Рисунок 1 – Изменение суточной нагрузки гидроагрегатов

В работе использовались экспериментальные данные, собранные на Волжской ГЭС. Данные представляют собой массивы записанных измерений показателей работы гидроагрегатов в сети ГРАМ (задание от ГРАМ на все гидроагрегаты, суточная нагрузка всех гидроагрегатов, суточная нагрузка гидроагрегата №2, №4, №8,№9) Анализ экспериментальных данных показывает, что в процессах присутствуют достаточно большие динамические ошибки, в том числи и перерегулирование, а так же статические ошибки (ошибки в установившимся режиме). Так на рисунке 2 представлена ошибка регулирования активной мощности. Перерегулирование в переходных процессах достигает достигает 25%.

Рисунок 2 – Ошибка регулирования активной мощностью

Такая ошибка обусловлена, во первых некачественной настройкой регулятора активной мощности, а во вторых неудовлетворительной работы системы группового регулирования. 
Первый способ заключается в равномерном распределении мощности между гидроагрегатами. Так как в процессе работы гидроагрегатов в системе ГРАМ активная мощность меняется непрерывно от 40 до 120 МВт [2], нагрузка равномерно распределяется на каждый гидроагрегат, с увеличением нагрузки число агрегатов в сети увеличивается на один, а с уменьшением гидроагрегат переходит на холостой ход.

 (1)

где:
- количество гидроагрегатов в сети;
-общее количество гидроагрегатов.

 (2)

где:
- перемещение лопастей рабочего колеса;
-перемещение лопаток направляющего аппарата.

 (3)

где:
- задание ГЭС от ГРАМ.

Рисунок 3 -Результат моделирования, где: gram_zad – задание от ГРАМ, gram_reg – задание от регулятора ГЭС, y – задание полученное по первому способу

Рисунок 4 – Формирование заданий для гидроагрегатов, где N0…N15- номера агрегатов

Рисунок 5 – Относительная погрешность моделирования полученная по первому способу, где gram_zad – задание от ГРАМ, y – задание полученное по модели
Рисунок 6 – Относительная погрешность моделирования полученная по первому способу, где gram_zad – задание от ГРАМ, gram_reg – задание от регулятора ГЭС

На рисунке 5 и рисунке 6 видно, что отклонение активной мощность от задания сформированной ГРАМ, колеблется относительно значения с амплитудой 0,5 МВт. Кроме того при скорости изменения заданной мощности 1МВт/сек динамическая погрешность не превышает 1.2МВт, следовательно, система управления соответствует заданным требованиям [3] и обеспечивает оптимальное регулирование по быстродействию. 
На рисунке 4 видно, что недостатком такой системы являет скачкообразное изменение заданий активной мощности, что будет приводить в свою очередь к вибрациям и, следовательно, к износу оборудования.
Во втором способе в зависимости от нагрузки гидроагрегаты находятся в номинальном режиме работы, а нераспределенная мощность регулируется одним или несколькими гидроагрегатами.

 (4)

где:
- количество гидроагрегатов в сети работающих в номинальном режиме ;
-количество гидроагрегатов вырабатывающих остаточную мощностью.

 (5)

Рисунок 7 – Результат моделирования, где: gram_zad – задание от ГРАМ, gram_reg – задание от регулятора ГЭС, y – задание полученное по второму способу

Рисунок 8 – Формирование заданий для гидроагрегатов, где N0…N15- номера агрегатов
Рисунок 9 – Относительная погрешность моделирования полученная по первому способу, где gram_zad – задание от ГРАМ, y – задание полученное по модели

На рисунке 9 видно, что отклонение активной мощность от задания сформированной ГРАМ, колеблется относительно значения с амплитудой 0,5 МВт. Кроме того при скорости изменения заданной мощности 1МВт/сек динамическая погрешность не превышает 1МВт, следовательно, система управления соответствует заданным требованиям и обеспечивает максимальное значение КПД, так как каждый гидроагрегат в сети работает в интервале от 100 до 120 МВт. 
На рисунке 10 видно, что в сравнении с первым перераспределение заданий активной мощности происходит с незначительным изменением на каждом гидроагрегате в сети.
Во втором способе в зависимости от нагрузки гидроагрегаты находятся в номинальном режиме работы, а нераспределенная мощность регулируется одним или несколькими гидроагрегатами.
Оба способа имеют свои достоинства и недостатки. Так, например, первый способ позволяет получить оптимальное регулирование активной мощности по быстродействию. А второй способ позволяет получить систему регулирования активной мощности с максимальным КПД.
Поэтому в зависимости от задания активной мощности и сложившейся ситуации на ГЭС необходимо комбинировать оба способа управления в системе регулирования активной мощностью гидроагрегатами.

Склеивание сэндвич – панелей – одна из основных производственных стадий, и здесь каждый производитель использует свои методы и способы. Как расход клея повлияет на характеристики панелей, [4] расскажем в нашей статье.

Испытательным центром МИВ «СибНИИстрой» были проведены испытания кровельных сэндвич – панелей, по определению несущей способности при равномерно распределенной нагрузке, при однопролетной схеме нагружения, согласно ТУ 5284-227-39124899-2005 с изм. 1.[1]

Изготовителем были представлены образцы:

- Образец №1  ПМКМ – 3800х1000х150 – 0,7/0,7 (с существующим расходом клея) – 3шт.

- Образец №2  ПМКМ – 3800х1000х150 – 0,7/0,7 (с увеличенным расходом клея) – 3шт.

Испытание сэндвич-панелей производилось в проектном положении, согласно схеме испытаний представленной на рисунке 1

1-Испытуемый образец (две кровельные сэндвич – панели с утеплителем из минеральной ваты номинальной толщиной 150 мм) с перехлестом в гофре; 2-Опорный прогон (с шириной полки не менее 60 мм); 3-Опорные прокладки из бруса 59х 100х 150; 4-Шуруп саморез с шайбой 5.5х 205 мм(на крайних опорах в каждую гофру, на промежуточной через волну); 5-Шуруп самонарезающий 4.8х 19 с шагом 300 мм; 6-Слой резины или войлока толщиной 10 мм.

Рисунок 1- Однопролетная расчетная схема испытания кровельных сэндвич – панелей с утеплителем из минеральной ваты толщиной 150 мм.

Методика испытаний:

1 – Испытания проводить в помещениях с температурой воздуха (22±5) ºС с относительной влажностью 50±5 %.

2 – Величина свесов от крайних опор принята равной не менее 2,5 толщины панели, что составляет 400 мм.

3 – Нагрузку прикладывать ступенчато, значение ступени не должно превышать 10% контрольной нагрузки по прочности панели. После приложения каждой ступени нагрузки испытываемое изделие следует выдерживать под нагрузкой до полной стабилизации прогибов не менее 5 минут. На протяжении этого времени следует поддерживать значение нагрузки. По истечении времени определяют окончательное значение остаточной деформации.[2]

4 – Прогибометром зафиксировать максимальный прогиб перед разрушением (прогиб, при котором панель воспринимает приложенную нагрузку не разрушаясь, а дальнейшее небольшое увеличение нагрузки приводит к неограниченному росту деформации)

5 – По результатам испытаний указать разрушающую силу Р, действующую на пролет, а также значение разрушающей нагрузки в перерасчете в кг/кв.м для пролетов 2, 4, 6, 8 метров.

6 – В отчете об испытаниях описать характер разрушения: разрушение минераловатных плит, отслоение, потеря устойчивости листа обшивки, смятие под опорами, или др. – в каком месте.

7 – При проведении испытаний образцов на прочность необходимо осуществлять меры, обеспечивающие безопасность персонала и сохранность оборудования.

8 – Остальные требования в соответствии с приложением “Б” ГОСТ 32603 – 2012.[2]

Порядок проведения испытаний:

При испытаниях образцов нагрузку повышают постепенно, ступенями. Время испытания образца не должно быть более 20 мин. Нагрузка на конструкцию создавалась с помощью домкрата. В процессе нагружения определяют прогибы посредине пролета образца на каждой ступени нагружения и определяют разрушающую нагрузку. Прогиб измерялся в середине пролета панели прогибомером системы Аистова тип 6-ПАО-0,01.

Результаты испытаний по определению несущей способности кровельных сэндвич – панелей приведены в таблице 1.

Таблица 1 – Результаты испытаний по определению несущей способности кровельных сэндвич – панелей.

В результате проведения испытаний установлено:

1 – Несущая способность кровельной сэндвич-панели ПМКМ – 3800х1000х150 – 0,7/0,7 (с существующим расходом клея) составила 558,29 кгс/м².

2 – Несущая способность кровельной сэндвич-панели ПМКМ – 3800х1000х150 – 0,7/0,7 (с увеличенным расходом клея) составила 837,44 кгс/м².

Делаем вывод о том, что увеличенный расхода клея положительно влияет на прочностные характеристики сэндвич – панелей.

В связи с активным развитием города Абакана техногенная нагрузка на почву возрастает. Характер воздействия зависит от назначения территории, разделяя всю площадь на сельскохозяйственные земли, зоны рекреации, промышленные объекты, жилые зоны и другие объекты. Химическое загрязнение почв оценивается по суммарному показателю химического загрязнения (Z_c), который  характеризует степень химического загрязнения почв обследуемых территорий различных классов опасности.

Для оценки почв г. Абакана было отобрано 20 проб на 10 пробных  площадках. Отбор проб проводился с глубины 0-5 см, 5-20 см. фоновая проба была взята на удалении 500 метров от автодорог и источников антропогенного загрязнения.

Отобранные пробы почв исследованы на наличие 4 элементов: Cd (кадмий), Cu (медь), Pb (свинец), Zn (цинк). Результаты проб одного из объектов представлены в таблице 1.

Таблица 1 – Содержание тяжелых металлов в почве г. Абакана на пробной площадке по ул. Некрасова

Согласно методике [3],  если суммарный показатель загрязнения Z_c менее 16, то состояние почв оценивают, как удовлетворительное, а загрязнение – допустимое. Такие почвы разрешается использовать без ограничения, за исключением объектов повышенного риска.

Из 10 пробных площадок по 3 выявилось превышение уровня ПДК по компонентам Zn (цинк) и Pb (свинец). Данные почвы оценены, как опасные, следовательно использование их ограниченно (засыпка котлованов при чередовании с чистым грунтом слоем не менее 0,5 м [2].

В качестве управляющего компонента выбран микроконтроллер Atmel AVR ATMEGA328P. Программирование микроконтроллера ведется полностью через IDE (собственную программную оболочку) Arduino. Стандартным языком программирования для Arduino является язык высокого уровня С++.

Разрабатываемое устройство снабжено ЖК-дисплеем, несколькими кнопками управления и кнопкой сброса настроек для полной очистки памяти.

Рисунок 1. Изображение ЖК-дисплея

Символьный дисплей (рис.1) создан на базе ЖК дисплея типа STN (Super Twisted Nematic) под управлением контроллера HD44780. ЖК-дисплей обладает синхронным параллельным 8-битным интерфейсом. Дисплей оборудован светодиодной подсветкой синего цвета и способен одновременно отображать до 80 символов.

Рисунок 2. Trema-модуль Кнопка

Trema-модуль Кнопка (рис.2) предназначен для управления различными устройствами, подачи команд, осуществления настроек, а также для ввода данных.

В качестве считываемых параметры, высвечивающихся на ЖК-дисплее, выступают мощность подключенной нагрузки, количество потребляемых кВ/ч и общая стоимость потребляемой энергии.

Данное устройство необходимо для автоматического подсчитывания электроэнергии в розетке, в целях экономии денежных средств. Устройство помогает определить реальное потребление бытовой техники, а именно, СВЧ печи, электрические чайники, стиральные машины и многое другое, которые нередко отличаются от утвержденного производителем.

Конечно, проблема оптимизации ЭВМ не новая: она начала подниматься еще во времена ЭВМ первого поколения (1945 – 1960). Но тогда они касались только расширения объема памяти и более быстрое действие. Это связано с маленьким функционалом ЭВМ. А из-за однопрограммного режима работы и простой архитектуры, оценка производительности разрешалась через элементарные методы [1].

Такая же ситуация сохранялась и во втором поколении (1955 – 1970). Но с усложнением операционных систем (ОС) и архитектур высокопроизводительных машин (БЭСМ-6, ИВМ-7094, АТЛАС-1, ИЛЛИАК-4 и др.) появилась потребность в более эффективном управлении вычислительными процессами. Можно сказать, что именно тогда положили начало статистической теории вычислительных систем, потому что разработка усложненной архитектуры требовала разработку и использование новых математических моделей, методов и подходов. Уже тогда теоретический подход к решению задач оценки и оптимизации производительности ЭВМ показал плодотворные результаты.

Конечно, с усложнением ЭВМ третьего поколения (1965 – 1980) требовалось расширение и теоретических исследований. Когда ЭВМ стали больше проникать в народное хозяйство, оказалось, что многие пользователи были не удовлетворены отдачей, т.е. их фактической производительностью [1]. Из этого выходило, что применение машин оказалось не столько эффективным, как того ожидали. Тогда по-настоящему поднялся вопрос о поднятии эффективности применения ЭВМ.

Сейчас, когда на дворе уже четвертое поколение ЭВМ и персональные компьютеры (ПК), проблема оптимизации производительности стала как никогда актуальной. В условиях, когда функционал ПК расширяется с каждым месяцем, также растет и нагрузка на них.

Перед тем, как перейти непосредственно к решению проблемы оптимизации производительности стоит разобраться с термином, который уже ранее упоминался в данной статье, а именно – процессорная архитектура. В широком понимании – это комбинация вычислительной архитектуры и её реализация в процессоре: рассмотрение в аспекте программирования и аппаратно-технических решений.

На данный момент выделяют три современных процессорных архитектуры: CISC, RISC, VLIW [2].

• RISC

Это открытая архитектура процессора, разработанная для использования в различных системах, от микроконтроллеров до суперкомпьютеров. RISC-V предоставляет простую и модульную инструкционную набор, что облегчает разработку и оптимизацию процессоров под конкретные требования. Благодаря своей открытости, RISC-V становится все более популярным выбором для академических и исследовательских целей, а также для разработки встроенных систем.

• CISC

Архитектура процессора, в которой используется большое количество сложных инструкций. Процессоры с архитектурой CISC имеют широкий набор инструкций, которые могут выполнять различные операции, такие как арифметические операции, операции с памятью, управление потоком и другие. Это позволяет программистам писать более компактный и удобочитаемый код, так как одна инструкция может выполнять несколько операций.

• VLIW

Процессорная архитектура, в которой инструкции группируются в очень длинные слова (VLIW-слова), которые содержат несколько независимых операций. Каждая операция в VLIW-слове выполняется параллельно на отдельных исполнительных блоках процессора. Это позволяет достичь высокой степени параллелизма и увеличить производительность.

В отличие от архитектуры CISC, в VLIW-архитектуре программисты должны явно указывать независимые операции и управлять параллелизмом в своем коде. Это требует более тщательной оптимизации и анализа программы для эффективного использования возможностей параллелизма, но позволяет достичь высокой производительности при правильном использовании.

Аппаратные средства контроля над оптимизацией производительности вычислительных машин представляют собой специальные компоненты и функциональности, которые позволяют управлять и оптимизировать работу компьютерной системы для достижения максимальной производительности.

Одним из основных аппаратных средств контроля является процессор [6]. Современные процессоры обладают различными технологиями, такими как турбо-режим, динамическое управление частотой и напряжением, которые позволяют автоматически регулировать работу процессора в зависимости от нагрузки [3]. Например, турбо-режим позволяет процессору автоматически повышать тактовую частоту для выполнения более требовательных задач, а затем снижать ее для экономии энергии в состоянии покоя.

Другим важным аппаратным средством контроля является оперативная память (ОЗУ). ОЗУ позволяет быстро хранить и обрабатывать данные, и его оптимальное использование может значительно повысить производительность системы. Некоторые современные системы оснащены технологиями, такими как кэширование и виртуальная память, которые позволяют эффективно управлять доступом к данным и оптимизировать использование ОЗУ.

Также существуют специализированные аппаратные средства контроля, такие как графические процессоры (GPU) и сопроцессоры [6]. Графические процессоры используются для ускорения обработки графики и параллельных вычислений, что может значительно повысить производительность в задачах, связанных с графикой или научными вычислениями. Сопроцессоры, такие как специализированные процессоры сопроцессоров (DSP), могут быть использованы для выполнения определенных видов вычислений, таких как обработка сигналов или видео, с более высокой эффективностью, чем общий центральный процессор (ЦП).

Наконец, аппаратные средства контроля над оптимизацией производительности также могут включать различные интерфейсы и контроллеры, которые позволяют эффективно управлять вводом-выводом (I/O) и хранением данных [4]. Например, современные системы могут быть оснащены быстрыми интерфейсами, такими как USB 3.0 или Thunderbolt, которые позволяют передавать данные с большей скоростью и улучшают производительность внешних устройств.

Все эти аппаратные средства контроля над оптимизацией производительности взаимодействуют между собой и с программными средствами, чтобы обеспечить максимальную производительность вычислительной машины в зависимости от конкретных задач и требований пользователя [7].

Однако, простое увеличение производительности аппаратного обеспечения может быть недостаточным. Важно также оптимизировать программное обеспечение и алгоритмы, которые выполняются на машине [12]. Приложения должны быть написаны с учетом особенностей аппаратного обеспечения, чтобы эффективно использовать ресурсы машины. Оптимизация алгоритмов может значительно сократить время выполнения задач и уменьшить нагрузку на систему.

Программные средства контроля над оптимизацией производительности вычислительных машин представляют собой различные программы и алгоритмы, которые позволяют управлять и оптимизировать работу компьютерной системы для достижения максимальной производительности [13].

Одним из основных программных средств контроля является операционная система. Операционная система предоставляет интерфейс для управления ресурсами компьютера, такими как процессор, память, диски и ввод-вывод. Она также содержит различные алгоритмы и механизмы планирования задач, которые позволяют эффективно распределять ресурсы и управлять выполнением процессов.

Другим важным программным средством контроля является драйверы устройств. Драйверы – это программы, которые обеспечивают взаимодействие между операционной системой и аппаратными компонентами компьютера, такими как видеокарта, звуковая карта или сетевой адаптер. Хорошо написанные и оптимизированные драйверы могут значительно повысить производительность системы, обеспечивая более эффективное использование аппаратных ресурсов.

Также существуют специализированные программные средства контроля производительности, такие как программы мониторинга и оптимизации производительности. Эти программы позволяют отслеживать использование ресурсов компьютера, анализировать производительность системы и предлагать рекомендации по оптимизации. Они могут включать функции мониторинга процессора, памяти, дискового пространства, сетевой активности и других параметров производительности.

Некоторые программные средства контроля производительности также предоставляют возможности настройки и оптимизации системы. Например, они могут позволять изменять параметры энергосбережения, настраивать виртуальную память или оптимизировать работу сетевых подключений. Эти функции позволяют пользователю или системному администратору настраивать систему для достижения максимальной производительности в зависимости от конкретных требований.

Все эти программные средства контроля над оптимизацией производительности работают в тесном взаимодействии с аппаратными средствами и другими программами, чтобы обеспечить эффективную работу вычислительной машины и достижение максимальной производительности.

Оптимизация производительности компьютерных сетей также является важным аспектом в условиях растущей нагрузки [14]. С ростом количества пользователей и объема передаваемых данных, сети могут столкнуться с проблемами перегрузки и задержек. Для оптимизации производительности сетей можно использовать такие методы, как балансировка нагрузки, кэширование данных и сжатие информации. Также важно правильно настроить сетевое оборудование и провести мониторинг сети для выявления проблем и устранения узких мест.

Помимо аппаратной и программной оптимизации, важно также управлять растущей нагрузкой на систему. Это может включать в себя такие методы, как масштабирование системы, добавление дополнительных ресурсов или использование облачных сервисов. Также важно проводить регулярное тестирование и мониторинг производительности системы, чтобы оперативно выявлять проблемы и предотвращать сбои.

В заключение, оптимизация производительности вычислительных машин и компьютерных сетей в условиях растущей нагрузки является важной задачей для обеспечения эффективной работы информационных систем. Она включает в себя выбор правильного оборудования, оптимизацию программного обеспечения и алгоритмов, а также управление нагрузкой на систему. Только при совокупном использовании всех этих методов можно достичь оптимальной производительности и обеспечить бесперебойную работу системы.