En el marco de los trabajos de investigación científica y de diseño constructivo experimental correspondientes asociados al proyecto de creación de la turbina de gas de alta potencia de fabricación nacional Power Machines ejecutó los trabajos y presentó para su examen por los expertos del borrador de proyecto del sistema de diagnóstico predictivo y de monitoreo remoto de la GTE-170.1.
El proyecto preliminar del sistema para el diagnóstico predictivo y el monitoreo remoto de la GTE-170.1 fue desarrollado por Power Machines en asociación con el Instituto de Ingeniería Térmica de Rusia (SAA «VTI») – una institución líder en la actividad de investigación científica de la industria, una de cuyas especializaciones es el desarrollo de los sistemas de asistencia y mantenimiento predictivo.
El proyecto se basa en los algoritmos del complejo de software y hardware para el control tecnológico y diagnóstico de Power Machines para el equipamiento energético de las centrales térmicas. La funcionalidad del sistema permitirá realizar el diagnóstico de los equipos en el propio territorio del cliente, realizando los trabajos de reparación en función de la condición técnica real en lugar de las reparaciones preventivas programadas, así como organizar la transferencia segura de los datos para su análisis al centro de diagnóstico experto de Power Machines.
En el transcurso de la etapa pasada, se conformó el aspecto técnico general del sistema: sus principales características, los principios de su funcionamiento y las soluciones constructivas pertinentes. A partir del análisis de la experiencia mundial en la operación de turbinas de gas con una potencia de 60 MW o más, se ha determinado la lista de fallas, según la cual se desarrollarán los algoritmos de diagnóstico correspondientes para asegurar la detección automática de desviaciones durante el funcionamiento.
Las pruebas del sistema para el diagnóstico predictivo y el monitoreo remoto de la GTE-170.1 en la propia fábrica se llevarán a cabo en el año 2022. Durante la explotación experimental, se verificará el funcionamiento de los algoritmos de diagnóstico, se probarán los modelos predictivos y se mejorará la interfaz de usuario.