Теоретичні засади та методи моделювання електроенергетичних систем на основі технологій штучних нейронних мереж

Модель прогнозування добових графіків навантаження по шаблону. Навчання ШНМ для прогнозування добових графіків навантаження по шаблону здійснюється на основі вибірки для терміну часу одного, а краще двох останніх років, що формується за даними телеметрії про передісторію споживання електричної енергії, де в якості входів виступають: - місяці року, що ідентифікуються відповідним номером; - тижні місяця, що ідентифікуються відповідним номером; - доба тижня, що ідентифікується відповідним номером; - характер доби, відповідно робоча чи святкова; - значення годин протягом доби. Тобто навчальна множина для -ої пари множини входів формується на основі вибірки де - значення активної потужності з графіка максимальних потужностей протягом години.

Тоді для навченої штучної нейронної мережі, продукування графіка навантаження на наступну добу здійснюється за алгоритмом де - продуковані значення потужності для -ої години .

Таке прогнозування називається “прогнозування по шаблону”, оскільки тут враховується лише форма графіка.

Модель прогнозування добових графіків навантаження з врахуванням прогнозу температури. Ця модель є розвитком попередньої, де передбачено ввід нових входів, якими є погодинні значення прогнозу температури. Навчальна множина для -ої пари множин входів формується на основі вибірки де - відповідно, значення середньої температури навколишнього середовища та максимальної потужності протягом години .

Тоді для навченої штучної нейронної мережі, продукування графіка навантаження на наступну добу здійснюється за алгоритмом де - відповідно, прогнозоване значення температури навколишнього середовища та продуковане значення потужності для -ої години .

Ігрова модель оперативної реалізації аварійних ремонтів основного обладнання. Режим роботи, що має місце в ЕЕС за своєю природою є плинним динамічним процесом і залежить від множини факторів детермінованого та ймовірнісного характеру, що піддаються прогнозуванню, і випадкових збурень, зумовлених неочікуваними аварійними ситуаціями. Такі збурення можуть призвести (і в більшості випадків призводять) до порушення нормальних умов експлуатації ЕЕС - при вдалій локалізації аварійної ситуації, чи руйнуванню ЕЕС як системи - при розвиткові аварії. Крім цього, в реальних динамічних умовах функціонування ЕЕС, схема її електричної мережі відповідає одному з варіантів ремонтних схем, оскільки, як правило, завжди є елементи мережі, що в даний час не задіяні за різних причин (відмова, несправність, ремонт, резерв тощо), а це накладає свої обмеження на оптимальне прийняття рішення.

В цьому випадку, задачу прийняття рішення слід розглядати як для “неспокійного” середовища з застосуванням ігрових моделей, за умови, що “ведучим гравцем” є диспетчер ЕЕС, який відповідним чином реагує на зміну стану середовища з метою локалізації та ліквідації аварійної ситуації, а “гравцем-противником” є реальний стан ЕЕС, ігрові ходи якого імітують послідовні виходи з ладу найбільш завантажених елементів електричної мережі.

Ці елементи, що проявляються від ходу-до-ходу (при почерговому здійсненні ходів обома “гравцями”), будемо називати “агресивними”, тобто такими, що сприяють руйнуванню ЕЕС. Визначення “агресивного” елемента на кожному кроці моделювання здійснюється на основі теорії чутливості. Паралельно до визначення “агресивного” елемента для випадку бездіяння, будується дерево розвитку “агресивності”, що є підказкою “ведучому гравцеві” для формування запобіжних рішень такому розвиткові. На основі отриманого дерева формуємо матрицю сумарних збитків, заподіяних кожним з “агресивних” елементів, що можуть активізуватися під час проведення ремонту за певним сценарієм. Тоді, використовуючи критерій мінімакса, оптимальна стратегія реалізації ремонтів множини елементів визначається на основі матриці сумарних збитків.

У сьомому розділі наведено концептуальні принципи моделювання ЕЕС в умовах неповної та недостатньо вірогідної інформації. Виходячи з реальних умов функціонування ЕЕС та наявних інформаційних ресурсів, моделювання пропонується здійснювати: методами математичного моделювання (ММ) - за наявності вичерпної детермінованої інформації; методами нейроматематичного моделювання (НММ) - за відсутності детермінованої інформації; методами ММ та НММ відповідно - за хоча б часткової відсутності детермінованої інформації. Тобто, віртуальну модель ЕЕС формуємо як композицію з математичних моделей, нейроматематичних моделей, ігрових моделей, а також традиційних нейронних моделей. Використання цих моделей здійснюється відповідно до реальної інформаційної інфраструктури.

В цьому розділі розглянуто прикладні нейроматематичні моделі, які адаптовано до функціонування в реальному часі.

Нейроматематичне моделювання НФЕМ адаптовано для визначення втрат активної потужності та значень сумарного активного й реактивного навантажень споживачів, де в якості вхідної інформації використосуються телевиміри.

Нейроматематичне моделювання електричних мереж надвисокої напруги (НВН) з врахуванням кліматичних умов. Оцінювання стану та розрахунок потокорозподілу здійснюється на основі даних телеметрії за фіксованих усереднених каталожних параметрах елементів електричних мереж. При цьому, реально параметри повітряної лінії є розподілені по довжині, а представляється вона заступною схемою з зосередженими параметрами. Такий підхід є прийнятним лише у випадках, коли складовими ЕЕС є електричні мережі номінальною напругою не вище 330 кВ, навіть з врахуванням поправочних коеффіцієнтів на довжину ліній, оскільки активна поперечна провідність суттєво залежить від метеорологічних умов, в яких функціонують ці лінії. Тому, пропонується визначати поперечну активну провідность ліній НВН методами математичного (на основі методу узагальнених незалежних змінних - за наявності задовільної інформації) та нейроматематичного моделювання за даними телеметрії.

Значення втрат активної потужності внаслідок явища коронування лінії залежить - від виду погоди, яку умовно прийнято ділити на сім груп: 1-хороша; 2-підвищена вологість повітря; 3-туман; 4-сухий сніг; 5-мокрий сніг; 6-дощ; 7-іній, ожеледиця, ожеледь. При цьому значення втрат активної потужності на корону 7-ої групи на порядок більші по відношенню до 1-ої групи.

Нейроматематична модель визначення та реструктуризації втрат активної потужності (виходи - значення сумарних втрат та їх змінна й умовно-постійна складові) функціонує, якщо відомими є значення модулів напруг, активних і реактивних потужностей з обох боків лінії.

Моделювання втрат на корону під час прогнозування та планування режимів. Зовсім за іншими принципами повинно здійснюватися моделювання втрат активної потужності на корону для задач диспетчерського керування режимами ЕЕС, які замикаються на прогнозуванні та плануванні режимів, де визначальним є прогноз погоди. В якості інструментарію для моделювання втрат на корону застосовуємо ШНМ-ФТФ, яка працює в режимі нечіткої логіки (Fuzzy-логіка), де входами є прогноз погоди за даними web-сайтів Інтернету (htt://www.weаther.com/), а виходами види погоди, що ідентифікуються відповідними балами.

За входи ШНМ приймаємо параметри, які визначають прогноз погоди: ознака погоди, яка задається номером піктограми зі списку web-сайту; інтенсивність опадів; вологість повітря; атмосферний тиск; температура.

У відповідності до балу погоди визначається група погоди, для якої існують методики визначення втрат на корону.

Моделювання режимів вентильних перетворювачів ЕЕС змінно-постійного струму. Оптимальне керування режимами ЕЕС ЗПС здійснюється лише на основі прийняття рішення в режимі реального часу, і для досягнення цього необхідно володіти мобільним і точним розрахунковим інструментом. Але тут основна проблема полягає в забезпеченні повномасштабного та адекватного моделювання режимів роботи вентильних перетворювачів, що є основними об'єктами ЕЕС змінно-постійного струму. При цьому диспетчерові, в процесі ведення режиму роботи ЕЕС, необхідно мати можливість враховувати наявність різних пристроїв керування вентильними перетворювачами як у випрямному, так й інверторному режимах. Розглянуто приклад моделювання режимів роботи тиристорного перетворювача випростувально-інверторної підстанції (ВІП), де є ці два режими. В якості мобільного програмного інструменту пропонуються в контур керування вентильними перетворювачами задіяти ШНМ, що попередньо пройшли навчання на відповідній математичній моделі, де входами ШНМ є значення напруг, поружностей з обох боків перетворювача, а виходами значення кутів відпирання і комутації випростувача

Восьмий розділ присвячено промисловому застосуванню створених та розроблених методів математичного і нейроматематичного моделювання.

Програмний комплекс “Аналіз режимів електричних мереж” (АРЕМ) завершений програмний продукт, призначений для роботи в реальному часі і впроваджено в диспетчерських службах ТзОВ “Укренергоконсалтинг”. Математична модель аналізу режимів електричних мереж формується на основі МБП. Функціональні можливості комплексу: розрахунок потокорозподілу в електричних мережах усіх класів номінальних напруг з врахуванням зміни конфігурації схеми; аналіз технологічних витрат потужності і енергії; аналіз завантаження окремих елементів; аналіз рівнів напруг на шинах підстанцій; зберігання і розвиток бази даних про обладнання (паспортні дані, параметри, стан тощо); малювання схем, їх роздрук і транспортування в інші стандартні формати; роздрук і транспортування в інші формати результатів у табличній та графічній формах (схема з нанесеними значеннями потужностей).

Програмний комплекс АРЕМ доповнено програмним модулем оптимізації режимів електричних мереж за критерієм мінімуму втрат активної потужності.

З метою адаптування створених та розроблених програмних продуктів для промислової експлуатації в реальному часі сформовано математичну модель оцінювання стану електричних мереж за даними телеметрії.

Нейроматематичні моделі аналізу втрат електричної енергії в електричних мережах ЕПК. Для аналізу втрат електроенергії за умови дефіциту інформації, що має місце в ЕПК розроблено та впроваджено методику моделювання та реструктуризації технологічних втрат активної потужності.

Методика моделювання технологічних втрат активної потужності базується на нейроматематичному методі моделювання, де в якості входів приймаються відомі енергетичні показники, якими є значення параметрів, одержані в результаті режимних замірів і звітні показники лічильників, а також наявні дані телеметрії.

Структура виходів ШНМ формується умовою поставленої задачі і, як правило, це сумарні втрати активної потужності та їх складові: в мережах 35 та 10 кВ , а також в ЛЕП і трансформаторах.

Ефективність застосування таких нейроматематичних моделей продемонстровано на результатах аналізу та реструктуризації ВЕЕ в електричній мережі постачання м.Брюховичі ЕПК ВАТ "Львівобленерго". В свою чергу, електрична енергія до підстанцій Брюховичі-1 та Брюховичі-2 надходить відповідно від вузлових підстанцій “Західна-330” та “Львів-2” Враховуючи, що створювана ШНМ призначена для моделювання втрат активної потужності в електричній мережі 35/10 кВ, доцільно таке моделювання здійснювати з забезпечченням їх реструктуризації як за класами номінальних напруг(), так і за типом обладнання (,). Похибка нейроматематичного моделювання в порівнянні з математичним моделюванням є досить незначною, а саме: її максимальне значення не перевищувало 4%.

З квітня 1999 р. в середовищі ОІКК ВАТ “Львівобленерго” функціонує “Інформаційна система оперативного обліку електроенергії”, яка в реальному часі забезпечує користувача плинною інформацією на момент запиту. В основу створення системи оперативного обліку електричної енергії було покладено наступне: для фрагментів електричної мережі з достатньою оснащеністю засобами телеметрії облік здійснюється в явній формі за допомогою аналітичного блоку, тобто за телевимірами про значення перетоків активної потужності; для фрагментів електричної мережі з неоглядними засобами телеметрії, облік здійснюється в неявній формі на основі моделювання з залученням технологій ШНМ. Функціонування системи здійснюється в реальному часі за даними телеметрії, які надходять на концентратор інформації ОІКК Львівських електричних мереж. Порівняння роботи інформаційної системи з показами лічильників електричної енергії показало, що місячне відхилення по енергії не перевищувало 2%. Слід зауважити, що протягом місяця мали місце відмови телемеханіки. З метою оперативного відслідковування подібних ситуацій було розроблено програмний модуль самоконтролю та дорахунку втрачених телевимірів за передісторією.

Візуалізація плинних режимів ЕЕС. Для забезпечення надійного та ефективного керування режимами ЕЕС, особливо в реальному часі, необхідно при впровадженні комп'ютерних програм забезпечити дружній інтерфейс з мінімальною кількістю установочних параметрів. Крім цього, враховуючи, що ЕЕС відносяться до “великих систем”, режими яких описуються зміною взаємно залежних параметрів та координат в -вимірному просторі, для прийняття рішення необхідно вирішувати ряд досить непростих задач і при цьому це можливо лише стосовно двох-трьох параметрів.

Пропонується для відображення режиму забезпечити візуалізацію таких багатопараметричних процесів в 2-D просторі, з метою побудови інтерактивних людино-компютерних систем для моніторингу безпеки систем вибору оптимальних режимів роботи тощо, що базується на побудові НМСКО (розділ 6).

Отримані нами результати в області побудови НМСКО для візуалізації режимів ЕЕС є унікальними, невідомими раніше.

Для візуалізації в реальному часі за даними телеметрії режиму електричної мережі 110 кВ електропостачання м. Львова, як НФЕМ, створено нейроматематичну модель, яка в теперішній час знаходиться в дослідно-промисловій експлуатації в АСДУ ВАТ “Львівобленерго”. Нейроматематична модель візуалізації режимів ЕЕС представляє собою конференцію з ШНМ-ФТФ та першого ешелону ШНМ-BN.

Оперативною інформацією для функціонування моделі є дані телеметрії про модулі напруг і активну та реактивну потужності, які надходять з підстанцій Львів-2 (Л-2), Західна (Зх.) та двох систем шин Південна (Пд.І та Пд.ІІ ), що забезпечують електроенергією споживачів м.Львова. Значення цих фізичних величин, після верифікації, надходять на вхід ШНМ-ФТФ, а результатом функціонування її є множина виходів: де - сумарні втрати активної потужності в електричній мережі м.Львова; - значення аргументів напруг відповідно підстанцій Львів-2, Західна, Південна; -значення сумарних активного та реактивного навантажень споживачів м.Львова. Послідовна сукупність зрізів телевимірів та відповідні виходи ШНМ-ФТФ формують траєкторію зміни режиму або енергетичну поведінку електричної мережі. Візуалізацію режиму здійснюємо за принципом глибокої компресії даних, зміст якого полягає у відображенні режимної точки 19-ти вимірного простору (загальна кількість входів та виходів) в новій двовимірній системі координат за допомогою ШНМ-BN по кожній з координат простору у вигляді НМСКО.

Оптимізація прийняття рішень під час керування режимами ЕЕС на основі НМСКО. Реально режим роботи ЕЕС характеризується неперервними та взаємозалежними в часі змінами координат режиму та дискретними змінами, що відбуваються внаслідок вимкнення окремих елементів електричної мережі за умови забезпечення балансів активної та реактивної потужностей в кожний момент часу. В цьому випадку, процес оптимізації режимів набуває динамічного змісту, а саме: мінімізація витрат активної потужності здійснюється за оперативними даними ОІКК для реальної конфігурації схеми електричної мережі та корекції прогнозованих режимів навантаження ЕПК, отриманих в результаті планування режиму.

Для оперативної оптимізації режимів НФЕМ сформовано нейроматематичну модель на основі конференції ШНМ, функціональну схему якої наведено на рис.11. На основі НМСКО в координатах методом “покоординатного спуску” здійснюється пошук мінімального значення ТВЕ за дотримання режимних обмежень, що контролюється за допомогою НМСКО для всіх виходів ШНМ-BN, а також дотриманні балансу електричної енергії.

Бажане значення, а також дані телевимірів реального режиму та відповідні їм значення, які мали б забезпечити оптимальний режим, формують підмножину входів для ШНМ-Opt, де здійснюється перетворення виду.

Тут виходи представляють множину модулів напруг вузлів, для яких є можливість здійснювати регулювання напруги.

ШНМ-Opt формується на основі нейропарадигми ФТФ, навчання якої здійснювалося за допомогою математичних моделей як аналізу, так і оптимізації режимів НФЕМ.

Реалізацію вище наведеного підходу здійснено у формі відповідного програмного модуля, який на сьогоднішній день у вигляді експериментального взірця задіяно в ОІКК ВАТ “Львівобленерго” для оперативної оптимізації режимів електричної мережі 110 кВ електропостачання м. Львова. Оптимізація режиму полягає у визначенні значень напруг на шинах 110 кВ підстанцій 220-330 кВ ЗЕС (Л-2, Зх., Пд.І та Пд.ІІ ) з метою забезпечення мінімуму ТВЕ в НФЕМ

Дотримання квазіоптимальних значень цих напруг досягається шляхом зміни коефіцієнтів трансформації автотрансформаторів на підстанціях Л-2, Зх., Пд.І.

Як показали дослідження, ефект оптимізації перш за все визначається узгодженням значень цих коефіцієнтів трансформації, що дозволяє запобігти наявності транзитних перетоків реактивної потужності по електричній мережі 110 кВ між підстанціями ЗЕС.

Реальний вихідний режим, одержаний на основі нейроматематичного моделювання за даними телеметрії для електричної мережі 110 кВ електропостачання м.Львова, де НМСКО побудована для виходу - “витрати активної потужності” () в допустимій області існування режимів (темне поле зверху і знизу відповідає мінімальному та максимальному режимам, які використовувалися при навчанні ШНМ). Тоді, на основі “покоординатного спуску” (цей програмний блок для оптимізаційних задач вмонтовано в НМСКО) в кординатах здійснюється пошук мінімального значення ТВЕ, тобто розв'язок задачі має наступне тлумачення: “для зниження втрат активної потужності з величини до (рис.13), без зменшення корисного відпуску електроенергії споживачам, необхідно забезпечити на шинах 110 кВ підстанцій Л-2, Зх., Пд.І та Пд.ІІ рівні напруг.

Оперативна діагностика режимів ЕЕС. Формування такої підсистеми нами запропоновано та реалізовано на основі конференції зі спеціально навчених ШНМ різного функціонального призначення, які розглянуті вище. В реальному часі з періодом циклу опитування засобів телемеханіки інформація (телевиміри і телесигнали) з первинних давачів за допомогою контролерів та каналів зв'язку надходить на процесорний концентратор оперативної інформації ОІКК, які є вхідними даними для функціонування підсистеми оперативної діагностики, а в якості вихідних даних виступає множина бажаних значень незалежних змінних, за якими здійснюється ідентифікація відповідних уставок для формування вектора управлінських дій.

Нейроматематичний підхід до розвитоку оперативно-інформаційних керуючих комплексів ЕЕС. В жовтні 2001 року на основі телемеханіки підстанції Львів-1 (110 кВ) вперше було впроваджено в дослідну експлуатацію нейроматематичну модель візуалізації багатофідерних розгалужених електричних мереж, основною функцією якої є оперативне моделювання втрат активної потужності в мережах 6 кВ та визначення розрахункової величини ТВЕ (згідно побажань Замовника), які будемо називати псевдовимірами. Таке доповнення існуючого ОІКК дає можливість оперативно здійснювати моделювання втрат активної потужності, а на час звітного періоду виділити комерційну складову ТВЕ, як різницю між звітними показами лічильників та розрахунковим значенням. На рис.14 робочі панелі “НейроОІКК” (робоча назва) підстанції Львів-1 від секцій шин 6 кВ (І, ІІ, ІІІ та ІV) якої здійснюється живлення електричних мереж 6 кВ району Левандівки м.Львова (всі схеми за складністю подібні до схеми рис.14д). Первинними даними для оперативного визначення втрат активної потужності в цій мережі можуть служити лише значення модуля напруги кожної секції та значення струму вводу кожної обмотки низької напруги силового трансформатора. Значення телевимірів, якими є модулі напруг та струмів, формують підмножину входів нейронних мереж, а виходами будуть значення втрат активної потужності - псевдовиміри де нейронні мережі ШНМ-І, ШНМ-ІІ, ШНМ-ІІІ і ШНМ-ІV налаштовані на параметри, одержані в процесі навчання.

Крім оперативного моделювання “НейроОІКК” дозволяє забезпечити широкі можливості візуалізації оперативної інформації.

Прогнозування режимів навантаження “острова Бурштинської ТЕС”. На основі міжнародної угоди між НЕК “Укренерго” та Енергетичним об'єднанням Західної Європи UCTE з 01.07.2002 р. переведено частину ЗЕС на паралельну роботу з метою експорту електричної енергії: по ЛЕП 750 кВ Західноукраїнська-Альбертірша; по ЛЕП 400 кВ: Мукачево-Капушани і Мукачево-Шайосегед; по ЛЕП 220 кВ: Мукачево-Кішварда -Мукачево-Тисалек. Згідно угоди, Бурштинська ТЕС (БуТЕС), крім експорту, здійснюватиме відпуск електроенергії частині споживачів на території України (ВАТ “Львівобленерго”, ВАТ “Прикарпаттяобленерго”, ВАТ “Закарпаттяобленерго”). Тобто створилася нова енергетична структура - “острів БуТЕС” , схема якої відділена від електричної мережі НЕК “Укренерго”, що призвело до створення особливих вимог експлуатації: необхідно чітко дотримуватися умов контракту стосовно забезпечення експорту електроенергії, оскільки у випадку відхилень від контракту вступають в дію штрафні санкції; необхідно забезпечити надійне електропостачання споживачів вище згаданих ЕПК, які є приватними; необхідно забезпечити наявність оперативного резерву на БуТЕС.

Прогнозування режиму навантаження “острова БуТЕС” полягає у визначенні прогнозних графіків видачі потужності з шин ВН БуТЕС, як суми складових графіків експорту та вітчизняного споживання, а також графіка сумарних втрат активної потужності на корону в ПЛ НВН “острова”, значення яких, в залежності від метеорологічних умов, відрізняються на порядок (- хороша погода; -інтенсивний дощ). Прогнозування останнього графіка здійснюється для відповідної групи погоди, характер якої визначається за допомогою Fuzzy-моделі на основі прогнозу погоди Інтернет-сайту http: //www . weаther.com/ для міст, які лежать поблизу траси проходження ПЛ НВН.

На основі передісторії про режими навантаження вітчизняних споживачів та прогноз температури за допомогою ШНМ-ФТФ здійснюється прогнозування графіка споживання на території України. На рис.15 наведено спрогнозований графік навантаження вітчизняних споживачів, де передісторія формувалася на основі даних телеметрії лише (не змінювалася конфігурація схеми) за дві доби: 10 (середа) та 11 (четвер) квітня, а прогнозування здійснювалося на 12 (п'ятниця) квітня.

ЗАГАЛЬНІ ВИСНОВКИ

В дисертаційній роботі здійснено розвиток теорії моделювання стосовно режимів роботи електроенергетичних систем і започатковано новий напрям в теорії штучних нейронних мереж під назвою “нейроматематичне моделювання”, що дозволило розв'язати ряд невирішуваних раніше задач диспетчерського керування в реальному часі. В результаті цього одержано наступні наукові результати.

Запропоновано та створено теоретичні основи нейроматематичного моделювання режимів електроенергетичних систем, які базуються на реалізації процесу навчання нейромережевих структур за допомогою методів математичного моделювання некоректних задач, забезпечують вищу ефективність функціонування штучної нейронної мережі і, як наслідок, підвищують адекватність моделювання.

Запропоновано новий підхід до моделювання як методу дослідження, а саме, нейроматематичні моделі, придатні не тільки як інструментарій для розв'язання задач аналізу та оптимізації режимів електроенергетичних систем, але й як джерело синтезу нової, раніше невідомої, інформації.

Застосування штучних нейронних мереж в якості апарату моделювання не заперечує вагомість математичного моделювання, а, навпаки, інтегрування останнього в теорію технологій штучних нейронних мереж формує новий науковий напрямок, наділений перевагами кожного з них. Цей новий напрямок названо нейроматематичним моделюванням.

Розроблені основні принципи формування “нейроматематичних ситуаційних карт особливостей” за даними телеметрії для відображення станів електричної мережі, програмна реалізація яких дозволила в реальному часі здійснювати динамічну візуалізацію траєкторії плинного режиму електричної мережі, що дозволило забезпечити можливість оперативних аналізу, квазіоптимального керування та діагностику режимів електроенергетичних систем.

Розроблені метод та математична модель автоматичного формування рівнянь стану електроенергетичної системи за станами комутаційних апаратів забезпечує можливість здійснювати аналіз режимів за даними телеметрії, а також забезпечує можливість імітування оперативних перемикань з метою оцінки доцільності прийняття запланованого рішення в реальному часі.

Запропоновані методи та методики верифікації телевимірів підвищують вірогідність оперативної інформації і тим самим підвищують надійність та ефективність прийняття рішення в процесі оперативного диспетчерського керування.

Доведено можливість функціонування штучних нейронних мереж в режимі нечіткої логіки, що дозволило сформувати спеціалізовані нейронні та нейроматематичні, відповідно, Fuzzy-моделі: визначення втрат на корону з врахуванням метеорологічних умов та оперативної ідентифікації конфігурації схем нетелемеханізованих електричних мереж.

Створено методики прогнозування режимів навантаження електроенергетичних систем на підставі технологій штучних нейронних мереж.

Сформовано ігрову модель оперативної реалізації ремонтів основного обладнання, що сприяє підвищенню надійності оперативного-диспетчерського керування режимами електроенергетичних систем.

Результати дисертаційної роботи впроваджено в диспетчерських службах ТзОВ “Укренергоконсалтинг”, які здійснюють оперативне керування функціонуванням енергопостачальних компаній: ВАТ “Львівобленерго”, ВАТ “Полтаваобленерго”, ВАТ “Тернопільобленерго”, ВАТ “Чернігівобленерго”, ВАТ “Сумиобленерго”, ВАТ “Прикарпаттяобленерго”, ВАТ “Запоріжжяобленерго”, а також в АСДУ Західної електроенергетичної системи НЕК “Укренерго”.

Результати дисертаційної роботи використовуються для підготовки магістрів, кандидатів та докторів наук в Національному університеті “Львівська політехніка”.

ОСНОВНІ ПУБЛІКАЦІЇ ЗА ТЕМОЮ ДИСАРТАЦІЇ

1. Г.Н. Лысяк, В.Н.Стряпан, А.В.Данилюк. Математическое моделирование установившихся режимов электрических систем переменно-постоянного тока: Учебное пособие. -К.:УМК, 1990. -104 с.

2. Hrytsyk V., Aizenberg N., Bun R., Danyliuk O., Geche F., Kysil B., Oleksiv B., Opotiak Yu., Striamets S., Tkachenko R., Valkovskii V., Voichyshyn K. The Neural and Neural-like Networks: Synthesis, Realisation, Application and Future // Інформаційні технології і системи. -1998. -№ 1/2. -С. 15-55.

3. Лысяк Г.Н., Данилюк А.В. Моделирование установившихся режимов электрических систем переменно-постоянного тока на основе метода обобщенных независимых переменных // Электричество. - 1992. -№ 11. - С. 1-7.

4. Данилюк А.В. Подход к оптимизации установившихся режимов электроэнергетических систем // Вестник Львовского политехнического института: Электроэнергетические и электромеханические системы. -1990. -№244. -С. 38-40.

5. Данилюк О. Оперативна оптимізація режимів енергопостачальних компаній на основі технологій штучних нейронних мереж // Вісник Державного університету "Львівська політехніка" “Комп'ютерна інженерія та інформаційні технології”. -2000. -№392. -С. 36-38.

6. Данилюк О.В., Батюк Н.Б., Андрощук О.В. Моделювання технологічних витрат електричної енергії в енергопостачальних компаніях на основі штучної нейронної мережі з синтезом додаткових входів // Вісник Державного університету "Львівська політехніка": Електроенергетичні та електромеханічні системи. -2001. -№418. -С 43-49.

7. Данилюк О.В., Батюк Н.Б., Зуєва Н.В. Математичне моделювання усталених режимів електроенергетичних систем у фазних координатах на основі методу балансу потужностей // Технічна електродинаміка: Спеціальний випуск. -1998. -С. 36-41.

8. Данилюк О. Грицик В. (мол.) Михайляк М. Основи системології керування режимами електроенергетичних систем і прийняття рішень // Вісник Державного університету "Львівська політехніка": Комп'ютерна інженерія та інформаційні технології. -2001. -№433. -С. 63-68.

9. Данилюк А.В., Новакивский И.И., Макеев А.А. Применение теории игр в оперативном управлении установившимися режимами электроэнергетических систем // Электронное моделирование. -1999. -Т.21. -№6. -С.97-102.

10. Лысяк Г.Н., Данилюк А.В. Моделирование преобразователей при расчете установившихся режимов электроэнергетических систем переменно-постоянного тока // Энергетика. (Изв. высш. учебн. заведений). -1989. -№10. -С. 11-16.

11. Данилюк А.В., Жураховский А.В., Комаров В.И., Лысяк Г.Н. Метод режимного эквивалентирования // Техн. электродинамика. -1990. -№6. -С.100-105.

12. Лысяк Г.Н., Данилюк А.В., Коновал В.С. Моделирование вставок постоянного тока при анализе устойчивости электрических систем // Энергетика (Изв. высш. учеб. заведений).-1991.-№5.-С.14-21.

13. Данилюк О.В., Дьяченко С.В., Майоров А.Ю., Павлюк О.М. Математична модель оцінювання стану електричних мереж електроенергетичних систем // Вісник Державного університету "Львівська політехніка": Електроенергетичні та електромеханічні системи. -2002. -№449. -С.75-82.

14. Данилюк О., Батюк Н., Юрчак І., Матвіїшин В. Моделювання на основі штучних нейронних мереж з функціональним синтезом додаткових входів // Вісник Державного університету "Львівська політехніка": Комп'ютерна інженерія та інформаційні технології. -2002. -№450. -С. 126-132.

15. Данилюк О., Батюк Н., Матвіїшин В., Майоров А. Моделювання електроенергетичних систем на основі технологій штучних нейронних мереж // Технічні вісті. -2002. -1(14), 2(15). -С. 62-68.

16. Данилюк О.В., Батюк Н.Б., Дьяченко С.В. Верифікація телевимірів, що надходять в оперативно-інформаційний комплекс електроенергетичних систем. // Вісник Державного університету "Львівська політехніка": Електроенергетичні та електромеханічні системи. -2000. -№403. -С. 37-41.

17. Данилюк О.В., Козовий А.Б., Дьяченко С.В.Застосування математичних та нейроматематичних моделей для аналізу технологічних витрат електроенергії та оптимізація режимів електричних мереж // Новини енергетики. - 2002. -№7. -С.51-52.

18. Бахор З.М., Данилюк О.В., Павлюк Ю.В. Оптимізація режимів електроенергетичних систем на основі комбінаторного принципу з використанням матриці чутливості // Вісник Львів. політ. інституту: Електроенергетичні та електромеханічні системи. -1991. -№ 253. -С. 6-10.

19. Данилюк О. Досвід застосування штучних нейронних мереж в електроенергетиці // Вісник Державного університету "Львівська політехніка": Комп'ютерна інженерія та інформаційні технології. -1999. -№380. -С. 116-120.

20. Данилюк О.В. Математична модель динамічної оптимізації усталених плинних режимів електроенергетичних систем // Вісник Державного університету “Львівська політехніка”: Електроенергетичні та електромеханічні системи. -1997. -№340. -С. 28-32.

21. Данилюк O., Ткаченко H., Батюк Н., Юрчак І., Козовий А. Застосування технологій штучних нейронних мереж для визначення втрат електричної енергії в електричних мережах енергопостачальних компаній // Вісник Державного університету “Львівська політехніка”: Проблеми економії енергії.-1998. -С.114-117.

22. Грицик В., Данилюк О., Батюк Н., Ткаченко Р., Юрчак І. Оперативна ідентифікація режимів навантаження неоглядних фрагментів електроенергетичних систем на основі технологій штучних нейронних мереж // Вісник Державного університету “Львівська політехніка” “Проблеми економії енергії”. -1999. -№2. -С.143-147.

23. Грицик В.В., Данилюк О.В., Шпак Я.Ф. Штучні нейронні мережі - нові інформаційні технології для електроенергетики // Автоматика-2000. Збірник наук. праць. -Львів: ДНДІІІ НАН України. -2000. -Т.7. -С. 7-14.

24. Деклараційний патент на винахід №2001075472 від 31.07.2001. Спосіб оперативного управління режимом електроенергетичної системи / Данилюк О.В., Журахівський А.В., Батюк Н.Б., Козовий А.Б., Дьяченко С.В. Бюл.№6. 17.06.2002.

25. Данилюк О.В., Бахор З.М., Батюк Н.Б., Романишин В.В. Оперативна діагностика режимів електроенергетичних систем на основі технологій штучних нейронних мереж // Інформаційні технології і системи. - 2001. -Т.4. - № 1/2. - С. 73-77.

26. Данилюк О.В., Майоров А.Ю., Батюк Н.Б., Михайляк М.І. Передбачення режимів навантаження електроенергетичних систем на основі технологій штучних нейронних мереж // Інформаційні технології і системи. - 2001. -Т.4. -№ 1/2. - С. 100-103.

27. Данилюк А.В., Лысяк Г.Н., Жураховский А.В., Коновал В.С. Программа расчета установившихся режимов электрических систем переменно-постоянного тока(АСДС) / Львівський політехнічний інститут.- Львов, 1990. -Гoc.ФАП СССР №50910000023 і РФАП УССР №АП0310 от 27. 12. 1990.

28. Данилюк О. Теоретичні засади нейроматематичного моделювання // Тези доповідей 3-ї Міжнарод. наук.-техн. конф. “Математичне моделювання в електротехніці, електроніці та електроенергетиці” - Львів, 1999. - С. 69-707.

29. Данилюк О.В. Об'єднаний алгоритм аналізу та оптимізації усталених режимів електроенергетичних систем // Energetyka Przyszlosci: Tendencje, kierunki, metody. -Czenstochowa (Poland). -1995. -Р. 150-154.

30. Данилюк О.В., Ткаченко Р.О. Технологии искусственных нейронных сетей в задачах оперативно-диспетчерского управления электроэнергетическими системами // Elektroenergetika'98: Zbornik prednasok z IX Vedeckej konferencie.- Vysoke Tatry-Stara Lesna. Slovakia. -1998. -P. 169-172.

31. Данилюк О.В., Козовий А.Б.Особливості моделювання втрат електричної енергії в електричних мережах енергопостачальних компаній // Інформаційні технології і системи. - 1998. - № 1/2. - С. 209-211.

32. Данилюк О.В., Козовий А.Б., Майоров А.Ю. Автоматизація збору та обробки режимних замірів в енергопостачальній компанії ВАТ “Львівобленерго” // Вісник Державного університету "Львівська політехніка": Електроенергетичні та електромеханічні системи. - 2001. - №418. -С 49-53.

33. Данилюк О.В., Козовий А.Б., Матвіїшин В.Є., Юрчак І.Ю. Математична модель оптимізації режимів електричних мереж енергопостачальних компаній // Вісник Державного університету "Львівська політехніка": Електроенергетичні та електромеханічні системи. -2002. -№449. -С.82-88.

34. Грицик В.В., Андрощук О.В., Данилюк О.В., Дьяченко С.В. Верифікація телеінформації в системах оперативного обліку електричної енергії // Автоматика-2000. Збірник наук. праць. -Львів: ДНДІІІ НАН України. -2000. -Т.7. -С. 15-17.

Размещено на Allbest.ru