Оптимальное прогнозирование пиковой нагрузки системы охлаждения комбинированного цикла газовой турбины и парогазовой установки с использованием искусственных нейронных сетей: практический пример в Ираке

Получение высокоэффективного производства электрической энергии достигается применением совместного цикла работы парогазовой и газотурбинной установок. Показатели тепловых выбросов и удельного расхода топлива имеют сниженные значения, а коэффициент полезного действия и мобильность рабочего процесса повышаются.

Рассмотрим работу электрической станции комбинированного цикла «Bazian» в Ираке, которая имеет мощностные показатели 750 МВт. Данная станция расположена в регионе Курдистан. Введена в эксплуатацию в 2016 году. Основным недостатком данного производства является снижение энергетической эффективности установки в летний период. Это напрямую связано с высокими температурными показателями наружного воздуха. Данные характеристики влияют на объемный и массовый расход газа. Происходит увеличение удельного топливного расхода и уменьшение давления в выходном патрубке компрессора. Снижаются электрические мощностные показатели. Данная проблема влечет за собой экономические затраты, а в последствии и остановки системы вне планового графика.

Проблема может быть решена с помощью инновационных разработок в области охлаждения для комбинированных установок. Достигается интенсифицирование теплообмена, восстановление контроля и повышение эффективности. Рассмотрим такие инновации, как термодинамическое моделирование и искусственная нейронная сеть.

Термодинамическое моделирование представляет собой процесс создания моделей, способных оценить по параметрическим данным термодинамические значения. Производится оценка установки, анализирование термохимических процессов, систематизация теоретических и практических информационных данных, прогноз результатов взаимодействия с высокими температурными значениями. Инновация использует следующие виды программного обеспечения мирового уровня: «ThermoLib», «Химический верстак», «OLI».

Искусственная нейронная сеть основана на тесном взаимодействии нейронов между собой. Сначала происходит получение входных данных, далее ряд вычислительных действий для определения решения и, в завершении, показывается общий итоговый результат. Чем выше синоптический вес нейронной связи, тем больше узловые воздействия между собой.

Данные инновационные методы производят расчет производительности и оценку финансовой целесообразности с применением платформы программирования «MATLAB».

1. N. Hasan, J. N. Rai, B. B. Arora. Optimization of CCGT power plant and performance analysis using MATLAB/Simulink with actual operational data // Springer Plus. – 2014. – № 3. – P. 275. DOI: 10.1186/2193-1801-3-275.

2. M. E. Abdalla, S. Pannir and A. M. H. Mahjob. Performance and Efficiency of Combined Cycle Power Plants // 19th International Refrigeration and Air Conditioning Conference at Purdue. – 2022. – № 2 (2102). – Pp. 1-10. DOI: 10.30724/1998-9903-2019-21-1-2-43-54

3. Z. Liu, Iftekhar A. Karimi and T. He. A novel inlet air cooling system based on liquefied natural gas cold energy utilization for improving power plant performance // Energy Conversion and Management. – 2019. – № 187. – Pp. 41-52. DOI: 10.1016/j.enconman.2019.03.015.

4. V. Zare. Performance improvement of biomass-fueled closed cycle gas turbine via compressor inlet cooling using absorption refrigeration; thermo economic analysis and multi-objective optimization // Energy Conversion and Management. – 2020. – № 215. – P. 112946. DOI: 10.1016/j.enconman.2020.112946.

5. Ali Darwesh. RIH intermediate section casing in Bazian-1 exploration oil well // Energy and sustainability. – 2014. – № 186. – Pp. 559-669. DOI: 10.2495/ESUS140491.

6. A. Paudel and T. Bandhauer. Techno-economic analysis of waste heat recovery systems for wet-cooled combined cycle power plants // Applied Thermal Engineering. – 2018. – № 143(10). DOI: 0.1016/j.applthermaleng.2018.07.138.

7. R. Konijeti, Ramchandra P. Chopade and Ravindra S. Surase. Thermal performance analysis of gas turbine power plant using soft computing techniques: a review // Engineering Applications of Computational Fluid Mechanics. – 2024. – № 18(1) – P. 2374317. DOI: 10.1080/19942060.2024.2374317.

8. J. T. Lim, A. Habibullah and E. Y. K. Ng. Towards a Digital Twin for Gas Turbines: Thermodynamic Modeling, Critical Parameter Estimation, and Performance Optimization Using PINN and PSO // Energies. – 2025. – № 18 – P. 3721. DOI: 10.3390/en18143721.

9. M. M. Rahman, M. Shakeri, S. K. Tiong, F. Khatun, N. Amin, J. Pasupuleti and M. K. Hasan. Prospective Methodologies in Hybrid Renewable Energy Systems for Energy Prediction Using Artificial Neural Networks // Sustainability. – 2021. – № 13(4) – P. 2393. DOI: 10.3390/su13042393.

10. S. N. Lenev, Yu. A. Radin and I. S. Belyankin. Increasing Turbine Efficiency at PJSC Mosénergo Combined Cycle Gas Turbine Plants // Power Technology and Engineering. – 2023. – № 56 – Pp. 872-877. DOI: 10.1007/s10749-023-01603-y.

11. A. Mokhtari, M. A. Latify and Y. Zakeri. Temperature-dependent performance of CCGTs: Unit commitment analysis // Energy. – 2025. – № 3(318) – P. 134680. DOI: 10.1016/j.energy.2025.134680.

12. Губарев А. Ю. Нейронная сеть для прогнозирования режимов работы и расчёта энергетических характеристик паротурбинных установок // Надёжность и безопасность энергетики. – 2024. – № 17(1) – С. 12-18. DOI: 10.24223/1999-5555-2024-17-1-12-18.

13. Борисов Д. С. и Андреев К. Д. Эффективность различных типов охлаждения лопаток высокотемпературных газовых турбин с различными видами охладителя // International Journal of Humanities and Natural Sciences. – 2021. – № 4(1) – P. 55. DOI: 10.24412/2500-1000-2021-4-1-23-31.

14. Таранов Д. Д. Перспективы применения российской ГТУ ГТЭ-170 // Вестник науки. – 2025. – № 6(87) – С. 1785-1789.

15. А. В. Родионов, И. А. Кривошеев. Анализ термодинамических параметров зарубежных малоразмерных газотурбинных установок // Молодой учёный. – 2009. – № 9. – С. 21-24.

16. Кузнецов А. В. и Макарьянец Г. М. Разработка нейросетевой модели малоразмерного газотурбинного двигателя // Вестник Самарского государственного аэрокосмического университета имени академика С. П. Королёва (национального исследовательского университета). – 2016. – № 15 (2). – С. 131-144. DOI: 10.18287/2412-7329-2016-15-2-131-144.

17. Абдулнагимов А. И., Антонов В. В., Чепайкин А. С., Пальчевский Е. В. и Насыров Н. Т. Нейросетевой имитатор газотурбинных двигателей для прототипирования и отладки систем управления неустановившимися режимами // Мехатроника, автоматизация, управление. – 2025. – № 26 (1). – С. 22-27. DOI: 10.17587/mau.26.22-27.

18. Имаев Д. Х., Синица А. М., Шестопалов М. Ю., Квашнин С. В. Разработка нейросетевых моделей диагностирования систем управления турбоагрегатом // Известия СПбГЭТУ «ЛЭТИ». – 2018. – № 1. – С. 44-48. DOI: 10.17587/mau.26.22-27.

19. Галашов Н. Н., Туболев А. А., Беспалов В. В., Минор А. А. Расчёт параметров схемы газопаровой установки с глубокой утилизацией и отпуском теплоты // Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering. – 2022. – № 333. – С. 43-45. DOI: 10.18799/24131830/2022/5/3693.

20. Горелов Ю. Г., Ананьев В. В., Золотухина Д. А. 3D исследования теплообмена и гидродинамики трактовых полок сопловых блоков турбины высокого давления с различными схемами охлаждения // Вестник Самарского университета. Аэрокосмическая техника, технологии и машиностроение. – 2022. – № 21(2) – С. 16-27. DOI: 10.18287/2541-7533-2022-21-2-16-27.

21. Галашов Н. Н., Болдушевский Е. С. Разработка и расчет схемы комбинированной газопаровой установки с глубокой утилизацией теплоты и влаги // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2025. – № 336(3). – С. 100-111. DOI: 10.18799/24131830/2025/3/4925.

22. Галашов Н. Н., Туболев А. А., Минор А. А., Болдушевский Е. С. Влияние температуры впрыска пара в камеру сгорания газопаровой установки на ее энергетические характеристики // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2023. – № 334 (5). – С. 27-36. DOI: 10.18799/24131830/2023/5/4027.

23. Бовэнь Г., Избяков Н. С., Барсков В. В., Рассохин В. А. Аналитическое исследование тепловых схем утилизационных паров газотурбинных установок, применяемых для достижения углеродной нейтральности // Известия высших учебных заведений. Машиностроение. – 2024. – № 773 (8). – С. 83-93. DOI: 10.18698/0536-1044-2024-8.

24. Феоктистов Д. В., Кузнецов Г. В., Абедтазехабади А., Орлова Е. Г., Бондарчук С. П., Дорожкин А. В. Повышение энергоэффективности систем охлаждения энергонасыщенного оборудования путём смещения кризиса теплообмена второго рода в область более высоких температур // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2023. – № 334 (4). – С. 72-88. DOI: https://doi.org/10.18799/24131830/2023/4/4097.

25. Половников В. Ю., Шелемехова С. Д. Снижение теплопритоков к геотермальным теплообменникам в условиях длительной эксплуатации // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2023. – № 334 (9). – С. 72-88. DOI: https://doi.org/10.18799/24131830/2023/9/4197.

26. Мандрикова О. В. Интеллектуальные методы анализа природных данных: приложение к космической погоде // Компьютерная оптика. – 2024. – № 48 (1). – С. 139-148. DOI: 10.18287/2412-6179-CO-1367.

27. Менделеев Д. И., Марьин Г. Е., Галицкий Ю. Я., Ахметшин А. Р. Исследование влияния условий эксплуатации на эффективность использования абсорбционно-холодильной машины в цикле газотурбинных и парогазовых установок // Вестник Иркутского государственного технического университета. – 2020. – № 24 (4). – С. 821-831. DOI: https://doi.org/10.21285/1814-3520-2020-4-821-831.

28. Швалев С. О., Сендюрев С. И. Исследование влияния геометрии системы подвода охлаждающего воздуха на эффективность охлаждения рабочей лопатки газовой турбины // Вестник Иркутского государственного технического университета. – 2023. – № 75. – С. 5-15. DOI: 10.15593/2224-9982/2023.75.01.

29. Боруш О. В., Григорьева О. К., Францева А. А. Тепловые и аэродинамические характеристики воздушно-конденсационной установки в составе паротурбинного энергоблока // Известия высших учебных заведений. Проблемы энергетики. – 2024. – № 26 (1). – С. 93-106. DOI: 10.30724/1998-9903-2024-26-1-93-106.

30. Nigam S., Dr. Tiwari S. K. Bayesian Regularization (BR) Optimization Based DDoS Detection for SDN and Next Generation Communication Network / Tuijin Jishu // Journal of Propulsion Technology. – 2023. – № 4 (44). – Pp. 4104-4116. DOI: https://doi.org/10.52783/tjjpt.v44.i4.1623.

31. Самигулин Т. И., Степаненко И. П. Разработка цифровой модели процесса электролиза на базе алгоритма оптимизации искусственной нейронной сети методом Левенберга-Маркварда // Universum: технические науки. – 2025. – № 5 (134) – С. 14-21. DOI: 10.32743/UniTech.2025.134.5.20129.

32. Смородинов А. Д., Гавриленко Т. В., Галкин В. А. Теоретические основы искусственных нейронных сетей для решения задачи аппроксимации и интерполяции // Успехи кибернетики – 2023. – № 4 (4). – С. 41-53. DOI: https://doi.org/10.51790/2712-9942-2023-4-4-04.

33. Яхья М. А. К., Головкина А. Г. Математическое моделирование и оптимальное управление энергопотреблением микросети комбинированной выработки тепла и электроэнергии // Вестник Санкт-Петербургского университета. Прикладная математика. Информатика. Процессы управления. – 2024. – № 4 (20). – С. 446-466. DOI: https://doi.org/10.21638/spbu10.2024.402.

34. Акатьев В. А., Волкова Л. В., Седляров О. И., Тюрин М. П. Повышение эффективности электроэнергетики при реализации договоров предоставления мощности на основе ступенчатого подогрева в котлах-утилизаторах конденсата паротурбинных установок // Международный научно-исследовательский журнал. – 2024. – № 7 (145). – С. 1-9. DOI: https://doi.org/10.60797/IRJ.2024.145.27.

35. Янковский С. А., Лавриненко С. В., Цибульский С. А., Янковская Н. С., Гамов Д. Л. Тепловые схемы геотермальной энергетики // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2023. – № 7 (334). – С. 122-136. DOI: https://doi.org/10.18799/24131830/2023/7/4130.

36. Сеченов П. А., Рыбенко И. А. Численный метод и математическая модель нахождения равновесного состава термодинамической системы программного комплекса T-Energy // Вестник Дагестанского государственного технического университета. Технические науки. – 2022. – № 4 (49). – С. 104-112. DOI: 10.21822/2073-6185-2022-49-4-104-112.

37. Барбин Н. М., Девяткин Н. О., Терентьев Д. И., Кобелев А. М. Термодинамическое моделирование термических процессов с участием актинидов (U, Am, Pu) при нагревании радиоактивного графита в смеси паров воды и кислорода // Радиохимия – 2023. – № 1 (65). – С. 36-40. DOI: 10.31857/S0033831123010057.

38. Петрунин Ю. Ю. Искусственные нейронные сети в экономике: математический инструмент, модель или методология? // Вестник Московского университета. Серия 6. Экономика. – 2024. – № 4. – С. 92-113. DOI: 10.55959/MSU0130-0105-6-59-4-5.

39. Соколов Д. Ю. Применение искусственной нейронной сети для решения задач прогнозирования движения наземных объектов» // Труды МАИ. – 2022. – № 123. – С. 1-32. DOI: 10.34759/trd-2022-123-17.

40. Куликов А. Л., Лоскутов А. А., Совина А. Н. Использование машинного обучения и искусственных нейронных сетей для распознавания витковых замыканий в силовых трансформаторах // Электричество. – 2022. – № 10. – С. 34-44. DOI: https://doi.org/10.24160/0013-5380-2022-10-34-44.

41. Оськин А. Ф., Оськин Д. А. Алгоритм и программа численной оптимизации, реализующие метод роя частиц // Вестник Полоцкого государственного университета. Серия С. Фундаментальные науки. – 2022. – № 4. – С. 26-31. DOI: https://doi.org/10.52928/2070-1624-2022-38-4-26-31.

42. Москаленко А. Б. Исследование экономической эффективности энергоблока ПГУ при использовании обводного парораспределения на паровой турбине // Вестник Полоцкого государственного университета. Серия С. Фундаментальные науки. – 2022. – № 10(124). – С. 1-5. DOI: https://doi.org/10.23670/IRJ.2022.124.10.

43. Шамраева В. В. Математические методы прогнозирования изменения цены акций и их реализация методами машинного обучения // Фундаментальные исследования. – 2024. – № 11. – С. 88-96. DOI: https://doi.org/10.17513/fr.43718.

44. Вялкова С. А., Корнюкова О. А., Надтока И. И. Математическое моделирование и прогнозирование значений электропотребления на основе алгоритма деревьев решений // Известия высших учебных заведений. Электромеханика. – 2025. – № 68(3). – С. 130-136. DOI: https://doi.org/10.17213/0136-3360-2025-3-130-136.

45. Ливенцов В. С., Костинский С. С., Троицкий А. И., Савелов Н. С. Исследование влияния величины и коэффициента мощности нагрузки на абсолютную погрешность расчёта совокупных потерь активной мощности в системе электроснабжения // Известия высших учебных заведений. Электромеханика. – 2023. – № 4(66). – С. 144-155. DOI: doi.org/10.17213/0136-3360-2023-4-144-155.

46. Цочев, Г. Р., Йошинов, Р. Д., Жукова, Н. А. Проблемы безопасности индустриального интернета вещей и сравнение с системами SCADA // Труды СПИИРАН, – 2020. – № 19(2). – С. 358-382. DOI: https://doi.org/10.15622/sp.2020.19.2.5.

47. Казакова М. В., Фокин Н. Д. Тестирование прогнозных свойств различных подходов к интервальному прогнозированию (на примере инфляции в России) // Вопросы статистики. – 2024. – № 5 (31). – С. 23-40. DOI: https://doi.org/10.34023/2313-6383-2024-31-5-23-40.

48. Коробейников А. Г. Применение MATLAB при проектировании цифровых фильтров для выделения геомагнитных пульсаций типа Pc5 // Программные продукты и системы. – 2023. – № 2(36). – С. 257-262. DOI: 10.15827/0236-235X.142.257-262.

49. Chahartaghi M., Golmohammadi H., Shojaei A. F. Performance analysis and optimization of new double effect lithium bromide–water absorption chiller with series and parallel flows // International Journal of Refrigeration. – 2019. – № 97. – Pр. 73-87. DOI: 10.1016/j.ijrefrig.2018.08.011.

50. Малинина О. С., Бараненко А. В. Сопоставление эффективности термодинамических циклов абсорбционных бромисто-литиевых холодильных машин // Омский научный вестник. Сер. Авиационно-ракетное и энергетическое машиностроение. – 2020. – № 2(4). – С. 27-36. DOI: 10.25206/2588-0373-2020-4-2-27-36.

51. Смирнов М. Н., Смирнова М. А. Математическое и компьютерное моделирование автоматического управления при наличии возмущений // Вестник Санкт-Петербургского университета. Прикладная математика. Информатика. Процессы управления. – 2024. – № 1(20). – С. 109-116. DOI: https://doi.org/10.21638/11701/spbu10.2024.109.

52. Беляев Н. А., Коровкин Н. В. Оптимизация перспективной структуры энергосистемы на основе алгоритма роя частиц // Электричество. – 2026. – № 2 – С. 193-200. DOI: 10.24160/0013-5380-2026-2-40-50.

53. Малинина О. С., Бараненко А. В., Лядова Е. Е. Анализ эффективности термодинамического цикла абсорбционной бромисто-литиевой холодильной машины с двухступенчатой абсорбцией и трёхступенчатой генерацией со связанным потоком массы // Вестник Международной академии холода. – 2020. – № 4 – С. 12-19. DOI: 10.17586/1606‑4313‑2020‑19‑4-12-19.

54. Chahartaghi M., Golmohammadi H., Shojaei A. F. Performance analysis and optimization of new double effect lithium bromide–water absorption chiller with series and parallel flows // International Journal of Refrigeration. – 2019. – № 97 – С. 73-87. DOI: 10.1016/j.ijrefrig.2018.08.011.

55. Лядова Е. Е., Комаров К. А. Эффективность абсорбционной бромисто-литиевой холодильной машины с многоступенчатыми процессами абсорбции и генерации со связанным потоком массы // Омский научный вестник. Сер. Авиационно-ракетное и энергетическое машиностроение. – 2021. – № 2(5) – С. 9-17. DOI: 10.25206/2588-0373-2021-5-2-9-17.

56. Носырева Д. А. Оценка влияния температуры наружного воздуха на эффективность работы ГТУ // Экономика и бизнес: теория и практика. – 2020. – № 1-2(59). – С. 65-70. DOI: 10.24411/2411-0450-2020-10049.

57. Катков В. В. Повышение электрической мощности на теплоэлектроцентралях в летний период времени // Universum: технические науки. – 2025. – № 5(134) – С. 36-38. DOI: 10.32743/UniTech.2025.134.5.20156.

58. Малышев А. А., Малинина О. С., Игнатьев В. Е. Эксергетический анализ парокомпрессионной холодильной установки при изменяющихся условиях эксплуатации // Вестник Международной академии холода. – 2024. – № 4 – С. 25-31. DOI: 10.17586/1606‑4313‑2024‑23‑4-25-31.

59. Малинина О. С., Бараненко А. В., Аль-Фураиджи М. А. О., Лядова Е. Е., Комаров К. А. Эффективность абсорбционной бромисто-литиевой холодильной машины с многоступенчатыми процессами абсорбции и генерации со связанным потоком массы // Омский научный вестник. Серия «Авиационно-ракетное и энергетическое машиностроение». – 2021. – № 5(2) – С. 9-17. DOI: 10.25206/2588-0373-2021-5-2-9-17.

60. Кортиков Н. Н. Оптимизация системы охлаждения сопловой лопатки энергетической газовой турбины // Материаловедение. Энергетика. – 2021. – № 4(27). – С. 85-95. DOI: 10.18721/JEST.27406.

61. Абакумов А. М., Зубков Ю. В., Абакумов О. А. Управление электроприводами установок охлаждения газа с учётом индивидуальных характеристик аппаратов воздушного охлаждения // Известия Тульского государственного университета. Технические науки. – 2024. – № 8 – С. 567-571. DOI: 10.24412/2071-6168-2024-8-567-568.

62. Чжан И., Фан С. и Ли Джи. Обсуждение технологии жидкостного охлаждения холодных пластин и её применения в управлении температурой центров обработки данных // Фронт. Возобновляемая энергетика. – 2022. – № 10 – С. 567-568. DOI: 10.3389/fenrg.2022.954718.

63. Фот А. Н., Мельников Д. К. Особенности расчёта холодильных машин с комбинированным охлаждением конденсаторов с учётом климатических и экономических факторов // Омский научный вестник. Серия «Авиационно-ракетное и энергетическое машиностроение». – 2021. – № 4(5). – С. 17-23. DOI: 10.25206/2588-0373-2021-5-4-17-23.

64. Попов Г. М., Горячкин Е. С., Мельников С. А., Щербань А. И., Гатауллина Е. Д. Газодинамическая оптимизация рабочего процесса одноступенчатой охлаждаемой осевой турбины с дефлектором внутри // Вестник Самарского университета. Аэрокосмическая техника, технологии и машиностроение. – 2024. – № 3(23) – С. 144-153. DOI: 10.18287/2541-7533-2024-23-3-144-153.

65. Саенко И. Б., Котенко И. В., Аль-Барри М. Х. Применение искусственных нейронных сетей для выявления аномального поведения пользователей центров обработки данных // Вопросы кибербезопасности. – 2022. – № 2(48). – С. 87-97. DOI: 10.21681/2311-3456-2022-2-87-97.

66. Устинова Л. Н., Сиразетдинов Р. М., Сиразетдинова Е. Р., Устинов Д. А. Энергетический сектор России: экономический аспект // Экономика, предпринимательство и право. – 2023. – № 13 (2). – С. 401-412. DOI:10.18334/epp.13.2.117105.

67. Авдокунин Н. В., Яковлев И. В. Утилизация сбросной теплоты центров обработки данных в условиях прямого фрикулинга // Вестник МЭИ. – 2025. – № 4. – С. 86-93. DOI: 10.24160/1993-6982-2025-4-86-93.

68. Карелин Д. Л., Болдырев А. В., Болдырев С. В., Колбин Т. Ю. Анализ испарительного и жидкостного методов охлаждения блоков топливных элементов методом относительных энергетических показателей // Машиностроение. – 2023. – № 3 (10). – С. 25-28. DOI: 10.24892/RIJIE/20230305.

69. Семёнов И. А., Петров А. В. Прогнозирование свойств и моделирование фазового состояния многокомпонентных систем на языке Python // Современные технологии и научно-технический прогресс – 2023. – № 1. – С. 131-132. DOI: https://doi.org/10.36629/2686-9896-2023-1-131-132.

70. Абрамов В. И., Гордеев В. В., Столяров А. Д. Цифровые двойники: характеристики, типология, практики развития // Вопросы инновационной экономики. – 2024. – № 14(3). – С. 691-716. DOI: 10.18334/vinec.14.3.121484.

71. Игнатова Т. В., Житомирский Б. Л. К вопросу о влиянии температуры окружающего воздуха на эффективность газоперекачивающих агрегатов // Тр. РГУ нефти и газа им. И. М. Губкина. – 2022. – № 1(306). – С. 83-91. – DOI: 10.33285/2073-9028-2022-1(306)-83-91.

72. Китаев С. В., Смородова О. В., Сулейманов А. М. Повышение энергетической эффективности газоперекачивающих агрегатов с газотурбинным приводом стационарного типа // Энергобезопасность и энергосбережение. – 2020. – № 3. – С. 16-19. – DOI: 10.18635/2071-2219-2020-3-16-19.

73. Пивоварова М. В., Гладкий И. Л. Ресурс деталей газотурбинных двигателей в условиях воздействия коррозионных сред // Вестник Самарского университета. Аэрокосмическая техника, технологии и машиностроение. – 2019. – Т. 18. – № 3. – С. 109-117. – DOI: 10.18287/2541-7533-2019-18-3-109-117.