Проект «Динамическая оптимизация параметров контура управления киберфизической системы проветривания подземного горнодобывающего предприятия»

Современные тренды в мировой науке, направленные на эффективное управление ресурсами и энергией, во многом основаны на решении задач  интеллектуализации процессов обработки и анализа информации, получаемой с исследуемых объектов производств в условиях неопределенности. Оптимальное динамическое управление проветриванием реализуется на основе алгоритма динамической оптимизации (approximate dynamic programming - ADP) при обучении с подкреплением (reinforcement learning)¹. В данном проекте ADP будет впервые адаптирован под предметную область проветривания и позволит системе выбирать наилучшие сценарии управления ГВУ (главная вентиляторная установка) или другим оборудованием в заданные моменты времени с учетом общей системной динамики. В связи с тем, что методы машинного обучения не всегда корректно работают в динамике, в данном проекте будет предложена новая модель системы управления, ориентированная на достижение глобального оптимума, то есть извлечения максимальной денежной прибыли за счет экономии на электроэнергии при сохранении безопасных условий работы.

¹ADP - это метод слабого искусственного интеллекта, который может быть реализован с использованием искусственных нейронных сетей, выбирающих наилучшие траектории изменения параметров качества работы системы. Этот алгоритм наиболее эффективен для работы с агрегированными (объединенными) группами объектов.

Цель проекта - решение задачи оптимизации параметров системы управления проветриванием подземных горнодобывающих предприятий (на примере калийного рудника) за счет введения в контур обратной связи алгоритмов интеллектуальной адаптации approximate dynamic programming - ADP, реализуемого на основе машинного обучения с подкреплением.

Задачи проекта:

1. Обзор концепций, технологий цифровых двойников технологического оборудования и процессов, методов оптимизации параметров систем управления.

2. Разработка упрощенной архитектуры промышленной киберфизической системы управления проветриванием с цифровым двойником.

3. Анализ факторов, влияющих на процесс проветривания подземных горнодобывающих предприятий.

4. Расчет комплексного критерия оптимальности работы системы проветривания при использовании цифрового двойника.

5. Разработка модели регулирования режимов работы главной вентиляторной установки с учетом действия общерудничной естественной тяги.

6. Разработка базового алгоритма дискретного управления проветриванием в соответствии с комплексным критерием оптимальности на основе сценариев ("как есть").

7. Постановка задачи динамической оптимизации процесса управления проветриванием.

8. Синтез обобщенной структурной схемы системы оптимального управления процессом проветривания с цифровым двойником.

9. Разработка алгоритма управления на основе аппроксимированного динамического программирования ADP с использованием технологии машинного обучения с подкреплением и цифрового двойника ("как должно быть").

10. Имитационное моделирование процессов проветривания в Modelica, обучение контура системы управления с ADP.

11. Сравнительный анализ результатов работы базового алгоритма и ADP по комплексному критерию оптимальности работы системы проветривания.

Сроки проведения работы над проектом

Итоговый научный отчет о результатах работ НУГ предоставляется к 15 декабря 2021 года.

Ожидаемые научные результаты исследований, предполагаемое использование результатов в деятельности НИУ ВШЭ

Метод ADP активно применяется в системах оптимизации в теории и на практике (D. Bertsekas, Martijn Mes, Arturo Pérez Rivera). Известная также его реализация с использованием машинного обучения с подкреплением (Lucian Buşoniu, Bart De Schutter, Robert Babuška). Однако в задаче динамической оптимизации параметров контура управления киберфизической системы проветривания данный метод будет применен впервые, что потребует его адаптацию под конкретную предметную область и условия обучения на цифровом двойнике шахты (рудника).

В 2021 году планируется публикация научных исследований, подготовленные к печати или изданные в рецензируемых научных изданиях,  по теме проекта в одном из следующих форматов:  статья (в соавторстве) в международном рецензируемом журнале, индексируемом в международных базах данных WoS или Scopus не ниже Q2 и отсутствующем в списке, размещенном на сайте Фонда: https://scientometrics.hse.ru/blacklist; статья (в соавторстве) в международном рецензируемом журнале из Перечня учитываемых журналов https://scientometrics.hse.ru/3rdleveljournals; монография (объемом не менее 7 а.л.); две статьи (в соавторстве) в российских журналах из Перечня российских журналов, учитываемых при назначении академической надбавки 1 уровня, размещенного на сайте Фонда: https://scientometrics.hse.ru/goodjournals; два препринта (в соавторстве) на английском языке из серии препринтов Программы фундаментальных исследований (ПФИ) (http://www.hse.ru/org/hse/wp/prepfundres).

Форма предоставления результатов проекта

1) формализованный научный отчет по теме проекта;

2) публикации, подготовленные к печати или изданные в рецензируемых научных изданиях, по теме проекта (информация публикуется на сайте проекта)

3) доклады по теме проекта в рамках цикла научных семинаров «Цифровые трансформации»  НИУ ВШЭ Пермь, Научно-учебной лаборатории междисциплинарных эмпирических исследований в рамках секции "Киберфизические системы" (информация публикуется на сайте проекта)