Архитектура Big Data-платформы предиктивной диагностики высоковольтного электрооборудования агропромышленных комплексов на основе анализа виброакустических характеристик

В статье представлена архитектура Big Data-платформы для предиктивной диагностики высоковольтных изоляторов подстанций АПК. Проблема: существующие методы вибродиагностики неприменимы к сельским подстанциям из-за удаленности, нестабильной связи (LTE-M, VSAT) и высокочастотных виброакустических сигналов (20–250 кГц), которые на два порядка превышают обычный диапазон.

Разработана пятиуровневая архитектура: MEMSи пьезодатчики, граничные узлы NVIDIA Jetson AGX Orin с вейвлет-пакетной декомпозицией и компрессией Zstandard (коэффициент сжатия 12,7×), брокеры Apache Kafka, слой распределенных вычислений Apache Spark Structured Streaming и гибридная модель CNN-LSTM с механизмом внимания. Эксперимент на пяти подстанциях Татарстана за 12 месяцев показал: собрано 2,34 ПБ сырых данных, передано 184 ТБ. Точность классификации шести классов состояния достигла 98,4% (F1 = 0,977). Интегральный индекс HI обеспечивает шкалу от 0,92 (исправное) до 0,14 (предпробой). Внедрение платформы позволило снизить непрогнозируемые отказы на 71%, а удельные затраты на техническое обслуживание — на 34,2%. Горизонт надежного прогноза остаточного ресурса составил 38 суток. Без периодического дообучения точность модели за год падает на 5,7 процентных пункта, что требует ежеквартальной перекалибровки. 

1. Пестряков Е.В., Катаев Ю.В., Костомахин М.Н., Петрищев Н.А., Саяпин А.С. Контроль технического состояния энергонасыщенных тракторов с использованием алгоритмов искусственного интеллекта. Техника и оборудование для села. 2024; (9): 2–5. EDN IXDPJD

2. Катаев Ю.В., Тишанинов И.А. Применение цифровых технологий при диагностировании двигателей энергонасыщенной сельскохозяйственной техники. Агроинженерия. 2023; 25(4): 52–59. https://doi.org/10.26897/2687-1149-2023-4-52-59

3. Функ Т.А., Бычков А.Е., Хрюкин Д.Ю., Волков Е.О. Техническая диагностика оборудования буровой лебедки времявероятностным методом с применением микропроцессорных средств. Вестник Южно-Уральского государственного университета. Серия: Энергетика. 2021; 21(1): 109–121. https://doi.org/10.14529/power210112

4. Пестряков Е.В. Программное обеспечение для диагностирования и прогнозирования технического состояния сельскохозяйственных машин. Техника и оборудование для села. 2021; (12): 37–41. EDN NUTMPU

5. Катаев Ю.В., Тишанинов И.А., Градов Е.А. Бесконтактная диагностика двигателя трактора через CAN-интерфейс. Техника и оборудование для села. 2023; (8): 36–39. EDN SZBR

6. Gabitov I., Insafuddinov S., Kharisov D., Gaysin E., Farhutdinov T. Diagnostic method and device for evaluating and forecasting the technical condition of farm machinery in operation. Journal of Agricultural Engineering. 2021; 52(4). https://doi.org/10.4081/jae.2021.1158

7. Костомахин М.Н., Пестряков Е.В. Программный комплекс для дистанционного контроля узлов и агрегатов. Сельскохозяйственные машины и технологии. 2022; 16(4): 19–25. https://doi.org/10.22314/2073-7599-2022-16-4-19-25

8. Портнова О.С., Грибиниченко М.В., Плаксин Р.А., Андрюхина П.А. Комплексная методика диагностики и наладки судового энергетического оборудования. Труды Крыловского государственного научного центра. 2024; (4): 132–136. EDN GSDKWG

9. Ibragimov M., Akbarov D., Fayziyev M., Beytullaeva R., Nimatov K., Safarov Kh.S. Analysis of the methods of diagnosing asynchronous motors according to vibration indicators. IOP Conference Series: Earth and Environmental Science. 2023; 1142: 012031. https://doi.org/10.1088/1755-1315/1142/1/012031

10. Межевитинов А.Ю., Болховитин Ю.С. Определение состояния корабельной энергоустановки на основе анализа ее технических параметров в процессе эксплуатации. Судостроение. 2022; (4): 39–41. EDN VTXFBA

11. Ерохин М.Н., Дорохов А.С., Катаев Ю.В. Интеллектуальная система диагностирования параметров технического состояния сельскохозяйственной техники. Агроинженерия. 2021; (2): 45–50. https://doi.org/10.26897/2687-1149-2021-2-45-50

12. Чернухин А.В., Богданова Е.А., Савицкая Т.В., Кулаков Д.Г., Павлов И.Р. Система предиктивной аналитики технического состояния эксгаустера агломашины с помощью методов искусственного интеллекта. Искусственный интеллект и принятие решений. 2024; (3): 87–103. https://doi.org/10.14357/20718594240307

13. Stepanov P., Bozek P., Lagutkin S., Nikitin Y. Development of a decision box of diagnostic system for electric drives. MM Science Journal. 2021; 2021(5): 4954–4961. https://doi.org/10.17973/MMSJ.2021_11_2021126

14. Редников С.Н., Сторчевой В.Ф., Ахмедьянова Е.Н., Матвеева Т.И. Диагностика электротехнических компонентов гидротехнического оборудования: эффективность комплексного подхода. Агроинженерия. 2024; 26(2): 71–77. https://doi.org/10.26897/2687-1149-2024-2-71-77

15. Gnatuk V., Kivchun O., Morozov D., Devi G. Processing of Data on Power Consumption in the Management of Energy Resources of the Regional Electrical Complex. Gibadullin A. (ed.). Digital and Information Technologies in Economics and Management (DITEM 2023). Proceedings of the International Scientific and Practical Conference. Cham: Springer. 2024; 218–232. https://doi.org/10.1007/978-3-031-55349-3_18

16. Колоденкова А.Е., Верещагина С.С. Программная реализация алгоритмов диагностирования электрооборудования (на примере анализа характера гармонических колебаний). Программные продукты и системы. 2024; (1): 62–68. https://doi.org/10.15827/0236-235X.145.062-068

17. Криков А.М., Иванников А.Б., Сидоренко М.Н. Система усовершенствованных методов прогнозирования технического состояния автомобилей. Сибирский вестник сельскохозяйственной науки. 2025; 55(7): 94–103. https://doi.org/10.26898/0370-8799-2025-7-11

18. Барков А.В., Баркова Н.А., Грищенко Д.В., Егорова А.Д. Особенности диагностики машин по импульсной вибрации. Морские интеллектуальные технологии. 2025; (2-1): 236–243. https://doi.org/10.37220/MIT.2025.68.2.029