Academic literature on the topic 'Алгоритм машинної графіки'

Актуальность обусловлена необходимостью повышения точности краткосрочного прогнозирования электропотребления групп точек поставки электроэнергии гарантирующих поставщиков второго уровня. Результаты данного прогноза используются системным оператором при формировании диспетчерского графика выработки и потребления электроэнергии. Ошибки прогнозирования, как правило, приводят к увеличению расхода первичных энергоресурсов на выработку электроэнергии за счет необоснованных пусков и остановов генерирующего оборудования, а также к увеличению потерь при передаче электроэнергии, вследствие выбора неоптимальной схемы электрических сетей. Так как потребление электроэнергии зависит от множества факторов, задача краткосрочного прогнозирования данного временного ряда является слабоформализуемой. В данных условиях традиционные средства математической статистики и имитационного моделирования не позволяют строить адекватные прогнозные модели. До недавнего времени единственным адекватным методом прогнозирования потребления электроэнергии был метод экспертных оценок. В настоящее время для краткосрочного прогнозирования электропотребления энергосистемы региона страны или группы точек поставки электроэнергии гарантирующего поставщика первого уровня все большее применение находят инструменты нейронных сетей. Однако разработанные модели мало пригодны для прогнозирования почасового потребления электрической энергии групп точек поставки электроэнергии гарантирующих поставщиков второго уровня. Краткосрочное прогнозирование потребления электроэнергии данных объектов осложнено тем, что, помимо стандартных временных и метеорологических факторов, необходимо учитывать надежность электросетевого оборудования 6–110 кВ, режим работы потребителей электрической энергии с мощностью 670–10000 кВт, а также наличие центрального отопления и горячего (холодного) водоснабжения в населенном пункте, питающемся от группы точек поставки электроэнергии. Для них остается открытым вопрос выбора оптимальной архитектуры и конфигурации нейросетевой модели, а также алгоритма ее обучения, при использовании которых достигается требуемая точность прогнозирования. Цель: повышение точности краткосрочного прогнозирования электропотребления групп точек поставки электроэнергии гарантирующего поставщика второго уровня с помощью инструментов нейронных сетей и глубокого машинного обучения. Методы: методы корреляционного и факторного анализа, теории искусственных нейронных сетей и машинного обучения. Программная реализация теоретических выкладок выполнена с помощью библиотеки глубокого машинного обучения Tensor flow Keras на языке программирования Python 3.6. Результаты. Разработан нейросетевой алгоритм краткосрочного прогнозирования электропотребления групп точек поставки электроэнергии гарантирующего поставщика второго уровня с адаптивными в процессе обучения параметрами скорости обучения и момента инерции. Выполнена программная реализация данного алгоритма в библиотеке глубокого машинного обучения Tensor flow Keras. Использование данной искусственной нейронной сети позволило снизить среднемесячную относительную ошибку прогнозирования на 5,14 %.

Сучасні електроенергетичні системи відносяться до класу великих людино-машинних систем кібернетичного типу, тому розробка експертної системи діагностики аварійних ситуацій є актуальною. В роботі було розроблено модифікований алгоритм Дейкстри. Мета модифікації поля-гає в підвищенні ефективності запропонованого рішення, можливість роботи в зва-женому графі і виключення помилок під час пошуку альтернативного шляху.

В статті розглянуто питання підвищення ефективності функціонування людино – машинних систем за рахунок підвищення якості програмного забезпечення систем підтримки прийняття рішень (СППР). Запропоновані рішення базуються на існуючих моделях та методах, детальний аналіз яких проведено в ході наукового дослідження, зокрема в певних отриманих рішеннях знайшла своє застосування методолгія статичного відлагодження програмних додатків. В основу рішення зазначеного завдання запропоновано покласти методи рішення задачі управління ЛМС по векторному критерію. Запропоновано механізм синтезу комплексного плану операцій щодо підвищення якості програмного забезпечення СППР, показано можливість аналізу поетапного виконання плану з отриманням аналітичної оцінки. З цією метою комплексний план представлено у вигляді дерева цілей, побудованого у відповідності до положень теорії графів та рангового підходу. Проведена оцінка часової складності алгоритмів, що реалізують рішення завдань побудови дерева цілей. На основі отриманих формалізованих рішень виявлено, що максимальна кількість ребер для графа, що реалізує дерево цілей не перевищує n2, кількість переглядів ребер не перевищує n, тобто загальна кількість операцій, що реалізує перегляд ребер та додавання їх в зважене мінімальне покриття (ЗМП), не перевищує n3. Встановлено, що при реалізації операції додавання ребер в ЗМП, на кожному кроці, після фіксації попереднього результату кількість переглядаємих ребер зменшується, тому сумарна складність алгоритмів не перевищить n3. Отримані рішення відповідають вимогам ДСТУ ISO/IEC 9126, ДСТУ ISO/IEC 14598 та враховують вимоги серії стандартів Software Quality Requirements and Evaluation як значення вершин графа дерева подій. В процесі рішення завдання врахована специфіка функціонування ЛМС, зокрема можливіст формалізації різних аспектів знань (алетичних, дисизіональних, каузальних, діонтичних) та забезпечення заданого рівня оперативності пошуку рішень.