Большинство атмосферных процессов прямо или косвенно вызвано присутствием в воздухе взвешенных частиц – аэрозолей. Загрязнение атмосферы аэрозолями представляет собой серьезную проблему, поскольку аэрозольные частицы распространяются на дальние расстояния и вызывают на глобальное изменение климата и здоровья человек. По этой причине в последние годы внимание мировой научной общественности к изучению атмосферных аэрозолей неуклонно повышается.
Повсеместное загрязнение окружающей среды разнообразными веществами, подчас совершенно чуждыми для нормального существования организма людей, является серьезной опасностью для нашего здоровья и благополучия будущих поколений. Поэтому экологические проблемы требуют незамедлительного решения. Необходимо уменьшить пагубное влияние хозяйственной деятельности на окружающую среду, добиться минимума выбросов вредных веществ в атмосферу.
Исследование загрязнения снежного покрова является удобным и достаточно дешевым способом получения данных о поступлении загрязняющих веществ из атмосферы на подстилающую поверхность [1]. Особый интерес снежный покров представляет при изучении процессов длительного загрязнения (месяц, сезон), поскольку как естественный планшет-накопитель дает действительную величину сухих и влажных выпадений в холодное время года.
Надежная, безопасная и экономичная работа энергоблоков и энергетических систем требует решения сложных задач планирования, прогнозирования, мониторинга, анализа и управления. Сочетание возрастающего энергопотребления и задержки расширения существующих сетей передачи электроэнергии, а также физический и моральный износ теплоэнергетического оборудования и сетей приводят к тому, что энергосистемы в настоящее время эксплуатируются на пределе своих возможностей. Это требует более тщательного отношения к выбору оптимального режима эксплуатации энергоблоков и эффективного управления энергосистемой, которое возможно только при более детальном, чем обычно, мониторинге системы и более обоснованном выборе управленческих и оперативных решений, особенно в переходных режимах и экстремальных (аварийных) ситуациях.
Поведение энергосистем в рабочих условиях является сильно нелинейным, а мониторинг и контроль энергосистем включают несколько сотен переменных. Это приводит к тому, что энергопотребление и динамические нагрузки не поддаются надежному анализу и моделированию традиционными методами и технологиями. Традиционные технологии успешно применяются в том случае, если возможно построить математические модели задачи или создать надежную экспертную систему на основе решений экспертов. Однако в большинстве случаев задачи, встречающиеся в энергетике, не удовлетворяют этим двум вышеуказанным условиям. Это приводит к необходимости внедрения новых прогрессивных технологий в управлении энергосистемами. Наиболее быстро развивающимися и весьма перспективными являются системы с применением технологий искусственного интеллекта. Такие новые технологии получили достаточно широкое распространение в промышленно развитых странах и показали свою высокую эффективность.
Система искусственного интеллекта автоматизирует процедуры формирования образов (моделей, описаний) изменяющихся объектов внешней среды, создает условия для уточнения и окончательного принятия решения человеком-оператором, не предъявляя при этом к нему повышенных требований, а лишь дополняя его частные интеллектуальные функции до функций обобщенной системы в изменившихся условиях данной среды.
Интеллектуальная система может состоять из многих компонентов, обладающих элементами искусственного интеллекта [2]. В пределе каждое техническое или программное средство интеллектуальной системы может рассматриваться как интеллектуальное средство, имеющее свои реагирующую и замыкающую части. Назначение последней – обеспечение устойчивого развития не только данного средства в отдельности, но и системы в целом по отношению к изменениям внешней и внутренней среды.
Одна из центральных проблем разработки сложных систем искусственного интеллекта – проблема согласования (координации) реагирующих частей ее отдельных интеллектуальных компонентов с помощью их замыкающих частей (вложенного искусственного и реально функционирующего естественного интеллектов). Решение этой проблемы усложняется тем, что замыкающие части компонентов системы могут быть созданы с использованием разных методов искусственного интеллекта и для согласования реагирующих частей этих компонентов требуется свести решения, полученные с помощью разных методов, к единой основе. В качестве такой основы могут быть выбраны нейросетевые методы и средства, поскольку с их помощью можно смоделировать обучение правилам нечеткой логики, а также включить в их состав генетические алгоритмы.
Одной из важных задач, стоящих перед разработчиками программного обеспечения систем ИИ, является автоматизация процесса накопления и обработки обширной информации. В связи с этим в настоящее время ставится вопрос о том, чтобы передать некоторые функции обработки этой информации интеллектуальным системам. При этом подобные системы должны самостоятельно принимать информацию, обрабатывать ее, принимать решения о ее дальнейшем продвижении и обеспечивать такое продвижение.
В ряде случаев необходимо, чтобы интеллектуальная система могла самостоятельно влиять на внешний мир [3].
Широко используются технологии искусственного интеллекта в контроле и регулировании частоты и стабильности напряжения в энергосистемах, а также при оценке и повышении их безопасности, которые включают решение следующих задач:
– анализ непредвиденных событий и оценка опасных последствий (перегрузка, падение напряжения, неуправляемое состояние энергосистемы и т.п.);
– статическая оценка безопасности при работе энергосистемы в устойчивом режиме, когда временные ограничения для действий по локализации последствий составляют 10–30 мин.
Для мониторинга, управления и снижения газообразных выбросов на ТЭС необходимо устанавливать весьма сложное и трудоемкое в эксплуатации оборудование (например, необходимость внешней калибровки датчиков каждые 24 часа). Это значительно повышает стоимость оборудования и эксплуатации ТЭС. Поэтому разработка недорогих и эффективных методов моделирования и контроля выбросов имеет большое экономическое и экологическое значение.
Библиографическая ссылка
Сихынбаева Ж.С., Дайрабаева А.Ж., Ибраев Т.Н. ИННОВАЦИОННЫЕ ТЕХНОЛОГИЙ ДЛЯ ЗАЩИТЫ ОКРУЖАЮЩЕЙ СРЕДЫ ОТ ВЫБРОСОВ В АТМОСФЕРУ ЭНЕРГЕТИЧЕСКИХ ОБЪЕКТОВ // Международный журнал экспериментального образования. – 2015. – № 2-2. – С. 158-159;URL: https://expeducation.ru/ru/article/view?id=6480 (дата обращения: 30.12.2024).