Разработка учебно-исследовательского комплекса «интеллектуальные системы поддержки принятия решений и экспертные системы». Разработка нейронной сети интеллектуальной системы поддержки принятия решений

ВВЕДЕНИЕ 6
1 Современное состояние применения нейронных сетей в системах поддержки принятия решений и экспертных системах 9
1.1 Литературный обзор 9
1.2 Патентный обзор 12
2 Методика разработки нейронной сети для интеллектуальных систем поддержки принятия решений и экспертных систем 15
2.1 Основные сведения об интеллектуальных системах поддержки принятия решений и экспертных системах на основе нейронных сетей 15
2.2 Разновидности нейронных сетей 19
2.3 Выбор структуры и алгоритма модели нейронной сети для интеллектуальных систем поддержки принятия решений и экспертных систем 19
2.4 Способы обучения нейронных сетей для систем поддержки принятия решений и экспертных систем 40
3 Разработка и обучение нейронной сети для интеллектуальной системы поддержки принятия решений 43
3.1 Цифровой двойник лабораторной установки «исследование режимов работы системы электроснабжения с управляемыми параметрами» 43
3.2 Структура и алгоритм модели нейронной сети 46
3.3 Формирование выборки для обучения нейронной сети 57
3.4 Обучение нейронной сети 58
3.5 Интеграция нейронной сети с цифровым двойником лабораторной установки 60
3.6 Разработка алгоритма функционирования виртуальной лабораторной установки «исследование режимов работы системы электроснабжения с управляемыми параметрами» с интеллектуальной системой поддержки принятия решений при выполнения лабораторных работ в очном, дистанционном и смешанном форматах 61
4 Использование разработанной нейронной сети в учебном процессе в составе учебно-исследовательского комплекса «интеллектуальные системы поддержки принятия решений и экспертные системы» 64
4.1 Пробное выполнение лабораторной работы «исследование режимов работы системы электроснабжения с управляемыми параметрами» с применением интеллектуальной системы поддержки принятия решений в очном формате 64
4.2 Адаптация виртуальной лабораторной работы «исследование режимов работы системы электроснабжения с управляемыми параметрами» с интеллектуальной системой поддержки принятия решений для выполнения лабораторных работ в удаленном формате 79
4.3 Учебно-методическое обеспечение проведения лабораторно-практических занятий по дисциплине «интеллектуальные системы поддержки принятия решений и экспертные системы» «исследование режимов работы системы электроснабжения с управляемыми параметрами» с интеллектуальной системой поддержки принятия решений в очном, дистанционном и смешанном форматах 81
ЗАКЛЮЧЕНИЕ 86

Весь текст будет доступен после покупки

В современном мире электроэнергетика играет ключевую роль в обеспечении устойчивого развития общества, экономики и инфраструктуры. Необходимость эффективного управления энергетическими процессами и принятия обоснованных решений в этой сфере обусловлена постоянным ростом спроса на электроэнергию, снижением запасов ископаемых и увеличением доли возобновляемых источников энергии. Системы поддержки принятия решений в электроэнергетике способствуют оптимизации процессов управления и повышению эффективности принимаемых решений, что обеспечивает стабильную работу энергосистемы и обеспечение потребностей потребителей. Поэтому актуальным становится изучение современных методов и технологий в области электроэнергетики и систем поддержки принятия решений с целью повышения уровня управляемости и эффективности энергетических процессов [1].
Внедрение интеллектуальных программ в электроэнергетику способствует повышению уровня оптимизации работы электрогенерирующих станций, увеличению энергоэффективности, позволит прогнозировать спрос на электроэнергию. Применение передовых технических и программных решений могут помочь в мониторинге состояния оборудования, а также в раннем обнаружении проблем и предотвращении аварийных ситуаций.

Весь текст будет доступен после покупки

1 Современное состояние применения нейронных сетей в системах поддержки принятия решений и экспертных системах

1.1 Литературный обзор

Обзор отечественных и зарубежных публикаций проводился по исследованиям и разработкам в области интеллектуальных электроэнергетических комплексов, а также по существующим разработкам цифровых учебных стендов в области интеллектуальных систем поддержки принятия решений и экспертных систем электроснабжения, которые сочетают в себе принципы искусственного интеллекта и машинного обучения.
Задачей разработки системы поддержки принятия решений для учета электроэнергии занимались Б.А. Староверов и Р.Н. Хамитов [3]. Авторы данной статьи предлагают объединение процессов учета электропотребления и процессы прогнозирования, что в свою очередь дает такое преимущество, как предсказание состояния электросетей. На данный момент, средства измерения электроэнергии имеют хороший уровень разработки, однако, проблемы появляются на этапе реализации подсистем прогнозирования. Для решения этой проблемы был предложен способ построения подсистемы прогнозирования. Основой для этого послужил ансамбль нейронных сетей, который в свою очередь осуществляет формирование прогноза потребления электроэнергии.
Для реализации подсистемы прогнозирования авторы рассматривают построение ансамбля на многоуровневой иерархической структуре, которая формируется на нейронных сетях с минимальной погрешностью прогнозирования. Состоит представленная подсистема из базы данных, нейронной сети, которая классифицирует вид графиков нагрузки, отдельных нейронных сетей, которые независимо друг от друга выдают прогнозы электропотребления, и нейронной сети, которая повышает точность прогнозирования за счет обобщения результатов прогнозирования отдельных нейронных сетей.
Внедрение цифровых технологий в обучающий процесс влечет за собой положительную тенденцию в подготовке будущих специалистов, которые будут иметь опыт работы с интеллектуальными программами. Реализацией данного направления занялись М.Г. Баширов, И.Г. Юсупова, О.Г. Волкова, М.Ф. Шван, Н.Н. Даминов, К.В. Кузнецов, Т.Р. Сагитов [4]. Авторами был разработан учебно-исследовательский комплекс, представляющий собой цифровой двойник физического стенда с элементами искусственного интеллекта, также было подготовлено учебно-методическое пособие для очного, дистанционного и смешанного выполнения работ. По составленной модели энергосистемы проводится работа, целью которой является добиться минимальных потер в линии электропередачи путем компенсации реактивной мощности на нагрузке.
Применение интеллектуальных систем прогнозирования в электроэнергетике является неотъемлемой частью развития данной отрасли. Необходимость в интеллектуальном прогнозировании и управлении нагрузкой напрямую связано с резко возросшим потреблением электроэнергии. Е.В. Сташкевич, Н.И. Айзенберг, И.Г. Илюхин представили описание модели микросети со встроенным блоком прогнозирования потребления электричества и интеллектуального управления нагрузкой одновременно несколькими объектами. Авторы разработали интеллектуальную систему поддержки принятия решений со встроенным блоком прогнозирования, используя в качестве интеллектуального агента «Random forest » библиотеки «scikit-learn» [5].
В своей работе И.В. Салов, И.А. Щербатов, Ю.А. Салова, А.Ю. Косов и Д.А. Чечеткин [6] занялись задачей разработки цифрового двойника для обучающей деятельности. За основу разработки был взят стенд, предназначенный для изучения диффузионного и кинетического режимов сжигания природного газа. В процессе работы были решены задачи, необходимы для разработки цифрового двойника стенда, описана разработка 3D модели, проведены необходимые расчеты, а также созданы экраны оператора и управляющего персонала.

Весь текст будет доступен после покупки

-

Весь текст будет доступен после покупки