Цифровизация в ТЭК: куда мы движемся?

Управление разбросанными по всей стране производственными активами — давняя «головная боль» ТЭК. Действительно, как отслеживать состояние газоперекачивающих агрегатов, если находятся они друг от друга в сотнях киломеров? Как предотвратить поломку УЭНЦ? Опасаться засорения механическими примесями, или все же бесконтрольной эксплуатации? Сколько еще проработает трансформатор? До недавнего времени ответить на эти вопросы было непросто. Сегодня же помочь с подобными проблемами способны технологии промышленного интернета вещей, IIoT (industrial internet of things).

Сама идея онлайн-сбора данных о работе оборудования не нова – попытки организовать получение информации от промышленных систем предпринимались еще до существования всемирной сети. Однако развития подобные проекты не получили по очень простой причине: собираемые данные приносили недостаточно практической пользы. Но ситуация меняется, развиваются системы обработки и передачи информации, растут вычислительные мощности. Едва ли не каждый день слышны новости про очередные достижения нейросетей: им под силу и поиск людей с похожими лицами, и анализ сбивчивой речи, и даже написание простых мелодий.

Перспективные разработки в области анализа данных есть и в России. Так, российский промышленный холдинг РОТЕК (входит в группу компаний «Ренова») предлагает отечественным предприятиям систему ПРАНА. Прогнозная аналитика – именно этот термин лег в основу названия системы – способна предсказать поведение машины. Для этого ПРАНА строит индивидуальную модель каждой конкретной установки и сравнивает с ней поступающие с датчиков сигналы. Применение предиктивных математических алгоритмов при анализе данных позволяет системе выявлять дефекты в узлах и деталях установок за 2–3 месяца до того, как они приведут к поломке. Подключить к «ПРАНЕ» можно практически любое оборудование: ее математическое ядро «всеядно», а сама платформа легко интегрируется в штатные системы управления технологическим процессом. К слову, распространенные сегодня платформы АСУ ТП сигнализируют о неполадках лишь «по факту», т.к. показания датчиков в «зеленой зоне» они игнорируют, а значит, не в состоянии заблаговременно обнаружить опасные тенденции.

Сегодня система ПРАНА широко применяется в энергетике – свое оборудование технологиям прогностики доверили такие компании, как «Мосэнерго», «Т Плюс» и «Татэнерго». К серверам системы сегодня подключается более 3 ГВт генерирующих мощностей, а всего ПРАНА проанализировала более 1 млн часов работы оборудования. Совместно с «Мосэнерго» разработчик системы реализует пилотный проект по подключению энергоблока ПГУ-450 на московской ТЭЦ-27. ПРАНА будет прогнозировать состояние основного оборудования энергоблока – двух газотурбинных установок ГТЭ-160, паровой турбины, генератора, двух котлов-утилизаторов и дожимной компрессорной станции. Таким образом, все оборудование энергоблока будет анализироваться в рамках одной платформы. Такая степень унификации значительно упростит работу станционного персонала, а значит, повысит эффективность и безопасность эксплуатации энергоблока.

ПРАНА автоматически определяет деградацию проточной части турбины и компрессора, опорной и упорной части подшипников турбины и генератора, а также повреждения горелочных устройств и отказы контрольно-измерительных приборов. В случае комплексных дефектов оборудования, эксперты Ситуационного центра РОТЕК анализируют параметры, которые вносят наибольший вклад в выявленное отклонение – их конкретный перечень алгоритмы системы определяют автоматически. Это позволяет организовать круглосуточное экспертное сопровождение большого парка оборудования. При этом подключение к глобальной сети для системы не обязательно: математический аппарат «ПРАНЫ» годен к автономной работе на удаленных объектах: газоперекачивающих установках, генераторах, корабельных двигателях и пр.

«На одной из турбин при снижении активной мощности отмечался рост уровня осевой вибрации подшипника генератора No4. ПРАНА не только предсказала, когда эта вибрация выйдет на уровень сигнализации, но и помогла найти ее причину. И она оказалась достаточно нетривиальной: отклонение сопровождалось снижением температуры охлаждающего воздуха щеточно-контактного аппарата, который поступал через отверстие в подставке задней площадки генератора. Выяснилось, что с уменьшением нагрузки температура его корпуса снижалась, что приводило к ослаблению крепежа подшипникового узла, а значит, и росту осевой вибрации. Благодаря раннему оповещению, оператор турбины смог запланировать ремонт и устранить этот дефект во время планового останова. Вибрация была снижена более, чем в два раза и больше не росла», — рассказывает Технический директор проекта ПРАНА Максим Липатов.

Для эффективного управления активами детальные данные и прогноз состояния оборудования не менее важны, чем точная карта при кругосветном путешествии. Раннее выявление дефектов не просто спасает от аварий, но и качественно изменяет логику обслуживания оборудования: аварийные ремонты становятся плановыми. Зная о грядущей неполадке, менеджмент может запланировать останов оборудования, в комфортные сроки заказать необходимые комплектующие и провести качественный – а не экстренный – ремонт. Предсказуемость в этом процессе экономит компании значительные средства за счет оптимизации логистики и закупочных процессов.

Не стоит забывать и про субъективность сотрудников. Дело в том, что информация о реальном состоянии установок по пути к менеджменту часто искажается. Что привело к поломке погружного насоса? Неконтролируемая эксплуатация или механические загрязнения? Случайно или намерено, но неопределенность в этом вопросе чаще трактуется в пользу эксплуатационного персонала.

Есть у субъективного подхода к ремонтам и еще один минус: борьба менеджмента за сокращение ремонтных бюджетов парадоксально приводит к увеличению реальных расходов. С точки зрения эксплуатационного персонала, бюджет на плановый ремонт увеличить крайне сложно, а вот получить деньги на аварийное восстановление оборудования, напротив, достаточно легко. В результате затраты на ремонт из запланированных становятся непредсказуемыми, а значит, и контролировать их нельзя. Стоит ли говорить о том, что эффективность использования средств в этой логике оставляет желать лучшего?

Избавиться от таких факторов позволяет применение прогностики и технологий промышленного интернета вещей. Благодаря предиктивным системам, руководство получает полную картину состояния всего парка оборудования – от электродвигателя до газоперекачивающей установки. Подобная прозрачность значительно повышает эффективность управления: контролировать теперь можно не только работу эксплуатационного персонала, но и подрядчиков. Иначе говоря, надежность оборудования становится по-настоящему управляемым параметром.

Это означает, что в перспективе мы сможем отказаться от избыточных и строго регламентированных процедур. Ведь сегодня бесперебойная работа установок во многом обеспечивается их превентивным обслуживанием. Срок работы деталей рассчитывается на основании статистических данных об их эксплуатации, а значит, не обязательно отражает реальное состояние узлов. Именно поэтому превентивное обслуживание затратно: подшипник может проработать как вдвое больше, так и пять раз меньше назначенного ресурса. Поломка оборудования в этой логике все еще остается вопросом вероятности – несмотря на все расходы. Однако, уже в ближайшем будущем прогностика позволит чинить именно то, что в действительности скоро сломается.

Перевод аварийных ремонтов в плановые, предсказуемость поведения оборудования и рост эффективности его использования – ближайшее будущее сложных промышленных систем. Интеллектуальный задел и материальная база для очередной научно-технической революции уже появились, в том числе, и в России. В выигрыше останется тот, кто сможет перевести управление надежностью производственных активов в новую, в более эффективную логику. Дело за малым: управленческой волей.