqueada en el extranjero, en este enlace puedes descargarla e instalarla en tu dispositivo móvil (¡solo para Android!).
También tenemos una cuenta en la red social rusa VK.
