RESEARCHES REVIEW OF MODELLING ADAPTIVE AUTOMATIC CONTROL SYSTEMS OF ELECTRICAL POWER SYSTEMS COMPONENTS

The results of collection, analysis and generalization of scientific materials that describe development of adaptive models of electrical power system components control are provided in the paper. The following topical problems are distinguished: creation of aggregated intelligent electrical power system with active-adaptive network; distributed electrical energy generation problem; development of flexible alternating current transmission systems; tasks of reducing the cost of the sophisticated systems analysis; metaprogramming methods application; instrumentation of genetic algorithms; the correlation problem between reliability indicators and control depth factor of ship electrical equipment; technical diagnostic systems optimization; raise of reliability by means of technical conditions forecast and malfunctions prevention; control algorithms optimization; artificial neural networks appliance; energy consumption short-term forecasting methods based on artificial neural networks appliance; active learning systems; weak parts detection during transient phenomena; modelling the processes control under non-deterministic disturbances; expert systems development problems; solving the modelling problems by various software means. It is noticed that the majority of different problems are economical and technical. On the other hand, a few tasks provide ecological function. Moreover, educational and social problems are almost not presented. Some perspective research fields are described. Namely, development of methodology based on complex system approach to the analysis of electrical power systems, artificial neural networks libraries application at C++ and Java projects, realization of electrical power systems fuzzy-neural adaptive model with reduced requirements for the computing power of hardware with the possibility of using the model for staff training.

adaptive models, electrical power systems, distributed electrical power generation, genetic algorithms, forecasting the technical condition, artificial neural networks, active learning systems, expert systems, system concept, fuzzy-neural models

1. Кузнецов А. Новая эпоха в энергетике и умные сети / А. Кузнецов // Наука и инновации. - 2017. - № 8 (174). - С. 22-27.

2. Головщиков В. О. Распределенная генерация (включая возобновляемые источники энергии), как элемент интеллектуальной электроэнергетической системы с активно-адаптивной сетью / В. О. Головщиков, С.З. Закирова // Современные технологии и научно-технический прогресс. - 2016. - Т. 1. - С. 86-87.

3. Булатов Ю. Н. Прогностические регуляторы для установок распределенной генерации / Ю. Н. Булатов, А.В. Крюков, В.Х. Нгуен // Системы. Методы. Технологии. - 2016. - № 1 (29). - С. 63-69. DOI: 10.18324/2077-5415-2016-1-63-69.

4. Гусев А. С. Гибридная модель вставки постоянного тока/ А. С. Гусев [и др.] // Энергия единой сети. - 2016. - № 2 (25). - С. 52-61.

5. Дубенко Ю. В. Обзор современной элементной базы в рамках концепции «умных» сетей / Ю. В. Дубенко, Ю. Н. Тимченко, Н. Н. Тимченко // Политематический сетевой электронный научный журнал кубанского государст.венного аграрного университета. - 2016. - № 121. - С. 1595-1607. DOI: 10.21515/1990-4665-121-096.

6. Ковалёв С. П. Применение метапрограммирования для повышения технологичности больших автоматизированных систем / С. П. Ковалёв // Информатика и ее применения. - 2016. - Т. 10. - № 1. - С. 56-66. DOI: 10.14357/19922264160105.

7. Халилов Э. Д. О моделировании режимов электроэнергетических систем с устройствами FACTS / Э.Д. Халилов // Энергетика. Известия высших учебных заведений и энергетических объединений СНГ. - 2017. - Т. 60. - № 4. - С. 341-351. DOI: 10.21122/1029-7448-2017-60-4-341-351.

8. Булатов Ю. Н. Применение генетических алгоритмов для настройки автоматических регуляторов установок распределенной генерации / Ю. Н. Булатов, А. В. Крюков // Информационные и математические технологии в науке и управлении. - 2016. - № 2. - С. 30-45.

9. Поляхов Н. Д. Определение параметров и мест установки устройств управления передачей электроэнергии / Н. Д. Поляхов, И. А. Приходько, И. В. Швыров // Автоматизация в электроэнергетике и электротехнике. - 2016. - Т. 1. - С. 106-111.

10. Хасанзода Н. Оценка эффективности функционирования распределительных сетей при оптимизация режимов электроэнергетических систем / Н. Хасанзода // Архивариус. - 2016. - Т. 2. - № 1 (5). - С. 9-13.

11. Каракаев А. Б. Исследование основных зависимостей между показателями надежности и показателем глубины контроля судового электрооборудования / А. Б. Каракаев, А. В. Луканин // Вестник государственного университета морского и речного флота имени адмирала С. О. Макарова. - 2016. - № 3 (37). - С. 180-192. DOI: 10.21821/2309-5180-2016-7-3-180-192.

12. Беляев Н. А. Расчет показателей балансовой надежности энергосистем с учетом переменной топологии электрической сети / Н. А. Беляев, Н. В. Коровкин, В. С. Чудный // Электричество. - 2016. - № 4. - С. 4-10.

13. Обоскалов В. П. Математические модели и стратегии ограничения нагрузки при оптимальном распределении дефицита мощности в ОЭС / В. П. Обоскалов, Р. Т. Валиев, С. А. Гусев // Известия Российской Академии Наук. Энергетика. - 2017. - № 4. - С. 25-36.

14. Марков А.М. Автоматизированная система мониторинга основных параметров щёточно-контактного аппарата электроэнергетического турбогенератора / А.М. Марков // Вестник Псковского государственного университета. Серия: Технические науки. - 2016. - № 3. - С. 32-40.

15. Бурковский В. Л. Реализация программного комплекса прогнозирования уровня регионального энергопотребления / В. Л. Бурковский, В. Н. Крысанов, А. Л. Руцков // Вестник Воронежского государственного технического университета. - 2016. - Т. 12. - № 3. - С. 41-47.

16. Крысанов В. Н. Функционально-алгоритмическая организация систем регионального энергопотребления / В. Н. Крысанов, А. Л. Руцков, О. Ш. М. Шукур // Вестник Воронежского государственного технического университета. - 2016. - Т. 12. - № 1. - С. 44-49.

17. Стеклов А. С. Прогнозирование технического состояния судовых электроэнергетических систем / А. С. Стеклов, А. В. Серебряков, В. Г. Титов // Вестник Ивановского государственного энергетического университета. - 2016. - № 5. - С. 21-26. DOI: 10.17588/2072-2672.2016.5.021-026.

18. Kozarević S. Use of fuzzy logic for measuring practices and performances of supply chain / S. Kozarević, A. Puška // Operations Research Perspectives. - 2018. - Vol. 5. - Pp. 150-160. DOI: 10.1016/j.orp.2018.07.001

19. Lan J. Priority degrees for hesitant fuzzy sets: Application to multiple attribute decision making / J. Lan, R. Jin, Z. Zheng, M. Hu // Operations Research Perspectives. - 2017. - Vol. 4. - Pp. 67-73. DOI: 10.1016/j.orp.2017.05.001.

20. Алексеева И. Ю. Повышение надежности электроэнергетических систем на основе нейронных технологий / И.Ю. Алексеева // Электротехнические системы и комплексы. - 2016. - № 3 (32). - С. 15-19. DOI: 10.18503/2311-8318-2016-3(32)-15-19.

21. Каменев А. С. Нейромоделирование как инструмент интеллектуализации энергоинформационных сетей / А. С. Каменев, С. Ю. Королев, В. Н. Сокотущенко; под ред. В. В. Бушуева. - М.: Энергия, 2012. - 124 с.

22. Пономарев В. А. Комплексный метод диагностики асинхронных электродвигателей на основе использования искусственных нейронных сетей / В. А. Пономарев, И. Ф. Суворов // Новости электротехники. - 2011. - № 2.

23. Торопов А. С. Прогнозирование почасового электропотребления региональной энергосистемы с использованием искусственных нейронных сетей / А. С. Торопов, А. Н. Туликов // Вестник Иркутского государственного технического университета. - 2017. - Т. 21. - № 5 (124). - С. 143-151. DOI: 10.21285/1814-3520-2017-5-143-151.

24. Yin J. Partial orientation and local structural learning of causal networks for prediction / J. Yin, Y. Zhou, C. Wang, P. He, C. Zheng, Z. Geng // Causation and Prediction Challenge. - 2008. - Pp. 93-105.

25. de Abril I. M. Supervised neural network structure recovery / I. M. de Abril, A. Nowe // Neural Connectomics Workshop. - 2015. - Pp. 37-44.

26. Settles B. From theories to queries: Active learning in practice / B. Settles // Active Learning and Experimental Design workshop In conjunction with AISTATS 2010. - 2011. - Pp. 1-18.

27. Абдурахманов А. М. Алгоритм оперативного определения слабых звеньев сети, приводящих к нарушению статической устойчивости / А. М. Абдурахманов, К. А. Зимин, В. Н. Рябченко // Электротехника: сетевой электронный научный журнал. - 2016. - Т. 3. - № 3. - С. 20-26.

28. Крюков А. В. Определение запасов статической апериодической устойчивости электроэнергетических систем в стохастической постановке / А. В. Крюков, В. В. Сенько, Е. О. Тихомиров // Вестник Иркутского Государственного технического ун-та. - 2016. - № 4 (111). - С. 125-135. DOI: 10.21285/1814-3520-2016-4-125-135.

29. Черный С. Г. Моделирование управления процессами в сложных системах при недетерминированных возмущающих воздействиях / С. Г. Черный, А. А. Жиленков // Автоматизация процессов управления. - 2016. - № 1 (43). - С. 37-46.

30. Бахмисов О. В. Выбор моделей газотурбинных и парогазовых установок для исследования процессов в ЭЭС / О. В. Бахмисов, О. Н. Кузнецов // Электричество. - 2016. - № 9. - С. 15-22.

31. Пионкевич В. А. Математическое моделирование элементов цифровой электроники для решения задач автоматического управления в энергетике / В. А. Пионкевич // Вестник Иркутского Государственного Технического Университета. - 2016. - № 4 (111). - С. 136-144. DOI: 10.21285/1814-3520-2016-4-136-144.

32. Тамазов А. И. Новый подход к регулированию напряжения и реактивной мощности в энергосистеме по минимуму потерь / А. И. Тамазов // Электричество. - 2016. - № 8. - С. 29-36.

33. Zaki A. M. Embedded two level direct adaptive fuzzy controller for DC motor speed control / A. M. Zaki, El-Bardini, F. A. S. Soliman, M. M. Sharaf // Ain Shams Engineering Journal. - 2018. - Vol. 9. - Is. 1. - Pp. 65-75. DOI: 10.1016/j.asej.2015.10.003.

34. Авраменко В.Н. Автоматизация расчета дозированных управляющих воздействий в адаптивной автоматике обеспечения устойчивости ЭЭС / В. Н. Авраменко, Н. Т. Юнеева // Научные труды Винницкого национального технического университета. - 2016. - № 1. - С. 8-13.

35. Зиятдинов И. Р. Исследование адаптивного алгоритма управления газотурбинными установками с учетом динамики синхронного генератора / И. Р. Зиятдинов, Б. В. Кавалеров, И. А. Крылова // Современные наукоемкие технологии. - 2016. - № 8-2. - С. 225-231.

36. Бордюг А. С. Моделирование элементов идентификации и контроля параметров системы для интеллектуальной поддержки принятия решений / А. С. Бордюг, И. Л. Титов, А. А. Железняк // Вестник Астраханского государственного технического университета. Серия: Морская техника и технология. - 2016. - № 3. - С. 75-85.

37. Кацадзе Т. Л. Принятие решений по рациональному регулированию режимов неоднородных электрических сетей / Т. Л. Кацадзе // Научные труды Винницкого национального технического университета. - 2016. - № 1. - С. 14-19.

38. Стеклов А. С. Разработка модели экспертной системы диагностирования и прогнозирования технического состояния судовых электроэнергетических систем / А. С. Стеклов, А. В. Серебряков, В. Г. Титов // Электротехника: сетевой электронный научный журнал. - 2016. - Т. 3. - № 2. - С. 24-27.

39. Семенова Н. Г. Математические модели частных критериев и их программная реализация в оценке принимаемого решения по развитию системы электроснабжения промышленного района города / Н. Г. Семенова, А. Д. Чернова // Интеллект. Инновации. Инвестиции. - 2016. - № 4. - С. 94-99.

40. Zamani-Sabzi H. Statistical and analytical comparison of multi-criteria decision-making techniques under fuzzy environment / H. Zamani-Sabzi, J. P. King, C. C. Gard, S. Abudu // Operations Research Perspectives. - 2016. - Vol. 3. - Pp. 92-117. DOI: 10.1016/j.orp.2016.11.001.