Дисертації

Дисертаційна робота присвячена розв’язанню актуальної науково-прикладної задачі підвищення ефективності підтримки прийняття рішень при управлінні енергетичними мікромережами з відновлюваними джерелами енергії шляхом розроблення моделей та методів інформаційної технології оцінювання функціонального стану мікромереж в умовах невизначеності. У рамках дослідження створено інформаційну технологію, що реалізує системний підхід до автоматизованого аналізу технічного стану мікромереж на основі даних часових рядів. Запропоновано гібридні методи прогнозування споживання, генерації електричної енергії та пікового навантаження на енергетичну мікромережу, удосконалено підходи до обробки та аналізу вхідних даних, реалізовано механізми інтеграції результатів прогнозування із засобами нечіткого логічного виведення для побудови інтерпретованої оцінки технічного стану. Застосування розробленої інформаційної технології дозволяє підвищити точність виявлення критичних сценаріїв функціонування мікромереж, забезпечити адаптивність моделей до мінливих умов, а також сформувати рекомендації щодо керувальних рішень. У першому розділі дисертації здійснено комплексний аналіз сучасного стану впровадження інформаційних технологій у процеси керування енергетичними мікромережами з відновлюваними джерелами енергії. На основі широкого огляду літератури та нормативно-технічних документів висвітлено основні напрями цифровізації енергетики, серед яких провідну роль відіграють технології Інтернету речей, цифрові двійники, хмарні платформи, SCADA- системи та інструменти предиктивного обслуговування. Особливу увагу приділено трансформації енергетичного сектору під впливом декарбонізації, кліматичних викликів і зростання частки ВДЕ, що зумовлює перехід до децентралізованих систем із високим рівнем автономності. Детально проаналізовано архітектуру мікромереж, принципи їхньої побудови та функціонування, а також особливості керування потоками енергії в умовах нестабільної генерації та сезонної варіативності навантажень. Висвітлено підходи до моніторингу стану мікромереж із використанням сенсорних систем, SCADA та IoT-платформ, що дозволяють здійснювати безперервний збір даних, виявляти аномалії та забезпечувати адаптивне управління. Розглянуто сучасні методи прогнозування часових рядів, зокрема ARIMA, SARIMA, ETS, LSTM, BiLSTM, Random Forest та інші, порівняно їхню ефективність у коротко- та середньостроковому горизонті. Систематизовано інструменти підтримки прийняття рішень в умовах невизначеності, серед яких виділено багатокритеріальні методи (AHP, TOPSIS), дерева рішень і нечітку логіку, які забезпечують можливість інтерпретації результатів і обґрунтування керувальних дій. Виявлено, що існуючі інформаційні системи не реалізують функції комплексного оцінювання функціонального стану мікромереж, що обґрунтовує необхідність створення нової адаптивної інформаційної технології, яка інтегрує прогнозну аналітику, інтелектуальні моделі й механізми логічного виведення для забезпечення стійкої роботи енергосистем в умовах збурень і динамічних змін. Другий розділ присвячено формалізації процесів прогнозування параметрів мікромереж із відновлювальними джерелами енергії, з урахуванням їхньої стохастичної природи, сезонної варіативності та чутливості до зовнішніх впливів. У розділі обґрунтовано вибір підходів до побудови моделей на основі часових рядів, визначено методи обробки та трансформації вхідних даних, що включають фільтрацію шумів, масштабування значень, заповнення пропущених спостережень, усунення аномалій, а також побудову ознак за допомогою лагових змінних і декомпозиції трендових та сезонних компонент. Запропоновано функціональну схему обробки даних для забезпечення їх структурованості й готовності до навчання прогнозних моделей. Описано архітектури моделей машинного навчання, орієнтованих на прогнозування генерації електроенергії від фотоелектричних установок, вітрових турбін і акумуляторних систем, із використанням фізико-кліматичних параметрів як предикторів. Продемонстровано ефективність застосування глибоких рекурентних нейронних мереж, зокрема LSTM та Bidirectional LSTM, для врахування часових залежностей і нелінійних зв’язків між змінними. Окрему увагу приділено прогнозуванню споживання електричної енергії для різних категорій користувачів мікромереж – побутових, промислових, інфраструктурних і комерційних. Реалізовано підхід до класифікації типів споживачів на основі профілів навантаження, часової структури даних та характеру зовнішніх впливів. Для кожної категорії побудовано окремі моделі з урахуванням специфічних вхідних ознак, що дозволило підвищити точність прогнозування на різних часових інтервалах. Проведено валідацію нейромережевих моделей на реальних даних, що дозволяє оцінити їхню точність та придатність до застосування в рамках запропонованої інформаційної технології. Третій розділ присвячено розробці методів прогнозування пікового споживання електроенергії та оцінювання функціонального стану енергетичних мікромереж. Обґрунтовано потребу в своєчасному виявленні дефіцитів електроенергії для запобігання порушенням балансу потужності за умов інтеграції відновлювальних джерел. Запропоновано метод визначення пікових навантажень на основі аналізу часових рядів, що дозволяє локалізувати критичні режими в межах доби, та прогнозну модель на основі рекурентної нейронної мережі типу LSTM, яка демонструє високу точність прогнозування навантажень. У межах задачі оцінювання стану мікромереж розроблено формалізований підхід до представлення сценаріїв функціонування з урахуванням генерації, споживання та накопичення енергії. На основі сформованих ознак реалізовано систему нечіткого логічного виведення типу Мамдані, яка здійснює класифікацію поточного стану як «стабільний», «ризикований» або «дефіцитний». Запропоновано логіку реагування на виявлені стани та сформовано набір керувальних дій, що включають корекцію графіків, керування зарядом накопичувачів і використання резервних джерел. Експериментальні результати підтверджують ефективність і практичну придатність розробленого підходу. Четвертий розділ дисертації присвячено побудові та реалізації інформаційної технології оцінювання функціонального стану енергетичних мікромереж. Ключовим елементом запропонованої технології є моделі прогнозування енергоспоживання та генерації, реалізовані на базі двонаправлених рекурентних нейронних мереж, здатних враховувати сезонні коливання і вплив погодних умов. Згенеровані прогнози передаються до підсистеми виявлення пікових навантажень, яка ідентифікує критичні інтервали часу з високою ймовірністю перевантаження. Виходячи з цих даних, система нечіткого логічного виведення оцінює поточний стан мікромережі, класифікуючи його як стабільний, нестабільний або дефіцитний. З метою забезпечення адаптивності реалізовано механізми параметризації моделей, налаштування правил нечіткої логіки та інтеграції з зовнішніми метеосервісами. На основі результатів оцінювання формуються рекомендації щодо керування мікромережею з урахуванням поточного та прогнозованого навантаження. Розроблена інформаційна технологія охоплює повний цикл обробки даних – від сенсорного моніторингу до формування керувальних рішень – та включає модулі збору, нормалізації, прогнозування й аналітики. Значну увагу приділено попередній обробці часових рядів: фільтрації, логарифмуванню, виявленню аномалій, кодуванню ознак і виокремленню трендів. Архітектура аналітичної підсистеми реалізована у мікросервісному середовищі з централізованим API, Redis-брокером, Docker-контейнерами та Kubernetes-оркестрацією. Компоненти взаємодіють асинхронно через REST API з логуванням у стеку ELK, CI/CD-процесами та моніторингом виконання моделей. Апробація результатів дослідження підтверджує ефективність розроблених математичних моделей та технологій для управління мікромережами з відновлювальними джерелами енергії. Запропоновані рішення дозволяють покращити точність прогнозування навантажень, зменшити ризики дефіциту електроенергії та забезпечити більшу стабільність енергетичних систем. Розроблені методи та моделі надають нові можливості для адаптивного управління мікромережами з урахуванням прогнозованого функціонального стану системи, що має ключове значення для підвищення ефективності, надійності та стійкості енергетичної інфраструктури. Своєчасне виявлення критичних режимів, підтримка рішень щодо їх коригування, а також трансформація споживчих сценаріїв і конфігурацій мікромережі дозволяють оперативно реагувати на змінні умови функціонування. Одержані наукові результати дослідження у вигляді математичних моделей, методів та інформаційної технології оцінювання стану мікромереж з відновлювальними джерелами енергії були впроваджені в ТОВ «Андрекс» (м. Суми) для оцінювання стану енергетичної мікромережі промислового комплексу як складової програмного забезпечення енергетичного моніторингу, а також у навчальний процес Сумського державного університету та під час виконання науково-дослідної тематики «Моделі та методи інформаційної технології оцінки стану мікромереж з відновлюваними джерелами енергії»

Дисертації

Browse

Filters

Settings

Sort By

Results per page

Search Results