Повышение энергетической эффективности выполнения пассажироперевозок городским электротранспортом является одной из важнейших задач в деятельности служб движения и служб энергохозяйства предприятий ГЭТ. Широкое внедрение тяговых частотных преобразователей на подвижном составе позволило создать условия для повторного применения на выполнение транспортной работы энергии рекуперативного торможения электроподвижного состава (ЭПС). Однако
в силу невозможности полной синхронизации рекуперативного торможения и тяговой нагрузки
в контактной сети полезное применение находит только часть рекуперативной энергии. Другая – избыточная часть рассеивается на тормозных резисторах вагонов. Применение буферных накопителей энергии различных конструкции и способов установки позволяет более полно использовать избыточную энергию рекуперации. Цель исследования: изучение процессов преобразования энергии в ходе работы стационарных и бортовых накопителей энергии различной конструкции
в ходе приёма и выдачи энергии избыточной рекуперации тормозящего ЭПС, сравнение эффективности работы указанных накопителей энергии в ходе проведённых в России испытаний в городском электротранспорте. Методы: структурный анализ электрических схем накопителей энергии, сравнительный количественный анализ энергетических процессов работы буферных накопителей энергии различных типов. Результаты: рассмотрены процессы преобразования энергии в ходе торможения подвижного состава ГЭТ с рекуперацией в электрическую энергию для вагонов с различными типами систем управления тягой, а также с применением бортовых и стационарных накопителей энергии различных типов. Проведён расчёт объёмов возвращённой на полезную транспортную работу энергии рекуперативного торможения ЭПС для схем со стационарными и бортовыми, маховичными, суперконденсаторными и емкостными накопителями энергии на основании фактических данных их испытаний. В результате анализа выявлено, что сохранение межпоездных перетоков полезной рекуперативной электроэнергии, образующейся в ходе торможения подвижного состава, обеспечивает более полный возврат энергии, чем в случае ликвидации таких перетоков с применением бортовых накопителей. Также установлено, что максимальный объём возврата рекуперированной энергии обеспечивают стационарные накопители, а полный чистый возврат энергии рекуперации бортовыми суперконденсаторными накопителями с запретом межпоездного обмена рекуперативной энергией меньше, чем межпоездные перетоки полезной рекуперации у вагонов, не оснащённых никакими буферными накопителями. Практическая значимость: результаты исследований использованы для проведения расчётов эффективности экономии энергии на выполнение транспортной работы в ходе проведения испытаний в контактной сети трамвая стационарного накопителя энергии типа НКЭ-3Г. Также полученные в ходе исследования выводы могут быть использованы на предприятиях ГЭТ для планирования задач по применению буферных накопителей энергии для снижения энергопотребления на выполнение транспортной работы.

Ключевые слова: рекуперативное торможение, рекуперация, преобразования энергии, накопитель энергии, система управления тягой, контактная сеть, энергопотребление на тягу, КПД, тяговая подстанция, подвижной состав.

Кацай Александр Владимирович (Москва, Россия) – кандидат философских наук, генеральный директор ООО «Кинемак» (115201, Москва, Каширский проезд, 13. e-mail: proton764@mail.ru).

Шевлюгин Максим Валерьевич (Москва, Россия) – доктор технических наук, доцент, заведующий кафедрой «Электроэнергетика транспорта» РУТ (МИИТ) (127994, Москва, ул. Образцова, 9, стр. 9,
e-mail: mx_sh@mail.ru).

1. Бирюков В.В. Энергосбережение на электрическом транспорте: монография. – Иркутск: Изд-во ИрГТУ, 2009. – 244 с.

2. Розенфелъд В.Е., Исаев И.П., Сидоров Н.Н. Теория электрической тяги: учеб, для вузов ж.-д. трансп. – 3-е изд., перераб. и доп. – М.: Транспорт, 1995. – 294 с.

3. Ефремов И.С., Косарев Г.В. Теория и расчет электрооборудования подвижного состава городского электрического транспорта: учеб, для вузов. – М.: Высшая школа, 1976. – 480 с.

4. Мятеж А.В., Ярославцев М.В., Забелина Д.Д. Исследование сезонных изменений потребления электрической энергии троллейбусом // Научные проблемы транспорта Сибири и Дальнего Востока. – 2014. – № 1–2. – С. 282–286.

5. Ярославцев М.В. Определение оптимальной энергоемкости бортового буферного накопителя энергии // Студент и научно-технический прогресс: материалы 51-й Междунар. науч. студ. конф.; Новосибирск, 12–18 апреля 2013 г. – Новосибирск: Изд-во Новосиб. гос. ун-та, 2013. – С. 46.

6. Ярославцев М.В., Щуров Н.И. Сезонные колебания потребления электрической энергии троллейбусом // Наука. Технологии. Инновации: материалы всерос. науч. конф. молод. ученых: в 10 ч.; Новосибирск, 21–24 ноября 2013 года. – Новосибирск: Изд-во Новосиб. гос. техн. ун-та, 2013. – Ч. 6. – С. 187–191.

7. Исследования энергообменных процессов при штатных условиях эксплуатации подвижного состава метрополитена с системами рекуперации / А.А. Сулим, С.А. Мужичук, П.А. Хозя [и др.] // Наука та прогресс транспорту. – 2017. – № 5(71). – С. 28–47. DOI: 10.15802/stp2017/112934

8. Сулим А.А. Расчет электроэнергии рекуперации электрифицированного городского транспорта при установке накопителя на тяговой подстанции // Известия высших учебных заведений и энергетических объединений СНГ. Энергетика. – 2014. – Вып. 4. – Ч. 4. – С. 30–41.

9. Мазнев А.С., Степанская О.А., Шатнев О.И. Системы рекуперации энергии торможения электроподвижного состава на городском транспорте Санкт-Петербурга // Известия ПГУПС. – 2017. – Вып. 1. – С. 63–72.

10. Щуров Н.И., Щеглов К.В., Штанг А.А. Применение накопителей энергии в системах электрической тяги // Сб. науч. тр. НГТУ. – 2008. – Вып. 1 (51). – С. 99–104.

11. Чернигов В.М. Электрооборудование трамвайного вагона
с емкостным накопителем. – URL: http://mapget.ru/wpcontent/uploads
2021/12/MAPGET_NTS_Chergos.pdf (дата обращения: 22.07.2022).

12. Методические рекомендации по расчету экономически обоснованной стоимости перевозки пассажиров и багажа в городском
и пригородном сообщении автомобильным и городским наземным электрическим транспортом общего пользования. Приложение к распоряжению Минтранса России от 18 апреля 2013 г. № НА-37-р. // Доступ из справ.-правовой системы КонсультантПлюс.

13. URL: https://www.ukvz.ru/produktsiya/seriynye-modeli/71-631-71-631-02/ (дата обращения: 15.08.2022).

14. Возможности рационального использования энергии торможения электрического подвижного состава / В.А. Шаряков, О.Л. Шарякова, А.В. Агунов, А.В. Третьяков // Электротехника. – 2018. – № 10. – С. 55–59.

15. Bartłomiejczyk M., Połom M. Multiaspect measurement analysis of breaking energy recovery // Energy Conversion and Management. – 2016. – Vol. 127. – P. 35–42.

16. Energy recovery effectiveness in trolleybus transport / S. Ha­macek [et al.] // Electric Power Systems Research. – 2014. – 112. – P. 1–11.

17. Khodaparastan M., Mohamed A. Flywheel vs. Supercapacitor as wayside energy storage for electric rail transit systems // Inventions. – 2019. – 4(4). – P. 62.

18. Показатели работы стационарного накопителя энергии на тяговых подстанциях московского метрополитена / Л.А. Баранов, В.А. Гречишников, А.В. Ершов, М.Д. Родионов, М.В. Шевлюгин // Электротехника. – 2014. – № 8. – С. 18–22.

19. Шевлюгин М.В. Ресурсо- и энергосберегающие технологии на железнодорожном транспорте и метрополитенах, реализуемые с использованием накопителей энергии: спец. 05.14.02 «Электрические станции и электроэнергетические системы»: автореф. дис. … д-ра техн. наук. – М., 2009. – 48 с.

20. A review on flywheel energy storage technology in fifty years / Dai Xingjian, Wei Kunpeng, Zhang Xiaozhang, Jiang Xinjian, Zhang Kai // Energy Storage Science and Technology. – 2018. – 7(05). – P. 765–782.

21. Verification of the reliability of a superconducting flywheel energy storage system and its application to the railway system / T. Yamashita, M. Ogata, H. Matsue [et al.] // Quarterly Report of RTRI. – 2017. – 58(4). – P. 303–310.

22. D’Ovidio G., Ometto A., Villante C. A novel optimal power control for a city transit hybrid bus equipped with a partitioned hydrogen fuel cell stack // Energies. – 2020. – 13(11). – 2682.

23. Незевак В.Л., Черемисин В.Т. Перспективы применения накопителей электрической энергии в системе тягового электроснабжения постоянного тока // Бюллетень результатов научных исследований / Петербург. гос. ун-т путей сообщения. – СПб., 2015. – № 1 (14). –
С. 76–83.

24. Черемисин В.Т., Вильгельм А.С., Незевак В.Л. Оценка технологических потерь в тяговой сети в условиях применения электроподвижным составом рекуперативного торможения // Вестник Ростов. гос. ун-та путей сообщения. – Ростов-н/Д, 2014. – № 2 (54). –
С. 106–111.

25. Саблин О.И. Повышение эффективности рекуперации энергии в системе электротранспорта при ограниченном тяговом электропотреблении // Технологический аудит и резервы производства. – 2014. – Т. 6, № 1 (20). – С. 21–25.

Чтобы избежать затрат на повторные дорогостоящие квалификационные испытания, снизить материалоемкость шинопровода, целесообразно еще на этапе проектирования провести численное моделирование термических и электродинамических процессов в шинопроводе при аварийных режимах работы [1, 2]. К тому же при численном моделировании точность определения электрических параметров повышается в 2–2,5 раза по сравнению с традиционными (аналитическими) методами расчета [3]. Цель исследования заключалась в обзоре опубликованных статей по нагреву шинопроводов до 10 кВ в режиме короткого замыкания (КЗ), разработке модели системы «силовой трансформатор – шинопровод – нагрузка» при трехфазном коротком замыкании (3КЗ), проведении сравнительного анализа полученных результатов моделирования с экспериментальными данными. Методы: использовался метод численного моделирования в режиме 3КЗ, реализованный с помощью связанных нестационарных задач магнитного поля и теплопередачи. В нестационарной задаче магнитного поля был смоделирован скачок ударного тока
и рассчитаны мощности тепловыделения в шинах в каждый момент времени. Полученные в программе распределения по элементам конструкции шинопровода удельной объемной мощности тепловыделения были переданы в качестве исходных данных в задачу нестационарной теплопередачи. Результаты: смоделирована система «силовой трансформатор 10 кВ – шинопровод – нагрузка», соответствующая участку реальной подстанции, в которой может использоваться шинопровод. Данные моделирования имеют хорошую сходимость с данными эксперимента, погрешность в максимальных температурах нагрева составила 3 %. Практическая значимость заключается в том, что, используя разработанную модель, можно определить реальные значения токов на рассматриваемом участке подстанции, реальные температуры нагрева. Соответственно, можно выбрать необходимые и достаточные сечения шин шинопровода, расстояния между опорными изоляторами без излишних запасов. Также с помощью разработанной модели можно обосновать необходимость предложений по модернизации.

Ключевые слова: закрытый трехфазный шинопровод, трехфазное короткое замыкание, моделирование нагрева, термическая стойкость, испытание на термическую стойкость.

Абашева Ульяна Николаевна (Екатеринбург, Россия) – аспирантка кафедры «Электротехника» Уральского энергетического института Уральского федерального университета имени первого Президента России Б.Н. Ельцина (620010, Екатеринбург, ул. Мира, 19, e-mail: uliana.abasheva@urfu.ru).

Фризен Василий Эдуардович (Екатеринбург, Россия) – доктор технических наук, профессор, заведующий кафедрой «Электротехника» Уральского энергетического института Уральского федерального университета имени первого Президента России Б.Н. Ельцина (620010, Екатеринбург, ул. Мира, 19, e-mail: vefrizen@urfu.ru).

Назаров Сергей Леонардович (Екатеринбург, Россия) – кандидат технических наук, доцент кафедры «Электротехника» Уральского энергетического института Уральского федерального университета имени первого Президента России Б.Н. Ельцина (620010, Екатеринбург, ул. Мира, 19, e-mail: nazarovsl.ekb@yandex.ru).

1. Szulborski M., Kolimas L., Lapczynski S. Thermal Analysis of Heat Distribution in Busbars during Rated Current Flow in Low-Voltage Industrial Swetchgear // Energies. – 2021. – № 14. – URL: https://doi.org/10.3390/en14092427
2. Calculations of Electrodynamic Forces in Three-Phase Asymmetric Busbar System with the Use of FEM / M. Szulborski, L. Kolimas, S. Lapczynski, L. Kozarek // Energies. – 2020. – № 13. – URL: https://doi.org/10.3390/en13205477
3. Ярымбаш Д.С., Ярымбаш С.Т., Килимник И.М. Идентификация электрических параметров шихтованных шинных пакетов мощных коротких сетей // Электротехника и электроэнергетика. – 2012. – № 2. – С. 55–61.
4. Беляева Е.Н. Как рассчитать ток короткого замыкания. – М.: Энергоатомиздат, 1983. – 136 с.
5. ГОСТ Р 52736–2007. Короткие замыкания в электроустановках. Методы расчета электродинамического и термического действия тока короткого замыкания [Электронный ресурс]. – URL: http://docs.cntd.ru/document/1200052839 (дата обращения: 05.12.2021).
6. РД 153-34.0-20.527–98. Руководящие указания по расчету токов короткого замыкания и выбору электрооборудования [Электронный ресурс]. – URL: http://www.gostrf.com/normadata/1/4294817/4294817179.pdf (дата обращения: 05.12.2021).
7. Multiphysics Analysis of Busbars with Various Arrangements Under Short-Circuit Condition / G. Kadkhodaei, M. Hamzeh, K. Sheshyekani, S.D. Tavakoli // IET Electrical Systems in Transportation. – 2016. – № 6. – P. 237–245.
8. Plesca A. Thermal Analysis of Busbars from a High Current Power Supply System [Электронный ресурс] // Energies. – 2019. – № 12. – URL: https://doi.org/10.3390/en12122288 (дата обращения: 05.12.2021).
9. Термостойкость открытого шинопровода: типовой пример Elcut [Электронный ресурс]. – URL: https://elcut.ru/advanced/busbars_shortage_r.htm (дата обращения: 05.12.2021).
10. Kusiak D., Szczegielniak T., Piątek Z. Magnetic field asymmetry at external phases of shielded single-pole three-phase flat high-current busduct [Электронный ресурс] // ITM Web Conf. – 2019. – Vol. 28. – URL: https://doi.org/10.1051/itmconf/20192801007 (дата обращения: 05.12.2021).
11. ГОСТ 12965–85. Трансформаторы силовые масляные общего назначения классов напряжения 110 и 150 кВ [Электронный ресурс]. – URL: https://docs.cntd.ru/document/1200012412 (дата обращения: 05.12.2021).
12. Федоров В.А. Библия релейной защиты и автоматики. – Новосибирск: Изд-во Новосибир. ин-та повышения квалификации, 2004. – 278 с.
13. Магнитная проницаемость основных материалов, таблица [Электронный ресурс]. – URL: https://dpva.ru/Guide/GuidePhysics/ElectricityAndMagnethism/MagneticPermeability/MagneticPermeabilityGe­naralTable/ (дата обращения: 05.12.2021).
14. СТО 56947007-29.060.10.006–2008. Методические указания по расчету и испытаниям жесткой ошиновки ОРУ и ЗРУ 110–500 кВ [Электронный ресурс]. – URL: https://www.fsk-ees.ru/upload/docs/56947007-29.060.10.006-2008.pdf (дата обращения: 05.12.2021).
15. Руководство пользователя Elcut [Электронный ресурс]. – URL: http://elcut.ru/free_doc_r.htm (дата обращения: 05.12.2021).
16. Правила устройства электроустановок. – 7-е изд. – М.: Изд-во НЦ «ЭНАС», 1999–2005. – 692 с.
17. ГОСТ 14694–76. Устройства комплектные распределительные в металлическойоболочке на напряжение до 10 кВ методы испытаний [Электронный ресурс]. – URL: https://meganorm.ru/Index2/1/4294837/4294837022.htm (дата обращения: 19.12.2021).
18. ГОСТ 8024–90. Аппараты и электротехнические устройства переменного тока на напряжение свыше 1000 В. Нормы нагрева при продолжительном режиме работы и методы испытаний [Электронный ресурс]. – URL: https://meganorm.ru/Data2/1/4294821/4294821800.pdf (дата обращения: 19.12.2021).
19. Протокол испытаний № 017-189-2007 от 31.10.2007 / филиал ОАО «НТЦ электроэнергетики», НИЦ ВВА. – 9 с.
20. Преобразователи числа фаз в электротехнологии: учебное пособие/ С.Л. Назаров, В.Н. Удинцев, С.А. Бычков [и др.]. – Екатеринбург: Изд-во Урал. ун-та, 2019. – 196 с.
21. Cundeva S., Digalovski M. Calculation of electric arc furnace secondary circuit – Analytical and numerical approach [Электронный ресурс] // Przeglad Eletrotechniczny. – 2016. – Vol. 1. – URL: https://doi.org/10.15199/48.2016.12.06 (дата обращения: 19.12.2021).
22. Cundeva S., Digalovski M. Electric Arc Furnace Transformer Secondary Circuit Calculations [Электронный ресурс] // Serbian Journal of electrical engineering. – 2019. – Vol. 16. – URL: https://doi.org/10.2298/SJEE1902181C (дата обращения: 19.12.2021).
23. Определение параметров короткой сети дуговых сталеплавильных печей / Н.В. Евсеева, С.Л. Баранов, А.С. Лоскутов, А.Р. Ахметов // Сталь. – 2018. – № 10. – С. 22–25.
24. Ярымбаш Д.С. Особенности расчета электродинамической стойкости шихтованных шинных пакетов короткой сети печи графитации // Вестник СевНТУ. – 2014. – Вып. 147. – С. 131–136.
25. Ярымбаш Д.С., Килимник И.М., Ярымбаш С.Т. Динамическая адаптация схемных моделей короткой сети // Электротехника и электроэнергетика. – 2014. – № 2. – С. 65–70.
26. Алюминиевые сплавы (состав, свойства, технология, применение): справочник / сост. В.М. Белецкий, Г.А. Кривов; под общ. ред. акад. РАН И.Н. Фридляндера. – Киев: ЗАО «Коминтех», 2005. – 365 с.
27. Червенчук В.Д., Иванов А.Л. Электрические аппараты. Тепловые процессы в электрических аппаратах [Электронный ресурс]. – URL: http://bek.sibadi.org/fulltext/esd236.pdf (дата обращения: 10.10.2022).

Объектом исследования данной работы служат трубчатые нагревательные печи, которые на сегодняшний день находятся среди опасных объектов на нефтегазовом производстве, так как при проведении анализa нa предприятиях былa выявленa высокaя доля aвaрий, связaнных
с прогaром в зонaх внутренних отложений и, кaк следствие, рaзгерметизaции змеевиков, их деформации и возникновения взрывов и пожaров в дaльнейшем. Для того чтобы увеличить срок службы змеевиков, повысить надежность печи, контролировать коксообразование в ней и таким образом уменьшить возникновение аварий на производстве, необходимо разработать систему aвтомaтического упрaвления зaкоксовaнностью змеевикa трубчaтой печи с использовaнием генетических aлгоритмов. Цель исследования: разработка автоматической системы управления закоксованностью змеевика трубчатой печи при производстве водорода паровой конверсией на основе генетических алгоритмов. Методы: построение системы, моделирующей контроль закоксованности трубчатых печей путем поддержания температуры, не превышающей пределы, при которых на змеевиках печи образуется кокс. Для количественной оценки уровня закоксованности змеевиков трубчатых печей в режиме реального времени предложен оценочный критерий – скорость коксообразования, формируемый из совокупности технологических и технических параметров с использовaнием эмпирических зaвисимостей генетического aлгоритмa, определено знaчение оценочного критерия (более 0,8 кг/сут), соответствующее предельно допустимому уровню зaкоксовaнности змеевикa трубчaтой нaгревaтельной печи. Результаты: в процессе исследования проблемы повышения закоксованности змеевика трубчатых нагревательных печей
в производстве водорода паровой конвесрией использовaлись генетические aлгоритмы для построения систем со сложным поведением, так как данный метод является относительно простым для реализации, также предложенa модель ПИД-регулировaния с их использовaнием, смоделировaннaя в среде «Simulink» в прогрaмме «MatLab». Практическая значимость: в результате исследования решена актуальная проблема повышения уровня пожарной и промышленной безопасности трубчатых печей путем построения системы, моделирующей контроль закоксованности трубчатых печей на производстве.

Ключевые слова: печь, контроль, закоксованность, разработка, генетический алгоритм, температура, давление.

Пименов Андрей Алексеевич (Стерлитамак, Россия) – студент кафедры «Автоматизированные технологические и информационные системы» филиала Уфимского государственного нефтяного технического университета, Института химических технологий и инжиниринга (453118, Стерлитамак, Проспект октября, 2, e-mail: samcave@mail.ru).

Муравьева Елена Алексaндровнa (Стерлитaмaк, Россия) – доктор технических нaук, профессор, профессор кaфедры «Автоматизированные технологические и информационные системы» филиала Уфимского государственного нефтяного технического университета, Института химических технологий и инжиниринга (453118, Стерлитaмaк, Проспект октября, 2, e-mail: muraveva_ea@mail.ru).

Каримов Илёсжон Файзуллоевич (Стерлитамак, Россия) – студент кафедры «Автоматизированные технологические и информационные системы» филиала Уфимского государственного нефтяного технического университета, Института химических технологий и инжиниринга (453118, Стерлитамак, Проспект октября, 2, e-mail: ilyos.karimov08@gmail.ru).

1. Годовой отчет о деятельности Федеральной службы по экологическому, технологическому и атомному нaдзору в 2017 [Электронный ресурс]. – М., 2018. – URL: https://www.gosnadzor.ru/public/annual_reports (дaтa обрaщения: 07.01.2022).
2. Совершенствовaние систем aвтомaтического упрaвления и противоaвaрийной зaщиты трубчaтых печей нa основе мониторингa пaрaметров процессa коксообрaзовaния / М.Г. Бaширов, З.Х. Пaвловa, М.М. Зaкирничнaя, A.М. Хaфизов // Нефтегaзовое дело. – 2018. – № 1. – С. 120–144.
3. Технология и оборудование процессов переработки нефти и газа: учебное пособие / C.A. Aхметов, Т.П. Сериков, И.Р. Кузеев, М.И. Бaязитов. – СПб.: Недра, 2006. – 868 с.
4. Литяйкин Д.Ю., Муравьева Е.A. Рaзрaботкa системы упрaв­ления блокa сепaрaции водородосодержaщего гaзa // Современнaя нaукa: aктуaльные проблемы, достижения и инновaции: cб. ст. II Всерос. нaуч.-прaкт. конф. – Белебей, 2021. – С. 46–48.
5. Системa оперaтивного диaгностировaния aвтомaтизировaн­ного технологического комплексa трубчaтой печи нa основе продукционных прaвил [Электронный ресурс] / Д.С. Мaтвеев, A.В. Чикуров, М.Х. Хуснияров, A.П. Веревкин, Р.Н. Бaхтизин // Нефтегaзовое дело: электрон. нaуч. журнaл УГНТУ. – 2011. – № 4. – С. 4–13.
6. Aбдрaфиковa Ф.Ф., Мурaвьевa Е.A., Шaрипов М.И. Использовaние модели мaшинного обучения для решения зaдaч реaльного времени // Современные технологии: достижения и инно­вaции-2021: сб. мaтериaлов III Всерос. нaуч.-прaкт. конф.; Стерлитамак, 16 ноября 2021. – Стерлитамак, 2021. – С. 327–329.
7. Тенев В.A. Решение задачи многокритериальной оптимизации генетическими алгоритмами // Интеллектуальные системы в производстве. – Ижевск: Изд-во Ижевск. гос. техн. ун-та, 2006. – № 2/8. – С. 103–109.
8. Сводная статистика пожаров в Российской Федерации [Электронный ресурс]. – URL: http://wiki-fire.org/Своднaя%20стaтистикa%20пожaров%20в%20Российской%20Федерaции.ashx (дaтa обрaщения: 07.01.2022).
9. Статистика пожаров в России [Электронный ресурс]. – URL: http://www.pojarnayabezopasnost.ru/statistika.html (дaтa обрaщения: 07.01.2022).
10. Ежегодные отчеты о деятельности Федеральной службы по экологическому, технологическому и aтомному нaдзору [Электронный ресурс]. – URL: http://www.gosnadzor.ru/public/annual_reports/ (дaтa обрaщения: 07.01.2022).
11. Веревкин A.П., Слетнёв М.С. Усовершенствовaнное упрaвление (APC) нефтехимическим производством нa основе многоуровневой нейросетевой системы поддержки принятия решений // Нефтегaзовое дело. – 2012. – Т. 10, № 2. – С. 61–64.
12. Пожарная опасность трубчатых печей [Электронный ресурс]. – URL: http://mirznanii.com/a/195242-3/pozharnaya-opasnost-trubchatykh-pechey (дaтa обрaщения: 07.01.2022).
13. Кузнецов Д.Л., Хафизов A.М., Мaлышевa О.С. Экономическое обосновaние рaзрaботки прогрaммы диaгностировaния змеевиков трубчaтых печей // Интегрaция нaуки и обрaзовaния в вузaх нефте­гaзового профиля. – Уфa: Изд-во УГНТУ, 2016. – С. 342–344.
14. Хафизов A.М., Бaширов М.Г. Информaционно-упрaвляющaя системa обеспечения безопaсности трубчaтых печей с использовaнием генетических aлгоритмов / УГНТУ. – Уфа, 2019. – С. 93.
15. Lankhorst M.M. A genetic algorithm for the induction of nondeterministic pushdown automata. computing science report / University of Groningen Department of Computing Science. – 1995.
16. Мищенко В.A. Коробкин A.A. Использование генетических алгоритмов в обучении нейронных сетей // Современные проблемы науки и образовaния. – 2011. – № 6.
17. Das S., Mozer M.C. A unified gradient-descent/clustering architecture for finite state machine induction // Advances in Neural Information Processing Systems. – 1994.
18. Chen Y., Ma Y., Yun W. Application of improved genetic algorithm in PID controller parameters optimization // Telkomnika. – 2013. – 11(3). – P. 1524–1530. – URL: http://www.iaesjournal.com/online/index.php/TELKOMNIKA/article/viewFile/2301/pdf (accessed 31.03.2016).
19. Goldberg D.E. Genetic algorithm in search, optimization and machine learning.  – Reading, MA: Addison-Wesley. – 1989.
20. Goldberg D.E. Simple genetic algorithms and the minimal deceptive problem // Genetic Algorithms and Simulated Annealing. Chapter 6. –Los Altos, CA, Morgan Kauffman. – 1987. – P. 74–88.
21. Saad M.S., Jamaluddin H., Darus I.Z.M. Implementations of PID-controller tuning using differential evolution and genetic algorithm // International Journal of Innovate Computing, Information and Control. – 2012. – 8(11). – P. 7761–7779. – URL: http://www.ijicic.org/ijicic-11-07073.pdf, (дата обращения: 31.03.2016).
22. Ayman A.A. PID Parameters optimization using genetic algorithm technique for electrohydraulic servo control system // Intelligent Control and Automation. – 2011. – 2. – P. 69–76. DOI: 10.4236/ica.2011.22008
23. Michalewicz Z. Genetic algorithms + data structures = evolution programs. – SpringerVerlag Berlin and Heidelberg. – 1996. – P. 387.
24. Eiben A.E., Smith J.E. Introduction to evolutionary computing. – Springer Verlag Berlin. – 2003.
25. Haupt R.L., Haupt S.E. Practical genetic algorithms / John Wiley & Sons, Inc., Hoboken, New Jersey. – 2004.
26. Holland J. H. Adaptation in natural and artificial systems. – MI: University of Michigan Press. – 1975.

Основная проблема при валидации спутниковых измерительных данных заключается
в том, что пространственное разрешение дистанционных и наземных измерительных данных сильно различается. Как результат, актуальным оказывается решение вопросов валидации изображений низкого пространственного разрешения с помощью изображений высокого разрешения и наоборот. Целью исследования является проведение оптимальной генерализации наземных измерительных данных. Методы: операция генерализации наземных данных может включать следующее: а) усреднение результатов проведенных измерений, пригодных для обработки данных гомогенных тестовых участков; б) вычисление эмпирической переходной функции между радиометрическими сигналами и результатами наземных измерений, в случае гетерогенности тестовых участков. Гетерогенность тестовых участков является важным фактором, правильный учет которого необходим для проведения операции валидации бортовых данных наиболее достоверным образом. Результаты: рассмотрена задача максимально правдоподобной генерализации результатов бортовых мультиспектральных измерений индексов растительности с использованием наземных упорядоченных тестовых участков. Задача решена с использованием интегральной логарифмической функции правдоподобия, которая представляется в качестве оптимизируемого функционала, зависящего от оптимизируемой функции взаимосвязи с.к.о. результатов измерений индекса раздельно по гетерогенным тестовым участкам и средними значениями этого индекса по этим же участкам. Определен оптимальный вид указанной взаимосвязи, при которой при соблюдении некоторого выявленного условия логарифмическая интегральная функция правдоподобия достигает максимальной величины

Ключевые слова: оптимизация, валидация, тестовый участок, правдоподобие, функционал.

Асадов Хикмет Гамид оглы (Баку, Азербайджанская Республика) – доктор технических наук, профессор, начальник отдела Научного исследовательского института аэрокосмической информатики, (Баку, AZ1145, ул. С.С. Ахундова, 1, тел. +994 50 324 72 40, e-mail: asadzade@rambler.ru).

Алиева Амида Джабраиль гызы (Баку, Азербайджанская Республика) – доктор философии по технике, старший специалист Национального аэрокосмического агентства (Баку, AZ1145, ул. С.С. Ахун–дова, 1, e-mail: amidec.b@gmail.com).

1. Chen J.M., Black T.A. Defining leaf area index for non – flat leaves // Plant Cell Environ. – 1992. – Vol. 15. – P. 421–429.
2. Moulin Sşç Bondeau Aşç Delecolle Rş Combining agricultural crop models  and satellite obervations: from field to regional scales // İnt. J. Remote Sens. – 1998. – Vol. 19. – P. 1021–1036.
3. A global terrestrial monitoring network integrating tower fluxes, flask sampling, ecosystem modeling and EOS satellite data / S.W. Running, D.D. Baldocchi, D.P. Turner, S.T. Gower, P.S. Bakwin, K.A. Hibbard // Remote Sens. Environ. – 1999. – Vol. 70. – P. 108–127.
4. Relationships between leaf area index, FAPAR and net primary production of terrestrial ecosystem / D.P. Turner, W.B. Cohen, R.E. Kennedy, K.S. Fassnacht, J.M. Briggs // Remote Sens. Environ. – 1999. – Vol. 70. – P. 52–68.
5. Potential monitoring of crop production using a satellite – based Climate – Variability Impact Index / P. Zhang, B. Anderson, B. Tan, D. Huang, R. Myneni // Agric. For. Meteorol. – 2005. – Vol. 132. – P. 344–358.
6. Liang S.L., Li X.W., Wang J.D. Leaf area index // Advanced Remote Sensing: Terrestrial İnformation Extraction and Applications. Science Press: Beijing, China. – 2012. – Vol. 11. – P. 342–344.
7. Global products of vegetation leaf area and fraction absorbed PAR from year one of MODIS data / R.B. Myneni, S. Hoffman, Y. Knyazikhin, J.L. Privette, J. Glassy, Y. Tian, Y. Wang, X. Song, Y. Zhang, G.R. Smith // Remote Sens. Environ. – 2002. – Vol. 83. – P. 214–231.
8. GEOVI: LAI, FAPAR essential climate variables and FCOVER global time series capitalizing over existing products. Part 1: Principles of development and production / F. Baret, M. Weiss, R. Lacaze, F. Camacho, H. Makhmara, P. Pacholyzk, B. Smets // Remote Sens. Environ. – 2013. – Vol. 137. – P. 299–309.
9. Use of general regression neural networks for generating the GLASS leaf area index product from time – series MODIS surface reflectance / Z.Q. Xiao, S.L. Liang, J.D. Wang, P. Chen, X. Yin, L. Zhang, J.L. Song // IEEE Trans. Geosci. Remote Sens. – 2014. – Vol. 52. – P. 209–223.
10. Developments in the validation of satellite sensor products for the study of the land surface / C. Justice, A. Belward, J. Morisette, P. Lewis, J. Privette, F. Baret // Int. J. Remote Sens. – 2000. – Vol. 21. – P. 3383–3390.
11. Validation of global medium – resolution LAI Products: A framework proposed within the CEOS Land Product Validation subgroup / J.T. Morisette, F. Baret, J.L. Privette, R.B. Myneni, J.E. Nickeson, S. Garrigues, N.V. Shabanov, M. Weiss, R.A. Fernandes, S.G. Leblanc // IEEE Trans. Geosci. Remote Sens. – 2006. – Vol. 44. – P. 1804–1817.
12. A network of Sites and a Methodology for the Validation of Medium Spatial Resolution Satellite Products / F. Baret, M. Weiss, S. Garrigues, D. Allard, M. Leory, H. Jeanjean, R. Fernandes, R.B. Myneni, J.T. Moriette, Valeri J. Privette // Remote Sens. Environ. – 2015.
13. Элсгольц Л.Э. Дифференциальные уравнения и вариационное исчисление. – М.: Наука, 1974. – С. 432.

Управление режимами работы лазерного диода традиционно связано с применением ПИ-регуляторов. Однако лазерный диод должен обеспечивать соблюдение ряда технических требований, таких как относительная нестабильность выходной мощности излучения в диапазоне рабочих температур, относительная нестабильность выходной мощности излучения при установившейся температуре, время функциональной готовности после подачи питания. Вышеперечисленные требования определяют качество работы лазерного диода. Для соблюдения технических требований нужна корректная настройка имеющихся регуляторов. Среди эффективных путей решения данной проблемы – построение математической модели системы автоматического управления (САУ) оптической мощностью лазерного диода и настройка параметров регулятора с помощью методов оптимизации. В данном случае для идентификации модели САУ и настройки регулятора целесообразно использовать пакет прикладных программ MatLab. Цель исследования: оптимизация регулятора оптической мощности лазерного диода. Методы: разработка математической модели системы автоматического управления оптической мощности лазерного диода, применение MatLab Identification Toolbox для идентификации лазерного диода как объекта управления с помощью экспериментальных данных. Результаты: оптимизация регулятора оптической мощности лазерного диода позволила уменьшить время выхода на рабочую мощность и повысить помехоустойчивость. Разработанная математическая модель САУ оптической мощностью лазерного диода подтвердила правильность идентификации. Благодаря оптимизации регулятора оптической мощности лазерного диода САУ удовлетворяет техническим требованиям. Практическая значимость: результаты исследований использованы при разработке САУ оптической мощностью лазерного диода, что позволило уменьшить время функциональной готовности и уменьшить нестабильность выходной мощности излучения лазерного диода.

Ключевые слова: лазерный диод, идентификация, оптимизация, ПИ-регулятор.

Загвозкин Владимир Дмитриевич (Пермь, Россия) – аспирант кафедры «Автоматика и телемеханика» Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29, e-mail: vladimit.zagvozkin@gmail.com).

1. Schubert E.F., Gessmann T., Kim J.K. Light emitting diodes. – John Wiley & Sons, Inc., 2005.
2. Liu S., Luo X. LED packaging for lighting applications: design, manufacturing, and testing. – John Wiley & Sons, 2011.
3. Weinert J., Spaulding C. LED lighting explained. – Burlington (MA): Philips Color Kinetics Inc. – 2010.
4. Никифоров С. Система параметров светодиодов Электрические, фотометрические, спектральные (колориметрические) и энергетические характеристики // Полупроводниковая светотехника. – 2011. – Т. 5. – № 13. – С. 16–27.
5. Никоноров Н.В., Сидоров А.И. Материалы и технологии волоконной оптики: специальные оптические волокна / СПбГУ ИТМО. – СПб., 2009.
6. Design optimization of light emitting diode module «chip on-board» for light extraction increase / S.N. Lipnitckaia, K.D. Mynbaev, L.A. Nikulina, V. Kramnik, V.E., Bougrov A.R. Kovsh, M.A. Odnoblyudov, A.E. Romanov // Conference Proceedings – 12th International Conference on Laser and Fiber-Optical Networks Modeling, LFNM 2013. – 2013. – P. 6644845.
7. Highbrightness InGaN–GaN power flip-chip LEDs / S.J. Chang, W.S. Chen, S.C. Shei, C.T. Kuo, T.K. Ko, C.F. Shen // Journal of Lightwave Technology. – 2009. – Vol. 27, № 12. – P. 1985–1989.
8. Emission pattern control and polarized light emission through patterned graded-refractiveindex coatings on GaInN light-emitting diodes / M. Ma, A.N. Noemaun, J. Cho, E.F. Schubert, G.B. Kim, C. Sone // Optics Express. – 2012. – Vol. 20, № 15. – P. 16677–16683.
9. Хижняков Ю.Н. Нечеткое, нейронное и гибридное управление: учеб. пособие. – Пермь: Изд-во Перм. нац. исслед. политехн. ун-та, 2013. – 303 с.
10. ГОСТ 17490–77. Лазеры и излучатели инжекционные, диоды лазерные. Основные параметры. – М.: Изд-во стандартов, 2000. – 7 с.
11. Стариков С.С., Кель О.Л., Вольхин И.Л. Измерение шумов волоконно-оптических источников излучения // Вестник Пермского университета. Физика. – 2019. – Вып. 43. – C. 66–73.
12. Леготкина Т.С, Данилова С.А. Методы идентификации систем: учеб. пособие. – Пермь: Изд-во Перм. гос. техн. ун-та, 2008. – 123 с.
13. Лукас В.А. Теория управления техническими системами: учеб. пособие для вузов. – 4-е изд., испр. – Екатеринбург: Изд-во УГГУ, 2005. – 677 с.
14. Дорф Р., Бишоп Р. Современные системы управления / пер. с англ. Б.И. Копылова. – М.: Лаборатория базовых знаний, 2002. – 832 с.
15. Бесекерский В.А., Попов Е.П. Теория систем автоматического регулирования. – 3-е изд., испр. – М.: Наука; Главная редакция физ.-мат. литературы, 1995. – 768 с.
16. Зайцев А.П. Основы теории автоматического управления: учеб. пособие. – Томск: Изд-во ТПУ, 2000. – 152 с.
17. Первозванский А.А. Курс теории автоматического управления: учеб. пособие для вузов. – 4-е изд., стер. – СПб: Лань, 2021. – 616 с. – URL: https://e.lanbook.com/book/180825 (дата обращения: 06.04.2022).
18. Аверьянов Г.С., Яковлев А.Б. Основы теории автоматического управления: учеб. пособие. – Омск: Изд-во Омск. гос. техн. ун-та, 2017. – 108 с. – URL: https://biblioclub.ru/index.php?page=book&id=493256 (дата обращения: 06.04.2022).
19. Цветкова О.Л. Теория автоматического управления: учебник. – М.; Берлин: Директ-Медиа, 2016. – 209 с. – URL: https://biblioclub.ru/index.php?page=book&id=443415 (дата обращения: 06.04.2022).
20. Дьяконов В.П. MatLab R2006/2007/2008+Simulink 5/6/7. Основы применения. – 2-е изд., перераб. и доп. – M.: Солон-пресс, 2008. – 800 с.
21. Гультяев А.К. Визуальное моделирование в среде MatLab: учебный курс. – СПб.: Питер, 2000. 430 с.
22. Денисенко В. ПИД-регуляторы: принципы построения и модификации // СТА. (рубрика «В записную книжку инженера»). – М.: СТА-ПРЕСС, 2006. – № 4. – 95 с.
23. Моделирование в среде MatLab/Simulink: метод. указания к лабораторным работам / сост. А.И. Герасимов, В.В. Регеда, О.Н. Регеда. – Пенза: Изд-во ПГУ, 2017. – 104 с.
24. Математическое моделирование: учебно-метод. пособие / сост. Н.Н. Максимова. – Благовещенск: Изд-во АмГУ, 2019. – 88 с.
25. Гасников В.А. Современные численные методы оптимизации. Метод универсального градиентного спуска: учеб. пособие. – 2-е изд., доп. – М.: Изд-во МФТИ, 2018. – 286 с.

Динамика развития интеллектуализации процессов управления напрямую связана со сменой и становлением технологических укладов. В связи с этим необходимо изучать реальные возможности человека, процесс влияния субъективизма на принятие решений, возможность защиты от манипуляций внешней среды и целесообразность использования искусственного интеллекта
в качестве инструмента поддержки принятия решений. Все эти факторы влияют на процесс подбора кадров, который в сложившихся условиях должен осуществляться по новой технологии, позволяющей одновременно учитывать как профессиональные технические навыки, так и сформировавшиеся навыки гуманитарных дисциплин. Цель исследования: разработка нового подхода, позволяющего производить комплексную оценку потенциальных соискателей на новые, ранее не существующие должности. Методы: процедура комплексного оценивания на основе имитационной модели поведения, основанной на построении сертификатов функций приведения к шкале комплексного оценивания. Результаты: описаны проблемы методологии проведения конкурсов данного типа, представлены постановка и решение задач на основе построения аналитических (алгебраических решений) и имитационных (поведенческих) моделей. Описан алгоритм оценки компетенций соискателей, в основе которого лежит модель комплексного оценивания, включающая процедуры ранжирования и выбора на множестве альтернатив. Отличительной особенностью данных моделей является построение «облика» (модели) принятия решений. Представлен алгоритм построения искусственного интеллекта, который будет являться основой выбора специалистов. Отмечается, что в случае необходимости облик искусственного интеллекта может корректироваться. Параметры искусственного интеллекта определяют  параметры свертки с учетом предпочтений субъекта управления и его представлений о результатах предшествующих конкурсов. Практическая значимость: применение нового подхода оценки потенциальных соискателей на должность BIM-координатора. В процессе построения модели формализуются и структурируются требования к специалистам нового направления.

Ключевые слова: проективное управление, конкурсный механизм, междисциплинарность, технологический уклад, BIM-технологии, комплексное оценивание, коррекция, искусственный
интеллект.

Харитонов Валерий Алексеевич (Пермь, Россия) – доктор технических наук, профессор, профессор кафедры «Строительный инжиниринг и материаловедение» Пермского национального исследовательского политехнического университета, заслуженный работник высшей школы РФ (614990, Пермь, Комсомольский пр., 29,
e-mail: cems@pstu.ru).

Кривогина Дарья Николаевна (Пермь, Россия) – кандидат технических наук, доцент кафедры «Строительный инжиниринг и материаловедение» Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29, e-mail: darya.krivogina@gmail.ru).

Саламатина Анна Сергеевна (Пермь, Россия) – аспирантка кафедры «Строительный инжиниринг и материаловедение» Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29, e-mail: salamatina@cems.pstu.ru).

1. Глазьев С.Ю. Рывок в будущее. Россия в новых технологическом и мирохозяйственном укладах. – М.: Книжный мир, 2018. – 768 с.

2. Техно-гуманитарный взгляд на проблемы проективного управления в социально-экономических системах / В.А. Харитонов,
Д.Н. Кривогина, В.С. Спирина, А.С. Саламатина // Прикладная математика и вопросы управления. – 2020. – № 1. – С. 140–158. DOI: 10.15593/2499-9873/2020.1.09

3. Глазьев С. Мировой экономический кризис как процесс смены технологических укладов [Электронный ресурс] // Вопросы экономики. – 2009. – № 3. – С. 26–38. – URL: https://doi.org/10.32609/0042-8736-2009-3-26-38 (дата обращения: 07.09.2022).

4. Винер Н. Кибернетика и общество. Творец и робот. – М.: Тайдекс Ко, 2003. – 248 с.

5. Sabaei D., Erkoyuncu J., Roy R. A review of multi-criteria decision making methods for enhanced maintenance delivery // Procedia CIRP 37. – 2015. – P. 30–35.

6. Глазьев С.Ю. Регулирование инновационных процессовв новом технологическом и мирохозяйственном укладах // Экономическое возрождение России. – 2022. – № 2 (72). – С. 24–27.

7. Глазьев С.Ю. Ноономика как стержень формирования нового технологического и мирохозяйственного укладов // Ноономика и ноообщество. Альманах трудов ИНИР им. С.Ю. Витте. – 2022. – Т. 1. –
№ 1. – С. 43–64.

8. Талапов В.В. Технология BIM. Суть и особенности внедрения информационного моделирования зданий. – М.: Изд-во ДМК Пресс, 2015. – 410 с.

9. Смирнов И.А. Анализ отечественного и зарубежного опыта
в BIM-проектировании // Наукосфера. – 2021. – № 2-2. – С. 71–75.

10. Внедрение BIM-технологий в строительство / А.В. Кудинов, А.А. Частников, А.А. Гладков, Н.В. Емельянов // Фундаментальные
и прикладные научные исследования: актуальные вопросы, достижения и инновации: сб. статей XX Междунар. науч.-практ. конф.; Пенза,
15 февраля 2019 г. – Пенза: Наука и Просвещение (ИП Гуляев Г.Ю.), 2019. – С. 143–145.

11. Кузубов Е.В., Пашкова Л.А. Особенности жизненного цикла проекта в среде BIM-проектирования // Актуальные вопросы в науке
и практике: сб. статей по материалам VIII Междунар. науч.-практ. конф.: в 3 ч.; Самара, 15 мая 2018 г. – Самара: ООО «Дендра», 2018. – С. 104–109.

12. Дерюпина А.Е., Джапаридзе Д.А. Инфрмационные модели зданий (BIM) // Молодежный научный вестник. – 2017. – № 12 (25). –
С. 167–175.

13. Батехова А.А., Горюшкин К.Н. BIM-проектирование: роль информационных моделей в реальном строительстве // Поколение будущего: взгляд молодых ученых – 2021: сб. науч. статей 10-й Междунар. молодеж. науч. конф.; Курск, 11–12 ноября 2021 г. – Курск: Изд-во Юго-Запад. гос. ун-та, 2021. – С. 146–149.

14. Пастух О.А., Кураков А.Ю. Роль BIM-технологий в проектировании, строительстве и подготовке квалифицированных кадров // BIM-моделирование в задачах строительства и архитектуры: материалы III Междунар. науч.-практ. конф., Санкт-Петербург, 15–17 апреля 2020 г. – СПб.: Изд-во Санкт-Петербург. гос. архитект.-строит. ун-та, 2020. – С. 344–354.

15. Epstein M. PreDictionary: experiments in verbal creativity. – USA: Lulu.com, 2011. – 131 p.

16. Харитонов В.А., Алексеев А.О. Концепция субъектно-ориенти­рованного управления в социальных и экономических системах // Политематический сетевой электрон. науч. журнал Кубан. гос. аграрного ун-та. – 2015. – № 109. – С. 690–706.

17. Бурков В.Н., Коргин Н.А., Новиков Д.А. Введение в теорию управления организационными системами / под ред. чл.-корр. РАН
Д.А. Новикова. – М.: Либроком, 2009. – 264 с.

18. Новиков Д.А. Теория управления организационными системами. – М.: Изд-во Моск. психол.-соц. ин-та, 2005. – 581 с.

19. Лыков М.В., Алексеев А.О., Харитонов В.А. Инновационные технологии управления конкурсной деятельностью // Вестник Самар. гос. экономич. ун-та. – 2010. – № 6 (68). – С. 31–35.

20. Лыков М.В., Новопашина Е.И. Конкурсные системы либерального управления деятельностью людей в заданной предметной области // Управление большими системами: сб. тр. VI Всерос. школы-сем. молод. учен. – Ижевск, 2009. – Т. 1. – 400 с.

21. Гуреев К.А., Лыков М.В. Шайдулин Р.Ф. Процедура поддержки принятия коллегиальных решений с использованием активной экспертизы // Теория активных систем: тр. междунар. науч.- практ. конф.; Москва, 17–19 нояб. 2009 г. / под общ. ред. В.Н. Буркова, Д.А. Новикова. – М., 2009. – Т. 1. – С. 230–233.

22. Алексеев А.О. Классификация механизмов комплексного оценивания сложных объектов // Информационные и математические технологии в науке и управлении. – 2018. – № 2 (10). – С. 106–120.

23. Rapaport D. Projective techniques and the theory of thinking // J. of Projective Techniques. – 2010. – Vol. 16. – Р. 269–275.

24. Квантификация предпочтений хозяйствующих субъектов управления в задачах цифровой экономики: монография / В.А. Харитонов, А.О. Алексеев, А.В. Вычегжанин, А.М. Гревцев, М.С. Дмитрюков, Д.Н. Кривогина, В.С. Спирина, Р.Ф. Шайдулин, Л.К. Гейхман; под ред. В.А. Харитонова / Перм. нац. исслед. политехн. ун-т. – Пермь: Изд-во Перм. нац. исслед. политехн. ун-та, 2018. – 171 с.

25. Белых А.А., Горлов Ю.Г., Калинин Н.П. Функциональные возможности механизмов комплексного оценивания // Вестник Пермского университета. – 2007. – № 9 (14). – С. 103–107.

26. Свид-во о гос. регистр. программы для ЭВМ № 2022611581 РФ. Декон-Тандем: № 2022610776, заявл. 26.01.2022: опубл. 27.01.2022 /
В.А. Харитонов, Р.Ф. Шайдулин, М.И. Мелехин [и др.]; заяв. Перм. нац. исслед. политехн. ун-т, Перм. гос. аграрно-технолог. ун-т им. акад.
Д.Н. Прянишникова.

Функционирование современных систем производства, передачи, распределения энергии рассматривается в контексте применения цифровых технологий, позволяющих обеспечить их высокую безопасность, гибкость, адаптивность и экономичность. Информация о состоянии входящих в состав таких систем установок и оборудования является основой для принятия решений относительно стратегии его эксплуатации на краткосрочную и долгосрочную перспективу. Цель исследования: формализация принципов управления процессом эксплуатации электротехнического оборудования на основе достоверных данных о его техническом состоянии. Методы: задача управления процессом эксплуатации оборудования предполагает формирование сценариев, определяемых его техническим состоянием, которое оценивается с применением методов интеллектуальной обработки и анализа данных и машинного обучения. Источником подобной информации являются программно-аппаратные средства, позволяющие проводить неразрушающий контроль оборудования, его узлов и агрегатов. Результаты: рассмотрены ключевые особенности методики выбора сценария эксплуатации оборудования в соответствии с его фактическим (прогнозным) состоянием. Методика может быть применена к различным видам и типам оборудования, входящего в состав электросетевого объекта, а также к различным решениям в области контроля технических параметров. Показаны место и принципы использования методов машинного обучения при реализации методики. В частности, исследованы особенности применения методов деревьев решений и случайного леса для достоверной оценки состояния оборудования. В качестве примера предложена упрощенная модель оценки теплового состояния высоковольтного электрооборудования по данным инфракрасного контроля. Приведены результаты применения алгоритмов деревьев решений и случайного леса для определения дефектных состояний оборудования при ошибке классификации не более 9 %. Практическая значимость: предложенный подход позволяет принимать обоснованные решения для принятия своевременных мер по техническому обслуживанию и ремонту оборудования и снизить факты возникновения нештатных ситуаций. Методика является универсальной и может быть применена для объектов любой структуры и конфигурации, а также позволяет повышать точность оценки состояния выбранного объекта при накоплении статистических данных и использовании механизмов настройки и адаптивного выбора различных алгоритмов при формировании диагностических моделей.

Ключевые слова: электротехническое оборудование, неразрушающий контроль, техническое состояние, анализ данных, машинное обучение, деревья решений, случайный лес.

Елтышев Денис Константинович (Пермь, Россия) – кандидат технических наук, доцент кафедры «Микропроцессорные средства автоматизации» Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29, e-mail: eltyshev@msa.pstu.ru).

1. Мозохин А.Е., Мозохин А.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.

2 Елтышев Д.К. Выбор приоритетов при обслуживании, модернизации и обеспечении безопасности объектов энергетики // Энергобезопасность и энергосбережение. – 2017. – № 2. – С. 5–10.

3. Ситников В.Ф., Скопинцев В.А. Интеллектуальная электроэнергетическая система с активно-адаптивной сетью // Электричество. – 2012. – № 3. – С. 2–7.

4. Smart grid projects in Europe: lessons learned and current developments / V. Giordano, A. Meletiou, C.F. Covrig, A. Mengolini, V. Ardelean, G. Fulli, M. Jiménez, C. Filiou. – Luxembourg: Publications Office of the European Union, 2012. – 142 p.

5. Smart grid technologies and applications / R. Bayindir, Ilhami Colak, Gianluca Fulli, Kenan Demirtas // Renewable and Sustainable Energy Reviews. – 2016. – № 66. – P. 499–516.

6. Массель Л.В. Современный этап развития искусственного интеллекта (ИИ) и применение методов и систем ИИ в энергетике // Информационные и математические технологии в науке и управлении. – 2021. – № 4 (24). – С. 5–20.

7. Основы управления техническим состоянием электрооборудования / А.Н. Назарычев [и др.]. – СПб.: Изд-во Политехн. ун-та, 2015. – 204 с.

8. Елтышев Д.К., Костыгов А.М. Концепция эффективного управления состоянием электротехнического оборудования по данным неразрушающего контроля // Электротехника. – 2020. – № 11. – С. 45–50.

9. Li S., Li J. Condition monitoring and diagnosis of power equipment: Review and prospective // High Volt. – 2017. – № 2. – P. 82–91.

10. Елтышев Д.К. Особенности комплексной оценки состояния электротехнического оборудования на основе неразрушающего контроля и интеллектуального анализа данных // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. – 2021. – № 39. – С. 109–127.

11. Khoroshev N.I., Kazantsev V.P. Management support of electroengineering equipment servicing based on the actual technical condition // Automation and Remote Control. – 2015. – Vol. 76, № 6. –
P. 1058–1069.

12. Predictive data mining techniques for fault diagnosis of electric equipment: A Review / Contreras-Valdes Arantxa, Juan P. Amezquita-Sanchez, David Granados-Lieberman, Martin Valtierra-Rodriguez // Applied Sciences. – 2020. – № 10 (3). – P. 950.

13. Елтышев Д.К., Костыгов А.М. Интеллектуальный диагностический контроль и управление состоянием электротехнического оборудования // Электротехника. – 2019. – № 11. – С. 42–47.

14. Energetics systems and artificial intelligence: applications of industry 4.0 / T. Ahmad, H. Zhu, D. Zhang, R. Tariq, A. Bassam, F. Ullah, A.S. AlGhamdi, S.S. Alshamrani // Energy Reports. – 2022. – № 8. – P. 334–361.

15. Sarita K., Kumar S., Saket R.K. Fault detection of smart grid equipment using machine learning and data analytics // Advances in Smart Grid Automation and Industry 4.0. Lecture Notes in Electrical Engineering. – 2021. – Vol. 693.

16. Pan S., Morris T., Adhikari U. Developing a hybrid intrusion detection system using data mining for power systems // IEEE Trans. Smart Grid. – 2015. – № 6 (6). – P. 3104–3113.

17. Jamil M., Sharma S.K., Singh R. Fault detection and classification in electrical power transmission system using artificial neural network // SpringerPlus. – 2015. – № 4. – P. 334.

18. Eltyshev D.K. Electric equipment operation scenarios based on the results of non-destructive condition control // Journal of Physics: Conference Series. 2: International Conference on Innovation Energy 2020, IE 2020. – 2021. – P. 012010.

19. Елтышев Д.К. Многокритериальный анализ решений в интеллектуальных системах оценки и управления состоянием энергетического оборудования // Информатика и системы управления. – 2018. – № 2 (56). – С. 96–107.

20. Breiman L. Random Forests // Machine Learning. – 2001. –
Vol. 45, № 1. – P. 5–32.

21. Hastie T, Tibshirani R, Friedman J. The elements of statistical learning: data mining, inference and prediction. – Second Edition (Springer). – 2016. – 764 p.

22. Чистяков С.П. Случайные леса: обзор // Тр. Карельск. науч. центра РАН. – 2013. – № 1. – С. 117–136.

23. Кафтанников И.Л., Парасич А.В. Особенности применения деревьев решений в задачах классификации // Вестник ЮУрГУ. Компьютерные технологии, управление, радиоэлектроника. – 2015. – Т. 15. –
№ 3. – С. 26–32.

24. Powers David M.W. Evaluation: from precision, recall and
F-measure to ROC, informedness, markedness and correlation // Journal of Machine Learning Technologies. – 2011. – Vol. 2, № 1. – P. 37–63.

25. Jadin M.S., Taib S. Recent progress in diagnosing the reliability of electrical equipment by using infrared thermography // Infrared Physics & Technology. – 2012. – Vol. 55. – № 4. – P. 236–245.

26. Елтышев Д.К. Интеллектуальные модели комплексной оценки технического состояния высоковольтных выключателей // Информационно-управляющие системы. – 2016. – № 5 (84). – С. 45–53.

Повышение функциональности вычислительной системы зачастую необходимо в реальных рабочих задачах на производстве и в цифровой сфере. При этом повышение функциональности зачастую требует приобретения и внедрения в систему дополнительных вычислительных устройств. При этом часто встречаются ситуации, когда вычислительные мощности уже имеющихся устройств используются не полностью. Целью исследования является решение многокритериальной задачи оптимизации для поиска наиболее подходящей схемотехнической модели каскада устройств и наиболее оптимальной декомпозиции нейронной сети. Методика исследования базируется на схемотехническом моделировании каскадов нейросетевых устройств, программировании декомпозиции блочной нейронной сети, методе Парето-оптимизации, анализе полученных результатов эксперимента. В результате исследования планируется получить решение задачи многокритериальной оптимизации вариантов реализации каскада нейросетевых устройств для функционирования блочной нейронной сети. В статье сформулирована и решена задача многокритериальной оптимизации, которая позволяет определить оптимальный способ декомпозиции нейронной сети в рамках метода синтеза устройств. Рассмотрены различные схемы реализации вычислительного каскада с различным числом устройств и различными вычислительными возможностями узлов. Рассмотрены все варианты декомпозиции монолитной нейронной сети, предлагаемой в рамках усовершенствованного метода синтеза, осуществлены экспериментальные запуски каскадов устройств и отобраны наилучшие конфигурации вычислительных каскадов по предложенной совокупности параметров, что подтвердило применимость метода синтеза нейросетевых устройств.

Ключевые слова: схемотехническое моделирование, метод синтеза, распределенная искусственная нейронная сеть, декомпозиция, туманные вычисления, микроконтроллер, многокритериальная оптимизация по Парето.

Бахтин Вадим Вячеславович (Пермь, Россия) – аспирант, младший научный сотрудник кафедры «Автоматика и телемеханика» Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29, e-mail: bakhtin_94@bk.ru); старший преподаватель кафедры «Информационная безопасность
и системы связи» Пермского государственного национального исследовательского университета (614990, Пермь, ул. Букирева, 15).

Подлесных Иван Александрович (Пермь, Россия) – аспирант кафедры «Автоматика и телемеханика» Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29, e-mail: podlesnihwork@gmail.com); математик ДИР ИТЦ АО «Новомет-Пермь» (614065, Пермь, ш. Космонавтов, 395).

Тюрин Сергей Феофентович (Пермь, Россия) – заслуженный изобретатель Российской Федерации, доктор технических наук, профессор, профессор кафедры «Автоматика и телемеханика» Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29, e-mail: tyurinsergfeo@yandex.ru); профессор кафедры «Математическое обеспечение вычислительных систем» Пермского государственного национального исследовательского университета (614990, Пермь, ул. Букирева, 15).

1. Deep learning in the fog / A. Sobecki [et al.] // International Journal of Distributed Sensor Networks. – 2019. – Vol. 15, № 8. DOI: 10.1177/1550147719867072
2. Akhmetzyanov K.R., Yuzhakov A.A., Kokoulin A.N. Neural Network Development Based on Knowledge about Environmental Influence // 2020 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus). – 2020. – P. 218–221. DOI: 10.1109/EIConRus49466.2020.9039226
3. Бахтин В.В., Подлесных И.А. Алгоритм построения графа совместной работы каскадов устройств нейросетевого распознавания, реализующих блочные нейронные сети // Сб. материалов IX Междунар. науч. конф., посв. 85-лет. проф. В.И. Потапова. – Омск, 2021. – С. 277–278.
4. Quantization and deployment of deep neural networks on microcontrollers / P.E. Novac [et al.] // Sensors. – 2021. – Vol. 21, № 9. – P. 2984. DOI: 10.3390/s21092984
5. A power efficient neural network implementation on heterogeneous FPGA and GPU devices / Y. Tu [et al.] // 2019 IEEE 20th International Conference on Information Reuse and Integration for Data Science (IRI). – 2019. – P. 193–199. DOI: 10.1109/IRI.2019.00040
6. Руднев В.А. Применение микроконтроллеров для реализации нейронных сетей // Вестник Южно-Урал. гос. ун-та. Сер.: Компьютерные технологии, управление, радиоэлектроника. – 2012. – № 23. – С. 181–183.
7. Cotton N.J., Wilamowski B.M., Dundar G. A neural network implementation on an inexpensive eight bit microcontroller // 2008 International Conference on Intelligent Engineering Systems. – 2008. – P. 109–114. DOI: 10.1109/INES.2008.4481278
8. Борзов Д.Б., Дюбрюкс С.А., Соколова Ю.В. Метод и методика беспроводной передачи данных в мультипроцессорных системах для нестационарных объектов обмена // Труды МАИ. – 2020. – № 114. DOI: 10.34759/trd-2020-114-13
9. Виноградов Г.П., Емцев А.С. Методы локализации и отслеживания целей в беспроводных сенсорных сетях // Перспективные системы и задачи управления: материалы XVII Всерос. науч.-практ. конф.; Управление и обработка информации в технических системах: материалы XIII Молодеж. школы-сем. / Южный федер. ун-т. – Ростов-н/Д, 2022. – С. 52–63.
10. Виноградов Г.П. Отслеживание мобильных объектов средствами беспроводных сенсорных сетей // Информационные и математические технологии в науке и управлении. – 2022. – № 1 (25). – С. 58–69.
11. An application placement technique for concurrent IoT applications in edge and fog computing environments / M. Goudarzi [et al.] // IEEE Transactions on Mobile Computing. – 2020. – Vol. 20, № 4. – P. 1298–1311. DOI: 10.1109/TMC.2020.2967041
12. Бахтин В.В. Модификация алгоритма идентификации и категоризации научных терминов с использованием нейронной сети // Нейрокомпьютеры: разработка, применение. – 2019. – Т. 21, № 3. – С. 14–19.
13. Bakhtin V.V., Isaeva E.V. New TSBuilder: shifting towards cognition // 2019 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus). – 2019. – P. 179–181. DOI: 10.1109/EIConRus.2019.8656917
14. Bakhtin V.V., Isaeva E.V., Tararkov A.V. TSMiner: from TSBuilder to Ecosystem // 2021 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (ElConRus). – 2021. – P. 221–224. DOI: 10.1109/ElConRus51938.2021.9396569
15. Yasnitsky L.N., Yasnitsky V.L. Technique of design for integrated economic and mathematical model for mass appraisal of real estate property. Study case of Yekaterinburg housing market // Journal of Applied Economic Sciences. – 2016. – Vol. 11, № 8. – P. 1519–1530.
16. Подиновский В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. – М.: Наука; Гл. редакция физ.-мат. лит-ры, 1982. – 256 с.
17. Бахтин В.В. Математическая модель искусственной нейронной сети для устройств на ПЛИС и микроконтроллерах, ориентированных на туманные вычисления // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. – 2021. – № 40. – С. 109–129.
18. Бахтин В.В. Алгоритм разделения монолитной нейронной сети для реализации туманных вычислений в устройствах на программируемой логике // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. – 2022. – № 41. – С. 123–145.
19. Тюрин С.Ф., Бахтин В.В., Подлесных И.А. Метод синтеза устройств нейросетевого распознавания на программируемой логике для реализации режима fog computing // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. – 2022. – № 41. –  С. 168–188.
20. Ионов С.Д. Распределенный запуск нейронных сетей на множестве вычислительных узлов // Вестник УГАТУ. – 2013. – № 2 (55).
21. Priyabhashana H.M.B., Jayasena K.P.N. Data Analytics with Deep Neural Networks in Fog Computing Using TensorFlow and Google Cloud Platform // 2019 14th Conference on Industrial and Information Systems (ICIIS). – IEEE, 2019. – P. 34–39.
22. Kumar M. Google cloud platform: a powerful big data analytics cloud platform // Int J. Res. Appl. Sci. Eng. Technol. – 2016. – Vol. 4, № 11. – P. 387–392.
23. An efficient binary convolutional neural network with numerous skip connections for fog computing / L. Wu [et al.] // IEEE Internet of Things Journal. – 2021. – Vol. 8, № 14. – P. 11357–11367.
24. Li L., Ota K., Dong M. Deep learning for smart industry: Efficient manufacture inspection system with fog computing // IEEE Transactions on Industrial Informatics. – 2018. – Vol. 14, № 10. – P. 4665–4673.

Сегодня существует проблема защиты воздушных линий электропередач (ВЛЭП) от образования наледи. Она остается актуальной для регионов с влажным зимним климатом и значительным количеством осадков. При существующих многочисленных методах борьбы с наледью, применяемых на практике, пока что ни один из них в полной мере не удовлетворяет сетевые компании, эксплуатирующие это оборудование. Как правило, для устранения гололёда используется плавка постоянным током, однако это неэкономично. Цель исследования: на основе анализа и критики существующих методов очистки ВЛЭП от наледи предложить надежный и экономичный способ решения этой проблемы. Методы: для достижения поставленной цели использовался алгоритм решения изобретательских задач (АРИЗ), разработанный и подробно изложенный советским изобретателем Г.С. Альтшуллером в его трудах, посвященных теории решения изобретательских задач (ТРИЗ). Результаты: на основе алгоритмических шагов АРИЗ выявлено основное техническое противоречие системы, определены внутренние и внешние ресурсы, сформулирован идеальный конечный результат (ИКР), конкретизированы параметры вводимого в систему дополнительного Х-элемента, предложено несколько вариантов конструктивного выполнения этого элемента. Рассмотрены такие способы, как: применение гидрофобной изоляции, привода на базе асинхронного двигателя с экранированными полюсами, вибрационного привода с распорками между проводами, привода на основе электромагнита, расположенного между изолятором и проводом. Проведён анализ каждого способа и выбран наиболее оптимальный. В качестве основного устройства, имеющего наибольшую надежность и экономичность для внедрения в практику, рекомендован привод на основе электромагнита, расположенного между изолятором и проводом. Практическая значимость: предложена концепция устройства борьбы с наледью, которое представляет собой вибрационный электромагнит, создающий колебательное воздействие на провод. При этом, с одной стороны, исключается возможность образования наледи
в условиях высокой влажности и низких температур, с другой стороны, происходит механическое очищение ВЛЭП, если иней уже осел на провода. Устройство может работать в автоматическом режиме от датчиков влажности и температуры и в автоматизированном режиме по команде оператора. Обсуждение: предложенный способ относится к механическим методам очистки ВЛЭП, но в отличие от существующих устройств этого типа, таких как роботизированные устройства, перемещающиеся между пролетами, привод с микродвигателем, который вращает фрезу и движется вдоль провода, раскачивания провода между пролетами, конструкция предлагаемого устройства более простая, дешевая и надежная. Она не требует отключения линии от потребителя во время очистки, специального технического обслуживания, привлечения для функционирования дополнительного персонала. Внедрение данного предложения в практику эксплуатации ВЛЭП позволит существенно сократить число случаев аварийных отключений по причине гололедообразования, что снизит материальный ущерб от недоотпуска электроэнергии и затрат на ремонт электрооборудования.

Ключевые слова: линия электропередачи, обледенение, теория решения изобретательских задач, алгоритм решения изобретательских задач, вибрационный электромагнит.

Ульман Ярослав Сергеевич (Челябинск, Россия) – магистр кафедры «Электропривод, мехатроника и электромеханика» Южно-Уральского государственного университета (454080, Челябинск, Проспект Ленина, 76, e-mail: n.ulma2010@yandex.ru).

Ганджа Сергей Анатольевич (Челябинск, Россия) – доктор технических наук, профессор кафедры «Электропривод, мехатроника
и электромеханика» Южно-Уральского государственного университета (454080, Челябинск, Проспект Ленина, 76, e-mail: gandzhasa@susu.ru).

Коробатов Денис Владимирович (Челябинск, Россия) – кандидат технических наук, доцент кафедры «Электрические станцие и системы электроснабжения» Южно-Уральского государственного университета (454080, Челябинск, Проспект Ленина, 76, e-mail: korobatovdv@susu.ru).

Лекерова Екатерина Маратовна (Челябинск, Россия) – магистр кафедры «Электропривод, мехатроника и электромеханика» Южно-Уральского государственного университета (454080, Челябинск, Проспект Ленина, 76, e-mail: lekerovaekaterina99@mail.ru).

Козлов Максим Сергеевич (Челябинск, Россия) – магистр кафедры «Электропривод, мехатроника и электромеханика» Южно-Уральского государственного университета (454080, Челябинск, Проспект Ленина, 76, e-mail: kozlovms98@mail.ru).

1. Ратушняк В.С., Ильин Е.С., Вахрушева О.Ю. Статистический анализ аварийных отключений электроэнергии из-за гололедообразования на проводах ЛЭП на территории РФ // Молодая наука Сибири: электрон. науч. журнал. – 2018. – № 1. – URL: http://mnv.irgups.ru/toma/11-2018

2. Способ плавки гололеда на проводах трехфазной воздушной линии электропередачи / Р.Н. Бердников [и др.]. – М., 2012.

3. Современные методы борьбы с гололёдными отложениями на проводах воздушных линий электропередачи средствами силовой электроники / А.А. Кувшинов, В.Ф. Карманов, Н.Г. Ахметжанов, П.С. Радин, Н.М. Александров, А.Ю. Хренников // Энергетик. – 2018. – № 7. – С. 27–33.

4. Белый Д.М. Устройство для удаления гололедных отложений

с проводов. – Ульяновск: Ульяновский государственный технический университет, 2014.

5. Бернгардт Р.П. Линия электропередачи с маятниковой защитой от обледенения бернгардта. – 1997.

6. Меркурьев П.А., Долгопол Т.Л. Использование композитных проводов для ВЛ // Энергетика и энергосбережение: теория и практика: материалы V Всерос. науч.-практ. конф.; 16–17 декабря 2020 / под ред. Р.В. Беляевский, И.А. Лобур. – Кемерово: Изд-во КузГТУ, 2021.

7. Белый Д.М. Воздушная линия электропередачи. – 2014.

8. Кучер В.И. Провод для линии электропередачи, устойчивой

к вибрациям и обледенению. – 2009.

9. Альтшуллер Г.С. Найти идею. Введение в теорию решения изобретательских задач. – Петрозаводск: Скандинавия, 2003.

10. Альтшуллер Г.С. АРИЗ – значит победа, в сб.: Правила игры без правил / сост. А.Б. Селюцкий. – Петрозаводск: Карелия, 1989; Альтшуллер Г.С., Селюцкий А.Б. Крылья для Икара: как решать изобретательские задачи. – Петрозаводск: Карелия, 1980.

11. Альтшуллер Г.С., Алгоритм изобретения. – М.: Московский рабочий, 1973.

12. Альтшуллер Г.С.,Злотин Б.Л., Филатов В.И. Профессия – поиск нового. – Кишинев: Картя Молдовеняскэ, 1985.

13. Введение в ТРИЗ. Основные понятия и подходы (офиц. издание фонда Г.С. Альтшуллера) [Электронный ресурс]. – URL: https://altshuller.ru/ (дата обращения: 15.10.2022). 

14. Герасимов В.М., Литвин С.С. Учет закономерностей развития техники при проведении функционально-стоймостного анализа технологических процессов // Практика проведения функционально-стоймостного анализа в электротехнической промышленности. – М.: Энергоатомиздат, 1987. – С. 193–210.

15. Ахмедова О.О., Сошинов А.Г., Панасенко М.В. Анализ

воздействия электромагнитного поля на образование гололедных отложений на воздушных линиях электропередачи // Международный журнал прикладных и фундаментальных исследований. – 2015. – № 9–2. –

С. 210–214.

16. Бунзя А.В. Разработка устройства удаления гололеда с двойного контактного провода импульсно-резонансным методом на основе управляемого преобразователя: дис. канд. техн. наук / Урал. гос. ун-т путей сообщения. – Екатеринбург, 2007. – 185 с.

17. Данилов Г.А., Саушкин В.В. Устройство для удаления обледенения с проводов линий электропередач (варианты) – описание полезной модели к патенту RU 128 796 U1. – 2013. – 25 с.

18. Банников Ю.И., Николаев Н.Я. Исследование процесса гололедноизморозевого образования в электрическом поле с разработкой системы противогололедных мер: отчет 78071239, инв. N Б 819048. ЧИМЭСХ.  – Челябинск, 1979. – С. 230.

19. Expliner – робот для обслуживания линий электропередач выходит на работу [Электронный ресурс] // Новости технологий. – URL: http://techvesti.ru/node/3807 (дата обращения: 15.10.2022).

20. Борьба с гололедом – Эксплуатация воздушных линий электропередачи [Электронный ресурс] // Энергетика: оборудование, документация. – URL: http://forca.ru/instrukcii-po-ekspluatacii/vl/ekspluataciya-vozdushnyh-liniielektroperedachi_4.html (дата обращения: 13.10.2022).

21. Автоматическая система удаления льда с проводов линий электропередач / В.А. Соловьев [и др.]. – Комсомольск-на-Амуре: Изд-во Комсомольский-на-Амуре гос. техн. ун-та, 2012. – URL: http://www.sworld.com.ua/simpoz2/72.pdf. – 2012 (дата обращения: 15.10.2022).

22. Алмаев М.А., Трофимов А.В. Электромеханическое вибрационное устройство очистки линий электропередачи от гололедных отложений // Сб. науч.-исслед. работ аспир. – финалистов конкурса аспир. и молод. учен. в обл. энергосбереж. в пром-ти; г. Новочеркасск, октябрь 2010 г. / Юж.-Рос. гос. техн. ун-т. (НПИ). – Новочеркасск: Лик, 2010. – С. 3–5.

23. Дьяков Ф.А. Опыт эксплуатации ЛЭП 330–500 кВ в условиях интенсивных гололедно-ветровых воздействий. Распределенная система автоматического наблюдения за гололедом // Информационно-аналитический журнал ЭнергоINFO. – М., 2010. – С. 45–55. – URL: www.energo-info.ru/images/pdf/mes4/15.pdf (дата обращения: 25.10.2022).

24. Аппаратура каналов связи и телемеханики по ЛЭП с цифровым уплотнением каналов АКСТ «ЛИНИЯ-Ц» со встроенным блоком РЗ и ПА [Электронный ресурс] // ОАО «Шадринский телефонный завод». – URL: http://shtz.shadrinsk.net/pr_akstc.htm (дата обращения: 15.10.2022).

25. Пат. 2442256 C1 Рос. Федерация, МПК H 02 G 7/16. Способ удаления обледенения с проводов линий электропередач / В.М. Козин, В.А. Соловьев, Д.А. Орлов, С.И. Сухоруков, К.С. Малых; заяв. и патентооблад. ФГОУ ВПО «Амурский гуманитарно-педагогический государственный университет» – № 2010144485/07; заявл. 29.10.2010; опубл. 10.02.2012. Бюл. № 4. – 4 с.

26. Пат. 2449443 C1 Рос. Федерация, МПК H 02 G 7/16. Устройство для удаления льда с провода линии электропередач / В.М. Козин, В.А. Соловьев, Д.А. Орлов, С.И. Сухоруков; заявит. и патентооблад. ФГОУ ВПО «Амурский гуманитарно-педагогический государственный университет», ГОУ ВПО «Комсомольский-на-Амуре государственный технический университет» – № 2011106260/07; заявл. 17.02.2011; опубл. 27.24.2012. Бюл. № 12. – 7 с.

Газотурбинные электростанции используются для производства электроэнергии в составе различных энергосистем. Поведение электрической нагрузки может серьезно отличаться от системы к системе, в зависимости от ее топологии и состава электромеханических элементов. Для повышения надежности системы управления и повышения качества электроэнергии используются адаптивные алгоритмы управления. Система управления газотурбинной установкой, входящей
в состав газотурбинной электростанции, имеет сложную структуру, основанную на селектировании каналов управления. Рассмотренные в статье алгоритмы адаптивного управления дополняют штатную систему управления, взаимодействуя с выбранными контурами управления. Благодаря такому подходу сокращается время разработки и наладки адаптивного регулятора. Улучшение качества управления несет за собой снижение расхода топлива, связанного с перетоками мощностей и длительными переходными процессами, таким образом, повышается экологичность газотурбинных электростанций. Цель исследования: модификация алгоритма адаптивного управления газотурбинной электростанцией, упрощение процесса идентификации в реальном времени настраиваемой модели за счет использования нейросетевой идентификации параметров газотурбинной установки. Методы: исследование предложенной модификации процесса идентификации параметров в реальном времени настраиваемой модели газотурбинной установки проводилось
с помощью математического моделирования, модификация процесса идентификации проводилась с помощью математического аппарата искусственных нейроннных сетей и методов оптимизации. Результаты: процесс идентификации в реальном времени настраиваемой модели стал значительно проще в сравнении с ранее рассмотренным способом, основанным на функции Ляпунова. Практическая значимость: представленная в статье модификация позволяет создавать адаптивные системы управления с настраиваемой моделью для газотурбинных установок, входящих в состав газотурбинных электростанций.

Ключевые слова: газотурбинная электростанция, газотурбинная установка, адаптивное управление, эталонная модель, настраиваемая модель.

Бахирев Иван Владимирович (Пермь, Россия) – кандидат технических наук, доцент кафедры «Электротехника и электромеханика» Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29, e-mail: bahirevy@mail.ru).

Кавалеров Борис Владимирович (Пермь, Россия) – доктор технических наук, доцент, заведующий кафедрой «Электротехника и электромеханика» Пермского национального исследовательского политехнического университета (614990, Комсомольский пр., 29, Пермь, e-mail: kbv@pstu.ru).

1. Хижняков Ю.Н. Современные проблемы теории управления. – Пермь: Изд-во Перм. нац. исслед. политехн. ун-та, 2015. – 237 с.

2. Мирошник И.В., Никифоров В.О., Фрадков А.Л. Нелинейное
и адаптивное управление сложными динамическими системами. – СПб.: Наука, 2000. – 549 с.

3. Хижняков Ю.Н., Южаков А.А. Адаптивное управление параллельной работой синхронных генераторов с сетью бесконечной мощности // Известия высших учебных заведений. Проблемы энергетики. – 2011. – № 5. – C. 65–72.

4. Бахирев И.А., Басаргин Ш.Д., Кавалеров Б.В. Адаптивное управление газотурбинной установкой с эталонной моделью и сигнальной настройкой // Системы управления и информационные технологии. – 2015. – № 2. – С. 71–76.

5. Зиятдинов И.Р., Кавалеров Б.В., Бахирев И.В. Исследование системы управления с эталонной моделью и сигнальной настройкой для электроэнергетической газотурбинной установки // Фундаментальные исследования. – 2015. – № 62. – С. 235–240.

6. Бахирев И.В. Кавалеров Б.В. Адаптивное управление газотурбинной установкой с эталонной моделью и сигмоидальной функцией // Системы управления и информационные технологии. – 2015. – № 3.1. – С. 118–123.

7. Kavalerov B.V., Bakhirev I.V., Kilin G.A. An investigation of adaptive control of the rotation speed of gas turbine power plants // Russian Electrical Engineering. – 2016. – Vol. 87, № 11. – P. 607–611.

8. Кавалеров Б.В., Бахирев И.В., Басаргин Ш.Д. Исследование параметрической адаптации регулятора газотурбинной установки электростанции мощностью 6 МВт // Фундаментальные исследования. – 2016. – № 11–2. – С. 281–285.

9. Kavalerov B.V., Bakhirev I.V., Kilin G.A. Adaptive control of the rotational frequency of a gas-turbine unit using a tunable model // Russian Electrical Engineering. – 2017. – Vol. 88, № 11. – P. 738–741.

10. Эйкхофф П. Основы идентификации систем управления. Оценивание параметров и состояния. – М.: Мир, 1975. – 685 с.

11. Дейч А.М. Методы идентификации динамических объектов. – М.: Энергия, 1979. – 240 с.

12. Идентификация систем управления авиационных газотурбинных двигателей / В.Г. Августинович, В.А. Акиндинов, Б.В. Боев [и др.]. – М.: Машиностроение, 1984. – 200 с.

13. О процедуре идентификации математической модели воздушного потока [Электронный ресурс] / Д.А. Опарин, И.В. Бахирев,
Б.В. Кавалеров, Г.А. Килин // Современные наукоемкие технологии. – 2020. – № 3. – С. 70–75. – URL: http://top-technologies.ru/ru/article/
view?id=37943 (дата обращения: 28.12.2020).

14. Бахирев И.В., Кавалеров Б.В. Идентификация в темпе переходного процесса при управлении электроэнергетической газотурбинной установкой // Системы управления и информационные технологии. – 2016. – № 2(64). – С. 73–77.

15. Haykin S. Neural networks: a comprehensive foundation (Singapore: Person Education). – 1999.

16. Borisov V., Kruglov V., Artificial neural networks. Theory and practice. – Moscow: Hotline-Telecom, 2001.

17. Artificial Neural Network Based System Identification for a Single-Shaft Gas Turbine / H. Asgari, X. Chen, M. Menhaj, Sainudiin R. // J. of Engineering for Gas Turbines and Power. – 2013. – 135(9). – 0902601.

18. Asgari H., Chen X., Sainudiin R. Modeling and simulation of gas turbines // Int. J. of Modeling, Identification and Control. – 2013. – 20(3). – P. 253–270.

19. Килин Г.А., Кавалеров Б.В., Ждановский Е.О. Получение
и предобработка экспериментальных данных для создания обучающей выборки для нейронной сети // Инновационные технологии: теория, инструменты, практика. – 2018. – С. 96–100.

20. Кавалеров Б.В., Бахирев И.В. Параметрическое адаптивное управление электроэнергетической газотурбинной установкой // Тр.
 IX Междунар. (XX Всерос.) конф. по автоматизированному электроприводу АЭП-2016. – 2016. – С. 158–160.

21. Борцов Ю.А., Поляхов Н.Д., Путов В.В. Электромеханические системы с адаптивным и модельным управлением. – Л.: Энергоатомиздат; Ленингр. отделение, 1984. – 216 с.

22. Кавалеров Б.В. Автоматизация испытаний САУ ГТУ газотурбинных мини-электростанций при проектировании и настройке // Автоматизация в промышленности. – 2011. – № 1. – С. 12–17.

23. Гуревич О.С. Управление авиационными газотурбинными двигателями: учеб. пособие. –  М.: Изд-во МАИ, 2001. – 100 с.

24. Гольберг Ф.Д., Батенин А.В. Математические модели газотурбинных двигателей как объектов управления. – М.: Изд-во МАИ, 1999. – 82 с.

25. Кухарчук В.Г. Современные принципы построения комплексных систем управления авиационных газотурбинных двигателей. – Пермь: Изд-во Перм. гос. техн. ун-та, 1995. – 164 с.

26. Cybenco G. Approximation by superpositions of a sigmoidal function // Mathematics of Control, Signals and System. – 1989. – 2 (4). –
P. 303–314.