Всеукраїнська науково-практична конференція



Сторінка60/60
Дата конвертації11.05.2018
Розмір3.74 Mb.
1   ...   52   53   54   55   56   57   58   59   60

ЧАЙКОВСЬКА Є.Є.


ОНПУ (Україна)

ЕКСПЕРТНА СИСТЕМА ПІДТРИМКИ АКУМУЛЮВАННЯ



Запропоновано інтелектуальне управління акумулюванням на основі прогнозування зміни параметрів технологічного процесу
Вступ. Підтримка акумулювання при використанні вітроенергетичної установки (ВЕУ) потребує функціонального перерозподілу енергії між електро та тепло акумулюванням у зв’язку із непостійністю вітрового потоку та споживанням. В існуючих технологічних схемах ВЕУ акумулювання теплоти виконують на рівні залишкової частини енергії, а електроакумулювання не враховує зміни температури електроліту в порах пластин та над пластинами, що відбувається раніше за часом, ніж зміна напруги заряду та розряду, що може привести до як можливого перезаряду та і недопустимого розряду електроакумуляторів.

Постановка задачі. Для комплексної підтримки акумулювання енергії необхідно оцінювати зміну теплової акумулюючої ємності акумуляторів, що надасть можливість упереджено впливати на зміну кута повороту лопаті вітроколеса, змінюючи як рівень витрати води під час заряду теплоелектроакумулятора, так і кількість циклів заряд-розряд електроакумуляторів.

Рішення задачі. З цією ціллю з використанням математичного обґрунтування архітектури експертних систем 2-4 запропоновано експертну систему акумулювання, що заснована на узгодженій взаємодії інтегрованої динамічної підсистеми – електро та тепло акумуляторів як основи та блоків заряду, розряду, взаємодії з АСУ щодо забезпечення безперервності технологічного процесу акумулювання. Запропоновано передатні функції зміни суттєвих параметрів, що діагностуються – температури електроліту в порах пластин та над пластинами та температури води, що нагрівається за каналами зміни параметрів електроліту в об’єму електроакумуляторів та витрати води в теплоелектроакумуляторі, відповідно. На основі графа причинно-наслідкових зв’язків 2-4 розроблена інтегрована логічна модель інтелектуального управління акумулюванням на рівні прийняття рішень. Використано вимірювання температури електроліту в об’єму електроакумулятора та температури нагрівача теплоелектроакумулятора, що змінюються раніше за часом, ніж температура електроліту в порах пластин та над пластинами та температура води в теплоелектроакумуляторі.

Так, наприклад, здобуття такої підсумкової інформації від блоку контролю CTc:



надає прогнозуючу оцінку зміни температури електроліту в порах пластин та над пластинами. Прийняття рішення на заряд електроакумулятора:



дозволяє через зміну температури електроліту в порах пластин та над пластинами та щільності електроліту прогнозувати зміну напруги заряду (рис. 1).


а) б)

Рис.1. Прогнозування зміни температури електроліту в порах пластин та над пластинами впродовж заряду а) та загальної напруги б) при напрузі 48 В

Здобуття підсумкової інформації від блоку контролю CTc:

надає можливість прийняття рішень на зміну витрати води, що нагрівається в теплоелектроакумуляторі:



де CT - контроль події; G – витрата речовини, кг/с; tтемпература речовини, K; P - властивості елементів експертної системи; Z- логічні відносини; – час, с. Індекси: с - контроль працездатності; в – вода, що нагрівається; е – електроліт в об’єму електроакумулятора; вст. розр. роз. – встановлене, розрахункове значення параметра при розряді; розр., - розрахункове значення параметра; розр. низ. - розрахункове значення параметра низького рівня підігріву води в теплоелектроакумуляторі.

На основі аналітичної оцінки зміни температури води в теплоелектроакумуляторі впродовж заряду здобута інтегрована система зміни температури води, що нагрівається, при виконанні рішень на зміну витрати води в продовж заряду, що вказує на зменшення терміну заряду теплоелектроакумулятора (табл.1).

Таблиця 1. Підтримка процесу заряду теплоелектроакумулятора


Температура води, С

Час, , год.

1

2

3

4

5

6

7

Пуск Gв = 0,0055 кг/с

30













Заряд Gв = 0,0055 кг/с



66,9

69,14









Прийняття рішення

Заряд Gв = 0,0063 кг/с









75,96

78,5

79,4



Прийняття рішення

Заряд Gв = 0,014 кг/с















82,4

Температура води, С

Час, , год.

8

9

10

11

12

13

14

Заряд Gв = 0,014 кг/с

84,5

86

87,1

87,9

88,5

89

89,3

Температура води, С

Час, , год.

15

16

17

18

19

20

21

Заряд Gв = 0,014 кг/с

89,5

89,6

89,7

89,8

89,9

90

90

Висновки. Комплексне прийняття упереджених рішень на зміну витрати води, що нагрівається, та заряд-розряд електроакумуляторів дозволяє за рахунок скорочення терміну заряду акумуляторів до 25% збільшити кількість циклів заряд-розряд. Такий підхід дозволяє зменшити термін окупності ВЕУ до 25 % та термін використання дублюючого дизельного генератора, наприклад, потужністю 10 кВт до 30 %, що в сумарному грошовому еквіваленті складає близько 110 тис. грн. за рік.
ПЕРЕЛІК ЛІТЕРАТУРИ

1.Приходько А.А. Н.В. Математическое моделирование тепломассопереноса и электрических процессов в ячейке химического источника тока / А.А.Приходько, В.И.Елисеев, Н.В. Бурылова // Промышленная теплотехника. - 2007, Т.29.- №3. - С.43-46.

2.Чайковська Є.Є. Підтримка електроакумулювання на рівні прийняття рішень / Є.Є.Чайковська // Вісник Національного технічного університету “ХПІ”. Серія ” Нові рішення в сучасних технологіях ”. – Харків, НТУ, “ХПІ”.- 2012.-№50(956).- С. 124-127.2.

3.Чайковська Є.Є. Функціонування енергетичних систем на рівні прийняття рішень / Є.Є.Чайковська // Восточно - Европейский журнал передовых технологий.- 2012.- №5/8(59) .- С. 4-6.

4.Чайковская Е.Е. Энергосберегающие технологи на основе интеллектуального управления тепломассобменными процессами/ Е.Е. Чайковская//Abstracts of the reports and communication XIY Minsk International Heat and Mass Transfer Forum.- Минск.- 2012, Т.2, Ч.1.- С.378-382.

УДК 519.233.22- 519.254

ЧЕРКАШИНА А.С., МАЦУГА О.М.


ДНУ ім. О. Гончара (Україна)

ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ РОБАСТНОГО ВІДНОВЛЕННЯ РОЗПОДІЛІВ



У роботі створено інформаційну технологію робастного відновлення розподілів, складовою якої є розроблене програмне забезпечення «RobustProcedurs». Тестування програмного забезпечення здійснено на даних імітаційного моделювання за різних робастних критеріїв.
Під час обробки і аналізу вибіркових даних значної уваги потребують аномальні спостереження, значення яких різко відрізняються від інших. Наявність таких спостережень часто призводить до одержання неадекватних результатів статистичного аналізу. Тому доцільно зменшити їх вплив на результати дослідження. Для цього можуть бути використані робастні методи математичної статистики. Такі методи добре вивчені, проте їх програмна реалізація у автоматизованих системах обробки даних поки що недостатня.

У роботі поставлено за мету розробити інформаційну технологію параметричного відновлення розподілів на основі робастних методів.

Нехай потрібно відновити розподіл , де – вектор параметрів розподілу. Обчислювальну схему знаходження робастної оцінки вектора параметрів розподілу
можна подати у наступному вигляді:

1.Знаходимо початкове наближення оцінки вектора параметрів розподілу за допомогою методу найменших квадратів, тобто з умови мінімуму функціоналу залишкової дисперсії [1]



, (1)

де – лінеаризована функція розподілу; – емпіричне значення лінеаризованої функції розподілу; – номер ітерації;

2.Покладаємо

3.Використовуючи поточне наближення оцінки та обраний критерій, знаходимо ваги , , де ; функція критерію; ;


[2].

4.Обчислюємо наступне наближення оцінки вектора параметрів з умови мінімуму функціоналу (1), використовуючи ваги, знайдені на кроці 3.

5.Перевіряємо умову . Якщо ця умова виконується, то приймаємо за шукану оцінку вектора параметрів, інакше переходимо на крок 2.

Обчислювальну схему було програмно реалізовано для відновлення розподілів:

– нормального, експонентного, Вейбулла;

сплайн-розподілів нормального, експонентного та Вейбулла з 1-м вузлом склеювання.

Було використано критерії Х’юбера, Рамсея, Ендрюса, Тьюкі та Гампеля [2].

Наведена обчислювальна схема склала ядро створеного програмного забезпечення «RobustProcedurs» відновлення розподілів робастними методами, тестування якого здійснювалося на даних імітаційного моделювання. Результати тестування засвідчили адекватність схеми.



Створене програмне забезпечення «RobustProcedurs» з покладеною в його основу обчислювальною схемою утворюють інформаційну технологію робастного відновлення розподілів, яка може бути застосована у різних галузях науки і техніки для одержання оцінок, стійких відносно можливих відхилень статистичного розподілу від теоретичного.
ПЕРЕЛІК ЛІТЕРАТУРИ

  1. Бабак В.П. Статистична обробка даних / В.П. Бабак, А.Я. Білецький, О.П. Приставка, П.О. Приставка. – К.: МІВВЦ, 2001. – 388 с.

  2. Дрейпер Н. Прикладной регрессионный анализ: 3-е изд. / Н. Дрейпер, Г. Смит. – М.: Издательский дом «Вильямс», 2007. – 912 с.


УДК 004.89

ЯВЛІНСЬКИЙ О.М.


НУ «ЛП», УКРАЇНА

ЯК СОЦІАЛЬНІ МЕТОДИ ТА ЗАСОБИ WWW МОЖУТЬ СПРИЯТИ УПРАВЛІННЮ ЗНАННЯМИ



Сьогодні управління знаннями є добре відомим та вельми важливим напрямком у галузі комп'ютерних наук. Сучасне велике підприємство навряд чи здатне управляти бізнесом без використання технологій та засобів управління знаннями, а як щодо малих підприємств або навіть неурядових організацій? Все це не так просто для них.
Але варто почати з іншого питання. Хоч це і може здатися очевидним, але точна відповідь саме на це питання має величезне значення для тих типів організацій, про які йде мова в цій публікації. Таким чином, наше запитання: якою є точна задача управління знаннями? Для генерування і створення нових знань за допомогою технологій, з використанням різних видів інтелектуальних систем і алгоритмів, методів інтелектуального аналізу даних і т.і.? Чи, можливо, кращою концепцією є сприяння користувачам, насправді, – працівникам, надаючи їм відповідну інформацію, необхідну їм для вирішення своїх завдань і надання їм допомоги у створенні своїх власних знань? Знання є суто індивідуальним для кожної людини; воно, безумовно, включає в себе процес мислення як такий, тому не можливо уявити знання без того, щоб уявити поряд із цим саму людину. Можна також сказати, що конкретна сутність, яка є "базою знань" - буде відповідати своїй назві для однієї людини, водночас як для іншої не буде мати жодного змісту. Тому насправді знання є інформацією, яку ми використовуємо для створення нових, унікальних для кожного конкретного випадку рішень, які дозволяють організаціям вирішувати свої задачі та успішно працювати. Саме це є головною причиною, чому ми збираємо та зберігаємо дані і чому ми застосовуємо управління знаннями. Тому, поки інформаційні системи не діють так само, як людський мозок, і не можуть насправді створити того, що ми називаємо «знаннями» з наявних даних, більш змістовною видається концепція використання сучасних інформаційних технологій задля сприяння користувачам у створенні своїх власних знань, замість намагатися генерувати знання штучним, програмним шляхом. Сьогодні точиться багато дискусій навколо комп'ютерних засобів і методів, технічних аспектів управління знаннями - наприклад, пошук та анотація на основі онтологій, технології аналізу зображень (image retrieval), інтелектуальний аналіз даних (data mining). З іншого боку, існують моделі управління знаннями чисто соціального характеру, такі як корпоративні плани розвитку персоналу та обміну знаннями, і т.і. Управління знаннями неможливо здійснити без урахування соціального аспекту процесу створення знання як такого, тому необхідно спробувати об'єднати технічні методи та той соціальний важіль, який пропонують інструменти сучасних веб-орієнтованих SaaS (Software as a Sevice) сервісів, використовуючи найширші можливості Web 2.0.

Висновки. 20 років тому у «British Petroleum» вірили, що набагато більше змісту існує у тому, щоб вчитися в інших (мається на увазі - спілкування і кооперація з іншими фахівцями та компаніями), ніж у побудові та підтримці величезних бібліотек і центрів обробки даних (і в тому числі на збір великої кількості різних даних і витрати часу і грошей на їх аналіз). Хоча час йде швидко і технології зробили величезний крок вперед, людська взаємодія як і раніше грає безцінну роль у процесі генерації знання. Тому, на мій погляд, найкращим варіантом для інтеграції процесів управління знаннями у малих підприємствах і неурядових організаціях з метою полегшення їхньої щоденної роботи, є впровадження концепції, що має бути реалізована за допомогою інструментів Web 2.0, соціалізації і геймізації (gamification), і має на меті сприяння своїм співробітникам в отриманні доступу до необхідної інформації відповідно до завдань, з якими вони працюють, при залученні інших досвідчених співробітників, допомагаючи їм разом миттєво створювати свої нові, власні знання.


ПЕРЕЛІК ЛІТЕРАТУРИ

  1. Kuan Yew Wong. Critical success factors for implementing knowledge management in small and medium enterprises/ Yew Wong Kuan // Industrial management and data systems. – 2005. – № 3.

  2. Richard McDermott. Why information technology inspired but cannot deliver knowledge management / McDermott Richard // California Management Review. – 1999. – № 4.


ВСЕУКРАЇНСЬКА

НАУКОВО-ПРАКТИЧНА КОНФЕРЕНЦІЯ

«ПРОБЛЕМИ ІНФОРМАТИКИ ТА КОМП’ЮТЕРНОЇ ТЕХНІКИ»

(ПІКТ – 2013)
ЧЕРНІВЦІ

27 – 31 ТРАВНЯ, 2013

Збірник містить тези доповідей учасників всеукраїнської науково-практичної конференції «Проблеми інформатики та комп’ютерної техніки» (ПІКТ – 2013)


Редакційна колегія: Сопронюк Ф.О., Руснак М.А., Валь О.Д.


Комп‘ютерний набір та верстка: Руснак О.В.
Відповідальний за випуск: Сопронюк Ф.О.

Видавничий дім «РОДОВІД»



Україна, 580000, м. Чернівці, вул. Заводська, 26
Друк ПП Валь І.Д.

Поділіться з Вашими друзьями:
1   ...   52   53   54   55   56   57   58   59   60


База даних захищена авторським правом ©wishenko.org 2017
звернутися до адміністрації

    Головна сторінка