probenerИзвестия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИPower engineering: research, equipment, technology1998-99032658-5456Kazan State Power Engineering University10.30724/1998-9903-2026-28-4-84-95probener-4000Research ArticleЭЛЕКТРОТЕХНИЧЕСКИЕ КОМПЛЕКСЫ И СИСТЕМЫELECTROTECHNICAL COMPLEXES AND SYSTEMSКорреляционный подход к интеграции диагностических признаков газопоршневых электроагрегатовA correlative approach to the integration of diagnostic features of gas piston electric unitshttps://orcid.org/0009-0003-7692-5827ЗайниевА. В.ZaynievA. V.

Зайниев Азат Венерович – аспирант

Уфа

Azat V. Zayniev

Ufa

Azat70000@gmail.comhttps://orcid.org/0000-0003-3344-7469ХакимьяновМ. И.KhakimyanovM. I.

Хакимьянов Марат Ильгизович – д-р техн. наук, доцент, заведующий кафедрой электротехники и электрооборудования предприятий

Уфа

Marat I. Khakimyanov

Ufa

hakimyanovmi@gmail.comУфимский государственный нефтяной технический университетРоссияUfa State Petroleum Technological UniversityRussian Federation2026150920262848495Copyright © Зайниев А.В., Хакимьянов М.И., 20262026Зайниев А.В., Хакимьянов М.И.Zayniev A.V., Khakimyanov M.I.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.energyret.ru/jour/article/view/4000АКТУАЛЬНОСТЬ

АКТУАЛЬНОСТЬ. Газопоршневые электроагрегаты с синхронными генераторами с возбуждением от постоянных магнитов широко применяются в нефтяной промышленности и в малой распределенной энергетике. Эффективным средством повышения их эксплуатационной готовности и надежности являются непрерывная техническая диагностика. В статье исследовано использование корреляционных зависимостей диагностических признаков для повышения достоверности мультифизического диагностирования.

ЦЕЛЬ

ЦЕЛЬ. Рассмотреть возможность надёжной классификации дефектов газопоршневых электроагрегатов с синхронными генераторами с возбуждением от постоянных магнитов на основе анализа корреляционных коэффициентов между вибрацией, напряжением и магнитным потоком. Исследовать использование корреляционного подхода в составе цифровой тени машины для интеграции в единую систему мультифизического диагностирования.

МЕТОДЫ

МЕТОДЫ. При решении поставленной задачи применялись методы математического моделирования с использованием пакетов компьютерных программ Google Colab, PlantUML, объектноориентированного программирования с использованием языка программирования Python.

РЕЗУЛЬТАТЫ

РЕЗУЛЬТАТЫ. Экспериментальная апробация использования корреляционного подхода в составе цифровой тени на эталонных и реальных данных подтвердила высокую чувствительность системы к выявлению как единичных, так и комбинированных неисправностей. Установлено, что такой подход обеспечивает раннюю диагностику и повышение достоверности принимаемых решений по техническому обслуживанию.

ЗАКЛЮЧЕНИЕ

ЗАКЛЮЧЕНИЕ. Совместный учёт спектральных и корреляционных характеристик в рамках цифровой тени обеспечивает строгую, физически интерпретируемую и статистически устойчивую идентификацию неисправностей, что подтверждено как вычислительными экспериментами, так и эмпирическими исследованиями. Такой подход обеспечивает высокую чувствительность к комплексным отказам. Полученные результаты подтверждают целесообразность использования корреляционного анализа как ключевого элемента в архитектуре цифровых теней и двойников многосигнальных объектов энергетики.

RELEVANCE

RELEVANCE. Gas-piston electric units with synchronous generators with excitation from permanent magnets are widely used in the oil industry and in small distributed power engineering. Continuous technical diagnostics are an effective means of increasing their operational readiness and reliability. The article examines the use of correlation dependencies of diagnostic features to increase the reliability of multiphysical diagnosis.

THE PURPOSE

THE PURPOSE. To consider the possibility of reliable classification of defects in gas-piston electric units with synchronous generators with excitation from permanent magnets based on the analysis of correlation coefficients between vibration, voltage and magnetic flux. To investigate the use of the correlation approach as part of the digital shadow machine for integration into a single system of multiphysical diagnostics.

METHODS

METHODS. When solving this problem, mathematical modeling methods were used using Google Colab, PlantUML computer software packages, and object-oriented programming using the Python programming language.

RESULTS

RESULTS. Experimental testing of the use of the correlation approach as part of the digital shadow on reference and real data confirmed the high sensitivity of the system to detect both single and combined faults. It has been established that this approach provides early diagnosis and increases the reliability of maintenance decisions.

CONCLUSION

CONCLUSION. The combined accounting of spectral and correlation characteristics within the digital shadow ensures strict, physically interpretable and statistically stable fault identification, which is confirmed by both computational experiments and empirical studies. This approach provides high sensitivity to complex failures. The results obtained confirm the expediency of using correlation analysis as a key element in the architecture of digital shadows and doppelgangers of multi-signal energy facilities.

синхронный генератор с возбуждением от постоянных магнитовгазопоршневой электроагрегатдиагностикацифровая тенькорреляция сигналовsynchronous generator with permanent magnet excitationgas piston unitdiagnosticsdigital shadowsignal correlationReferencesЗайниев А.В., Хакимьянов М. И. Комплексная диагностика неисправностей синхронного генератора с возбуждением от постоянных магнитов в составе газопоршневого агрегата с использованием нейронных сетей // Вестник Казанского государственного энергетического университета. 2025. Т. 17. № 1(65). С. 23-37.Zayniev A.V., Khakimyanov M.I Comprehensive diagnostics of malfunctions of a permanent magnet synchronous generator as part of a gas piston unit using neural networks] // KAZAN STATE POWER ENGINEERING UNIVERSITY BULLETIN. 2025. Vol. 17. No. 1 (65), P. 23-37. (In Russ).Зайниев А.В., Хакимьянов М.И. Анализ пространственно-временных характеристик внешнего магнитного поля синхронного генератора с возбуждением от постоянных магнитов для целей диагностики неисправностей // Вестник Казанского государственного энергетического университета. 2025. Т. 18. № 4 (68). С. 24-38.Zayniev A.V., Khakimyanov M.I. Analysis of the spatiotemporal characteristics of the external magnetic field of a synchronous generator with excitation from permanent magnets for fault diagnosis purposes // KAZAN STATE POWER ENGINEERING UNIVERSITY BULLETIN. 2025. Vol. 18. No. 4 (68). P. 24-38. (In Russ).Zayniev A.V., Khakimyanov M.I., Nedelchenko O.I. Digital Twin for Fault Diagnosis of Gas-Piston Electric Units on the Basis of Multiphysics Approach. 2025 International Ural Conference on Electrical Power Engineering (UralCon), Magnitogorsk, Russian Federation. 2025:863-869, doi: 10.1109/UralCon67204.2025.11206603.Zayniev A.V., Khakimyanov M.I., Nedelchenko O.I. Digital Twin for Fault Diagnosis of Gas-Piston Electric Units on the Basis of Multiphysics Approach. 2025 International Ural Conference on Electrical Power Engineering (UralCon), Magnitogorsk, Russian Federation. 2025:863-869, doi: 10.1109/UralCon67204.2025.11206603.Исаев А.В., Нефедьев А.И., Исаев И.А. Выявление аварийных режимов силовых электроприводов с применением методов машинного обучения // Технологии электромагнитной совместимости. 2024. № 1(88). С. 3-14.Isaev AV., Nefed'ev AI., Isaev IA. Vyyavlenie avarijnykh rezhimov silovykh ehlektroprivodov s primeneniem metodov mashinnogo obucheniya. Tekhnologii ehlektromagnitnoj sovmestimosti. 2024; 1(88):3-14. (In Russ).Falekas G., Karlis A. Digital Twin in Electrical Machine Control and Predictive Maintenance: State-of-the-Art and Future Prospects // Energies. 2021. Vol. 14. pp. 5933. doi: 10.3390/en14185933.Falekas G., Karlis A. Digital Twin in Electrical Machine Control and Predictive Maintenance: State-of-the-Art and Future Prospects. Energies. 2021;14:5933. doi: 10.3390/en14185933.Khalyasmaa A.I., Stepanova A.I., Eroshenko S.A., et al. Review of the Digital Twin Technology Applications for Electrical Equipment Lifecycle Management // Mathematics. 2023. Vol. 11(1315). doi: 10.3390/math11061315.Khalyasmaa A.I.; Stepanova A.I.; Eroshenko S.A et al. Review of the Digital Twin Technology Applications for Electrical Equipment Lifecycle Management. Mathematics. 2023;11:1315. doi: 10.3390/math11061315.Массель Л.В., Ворожцова Т.Н. Онтологический подход к построению цифровых двойников объектов и систем энергетики // Онтология проектирования. 2020. Т.10. № 3(37). С. 327-337. doi: 10.18287/2223-9537-2020-10-3-327-33.Massel' L.V., Vorozhcova T.N. Ontologicheskij podkhod k postroeniyu cifrovykh dvojnikov ob"ektov i sistem ehnergetiki. Ontologiya proektirovaniya. 2020; 10:3(37):327-337. doi: 10.18287/2223-9537-2020-10-3-327-33.Jain P., Poon J., Singh J.P., et al. A Digital Twin Approach for Fault Diagnosis in Distributed Photovoltaic Systems // IEEE Transactions on Power Electronics. 2020. Vol. 35, N1. pp. 940-956. doi: 10.1109/TPEL.2019.2911594.Jain P., Poon J., Singh J.P., et al. A Digital Twin Approach for Fault Diagnosis in Distributed Photovoltaic Systems. IEEE Transactions on Power Electronics. 2020;35(1):940-956. doi: 10.1109/TPEL.2019.2911594.PRANA Predictive Analytics Systems, Equipment Operation Monitoring. Доступно по: https://prana-system.com/. Ссылка активна на 03 февраля 2026.PRANA Predictive Analytics Systems, Equipment Operation Monitoring. Available at: https://prana-system.com/. Accessed: 03 Feb. 2026.Hu M., He Y., Lin X., et al. Digital twin model of gas turbine and its application in warning of performance fault // Chinese Journal of Aeronautics. 2022. Vol. 36. doi: 10.1016/j.cja.2022.07.021.Hu M., He Y., Lin X., et al. Digital twin model of gas turbine and its application in warning of performance fault. Chinese Journal of Aeronautics. 2022;36. doi: 10.1016/j.cja.2022.07.021.SVVS Narayana P., Ruchir Y., Sabareesh G.R., et al. Optimal sensor placement for identifying multi-component failures in a wind turbine gearbox using integrated condition monitoring scheme // Applied Acoustics. 2022. Vol. 187. pp. 108505. doi: 10.1016/j.apacoust.2021.108505.SVVS Narayana P., Ruchir Y., Sabareesh G.R., et al. Optimal sensor placement for identifying multi-component failures in a wind turbine gearbox using integrated condition monitoring scheme. Applied Acoustics. 2022;187:108505. doi: 10.1016/j.apacoust.2021.108505.Хальясмаа А.И., Ревенков И.С., Сидорова А.В. Применение технологии цифрового двойника для анализа и прогнозирования состояния трансформаторного оборудования // Вестник Казанского государственного энергетического университета. 2022. Т. 14. № 3(55). С. 99-113.Khalyasmaa AI, Revenkov IS, Sidorovа AV. Application of digital twin technology for analysis and prediction state of power transformer equipment. KAZAN STATE POWER ENGINEERING UNIVERSITY BULLETIN. 2022;14;3(55):99-113. (In Russ).Eroshenko, S.A. Application of a Risk-Based Approach and Deep Convolutional Neural Networks to Determine the Set of Flight Points in the Diagnostics and Design of Electrical Facilities. In: Proceedings of the 2022 IEEE International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON); 2022. pp. 220-224. doi: 10.1109/SIBIRCON56155.2022.10016977.Eroshenko, S.A. Application of a Risk-Based Approach and Deep Convolutional Neural Networks to Determine the Set of Flight Points in the Diagnostics and Design of Electrical Facilities. In: Proceedings of the 2022 IEEE International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON); 2022. pp. 220-224. doi: 10.1109/SIBIRCON56155.2022.10016977.Likitjarernkul T., Sengchaui K., Duangsoithong R., et al. Correlation Feature Selection Analysis for Fault Diagnosis of Induction Motors. In: Sulaiman H., Othman M., Rahim Y. et al. editors. Advanced Computer and Communication Engineering Technology. Lecture Notes in Electrical Engineering; Cham: Springer; 2016; vol. 362. doi: 10.1007/978-3-319-24584-3_104.Likitjarernkul T., Sengchaui K., Duangsoithong R., et al. Correlation Feature Selection Analysis for Fault Diagnosis of Induction Motors. In: Sulaiman H., Othman M., Rahim Y. et al. editors. Advanced Computer and Communication Engineering Technology. Lecture Notes in Electrical Engineering; Cham: Springer; 2016; vol. 362. doi: 10.1007/978-3-319-24584-3_104.Bhattacharya D. Diagnosis and condition monitoring of electrical machines using machine learning techniques // International Journal of Applied Mathematics. 2025. Vol. 38. pp. 1145-1160. doi: 10.12732/ijam.v38i7s.539.Bhattacharya D. Diagnosis and condition monitoring of electrical machines using machine learning techniques. International Journal of Applied Mathematics. 2025;38:1145-1160. doi: 10.12732/ijam.v38i7s.539.

The authors declare that there are no conflicts of interest present.