Главная Коллекция "Otherreferats" Производство и технологии Разработка системы поддержки принятия решений для управления попуском воды на системе гидротехнических сооружений

Разработка системы поддержки принятия решений для управления попуском воды на системе гидротехнических сооружений

Разработка системы поддержки принятия решений - оперативно-советующая экспертная система для организации рационального управления попуском воды на сложных системах гидротехнических сооружений. Предложено использовать информационную систему для оператора.

Рубрика Производство и технологии
Вид статья
Язык русский
Дата добавления 27.02.2020
Размер файла 1,4 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Разработка системы поддержки принятия решений для управления попуском воды на системе гидротехнических сооружений

О.А. Иванова, кафедра экология и промышленная безопасность МГТУ им. Н.Э. Баумана

В статье рассматривается разработка системы поддержки принятия решений - оперативно-советующая экспертная система для организации рационального управления попуском воды на сложных системах гидротехнических сооружений. На основе проведенного обзора существующего в данной области программного и алгоритмического обеспечения, в статье рассмотрены проблемы управления гидротехническими сооружений. Предложено использовать при управлении гидротехническими системами вспомогательную информационную систему для оператора - перспективную оперативно-советующую экспертную систему, базирующейся на динамической экспертной системе с прогнозирующими моделями, которые предложено строить с помощью алгоритма самоорганизации.

Ключевые слова: управление гидротехническими сооружениями, динамическая экспертная система, алгоритм самоорганизации, попуск воды.

В настоящее время вопросы обеспечения безопасной эксплуатации гидротехнических сооружений представляют большой интерес.

Так согласно [1, 2] за последние сто лет отмечается все большее число чрезвычайных происшествий на гидротехнических сооружениях бассейнов рек в России и в мире, приведших к значительным экономическим и экологическим ущербам, а также к человеческим жертвам.

Анализ этих происшествий позволяет сформулировать основные причины, которые приводят к их возникновению [2]:

— плохое техническое состояние гидротехнического оборудования;

— моральное устаревание используемых систем мониторинга за состоянием гидротехнического оборудования;

— человеческий фактор;

— изменение метеорологических условий.

Одним из наиболее эффективных способов

снижения вероятности возникновения подобных происшествий на зарегулированных участках речных сетей является использование систем поддержки решений для управления попуском воды на гидротехнических сооружениях (ГТС).

Программные решения для управления речными системами

Подобные программные продукты можно условно разделить на те, которые созданы для моделирования движения воды в речной системе под воздействием различных факторов и на те, которые созданы в первую очередь для автоматического или полуавтоматического управления ГТС на речной сети. Вторая группа программных продуктов часто использует результаты моделирования первой группы.

К первой группе следует отнести таких мировых лидеров в этой области, как ПО MIKE11 (MIKE Hydro river) иПОPusola.MIKE11 -- самый популярный в мире комплекс программного обеспечения для речного моделирования в формате 1D.ПО Pusolaявляется пакетом для языка программирования Delphiи используется для моделирования участков речной сети. Так как моделирование ведется в чистом виде на языке программирования, данный продукт не может быть применен в реальных условиях.

Также известен информационно-моделирую-щий комплекс ECOMAG[3]. Он включает в себя математическую модель, географическую информационную систему (ГИС), базы данных о характеристиках территории и управляющую оболочку. При этом, данный программный продукт не рассчитывает уровни воды, а только расходы воды. Поэтому для полноценного использования данного ПО необходимо его комбинация с другими ПО, например, с MIKE11 [4].

Ко второй группе относят ПО непосредственно для управления водохранилищами.

Аналогично первой группе, мировым лидером в данной области является также продукт компании DHIWater&Environment-- MIKEBASIN [4]. ПО позволяет осуществлять планирование и управление водными ресурсами в рамках одного или нескольких речных бассейнов, разработку генеральных схем использования водных ресурсов, решение широкого круга водохозяйственных задач. Однако универсальность этого ПО наложила на него ряд ограничений. Главным недостатком является невозможность непосредственного формирования правил управления ГТС на речной системе на основании введенных данных.

Именно поэтому, в РФ было создано несколько аналогов, более подходящих для управления водными ресурсами.

Минприроды России в 2012 г. разработана автоматизированная информационно-управляющая система «Водные ресурсы» [5], предназначенная для выбора режимов работы каскада водохранилищ. В основе этой управляющей системы лежит информационно-моделирующий комплекс ECOMAG, и разработанный автором блок моделирования работы водохранилищ по заданным диспетчерским графикам. АИУС «Водные ресурсы» с 2012 г. используется для расчета режимов работы водохранилищ на Волжско-Камском каскаде.

Хорошо известна и широко применяется многозадачное программное обеспечение «Каскад» [6]. Она предназначена для построения автоматизированных систем управления технологическими процессами, автоматизированных систем контроля и учета энергии, автоматизированных систем оперативного-диспетчерского управления и других систем промышленной автоматизации и позволяет в автоматическом режиме строить сбросные гидрографы при выборе оптимальных режимов пропуска половодья и работы водохранилищ в межень. Однако в силу ряда причин данное ПО не получило широкого распространения в речных системах в России. принятие решение управление гидротехнический

Намного больший интерес представляет программа «Бассейн», разработанная в МЭИ на кафедре гидроэлектроэнергетики и возобновляемых источников. Данная программа реализует календарный метод расчета регулирования стока. Все пространство бассейна каскада разбивается на расчетные створы, в которых определяются гидравлические характеристики режима рек и технические характеристики гидроузлов. В качестве основного уравнения математической модели каскада ГЭС используется уравнение водного баланса [7].

К недостаткам этой программы можно отнести необходимость выполнения оптимизации последовательным вариантным заданием режимов работы водохранилищ, что приводит к увеличению трудоемкости расчета.

Кроме вышеперечисленных программ, различают также модели ГТС на речной сети, созданные в универсальных программах симуляции различных технологических и операционных процессов, таких как Powersim, STELLA, iThink, Exted, andVenisim [8]. Однако их отличает от остальных программ недостаточная детализация всех процессов, невозможность масштабирования или смены речной сети и достаточно узкий диапазон применения.

Разработка системы поддержки принятия решений управления попуском воды каскада водохранилищ речной сети

Синтез интеллектуальной системы управления ГТС представляет собой сложную и трудоёмкую задачу, поэтому целесообразно решать её поэтапно. На начальных этапах на основе существующих достижений разработки адаптивных систем управления проводится разработка и исследование экспертных систем ГТС. Построение экспертной модели динамических объектов для поставленной задачи рассматривается с учётом различных интеллектуальных технологий, как методов нечёткой логики, логического вывода, так и алгоритмов нейроуправления, эволюционного моделирования и т.д.

Здесь изложены консультативные интеллектуальные системы, которые получают внедрения в практике и показан ряд подходов реализации разных уровней интеллектуализации.

Консультативные интеллектуальные системы

Оперативно-советующие экспертные системы (ОСЭС) -- это один из представителей консультативных интеллектуальных систем, который функционирует в реальной информационной среде и ориентируется на реальные условия возможных сценариев изменения внешней обстановки с целью повышения эффективности ГТС [9-11]. ОСЭС на верхнем и среднем уровнях должна стремиться к созданию в алгоритмах оперативных процедур логического вывода и порождения гипотез, отвечающих представлениям человека о правильности рассуждений и возможности их провести в сложившейся информационной среде.

Разработка таких систем началась за рубежом с 80-х гг. ХХ в., т.е. нужно направить большие усилия на совершенствование интеллектуальной составляющей «системообразующего ядра» управляющего комплекса, которая реализуется в алгоритмах и совместно с традиционными алгоритмами создают функционально целостную систему «оператор ГТС-измерительно-управляющая аппаратура- ГТС» для решения главной задачи -- управления ГТС.

Построение алгоритмического и индикационного обеспечения ОСЭС типовых ситуаций (ТС) осуществляется обычно по следующим этапам:

а) концептуализация предметной области с выделением типовых ситуацией (ТС) и проблемных субситуацией соответствующей ТС, упорядоченных причинно-следственным отношением;

б) конструирование базы знаний и разработка базового образца интеллектуальной системы;

в) совершенствование базы знаний в системах имитационного моделирования.

Для каждой ТС будут работать соответствующая ОСЭС и экспертные системы бортовых измерительных и исполнительных устройств, которые обеспечивают максимально полное получение необходимой информации в данный момент о внешней обстановке и о состоянии аппаратуры, максимальное точное исполнение принятых решений.

Эффективность интеллектуальной системы и целесообразность её разработки в большой степени зависит от структуры базы знаний, от её адекватности и полноты.

Часто требуется предварительное исследование возможных ситуаций на ряде математических моделей, которые формулируются в форме математических задач оптимального управления, теории игр, различных задач принятия решений. Полученное в результате таких исследований или подобранное при имитационном математическом моделировании «рациональное разрешение» закладываются в математические модели (ММ), которые являются одним из блоков базы знаний в ОСЭС. Анализ внешней обстановки, состояния ГТС и выработка соответствующих рекомендаций оператору ГТС с помощью правил-продукций, которые тоже заложены в базу знаний ОСЭС. В итоге знания, необходимые для работы ОСЭС, закладываются в виде правил и ММ и группируются по сценариям.

Технология приобретения знаний предполагает определение критерия выбора и состояние четких таблиц, на основе которых эксперты могут назначать принадлежность всех потенциальных кандидадов для конкретного действия. Неопределённость оценок экспертов выражается через нечёткие переменные. А все кандидаты предварительно промоделированы в реальном времени и оценены опытными экспертами. Множество всех кандидатов аккумулирует в себе стратегии выполнения действия и способы решения поставленных задач. Определение потенциальных кандидатов и критериев выбор осуществляется из практических соображений. Матрица нечётких отношений формируется из критериев выбора и кандидатов в виде рядов и столбцов соответственно. Пусть выделено п кандидатов для данного действия. Каждый критерий оценивает качества кандидата по семиуровневой шкале. Уровни оценки обозначены следующим образом:

- РВ положительный большой;

- РМ положительный средний;

- PS положительный малый;

- ZO ноль;

- NS отрицательный большой;

- NM отрицательный средний;

- NB отрицательный малый.

Рассмотрим группу кандидатов, каждому из которых ставится в соответствии с числом из интервала [0,1], обозначающее степень предпочтения этого кандидата для данного критерия выбора. Один из примеров приведён в табл.

Здесь М1, М2, М3, ... обозначают кандидатов. Элементы матрицы отношений обозначены а (щ,к), где: i -- выбранный критерий, ] -- один из уровней нечёткости, к -- кандидат для данного действия. Элементы матрицы а (щ,к) назначаются и оцениваются экспертами системы, которые привлечены для выявления отношения. Таким образом, элемент матрицы а (щ,к) является численным объектом, обеспечивающим переход от качественных оценок к количественным. Она заменяет все рассматриваемые критерии выбора. Вышеописанный подход является новым подходом для задачи выбора действия и принятия решений.

После приобретения знаний формируется база знаний, на основе которой механизм логического вывода манипулирует действиями по моделированию и направляет основанный на правилах автоматизированный процесс рассуждения.

Динамическая экспертная система (ДЭС)

Одной из самых сложных составляющих ОСЭС является ДЭС. Интеллектуальные операторы, реализующие восприятие, представление, формирование понятия, суждения и умозаключения в процессе познания, являются формальным средством обработки сведений и знаний, а также принятия решения. Все эти аспекты должны быть положены в основу построения ДЭС, которые должны обладать базой знаний и располагать методами решения задач. Кроме того, функциями ДЭС являются также оценка результатов решения задачи, прогнозирование параметров будущего результата действия, принятия решения об управлении, выработка управления и сличение параметров желаемого и реального результатов. Структурная схема ДЭС, представлена в рис. 1 [12].

В этой структуре сочетаются два типа ДЭС. Первый тип ДЭС предназначен для поиска оптимального решения и базируется на строгих математических методах и моделях оптимизации, ДЭС второго типа в основном ориентированы на решение трудно формализуемых задач в отсутствие полной и достоверной информации с использованием экспертных моделей, построенных на основе знаний экспертов и эвристических методов поиска решений. В объединении ДЭС первого и второго типов в расчётно-логическую ДЭС база знаний сочетает описание в виде строгих математических формул с информацией экспертов, а также соответственно -- математические методы поиска решения с нестрогими эвристическими методами.

Таблица 1. Трёхзначное нечётное отношение

М1

М2

М3

М4

М5

Мп

РВ

а(1,1,1)

а(1,1,2)

а(1,1,3)

а(1,1,4)

а(1,1,5)

а(1,1,п)

РМ

а(1,2,1)

а(1,2,2)

а(1,2,3)

а(1,2,4)

а(1,2,5)

а(1,2,п)

PS

а(1,3,1)

а(1,3,2)

а(1,3,3)

а(1,3,4)

а(1,3,5)

а(1,3,п)

ZO

а(1,4,1)

а(1,4,2)

а(1,4,3)

а(1,4,4)

а(1,4,5)

а(1,4,п)

NS

а(1,5,1)

а(1,5,2)

а(1,5,3)

а(1,5,4)

а(1,5,5)

а(1,5,п)

NM

а(1,6,1)

а(1,6,2)

а(1,6,3)

а(1,6,4)

а(1,6,5)

а(1,6,п)

NB

а(1,7,1)

а(1,7,2)

а(1,7,3)

а(1,7,4)

а(1,7,5)

а(1,7,п)

При разработке ДЭС нужно решить следующие проблемы:

- определение состава базы знаний и её формирование;

- разработка новых и использование известных теорий и методов для описания информационных процессов в ИС;

- разработка способов представления и организации использования знаний;

- разработка алгоритмов и программного обеспечения с распараллеливанием и использование «гибкой» логики;

- отыскание подходящих вычислительных сред для реализации параллельных алгоритмов при формировании ДЭС.

Рис. 1. Структурная схема ДЭС

В итоге ДЭС должны обладать свойством адаптации к динамической проблемной области, способностью ввода новых элементов и связей в описаниеситуаций, изменения правил и стратегии функционирования объектов в процессе принятия решения и выработки управления, работы с неполной, нечёткой и противоречивой информацией и т.д.

Выделение базы чётких и нечётких знаний и формализованного аппарата обработки их в ДЭС подчёркивает, что основными отличиями такого программного продукта являются его динамичность и интеллектуальность. Динамичность состоит в том, что свойства экспертной системы могут изменяться по мере накопления знаний в базе. Интеллектуальность ДЭС проявляется в том, что решение задача формируется не по заранее заданному алгоритму, а с учётом знаний, имеющихся в базе.

ДЭС включает в себя алгоритмы для построения прогнозирующих моделей. Одним из перспективных подходов для построения моделей основан на использовании метода самоорганизации [13]. Алгоритм самоорганизации, позволяющий построить прогнозирующие модели исследуемого процесса в условиях минимума априорной информации.

Метод самоорганизации представляет собой метод построения моделей, основанный на математической индукции. Метод самоорганизации позволяет автоматически построить модель объекта оптимальной сложности посредством многорядного перебора с использованием ансамбля критериев селекции, заданного разработчиком, используя данные наблюдений с помехами [12]. С помощью разделения выборки наблюдений специальным образом, выбора ансамбля критериев селекции для конкретной задачи, а также реализации процесса искусственного отбора моделей-претендентов, осуществляется построение прогнозирующей модели оптимальной сложности. Построенные методом самоорганизации модели могут прогнозировать будущее состояние управляемого объекта и обладают хорошей помехоустойчивостью. Основная структура алгоритма самоорганизации представлена на рис. 2.

В соответствии с теорией самоорганизации метод генерирования последовательных комбинаций и отбора математических моделей, при возрастании их сложности, является универсальным методом отыскания модели оптимальной сложности. В процессе отбора величина ансамбля критериев уменьшается и достигает минимума, что соответствует получению модели оптимальной сложности.

Выводы

В статье рассмотрены проблемы управления гидротехническими сооружениями. Исследованы особенности известных гидросистем и гидротехнических сооружений, а также представлены наиболее популярные системы и комплексы управления ГТС. Предложено использовать при управлении гидротехнических сооружений вспомогательную информационную систему для оператора - перспективную оперативно-советующую экспертную систему. Разработанная оперативносоветующая экспертная система базируется на динамической экспертной системе с прогнозирующими моделями, которые предложено строить с помощью алгоритма самоорганизации.

Таким образом, предложена перспективная оперативно-советующая экспертная система для управления ГТС, которая может быть рекомендована в качестве информационной поддержки принятия решений оператора-управляющего ГТС.

Литература

1. Нигметов Г.М., Филатов Ю.А., Пчелкин В.И., Юз- беков Н.С. Тенденция роста катастрофических наводнений на территории Российской Федерации // Технологии гражданской безопасности, 2005. 1-2.

2. Федунов Б.Е., Романова В.Д., Юневич Н.Д. Бортовые оперативно-советующие экспертные системы на борту антропоцентрических человеко-машинных объектов // Интеллектуальные системы, 1996. Т.1. №1-4. - С. 145-157.

3. Истомина М.Н., Кочарян А.Г., Лебедева И.П. Наводнения: Генезис, социально-экономические и экологические последствия // Водные ресурсы, 2015. 32(4). - С. 389-398.

4. Мотовилов Ю.Г. Моделирование снежного покрова и снеготаяния. В: Моделирование гидрологического цикла речных водосборов. -- М.: НГК РАН, 1993. -- С. 9-37.

5. Калугин А.С. Модель формирования стока реки Амур и ее применение для оценки возможных изменений водного режима: автореф. дисс. ... к.т.н., 2016.

6. Беднарук С.Е. Матушка-Волга. Интервью с директором Центра Регистра и Кадастра // Государственное управление ресурсами, 2007. №4 (22). -- С. 10-23.

7. Григорьев В.К., Левит-Гуревич Л.К. Компьютерная технология расчетов пропуска половодья на примере Волжско-Камского каскада водохранилищ // «Экстремальные гидрологические события. Теория. Моделирование. Прогноз». Тр. Межд. науч. конф. (3-6 ноября 2003 г., Москва). - М.: ИВП РАН, 2003. - С. 121-125.

8. Чуканов В.В. Оценка влияния русловых деформаций в нижнем бьефе на условия работы гидроэлектростанции: автореф. дис. ... к.т.н. - М., 2003.

9. IvanovaO., Neusipin K., Ivanov M., Schenone M., Damiani L., Revetria R. Optimization Model of a Tandem Water Reservoir System Management, Proceedings of the World Congress on Engineering and Computer Science 2017. - San Francisco, USA, 2017. V. II WCECS 2017, October 25-27.

10. Федосов Е.А. Критические технологии России // Труды всероссийской конференции государственных научных центров РФ. -- М., 1995. -- С. 80-95.

11. Федунов Б.Е. Проблемы разработки бортовых оперативно-советующих систем для антропоцентрических объектов // Изв. РАН. Теория и системы управления, 1996. №5. - С. 147-160.

12. Ивахненко А.Г., Мюллер Й.А. Самоорганизация прогнозирующих моделей. - Киев: Техника, 1985. - 225 с.

13. Неусыпин К.А. Направления развития интеллектуальных систем //Автоматизация и современные технологии, 2002. №12. - С. 12-15.

14. Виноградов А.Н. Динамические интеллектуальные системы. 1. Представление знаний и основные алгоритмы // Изв. РАН. Теория и системы управления, 2002. №6. - С. 72-85.

Размещено на Allbest.ru


Подобные документы

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.

© 2000 — 2023, ООО «Олбест» Все права защищены