В период становления энергетики в первую очередь руководствовались целесообразностью с точки зрения экономических затрат, то сегодня всё чаще при возведении и эксплуатации объектов энергетики на первый план выдвигаются вопросы их влияния на экологическую обстановку. На данный момент существуют определенные стандарты, которые совершенствуются каждый год, однако проблема ухудшения окружающей среды в следствие работы объектов энергетической инфраструктуры в 21 веке стоит так же остро.

В следствие чего нами было принято решение о разработке программно-аппаратного комплекса мониторинга и прогнозирования состояния окружающей среды вблизи объектов энергетической инфраструктуры.

В процессе программно-аппаратного комплекса в условиях функционирования энергопредприятий предполагается последовательная реализация двух задач:

- обеспечивается постоянная оценка «комфортности» условий среды обитания человека и биологических объектов (растений, животных, микроорганизмов), а также оценка состояния и функциональной целостности ЭС;

- создаются условия для определения корректирующих действий в тех случаях, когда целевые показатели критериев оценки качества среды не достигаются.

Следует принять во внимание, что сама система мониторинга не включает деятельность по управлению качеством среды, но, в идеале, является источником информации необходимой для принятия некоторых экологически значимых решений.

Для анализа полученной информации применяем ПО с использованием нейросетевых технологий, которая составляет отчет о возможном загрязнении окружающей среды.

Основными функциональными элементами будут являться:

- Датчики параметров окружающей среды, которые будут измерять требуемые значения (температуры, кислотность в водной среде, содержание металлов и солей в почве, концентраций взвешанных частиц в атмосфере).

- Автономное электропитание на основе совершенных аккумуляторов или солнечных батарей.

- Радиопередающие и радиоприемные системы, действующие на относительно короткое расстояние — 1-3 км.

- Системы спутниковой связи, зачастую связанные с системами глобального позиционирования (например, GPS).

- Современная вычислительная техника, включая мобильные устройства.

- Специальное программное обеспечение

Принципом работы нашего комплекса в следующем:

Данные с конечных устройств (датчиков и сенсеров) передаются через радиосвязь на управляющий шлюз, дальше они передаются на сервер, а оттуда информация выводится на пользовательский интерфейс в удобном формате.

Информация передается за счет использования технологии сверхдальней передачи данных – LoRa на частоте 433МГц или 868 МГц, со скоростью передачи – 3-5 кбит/сек, что позволит избежать использования дополнительного оборудования в виде ретрансляторов.

На территории самого предприятия будет находиться приемник, получающий все данные с датчиков. Он может работать по протоколу LoRaWan, либо MQTT. При этом, полученная информация на приемнике будет форматироваться в формат логов, то есть файлов журналов, например «JSON». После чего данные будут отправлены на сервер, на котором они будут представлены в виде СУБД. Помимо данных с датчиков, поступающих на сервер, для корректной работы нашей системы, необходим сбор данных систем мониторинга самого предприятия: датчики температуры, давления в котлах, работе турбины, и т.п. Из СУБД наше ПО будет запрашивать данные для дальнейшей обработки, корреляции и составления отчетов, путем средств визуализации.

В составе нашего ПО будет присутствовать нейронная сеть, цель которой – прогнозирование состояния окружающей среды и возможных выбросов загрязнений. Ее работа построена на сравнении показателей «внутри» и «снаружи» предприятия, данные о которых запрашиваются из СУБД. Так, приведем пример: если давление в паровом котле, а также мощность турбины повысится и через какое то время произойдет превышение вредных частиц в воздухе и почве, то система это запомнит и при следующем подобном случае она информирует оператора системы, что будет превышение вредных веществ. То есть смысл системы в том, что она информирует оператора не о факте загрязнения, а о возможном будущем загрязнении.

Обучение нейронной сети будет проходить в виртуальной среде, за счет использования симулятора.