10.14489/td.2024.10.pp.041-051

2024, 10 октябрь (October)

DOI: 10.14489/td.2024.10.pp.041-051

Шилин А. Н., Коновалова Л. А., Богале М. А.
ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА АВТОМАТИЧЕСКОГО РЕГУЛИРОВАНИЯ УРОВНЯ ВОДЫ В ВОДОХРАНИЛИЩЕ ГЭС
(c. 41-51)

Аннотация. Приведена система автоматического управления уровнем воды в водохранилище ГЭС с учетом прихода и расхода воды. Приход и расход водных ресурсов измеряется с помощью датчиков. Согласно правилам эксплуатации гидротехнических сооружений необходимо поддерживать определенный уровень воды в водохранилище ГЭС. Превышение форсированного подпорного уровня может привести к переливанию воды через плотину, а падение уровня воды ниже определенного значения негативно влияет на работу ГЭС. При превышении максимального уровня воды осуществляется водосброс с помощью затвора с приводом. Основной проблемой поддержания уровня воды в водохранилище в течение длительного периода является оптимальное распределение водных ресурсов, а именно на выработку электроэнергии, водоснабжение жилищно-коммунального хозяйства и промышленных предприятий, сельское хозяйство, поддержание экологии и рыбного хозяйства и другие нужды. Для управления автоматической системой необходимо прогнозировать уровень воды в водохранилище. Поэтому для решения этой проблемы предложено использовать искусственную нейронную сеть (ANN).

Ключевые слова: гидроэлектростанция, водохранилище, контроль и прогнозирование уровня воды в водохранилище, искусственная нейронная сеть.

Shilin A. N., Konovalova L. A., Bogale M. A.
INTELLIGENT SYSTEM FOR AUTOMATIC REGULATION OF WATER LEVEL IN A HPP RESERVOIR
(pp. 41-51)

Abstract. The article presents a system for automatically controlling the water level in a hydroelectric power station reservoir, taking into account the inflow and outflow of water. The inflow and outflow of water resources is measured using sensors. According to the rules for the operation of hydraulic structures, it is necessary to maintain a certain water level in the reservoir of a hydroelectric power station. Exceeding the forced headwater level (FLU) can lead to water overflowing the dam, and a drop in the water level below a certain value negatively affects the operation of the hydroelectric power station. When the maximum water level is exceeded, a spillway is carried out using a gate with a drive. The main problem of maintaining the water level in the reservoir over a long period is the optimal distribution of water resources, namely for electricity generation, water supply for housing and communal services and industrial enterprises, agriculture, maintaining the environment and fisheries and other needs. To control the automatic system, it is necessary to predict reservoir water level. Therefore, to solve this problem, it is proposed to use an artificial neural network (ANN).

Keywords: hydroelectric power station, reservoir, control and forecasting of water level in a reservoir, artificial neural network.

+ - Информация об авторах (About the Authors) Click to collapse

Рус

А. Н. Шилин, Л. А. Коновалова, М. А. Богале (Волгоградский государственный технический университет, Волгоград, Россия) E-mail: Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра. , Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра. , Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра.

Eng

A. N. Shilin, L. A. Konovalova, M. A. Bogale (Volgograd State Technical University, Volgograd, Russia) E-mail: Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра. , Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра. , Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра.

+ - Библиографический список (References) Click to collapse

Рус

1. Хайкин С. Нейронные сети: полный курс / под ред. Н. Н. Куссуль; пер. с англ. Н. Н. Куссуль, А. А. Шелестова. 2-е изд., испр. М.: Вильямс, 2006. 1104 с.
2. Пат. 2820563 РФ, МПК G05D 9/12. Способ автоматического регулирования уровня воды в водохранилище ГЭС / А. Н. Шилин, С. С. Дементьев, Л. А. Коновалова, М. А. Богале; ФГБОУ ВО ВолгГТУ. Заявка № 2023120646; заявл. 07.08.2023; опубл. 05.06.2024.
3. Пат. RU 2629456 С2. МПК G05D 9/12(2006.01), G06G 7/50(2006.01), G06F 17/10(2006.01). Система автоматического регулирования уровня воды в водохранилище ГЭС / А. В. Козырев, А. В. Лашин, В. А. Семёнов, В. И. Турунин. Заявка № 2014143616; заявл. 20.05.2016. опубл. 29.08.2017.
4. Ильичев В. Ю., Качурин А. В. Создание программ на языке Python для исследования множества Мандельброта // E-Scio. 2021. № 5(56). С. 362 ‒ 371.
5. Ясницкий Л. Н. Введение в искусственный интеллект. 3-е изд. М.: Академия Ко, 2010. 176 с. (Высшее профессиональное образование. Информатика и вычислительная техника).
6. Goodfellow I., Bengio Y., Courville A. Deep Learning. Cambridge: MIT press, 2016. 800 р.
7. Hawamdeh A., Kuisi M. Al. An Artificial Neural Network Model for Flood Forecasting, Case Study in Jordan // Solid State Technol. 2021. V. 64, No. 2. P. 4704 ‒ 4714.
8. Gareth J., Witten D., Hastie T., Tibshirani R. An Introduction to Statistical Learning with Applications in R. New York: Springer, 2013. 607 p. (Springer Texts in Statistics. Book 103). DOI: 10.1007/978-1-4614-7138-7
9. Vizi Z., Batki B., Ratki L., et al. Water Level Prediction Using Long Short-Term Memory Neural Network Model for a Lowland River: A Case Study on the Tisza River, Central Europe // Environmental Sciences Europe. 2023. V. 35, No. 1. Paper 92. 18 p.
10. Xu J., Fan H., Luo M., et al. Transformer Based Water Level Prediction in Poyang Lake, China // Water. 2023. V. 15, No. 3. P. 576 ‒ 581.
11. Sapitang M., Ridwan W. M., Kushiar K. F., et al. Machine Learning Application in Reservoir Water Level Forecasting for Sustainable Hydropower Generation Strategy // Sustainability. 2020. V. 12, No. 15. P. 6121.
12. Пат. 226828 РФ, МПК G01F 23/76. Плавающий измеритель испарения открытой воды / А. Н. Шилин, Л. А. Коновалова, М. А. Богале; ФГБОУ ВО ВолгГТУ. Заявка № 2024108003; заявл. 27.03.2024; опубл. 25.06.2024.

Eng

1. Kussul' N. N. (Ed.), Haykin S. (2006). Neural networks: a complete course. 2nd ed. Moscow: Vil'yams. [in Russian language]
2. Shilin A. N., Dement'ev S. S., Konovalova L. A., Bogale M. A. A method for automatically regulating the water level in a hydroelectric power station reservoir. Ru Patent No. 2820563. Russian Federation. [in Russian language]
3. Kozyrev A. V., Lashin A. V., Semyonov V. A., Turunin V. I. System for automatic control of water level in a hydroelectric power station reservoir. Ru Patent No. RU 2629456 С2. [in Russian language]
4. Il'ichev V. Yu., Kachurin A. V. (2021). Creating Python Programs to Explore the Mandelbrot Set. E-Scio, 56(5), 362 ‒ 371. [in Russian language]
5. Yasnitskiy L. N. (2010). Introduction to artificial intelligence. 3rd ed. Moscow: Akademiya Ko. (Higher professional education. Informatics and Computer Science). [in Russian language]
6. Goodfellow I., Bengio Y., Courville A. (2016). Deep Learning. Cambridge: MIT press.
7. Hawamdeh A., Kuisi M. Al. (2021). An Artificial Neural Network Model for Flood Forecasting, Case Study in Jordan. Solid State Technology, 64(2), 4704 ‒ 4714.
8. Gareth J., Witten D., Hastie T., Tibshirani R. (2013). An Introduction to Statistical Learning with Applications in R. New York: Springer. (Springer Texts in Statistics. Book 103). DOI: 10.1007/978-1-4614-7138-7
9. Vizi Z., Batki B., Ratki L. et al. (2023). Water Level Prediction Using Long Short-Term Memory Neural Network Model for a Lowland River: A Case Study on the Tisza River, Central Europe. Environmental Sciences Europe, 35(1), Paper 92.
10. Xu J., Fan H., Luo M. et al. (2023). Transformer Based Water Level Prediction in Poyang Lake, China. Water, 15(3), 576 ‒ 581.
11. Sapitang M., Ridwan W. M., Kushiar K. F. et al. (2020). Machine learning application in reservoir water level forecasting for sustainable hydropower generation strategy. Sustainability, Vol. 12 15.
12. Shilin A. N., Konovalova L. A., Bogale M. A. (2024). Floating open water evaporation meter. Ru Patent No. 226828. Russian Federation. [in Russian language]

+ - Заказать электронную версию статьи (Purchase digital version of a single article) Click to collapse

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 500 руб. (в том числе НДС 20%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа скопируйте doi статьи:

10.14489/td.2024.10.pp.041-051

и заполните форму

Отправляя форму вы даете согласие на обработку персональных данных.

Eng

This article is available in electronic format (PDF).

The cost of a single article is 500 rubles. (including VAT 20%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please copy the article doi:

10.14489/td.2024.10.pp.041-051

and fill out the form