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 

Шведенко В.Н., Мозохин А.Е.


Читать статью полностью 
Язык статьи - русский

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
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.


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2021 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика