Меню
Публикации
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
Главный редактор
НИКИФОРОВ
Владимир Олегович
д.т.н., профессор
Партнеры
doi: 10.17586/2226-1494-2021-21-5-748-754
УДК 004.031.4 004.032.2
Концепция управления сетевой структурой интеллектуальных устройств в условиях цифровой трансформации энергетической отрасли
Читать статью полностью
Язык статьи - русский
Ссылка для цитирования:
Аннотация
Ссылка для цитирования:
Шведенко В.Н., Мозохин А.Е. Концепция управления сетевой структурой интеллектуальных устройств в условиях цифровой трансформации энергетической отрасли // Научно-технический вестник информационных технологий, механики и оптики. 2021. Т. 21, № 5. С. 748–754. doi: 10.17586/2226-1494-2021-21-5-748-754
Аннотация
Предмет исследования. Современная электроэнергетическая система представляет собой сложную организационную структуру, которая обеспечивает координацию ее интеллектуальных компонентов через определение ролей, каналов связи и полномочий. Система управления интеллектуальными компонентами электроэнергетической системы должна обеспечивать согласованность их работы на технологических этапах генерации, транспорта, распределения и потребления электрической энергии, при достижении целевых ориентиров и снижении величины ресурсопотребления. Недостаток используемой в настоящее время системы управления технологическими процессами в электроэнергетических системах в том, что иерархическая структура управления применяется к сетевой топологии. Таким образом, возникает конфликты ресурсов и процессов генерации, транспорта, распределения и потребления электроэнергии. Метод. Предложена концепция распределенной системы управления ресурсопотреблением и процессами в электроэнергетических системах с применением технологии цифровых двойников. Основные результаты. Электроэнергетическая система моделируется как полиструктурная. Используются понятия системы показателей полиструктуры, метрической системы полиструктуры, тела полиструктуры. Представление компонентов электроэнергетической системы и технологических процессов генерации, транспорта, распределения и потребления посредством технологии цифровых двойников, позволяет исключить конфликты ресурсов и процессов в электроэнергетической системе при сохранении требований к надежности и безопасности системы. Практическая значимость. Технология цифрового двойника применительно к полиструктурным системам предоставляет разработчикам распределенных систем управления методологию создания современной системы управления, где выработка управленческих решений не приводит к конфликтам компонентов электроэнергетической системы. Предлагаемая распределенная система управления строится как полиструктура, тело которой выполняет роль обеспечения согласованности технологических процессов, ресурсов оборудования и потребления электроэнергии.
Ключевые слова: электроэнергетическая система, полиструктурная система, сетевое управление, интеллектуальные электронные устройства, цифровой двойник
Список литературы
Список литературы
1. Masera M., Bompard E.F., Profumo F., Hadjsaid N. Smart (electricity) grids for smart cities: assessing roles and societal impacts // Proceedings of the IEEE. 2018. V. 106. N 4. P. 613–625. https://doi.org/10.1109/JPROC.2018.2812212
2. Du Y., Tu H., Lukic S., Lubkeman D., Dubey A., Karsai G. Development of a controller hardware-in-the-loop platform for microgrid distributed control applications // Proc. 3rd IEEE International Workshop on Electronic Power Grid (eGrid). 2018. P. 8598696. https://doi.org/10.1109/eGRID.2018.8598696
3. Zhao C., Chen J., He J., Cheng P. Privacy-preserving consensus-based energy management in smart grids // IEEE Transactions on Signal Processing. 2018. V. 66. N 23. P. 6162–6176. https://doi.org/10.1109/TSP.2018.2872817
4. Wang K., Hu X., Li H., Li P., Zeng D., Guo S. A Survey on Energy Internet Communications for Sustainability // IEEE Transactions on Sustainable Computing. 2017. V. 2. N 3. P. 231–254. https://doi.org/10.1109/TSUSC.2017.2707122
5. Мозохин А.Е., Шведенко В.Н. Анализ направлений развития цифровизации отечественных и зарубежных энергетических систем // Научно-технический вестник информационных технологий, механики и оптики. 2019. Т. 19. № 4. С. 657–672. https://doi.org/10.17586/2226-1494-2019-19-4-657-672
6. Мозохин Ан.Е., Мозохин Ал.Е. Анализ перспективного развития энергетических систем в условиях цифровой трансформации российской экономики // Научно-технический вестник информационных технологий, механики и оптики. 2020. Т. 20. № 1. С. 82–93. https://doi.org/10.17586/2226-1494-2020-20-1-82-93
7. Shvedenko V.N., Mozokhin A.E. Methodological foundations for the formation of information space and digital twin objects in smart homes // Automatic Documentation and Mathematical Linguistics. 2019. V. 53. N 6. P. 303–308. https://doi.org/10.3103/S0005105519060074
8. Ayani M., Ganebäck M., Ng A.H.C. Digital Twin: applying emulation for machine reconditioning // Proc. 51st CIRP Conference on Manufacturing Systems (CIRP CMS). 2018. P. 243–248. https://doi.org/10.1016/j.procir.2018.03.139
9. Grieves M., Vickers J. Digital Twin: Mitigating unpredictable, undesirable emergent behavior in complex systems // Transdisciplinary Perspectives on Complex Systems: New Findings and Approaches. Springer, 2017. P. 85–113. https://doi.org/10.1007/978-3-319-38756-7_4
10. Uhlemann T.H.J., Schock C., Lehmann C., Freiberger S., Steinhilper R. The digital twin: demonstrating the potential of real time data acquisition in production systems // Procedia Manufacturing. 2017. V. 9. P. 113–120. https://doi.org/10.1016/j.promfg.2017.04.043
11. Мозохин А.Е., Черкасова Н.В. Анализ программных платформ по созданию цифровых двойников для энергетических объектов и систем на этапах их жизненного цикла // Информационно-экономические аспекты стандартизации и технического регулирования. 2020. № 6(58). С. 322–334.
12. Muthusamy V., Slominski A., Ishakian V. Towards enterprise-ready AI deployments minimizing the risk of consuming AI models in business applications // Proc. 1st International Conference on Artificial Intelligence for Industries (AI4I). 2018. P. 108–109. https://doi.org/10.1109/AI4I.2018.8665685
13. Islam T., Hashem M.M.A. A big data management system for providing real time services using fog infrastructure // Proc. 2018 IEEE Symposium on Computer Applications & Industrial Electronics (ISCAIE). 2018. P. 85–89. https://doi.org/10.1109/ISCAIE.2018.8405449
14. Essl A., Ortner A., Haas R., Hettegger P. Machine learning analysis for a flexibility energy approach towards renewable energy integration with dynamic forecasting of electricity balancing power // Proc. 14th International Conference on the European Energy Market (EEM). 2017. P. 7981877. https://doi.org/10.1109/EEM.2017.7981877
15. Cai Y., Starly B., Cohen P., Lee Y.-S. Sensor data and information fusion to construct digital-twins virtual machine tools for cyber-physical manufacturing // Procedia Manufacturing. 2017. V. 10. P. 1031–1042. https://doi.org/10.1016/j.promfg.2017.07.094
16. Грачев В.А., Шведенко В.Н., Шведенко В.В., Терская Н.А. Устройство универсального хранилища данных и способ его формирования. Патент RU2670842. Бюл. 2018. № 30.
17. Грачев В.А., Шведенко В.Н., Шведенко В.В., Терская Н.А. Способ создания топологии метамодели информационного пространства предметной области и система для его реализации. Патент RU2705456. Бюл. 2019. № 31.
18. Грачев В.А., Шведенко В.Н., Шведенко В.В., Терская Н.А. Способ агрегирования и преобразования данных и устройство для его реализации. Патент RU2688229. Бюл. 2019. № 15.
19. Грачев В.А., Шведенко В.Н., Шведенко В.В., Терская Н.А. Способ создания информационного обеспечения информационно-управляющей системы на основе инвариантных информационных структур. Патент RU2697922. Бюл. 2019. № 24.