Помощь в написании студенческих работ
Антистрессовый сервис

Управление режимами реактивной мощности и напряжения систем электроснабжения предприятий методами искусственного интеллекта

Диссертация: Управление режимами реактивной мощности и напряжения систем электроснабжения предприятий методами искусственного интеллекта
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В качестве методологической основы для решения подобных задач используется все более популярные в настоящее время искусственные нейронные сети, генетические алгоритмы, теория нечетких множеств и нечеткая логика в совокупности с ситуационным управлением. Под ситуационным управлением понимается управление, основанное на выявлении проблемных ситуаций и преобразовании имеющейся информации… Читать ещё >

Управление режимами реактивной мощности и напряжения систем электроснабжения предприятий методами искусственного интеллекта (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. УПРАВЛЕНИЕ РЕЖИМАМИ СЭС ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ
    • 1. 1. Особенности управления режимами СЭС
    • 1. 2. АСКУЭ как информационная основа для управления режимами
    • 1. 3. Современные проблемы управления режимами СЭС
    • 1. 4. Принцип ситуационного управления и методы искусственного интеллекта в задачах управления режимами СЭС
    • 1. 5. Теория нечетких множеств как математический аппарат для ситуационного управления режимами СЭС
    • 1. 6. Выводы
  • 2. СИТУАЦИОННОЕ УПРАВЛЕНИЕ СОСТОЯНИЯМИ СЭС
    • 2. 1. Принцип ситуационного управления состояниями СЭС
    • 2. 2. Идентификация состояний
      • 2. 2. 1. Постановка задачи
      • 2. 2. 2. Методика нейро-нечеткой идентификации состояний СЭС
    • 2. 3. Оптимизация состояний
      • 2. 3. 1. Постановка задачи
      • 2. 3. 2. Генетические алгоритмы оптимизации
    • 2. 4. Классификация состояний
      • 2. 4. 1. Постановка задачи
      • 2. 4. 2. Алгоритм решения задачи нечеткой кластеризации методом нечетких с-средних
      • 2. 4. 3. Алгоритм решения задачи определения числа кластеров методом субтрактивной кластеризации
    • 2. 5. Распознавание состояний
  • Л 2.6 Выводы
  • 3. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ СОСТОЯНИЙ СЭС
    • 3. 1. Идентификация состояний СЭС АГК
    • 3. 2. Оптимизация состояний СЭС АГК
    • 3. 3. Классификация состояний СЭС АГК
    • 3. 4. Распознавание состояний СЭС АГК
    • 3. 5. Выводы
  • 4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ ИДЕНТИФИКАЦИИ, ОПТИМИЗАЦИИ, КЛАССИФИКАЦИИ И РАСПОЗНАВАНИЯ СОСТОЯНИЙ СЭС В СРЕДЕ MATLAB
    • 4. 1. Обоснование использования системы MATLAB для программной реализации идентификации, оптимизации, классификации и распознавания состояний СЭС
    • 4. 2. Моделирование нейро-нечеткой идентификации состояний СЭС
    • 4. 3. Моделирование генетической оптимизации состояний СЭС
    • 4. 4. Моделирование классификации состояний СЭС на основе нечеткой и субтрактивной кластеризации
    • 4. 5. Моделирование распознавания состояний СЭС
    • 4. 6. Выводы

Актуальность темы

Прикладные исследования последних лет показали, что обычные методы анализа систем и моделирования на электронно-вычислительных машинах (ЭВМ), основанные на точной обработке численных данных, по существу не способны охватить огромную сложность реальных технологических процессов, которые определяют, в частности, режимы систем электроснабжения (СЭС). В свою очередь, режимы СЭС определяют и величину потерь в распределительных сетях, и производительность оборудования. Поэтому становится всё более очевидным появление определенных классов задач управления, связанных с принятием решений оператором в контуре «человек — ЭВМ», осуществление диалога в котором происходит посредством применения лингвистических переменных.

В качестве методологической основы для решения подобных задач используется все более популярные в настоящее время искусственные нейронные сети, генетические алгоритмы, теория нечетких множеств и нечеткая логика в совокупности с ситуационным управлением. Под ситуационным управлением понимается управление, основанное на выявлении проблемных ситуаций и преобразовании имеющейся информации в управленческие решения, приводящие к их разрешению. Достоинства нечеткой логики, которые в наибольшей мере проявляются в нечетком управлении, заключаются, прежде всего, в том, что нечеткая логика позволяет удачно представить мышление человека, а именно способы принятия решений человеком, и способы моделирования сложных объектов средствами естественного языка. Нейронные сети, в свою очередь, широко используются для настройки параметров системы нечеткого логического вывода, а генетические алгоритмы — для оптимизации целевой функции.

Совокупность теории нечетких множеств и нечеткой логики образует систему алгоритмов нечеткого управления, реализация которых применительно к ситуационному управлению требует организации периодического измерения исследуемых параметров в реальном масштабе времени. Эту возможность предоставляют автоматизированные системы контроля и учета электроэнергии (АСКУЭ) либо другие совокупности датчиков для измерения электрических параметров, действующие на промышленных предприятиях. В этой связи представляется актуальным управление режимами СЭС методами искусственного интеллекта в темпе потребления электроэнергии (ЭЭ).

Техническая задача. Экономия электрической энергии и повышение ее качества является одной из важнейших составляющих увеличения эффективности современного производства и развития социальной сферы. Поэтому весьма важной задачей для экономики является совершенствование управления режимами СЭС (в частности, управления режимами реактивной мощности и напряжения) в реальном масштабе времени с помощью таких электроустановок, как трансформаторы главных понизительных подстанций (ГПП) с регулированием под нагрузкой (РПН) и высоковольтные синхронные двигатели (СД), минимизация потерь активной ЭЭ и мощности, повышение качества напряжения на зажимах электроприемников (ЭП).

Научная задача. Для решения данной технической задачи необходимо создать соответствующую ситуационную модель управления режимами реактивной мощности и напряжения СЭС промышленного предприятия, для разработки которой целесообразно использовать методы искусственного интеллекта. Работа такой модели должна быть настроена таким образом, чтобы на ее основе некоторое логическое устройство, воздействуя одновременно на исполнительные механизмы трансформаторов с РПН и СД, обеспечивало выполнение ряда основных условий: а) напряжения в узлах нагрузки СЭС должны находиться в нормируемом диапазонеб) реактивная мощность в точке раздела с внешней энергосистемой должна быть полностью скомпенсированав) потери ЭЭ в распределительной сети предприятия должны быть сведены к минимуму при соблюдении первых двух условий.

Объект исследований — системы электроснабжения промышленных предприятий с большой установленной мощностью СД и наличием трансформаторов с РПН.

Предмет исследований — ситуационное управление режимами реактивной мощности и напряжения СЭС промышленного предприятия в совокупности с методами искусственного интеллекта.

Материалы диссертационных исследований включены в учебные программы дисциплин «Математические задачи в электроэнергетике», «Оптимизация электроснабжения промышленных предприятий» специальности 140 211.65 — «Электроснабжение» и используются в учебном процессе на кафедре электроснабжения и электрического транспорта Политехнического института Сибирского федерального университета.

Цель исследований — разработка методик идентификации, оптимизации, классификации и распознавания состояний для эффективного управления в реальном масштабе времени режимами реактивной мощности и напряжения СЭС в узлах нагрузки с помощью методов искусственного интеллекта.

Задачи исследований:

1) обосновать математический аппарат, адекватный задачам исследования управления режимами реактивной мощности и напряжения СЭС;

2) разработать методику распознавания состояний СЭС, дополняемую идентификацией состояний СЭС с применением нейро-нечеткой сети и оптимизацией состояний СЭС на основе генетического алгоритма.

3) разработать методику классификации состояний СЭС с помощью субтрактивной и нечеткой кластеризации;

4) выполнить численный эксперимент в программной среде на основе математической модели, адекватной реальному объекту.

Основная идея диссертации заключается в реализации ситуационного управления, основанной на методах искусственного интеллекта для управления режимами реактивной мощности и напряжения СЭС промышленного предприятия в темпе потребления ЭЭ.

Методы исследований. В настоящей работе использованы методы теории нечетких множеств и нечеткой логики, методы ситуационного управления, теории нейронных сетей и генетических алгоритмов, математического моделирования, теории вычислительного эксперимента, теории принятия решения, методы кластерного анализа, программные и языковые средства современных компьютерных технологий.

Основные тезисы, выносимые на защиту:

1) разработанная методика распознавания состояний СЭС, дополняемая нейро-нечеткой идентификацией и генетической оптимизацией состояний СЭС позволяет решить вопрос о принадлежности текущего состояния к некоторому классу, улучшает качество идентификации какого-либо состояния вследствие уменьшения среднеквадратической ошибки, повышает скорость процесса оптимизации целевой функции суммарных потерь активной мощности по СЭС за счет одновременного использования множества точек поискового пространства без последовательного перехода от точки к точке.

2) разработанная методика классификации состояний СЭС, основанная на методах нечеткого кластерного анализа, относит к одному классу состояния, которые имеют наибольшую степень принадлежности к нему. Научная новизна:

1) сформулированы и реализованы алгоритмически принципы распознавания, идентификации, оптимизации и классификации состояний для решения задачи оптимального управления режимами реактивной мощности и напряжения СЭС на основе методов искусственного интеллекта;

2) разработана методика оптимального управления режимом реактивной мощности и напряжения СЭС, заключающаяся в развитии принципа ситуационного управления для такого объекта, как СЭС, и реализуемая с использованием аппаратов теории нечетких множеств и нечеткой логики, генетических алгоритмов и гибридных нейронных сетей, отличающихся от традиционных методов своей высокой эффективностью.

Апробация результатов диссертации. Основные положения диссертационной работы докладывались и обсуждались на:

— XII Международной научно-практической конференции студентов и молодых ученых «Современные техника и технологии СТТ 2006», Томск, 2006.

— IV Всероссийской научно-практической конференции «Энергоэффективность систем жизнеобеспечения города», Красноярск, 2005;

— V Региональной научно-практической конференции «Интеллектуальные ресурсы ХТИ — филиала КГТУ — Хакасии — 2005 (наука, техника, образование)», Абакан, 2005;

— семинарах кафедры электроснабжения промышленных предприятий ХТИ — филиала КГТУ;

— семинарах кафедры электроснабжения и электрического транспорта КГТУ.

Публикации. По материалам диссертации опубликовано 7 печатных работ.

Объем и структура диссертации. Диссертационная работа состоит из введения, четырех разделов с выводами, заключения, четырех приложений и библиографического списка из 108 наименований, включая работы автора. Основной текст, содержащий 143 страницы машинописного текста, иллюстрирован 31 рисунком и 23 таблицами.

4.6 Выводы.

1. Для решения задачи программной реализации разработанных методик идентификации, оптимизации, классификации и распознавания состояний СЭС требуется подготовка данных для системы MATLAB, которые могут быть получены от персонального компьютера, обрабатывающего поступающую информацию от АСКУЭ в темпе потребления ЭЭ.

2. Предложенная программная реализация разработанных методик идентификации, оптимизации, классификации и распознавания состояний СЭС на основе готовых программных пакетов Fuzzy Logic Toolbox и Genetic Algorithm and Direct Search Toolbox обладает высокой эффективностью, что позволяет сделать вывод о ее пригодности для решения реальных задач управления режимами реактивной мощности и напряжения СЭС предприятий.

ЗАКЛЮЧЕНИЕ

.

1. Применение современных эффективных математических методов в области искусственного интеллекта позволяет радикально изменить существующую методику оптимального управления режимами реактивной мощности и напряжения. Доказано, что для этой цели целесообразно использовать нейро-нечеткие сети, генетические алгоритмы, нечеткий кластерный анализ и субтрактивную кластеризацию.

2. Разработанная методика идентификации состояний СЭС с применением нейро-нечеткой сети позволяет с большей точностью по сравнению с регрессионными зависимостями идентифицировать какое-либо состояние вследствие существенного уменьшения среднеквадратической ошибки отклонения модельных результатов от экспериментальных.

3. Методика генетической оптимизации дает возможность с увеличением количества факторов (управляющих параметров) минимизировать время, необходимое для расчета, по сравнению с методами нелинейного программирования, и, наряду с этим, не требует задания стартовой точки, позволяет учитывать любые виды ограничений и найти максимально близкое к оптимуму решение задачи.

4. Предложенная методика нахождения числа кластеров (классов), в которые объединяются по специальным признакам исследуемые состояния СЭС, позволяет найти оптимальное количество классов. Выявлена закономерность между радиусом окрестности нечеткого кластера и количеством классов, которая близка к обратно пропорциональной зависимости. При этом методика классификации состояний СЭС при помощи метода нечетких с-средних по сравнению с методикой на основе ТРО, значительно улучшает качество разбиения множества состояний СЭС на классы, что является фундаментальной задачей управления режимами реактивной мощности и напряжения СЭС предприятий.

5. Методика распознавания состояний, которая сравнивает поступающую на входы системы информацию о текущем состоянии после обработки в.

ННС и треугольных функциях принадлежности, с информацией, имеющейся в памяти системы управления, использует значение порога распознавания на уровне 0,4 и улучшает качество распознавания.

6. В целом, разработанная методика оптимального управления режимами реактивной мощности и напряжения, включающая этапы распознавания, идентификации, оптимизации и классификации состояний СЭС повышает точность регулирования параметров СЭС до требуемых значений и, за счет использования распараллеливания вычислительных процессов, позволяет увеличить и скорость расчетов, что важно для осуществления управления системой в реальном масштабе времени.

7. Программный инструмент MATLAB с помощью уже готовых подпрограмм дает возможность воспроизвести каждый этап алгоритма ситуационного управления.

Показать весь текст

Список литературы

  1. , Ю. М. Опыт проектирования и внедрения АСКУЭ промышленного предприятия на базе КТС «Энергия» / Ю. М. Абакумов, А. А. Мартынов, О. В. Саламатов, П. Ф. Орехов // Промышленная энергетика № 6. -2002.-С. 28−33.
  2. Автоматизация, информатизация, моделирование процессов и систем: Материалы 23 Науч. конф., 4−7 дек. 2001 г. Редкол.: В. И. Емельянов отв. ред. и др. — Новомосковск: Новомоск. ин-т Рос. хим.-технол. ун-та им. Д. И. Менделеева. — 2002. — 91 с.
  3. , А. А. Определение располагаемой реактивной мощности насыщенных неявнополюсных синхронных двигателей в условиях эксплуатации / А. А. Буторин, И. А. Ниссельбаум // Промышленная энергетика № 3. 1991.-С. 33−35.
  4. , В. И. Интеллектуальные системы управления с использованием нечеткой логики / В. И. Васильев, Б. Г. Ильясов // Учеб. пособие- Уфим. гос. авиац. техн. ун-т. Уфа: УГАТУ. — 1995. — 99 с.
  5. , П. П. Рациональный режим напряжения синхронных двигателей // Промышленная энергетика № 3. 1987. — С. 23−25.
  6. , П. П. Повышение эффективности использования синхронных двигателей для компенсации реактивных нагрузок / П. П. Вершинин, А. В. Бугаенко, А. Г. Цыганок // Промышленная энергетика № 8. 1989. — С. 4446.
  7. , В. А. Дискретная математика: комбинаторная оптимизация на графах. М.: Гелиос АРВ. — 2003. — 232 с.
  8. , В. Я. Использование генетических алгоритмов в структурном синтезе источников магнитных полей с заданными свойствами / В. Я. Гальченко, М. А. Воробьев // Информационные технологии № 7. 2003. -С. 7−12.
  9. , А. Н. Обучение нейронных сетей. М.: СП ПараГраф. — 1990.190 с.
  10. ГОСТ 13 109–97. Электрическая энергия. Совместимость технических средств электромагнитная. Нормы качества электрической энергии в системах электроснабжения общего назначения.
  11. , В. И. Синтез нечетких регуляторов систем автоматического управления. Киев: Радюаматор. — 2003. — 510 с.
  12. , С. А. Система поддержки принятия решения при оперативном управлении тепловой электрической станцией: Дисс.. канд. техн. наук: 05.14.02. Новосибирск. — 2003. — 140 с.
  13. , И. В. Показатели качества электроэнергии и их контроль на промышленных предприятиях. 2-е изд., перераб. и доп. М.: Энергоатом-издат. — 1986.- 168 с.
  14. , Ю. С. Компенсация реактивной мощности и повышение качества электроэнергии. М.: Энергоатомиздат. — 1985. — 224 с.
  15. , Е. И. Регулирование напряжения в электроэнергетических системах на основе нечеткой логики. Дисс.. канд. техн. наук: 05.14.02. Новосибирск. — 2004. — 120 с.
  16. , JI. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир. — 1976. — 167 с.
  17. , В. С. Режимы потребления и качество электроэнергии систем электроснабжения промышленных предприятий / В. С. Иванов, В. И. Соколов. М.: Энергоатомиздат. — 1987. — 336 с.
  18. Интеллектуальные технологии в задачах идентификации и управления * Межвуз. сб. науч. тр. Моск. гос. ин-т радиотехники, электроники и автоматики (техн. ун-т) — Редкол.: И. М. Макаров (отв. ред.) и др. М.: МИ-РЭА. — 1997. — 119 с.
  19. , Э. А. Рациональное использование электроэнергии в системах промышленного электроснабжения. М.: Энергопрогресс: Энергетик. -2000.-74 с.
  20. , О. И. Управление потреблением реактивной мощности промышленных узлов нагрузки: Дисс.. канд. техн. наук: 05.09.03.
  21. Красноярск. 2001. — 204 с.
  22. , Ю.И. Ситуационное управление большими системами. М.: Энергия. — 1974.- 136 с.
  23. , Л.Г. Нейрокомпьютеры / Л. Г. Комарцова, А. В. Максимов. -М.: Изд-во МГТУ им. Баумана. 2002. — 320 с.
  24. , А. Введение в теорию нечетких множеств- Перевод с фр. В. Б. Кузьмина. М.: Радио и связь. — 1982. — 432 с.
  25. , М. Л. Интеллектуальные методы в менеджменте. СПб.: Питер. — 2005. — 304 с.
  26. , В. В. Искусственные нейронные сети. Теория и практика / В. В. Круглов, В. В. Борисов. М.: Горячая линия. — Телеком. — 2001. — 382 с.
  27. , В.В. Нечеткая логика и искусственные нейронные сети / В. В. Круглов, М. И. Дли, Р. Ю. Голунов. М.: Физматлит. — 2001. — 224 с.
  28. , Б. И. Электроснабжение промышленных предприятий: Учебник для вузов. М.: Интермет Инжиниринг. — 2005. — 672 с.
  29. , В.М. Генетические алгоритмы // Перспективные информационные технологии и интеллектуальные системы № 1. 2000. — С. 18−22.
  30. , В. М. Перспективные архитектуры генетического поиска // Перспективные информационные технологии и интеллектуальные системы № 12 000. С. 58−60.
  31. , А. В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб.: БХВ-Петербург. — 2003. — 736 с.
  32. , Н. Г. Нечеткие модели для экспертных систем в САПР / Н. Г. Малышев, Л. С. Берштейн, А. В. Боженюк. М.: Энергоатомиздат. — 1991.-136 с.
  33. , В. 3. Моделирование режимов систем электроснабжения в условиях неполной информации / В. 3. Манусов, С. М. Моисеев, И. J1. Озерных. Новосибирск: НЭТИ. — 1985. — 75 с.
  34. , В. 3. Оптимальное размещение линейных регуляторов на основе генетического алгоритма / В. 3. Манусов, Д. А. Павлюченко // Проблемы энергетики № 2. 2003. — С. 11−18.
  35. , В. 3. Эволюционный алгоритм оптимизации режимов электроэнергетических систем по активной мощности / В. 3. Манусов, Д. А. Павлюченко // Электричество №3. 2004. — С. 2−8.
  36. , Н. С. Регулирование напряжения и экономия электроэнергии. М.: Энергоатомиздат. — 1984. — 104 с.
  37. , М. А. Ситуационный анализ и управление опасными производственными объектами: Автореф. дисс.. канд. техн. наук: 05.13.06. -Тул. гос. ун-т, Тула. 2003. — 20 с.
  38. , П. Е. Оценка энергетической безопасности территорий и принятие решений по развитию электроэнергетических систем с применением теории нечетких множеств: Дисс.. канд. техн. наук: 05.14.02. -Екатеринбург. 2004. — 140 с.
  39. , И. А. Сравнительный анализ некоторых методов случайного поиска и оптимизации // Известия Самарского научного центра Российской академии наук № 2. 1999. — С. 286−293.
  40. , Ю. И. Soft computing: идентификация закономерностей нечеткими базами знаний / Ю. И. Митюшкин, Б. И. Мокин, А. П. Ротштейн- М-во образования и науки Украины. Винницкий гос. техн. ун-т. Вшниця: Ушверсум-Вшниця. — 2002. — 145 с.
  41. Многофункциональный микропроцессорный счетчик электрической энергии типа ЕвроАЛЬФА. Руководство по эксплуатации. ДЯИМ.411 152.003−11РЭ.
  42. , А. В. Теория нечетких множеств. Нечеткий регрессионный анализ. Томск: Печ. Мануфактура. — 2004. — 61 с.
  43. Моделирование в приложении Simulink системы Matlab: Учебно-методическое пособие для студентов специальностей / Сост. Н. И. Зубков, Е. В. Платонова. Красноярск, КГТУ. — 2004. — 176 с.
  44. , Т. Машинные имитационные эксперименты с моделями экономических систем / Пер. с англ. М.: Мир. — 1975. — 502 с.
  45. Нечеткие множества в моделях управления и искусственного интеллекта / А. Н. Аверкин, И. З. Батыршин, А. Ф. Блишун, В. Б. Силов, В. Б. Тарасов / Под ред. Д. А. Поспелова. М.: Наука. Гл. ред. физ.-мат. лит. — 1986. — 312 с.
  46. Организация и обучение искусственных нейронных сетей: Учеб. пособие / Авт.-сост. Л. В. Калацкая, В. А. Новиков, В. С. Садов. Мн.: БГУ. — 2003. -75 с.
  47. , С. Нейронные сети для обработки информации / Пер. с польского И. Д. Рудинского. М.: Финансы и статистика. — 2002. — 344 с.
  48. , Н.Б. Адаптивные модели нечеткого вывода для идентификациинелинейных зависимостей в сложных системах: Дисс.. канд. техн. наук.- Ижевск. 2004. — 162 с.
  49. , В. И. К построению систем управления режимами электроснабжения предприятий / Под ред. А. А. Михеева, В. А. Кулагина // Вестник Ассоциации выпускников КГТУ. Вып. 12. Красноярск: ИПЦ КГТУ. -2005.-С. 140−146.
  50. , В. И. Управление режимами реактивной мощности и напряжения промышленного предприятия: Науч. издание / В. И. Пантелеев, А. Н. Филатов. Красноярск: ИПЦ КГТУ. — 2005. — 125 с.
  51. , В. И. Методы искусственного интеллекта в управлении режимами систем электроснабжения предприятий / В. И. Пантелеев, А. Н. Туликов // «Доклады ТУСУРа» № 2 (16). 2007. — С. 28−34.
  52. , Д. А. Логико-лингвистические модели в системах управления. -М.: Энергоиздат. 1981. -231 с.
  53. , Д. А. Ситуационное управление: теория и практика. М.: Наука. — Гл. ред. физ.-мат. лит. — 1986. — 286 с.
  54. Постановление правительства Российской Федерации от 11 июля 2001 г. N 526 «О реформировании электроэнергетики Российской Федерации» // Собрание законодательства РФ, 16.07.2001, № 29, ст. 3032.
  55. Правила учета электрической энергии (Зарегистрировано в Минюсте РФ 24 октября 1996 г. N 1182) // Бюллетень нормативных актов федеральных органов исполнительной власти № 9. 1996.
  56. , А. П. Интеллектуальные технологии идентификации: нечеткаялогика, генетические алгоритмы, нейронные сети. Винница: УНИВЕРСУМ — Винница. — 1999. — 320 с.
  57. , А.П. Элементы теории нечетких множеств и измерения нечеткости. М.: Диалог-МГУ. — 2000. — 116 с.
  58. , В. Г. Автоматизированная система управления многосвязанными параметрами // Промышленная энергетика № 1. 1997. — С. 33−34.
  59. , В. Г. Использование нечетких чисел в задачах электроснабжения // Электричество № 3. 1995. — С. 29−33.
  60. , В. Г. Классификация экспертных систем в электроэнергетике // Электричество № 4. 1993. — С. 10−17.
  61. , В. Г. Нечетко-множественный подход к принятию решений в новом поколении АСУ // Промышленная энергетика № 10. 1995. — С. 26−29.
  62. , В. Г. Проблемы и пути становления технологии искусственного интеллекта в энергетике // Промышленная энергетика № 5. 1993. — С. 2428.
  63. , В. Г. Расширение и классификация используемых в задачах электроснабжения нечетких чисел // Электричество № 6. 1996. — С. 33−38.
  64. , В. Г. Формирование основных требований к новому поколению автоматизированных систем управления // Промышленная энергетика № 8. 1995.-С. 19−24.
  65. , В. Г. Экспертная система для нового поколения АСУ // Промышленная энергетика № 11. 1995. — С. 22−28.
  66. , А. А. К вопросу о создании эффективного механизма контроля и учета энергопотребления в сетях 0,4 кВ // Промышленная энергетика № 1.-2004.-С. 22−28.
  67. , В. С. Ситуационное управление сложным объектом в условиях нечеткой исходной информации / В. С. Симанков, А. В. Шопин // Труды ФОРА № 9.-2004.-С. 116−120.
  68. , В. А. Управление тепловыми и энергетическими процессами на основе нечеткой логики. Владивосток: Дальнаука. — 2003. — 181 с.
  69. , В. В. Нечеткая логика и ее применение в автоматическом регулировании: Учеб. пособие- М-во общ. и проф. образования РФ. С.-Петерб. гос. горн, ин-т им. Г. В. Плеханова. СПб.: С.-Петерб. гос. горн, ин-т им. Г. В. Плеханова. — 1998. — 91 с.
  70. , В. Б. От искусственного интеллекта к искусственной жизни: новые направления в науках об искусственном // Новости искусственного интеллекта № 4. 1995. — С. 12−16.
  71. , В. М. Алгоритмы фаззи-регуляторов в электротехнических системах // Электричество № 12. 2001. — С. 55−63.
  72. , В. М. Фаззи-управление в электротехнических системах // Электрика № 6. 2002. — С. 40−44.
  73. , Ю. И. Разработка методов и технических средств по снижению потерь электроэнергии в распределительных сетях низкого напряжения: Дисс. канд. техн. наук: 05.09.03.-Комсомольск-на-Амуре. -2003. 185 с.
  74. , А. А. Интеллектуальные системы управления на основе методов нечеткой логики / А. А. Усков, В. В. Круглов. Смоленск: Смол. гор. тип. -2003.- 176 с.
  75. Федеральный закон от 14 апреля 1995 г. Н41-Ф3 «О государственном регулировании тарифов на электрическую и тепловую энергию в Российской Федерации» (в ред. Федерального закона от 26.03.2003 N 38-Ф3) // Конitсультант Плюс, Выпуск 3. 2005.
  76. Федеральный закон от 26 марта 2003 г. N35-®3 «Об электроэнергетике» (в ред. Федерального закона от 22.08.2004 N 122-ФЗ) // Консультант Плюс, Выпуск 3.-2005.
  77. Федеральный закон от 3 апреля 1996 г. N 28-ФЗ «Об энергосбережении» (в ред. Федерального закона от 05.04.2003 N 42-ФЗ) // Консультант Плюс, Выпуск 3.-2005.
  78. , А. Н. Управление режимом реактивной мощности и напряжения промышленного предприятия: Дисс.. канд. техн. наук: 05.09.03. -Красноярск. 1997. — 120 с.
  79. , В. О. Анализ и синтез систем управления с нечеткой логикой: Учеб. пособие. М-во образования Рос. Федерации. Юж.-Урал. гос. ун-т. Каф. систем упр. — Челябинск: Изд-во ЮУрГУ. — 2002. — 51 с.
  80. , С. Н. Интеллектуальные информационные системы: системы с нечеткой логикой: Учеб. Пособие. Омск: Ом. гос. техн. ун-т. — 2002. — 52 с.
  81. , А. Н. Управление режимами электропотребления агломерационного производства с целью повышения его эффективности: Дисс.. канд. техн. наук: 05.09.03. Магнитогорск. — 2003. — 168 с.
  82. , Я. Э. Методы и средства повышения эффективности управления потоками реактивной мощности электротехнических комплексов горнодобывающих предприятий: Дисс. докт. техн. наук: 05.09.03. СПб. -2004.-258 с.
  83. , С. Д. Введение в теорию нечетких множеств и нечеткую логику. -Винница: УНИВЕРСУМ Винница. — 2004. — 297 с.
  84. , С. Д. Идентификация нелинейных зависимостей с помощью нечеткого логического вывода в пакете MATLAB // Exponenta Pro: Математика в приложениях № 2. 2003. — С. 9−15.
  85. , Е. Ф. Оптимизация потерь мощности в электрических сетях и синхронных двигателях при использовании их для компенсации реактивной мощности / Е. Ф. Щербаков, В. М. Петров // Промышленная энергетика № 5. 1997. — С. 40−42.
  86. , Н. Г. Основы теории нечетких и гибридных систем. М.: Финансы и статистика. — 2004. — 319 с.
  87. Fuzzy Logic Toolbox. User’s Guide. Version 2. The Math Works. Inc. — 1999.
  88. Genetic Algorithm and Direct Search Toolbox. User’s Guide. Version 2. The Math Works. Inc. — 2006.
  89. Gen, M. Genetic Algorithms and Engineering design / M. Gen, R. Cheng. -USA: John Wiley & Sons. 1997. — 352 p.
  90. Yager, R. Essentials of Fuzzy Modeling and Control / R. Yager, D. Filev. -USA: John Wiley & Sons. 1994. — 388 p.
Заполнить форму текущей работой

Сессия? Спокойно!