авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 | 2 ||

«СЕВЕРО-КАВКАЗСКИЙ ГОРНО-МЕТАЛЛУРГИЧЕСКИЙ ИНСТИТУТ (ГОСУДАРСТВЕННЫЙ ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ) На правах рукописи ...»

-- [ Страница 3 ] --

ГЛАВА 4. РАЗРАБОТКА АЛГОРИТМИЧЕСКОГО И ПРОГРАММНОГО КОМПЛЕКСА СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ ОЦЕНКИ СОСТОЯНИЯ ОБОРУДОВАНИЯ И ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ПРОЦЕССА ОБНОВЛЕНИЯ ПРОИЗВОДСТВЕННЫХ ФОНДОВ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ ОБЪЕКТОВ 4.1 Основные принципы и особенности построения программного комплекса Основной целью систем поддержки принятия решений является под держка многофакторных решений в сложной информационной среде. При этом принимаемые решения оцениваются по совокупности множества пока зателей, рассматриваемых одновременно. Информационная сложность опре деляется необходимостью анализа больших потоков информации, обработка которых без помощи современных информационных технологий является трудновыполнимой задачей. Как правило, в таких условиях число возмож ных решений весьма велико, и выбор оптимального из них без всестороннего анализа может приводить к серьезным ошибкам.

В состав системы поддержки принятия решения входят следующие компоненты (рисунок 4.1): база данных;

интеллектуальный анализ данных;

оперативный анализ данных.

Рисунок 4.1 – Основные компоненты системы Разработанная система имеет клиент - серверную архитектуру, которая позволяет организовать децентрализованное хранение и обработку данных.

Каждый компонент системы, разрабатывался как автономный объект, что по зволит при необходимости вносить изменение в проект, без компиляции все го проекта.

Система разрабатывалась на языке программирования C#, которая по зволяет в полной мере использовать объектно-ориентированное программи рование и возможности параллельных вычислений платформы.NET FRAMEWORK [70].

На рисунке 4.2 представим общую архитектуру системы поддержки принятия решений:

Пользовательский интерфейс 1 уровень GUI Бизнес - логика 2 уровень Логика доступа к данным ADO.NET 3 уровень База данных Рисунок 4.2 – Архитектура системы поддержки принятия решений Рассматриваемая архитектура системы поддержки принятия решений построена на основе паттерна проектирования MVC, которая позволяет соз давать независимые уровни.

MVC – схема использования нескольких шаблонов проектирования, с помощью которых модель данных приложения, пользовательский интерфейс и взаимодействие с пользователем разделены на три отдельных компонента.

Таким образом, чтобы модификация одного из компонентов оказывала ми нимальное воздействие на остальные [68].

Используя данный паттерн проектирования, мы достигаем автономно сти уровней и при необходимости можем заменить базу данных на другую, не затрагивая верхние уровни.

Логический взаимодействие с базой данных, осуществляется с помо щью технологий доступа к данным ADO.NET. В качестве СУБД, будем ис пользовать SQL SERVER 2008, которая позволяет хранить в базах данных информацию, полученную из структурированных, полуструктурированных и неструктурированных источников.

Выбор SQL SERVER 2008 обусловлен наличием большого набора ин тегрированных служб, расширяющих возможности использования данных.

Рассматриваемый СУБД позволяет обращаться к данным из любого прило жения, разработанного с применением технологий.NET FRAMEWORK и VISUAL STUDIO 2010. SQL SERVER 2008, что позволяет создать надежную, производительную, интеллектуальную платформу, отвечающую всем требо ваниям по работе с данными [69].

Система поддержки принятия решений должна обеспечить автомати зацию процесса сбора, обработки, хранения и анализа информации о техни ческом состоянии производственных активов различных электроэнергетиче ских объектов, в связи с чем должна обеспечить работу в режиме распреде ленной базы данных. Распределенная база данных предполагает хранение и выполнение функций управления данными в нескольких узлах и передачу данных между этими узлами в процессе выполнения запросов.

В системе выделено два функциональных уровня доступа:

- региональный - муниципальный Каждый пользователь обращается к системе на своем уровне обслужи вания, а получает информацию с любого уровня в зависимости от его роли.

Непротиворечивость и целостность данных обеспечивается единой ко дировкой сервисных справочников, ввод и редактирование которых осущест вляется на уровне управления. Сбор и ввод данных о производственных ак тивах, их характеристиках и условий эксплуатации осуществляется на ниж нем уровне и передается на верхний уровень. При сохранении данных прово дится проверка на дублирование и противоречивость. Данные, не прошедшие проверку, в БД не добавляются.

Для нормального функционирования программного комплекса, к ком пьютеру конечного пользователя предъявляются следующие минимальные аппаратные требования:

Процессор: Pentium 4/AMD Athlon 64 - 2,4 ГГц;

1.

Оперативная память: 1 Гб;

2.

Минимальный необходимый объем свободного места на жестком 3.

диске: 1 Гб;

Операционная система Windows XP/Windows7/ Windows8.

4.

4.2 Разработка архитектуры системы поддержки принятия решений для оценки состояния оборудования и повышения эффективности процесса обновления производственных фондов Политика инновационного развития электроэнергетической отрасли на базе концепции активно-адаптивной сети, стимулирующая внедрение новых средств автоматизации и контроля технологических процессов, способствует постоянному увеличению объемов обрабатываемой и анализируемой инфор мации. Это накладывает особые требования к используемому программному и аппаратному обеспечению.

На рисунке 4.3 приведена архитектура программного комплекса для оценки состояния и эффективности процесса обновления и модернизации производственных фондов электроэнергетических объектов [71].

Рисунок 4.3 – Архитектура программного комплекса для оценки со стояния и эффективности процесса обновления и модернизации производст венных фондов электроэнергетических объектов Разрабатываемая информационная система должна обладать расши ренной функциональностью, что достигается путем разработки и внедрения в систему ряда взаимодействующих между собой модулей:

- модуль сбора, предварительной обработки и хранения данных;

- модуль анализа данных;

- модуль принятия решений.

Модуль сбора, предварительной обработки и хранения данных осуще ствляет прием потоков информации из внешних источников (систем монито ринга, систем электронных паспортов основных средств, автоматизирован ных систем контроля и учта энергоресурсов, систем внешнего аудита объек тов, подсистем сбора данных о внешней среде) и преобразование в форматы, подходящие для хранения и последующей обработки.

Рассматриваемый модуль функционирует по следующему сценарию.

По заданному регламенту в базе данных собираются данные из различных источников. В БД поддерживается хронология: наравне с текущими хранятся исторические данные с указанием времени, к которому они относятся. В ре зультате необходимые доступные данные об объекте управления собираются в одном месте, приводятся к единому формату, согласовываются и, в ряде случаев, агрегируются до минимально требуемого уровня обобщения [72].

Алгоритм функционирования модуля сбора и предварительной обработки данных приведен на рисунке 4.4.

Начало Загрузка данных о состоянии оборудования Выявление некорректных данных Да Данные корректны? Нет Проверка Формирование избыточности списка ошибок данных Формирование Данные отчета Да избыточны?

Оповещение об Исключение Сохранение в БД ошибках данных Визулизация данных Конец Рисунок 4.4 – Алгоритм процесса предварительной обработки данных о техническом состоянии электроэнергетического оборудования Перемещение данных в БД состоит из следующих этапов: извлечение, преобразование, интеграция, очистка и загрузка. Программные средства пре образования данных выполняют извлечение информации из разнородных ис точников и ее обработку. Перед загрузкой поля из исходных баз данных идентифицируются, изменяются, упорядочивается их движение. После за грузки осуществляется очистка данных, проверка их согласованности и вы явление противоречивых записей, создаются списки ошибок и отчеты об ис ключениях. Результаты обработки данных наглядно отображаются средства ми визуализации.

Таким образом, модуль сбора, предварительной обработки и хранения данных должна обеспечивать решение следующих задач:

извлечение данных о техническом состоянии оборудования из внешних источников;

выявление и удаление ошибок и несоответствий в данных с це лью улучшения качества данных;

консолидация различных представлений данных и исключение дублирующейся информации;

согласование источников данных, поступающих в БД;

отображение информации на экранном интерфейсе.

Процесс предварительной обработки данных играет важную роль, так как сохраненная в базе информация в последующем используется для приня тия решений, следовательно, чтобы некорректные данные не привели к не достоверным выводам необходимо обеспечить высокую достоверность по ступающих данных.

Для интеллектуальной обработки информации и последующего приня тия оперативных решений, подготовленные данные из БД направляются в модуль анализа, состоящего из подсистемы интеллектуального анализа дан ных и базы знаний.

Подсистема интеллектуального анализа осуществляет контроль откло нений параметров функционирования оборудования и дает оценку текущего технического состояния (рисунок 4.5).

Начало Ввод количества единиц оборудований N For n=1 to N do Считать из БД данные о текущем состоянии Xi(t) Считать из БД значения коэффициентов wi, ci, ai Определить расчетные значения Xi*(t) Рассчитать I a (x (t)x (t)) * c ii i i J(t) w i i I Нет Да J(t)Jmax(t) Сигнализировать об отклонениях Произвести поиск Да Анализ видов решений в БЗ последствий Прогнозирование Нет Решения развития процессов найдены?

Определение способов восстановления работоспособности Сообщить об Визуализация отсутствии рекомендаций рекомендаций n=n+ Сохранить результаты в архив прогнозов Нет Да nN Вывод запроса на осуществление повторного анализа Подтверждение Нет Да запроса Конец Рисунок 4.5 – Общий алгоритм интеллектуального анализа данных и оценки текущего состояния оборудования электроэнергетического объекта При выявлении отклонений или же в зависимости от запрашиваемых пользователем данных из базы знаний вызывается соответствующий вид мо дели. В случае наличия нештатной ситуации строится прогноз развития про цессов, проводится анализ последствий, формируются рекомендации для восстановления работоспособного состояния и предотвращения выхода из строя. Также в процессе интеллектуального анализа происходит выявление скрытых закономерностей, трендов и колебаний.

Интеллектуальные средства извлечения информации позволяют по черпнуть из базы данных более глубокие сведения, чем традиционные систе мы оперативной обработки транзакций и оперативной аналитической обра ботки. Выведенные из данных закономерности и правила можно применять для описания существующих отношений и закономерностей, а также для принятия решений и прогнозирования их последствий [73].

К основным функциям выполняемых модулем анализа данных отно сятся:

- непрерывный контроль текущих параметров функционирования обо рудования;

- своевременное выявление отклонений в работе и оповещение персо нала;

- поиск способов восстановления нормального режима функциониро вания;

- сохранение работоспособного состояния объекта;

- объективная оценка текущего состояния основного средства;

- накопление базы знаний;

- выявление скрытых закономерностей.

Результаты интеллектуального анализа передаются в модуль принятия реше ний, где происходит поиск оптимальных решений, определение приоритетов в замене оборудования в зависимости от заданных финансовых ресурсов, планирование работ и формирование программы модернизации и обновления инфраструктуры (рисунок 4.6) [47].

Начало Получить показатели оценки состояния оборудования J(t) Проверка соответствия значений показателей нормативным Да Соответствует? Нет Проверка риска эксплуатации Состояние Нет Да Риск приемлемый?

исправное Проверка условий Состояние эксплуатации работоспособное Возможно изменение Нет Да условий эксплуатации?

Проверка возможности ремонта Да Нет Ремонт возможен?

Состояние Состояние – Состояние - неработоспособное неисправное предельное Решение: продление Решение: ремонт Решение: изменить Решение: вывод срока службы оборудования условия эксплуатации из эксплуатации Ожидать подтверждения решений Решение Да Нет утверждено?

Сформировать план работ Сохранить утвержденные решения Конец Рисунок 4.6 – Общий алгоритм модуля принятия решений о состоянии электроэнергетического оборудования Рассматриваемый модуль содержит механизм логического вывода, обеспечивающий формирование заключений, воспринимая вводимые факты как элементы правил, отыскивая правила, в состав которых входят введенные факты, и, актуализируя те части продукций, которым соответствуют введен ные факты [74].

В процессе или по результатам решения задачи пользователь может за просить объяснение или обоснование хода решения с этой целью система должна предоставить соответствующий механизм объяснения. Объяснитель ные способности системы определяются возможностью механизма вывода запоминать путь решения задачи [75].

Взаимодействие пользователя с системой на естественном языке обес печивается с помощью интеллектуального интерфейса, который включает диалоговый процессор, интерпретирующий профессиональный язык пользо вателя, и планировщик, преобразующий описание задачи в программу ее ре шения на основе информации, хранящейся в базе знаний.

Интеллектуальный интерфейс обеспечивает дополнительную степень гибкости системы поддержки принятия решений. Благодаря интерфейсу ме жду системой и объектом управления осуществляется непрерывный монито ринг его параметров и как можно более раннее обнаружение неблагоприят ных тенденций и отклонений в его состоянии [76].

Подсистема формирования отчетов позволяет в наглядной форме вы водить сведения о принятых решениях, проведенных мероприятиях, деталь ный мониторинг реализации инвестиционной программы.

Контроль реализации является важным звеном предлагаемой системы поддержки принятия решений, так как позволяет не только определить сте пень реализации принятых решений и оценить эффективность выполненных работ, но и способствует накоплению знаний и дальнейшему самообучению системы.

Разработана архитектура программного комплекса и алгоритмы функ ционирования основных модулей интеллектуальной системы поддержки принятия решений, применение которой позволит:

дать объективную оценку состояния объекта на данный момент времени;

выявлять неисправности и отслеживать динамику их развития;

прогнозировать остаточный ресурс;

повысить надежность, безопасность и эффективность эксплуатации;

определить приоритеты при обновлении и модернизации оборудо вания, исходя из заданных или планируемых объемов инвестиций;

проводить детальный мониторинг реализации инвестиционной про граммы;

оптимизировать процесс обновления производственных фондов электроэнергетических объектов.

4.3 Реализация пользовательского интерфейса системы поддержки принятия решений Пользовательский интерфейс был разработан в среде разработки VISUAL STUDIO 2010 на языке программирования С#.

Одной из основных задач программного комплекса является оптими зация информационного обеспечения процесса принятия решений, которая заключается в минимизации объема представляемой пользователю информа ции. При этом основным параметром оптимизации является требование к однозначности идентификации оператором технического состояния оборудо вания электроэнергетического объекта. Таким образом, минимизация должна осуществляться с учетом значимости различных данных о состоянии основ ного средства.

Задача оптимизации сводится к минимизации числа параметров, пред ставляемых оператору, с учетом максимально допустимой в идентификации технического состояния оборудования. При этом к информационному обес печению пользователя предъявляются следующие основные требования:

необходимости информации, которая представляет собой выяв ление и структурирование параметров технического состояния, наиболее значимых для идентификации состояния производственного актива и приня тия решений. Такая классификация направлена на повышение внимания пользователя к предаварийным ситуациям, достаточности информации и на снижение избыточности данных.

Дополнительную степень гибкости системы поддержки принятия ре шений обеспечивает интеллектуальный интерфейс.

В системе поддержки принятия решения, каждому пользователю на значается роль в соответствии с занимаемой должностью и уровнем компе тентности (рисунок 4.7).

Рисунок 4.7 – Оконный интерфейс входа в систему Для каждой единицы оборудования в систему заносятся ее паспорт ные данные, а также условия эксплуатации и иные существенные характери стики. Оконный интерфейс разработанного программного комплекса приве дена на рисунке 4.8.

При формировании плана работ за определенный период времени со гласно утвержденной финансовой программе происходит автоматический расчет показателей технического состояния производственных активов, стоимости мероприятий и важности оборудований. Далее происходит их ранжирование на основании указанных критериев и планирование соответст вующих мероприятий.

Система поддержки принятия решений осуществляет контроль и ана лиз утвержденных мероприятий, а также детальный мониторинг реализации инвестиционной программа (рисунок 4.9).

Рисунок 4.8 – Оконный интерфейс паспортных данных основного средства Рисунок 4.9 – Оконный интерфейс принятых к реализации решений 4.4 Выводы к главе В четвертой главе приведены результаты разработки программного обеспечения системы поддержки принятия решений для оценки состояния оборудования и повышения эффективности производственных фондов элек троэнергетических объектов.

Рассмотрена архитектура программного комплекса и алгоритмы функ ционирования основных модулей интеллектуальной системы поддержки принятия решений.

Разработано программное обеспечение с учетом требований к совре менному программному обеспечению в среде разработки Microsoft VISUAL STUDIO 2010 на языке программирования С#.

Экономический эффект от использования разработанных рекоменда ций и программного обеспечения в ГУП «Аланияэлектросеть» составил тыс. руб. в год. Ожидаемый годовой экономический эффект от внедрения разработанного программного обеспечения в СОф ОАО «МРСК СК» соста вит 862 тыс. руб. за счет снижения вероятности системных аварий и сниже ния недоотпуска электрической энергии потребителям.

ЗАКЛЮЧЕНИЕ На основе проведенного в данной диссертационной работе исследова ния по разработке методов и алгоритмов оценки технического состояния оборудования и повышения эффективности процесса обновления производ ственных фондов электроэнергетических объектов на базе концепции созда ния интеллектуальной электроэнергетической системы с активно-адаптивной сетью можно сформулировать следующие выводы:

1. Проведен системный анализ проблем и особенностей построения сис тем обработки информации в интеллектуальных электроэнергетических сетях, а также систем непрерывного контроля, средств и технологий систем поддержки принятия решений на базе концепции Smart Grid, позволяющий сделать вывод о необходимости совершенствования систем планирования технического обслу живания и обновления основных средств на основе фактического состояния, учитывая ограниченность финансовых ресурсов.

2. Разработана математическая модель оценки технического состояния оборудования и электроэнергетического объекта в целом за заданный интервал времени, позволяющая оценить уровень готовности производственных активов к эксплуатации с учетом его значимости, важности и интервала отклонений каж дого из контролируемых параметров.

3. Предложен новый подход планирования воздействий на основное средство, основанный на применении разработанного интегрированного показа теля технического состояния оборудования (Jn(t)), коэффициента важности элек троэнергетического объекта (Vn), на котором эксплуатируется актив и стоимости затрат технического обслуживания и обновления (Сn).

4. Разработана методика повышения эффективности процесса техниче ского обслуживания, модернизации и обновления основных средств электро энергетических объектов, позволяющая повысить эффективность распределения капитальных вложений и минимизировать отклонения выполняемых объемов работ от запланированных на основе непрерывного мониторинга реализации ин вестиционной программы и утвержденных решений.

5. Разработана функциональная модель процесса оценки состояния обо рудования электроэнергетическим объектов в рамках интеллектуальной электро энергетической системы на основе методологии системного анализа и IDEF технологий и структура интеллектуальной системы поддержки принятия реше ний.

6. Разработано и реализовано алгоритмическое и программное обеспече ние системы поддержки принятия решений 7. Экономический эффект от использования разработанного программно го обеспечения в ГУП «Аланияэлектросеть» составил 287 тыс. руб. в год. Ожи даемый годовой экономический эффект от внедрения разработанного программ ного обеспечения в СОф ОАО «МРСК СК» составит 862 тыс. руб. за счет сниже ния вероятности системных аварий и снижения недоотпуска электрической энер гии потребителям.

СПИСОК ЛИТЕРАТУРЫ Гаглоева И.Э. Анализ методов прогнозирования для интеллектуальной 1.

системы управления состоянием основных фондов электроэнергетиче ских объектов // Актуальные вопросы современной техники и техноло гии [Текст]: Сборник докладов X-й Юбилейной Международной науч ной конференции (г. Липецк, 26 января 2013 г.). / Отв. ред. А.В. Горбен ко. – Липецк: Издательский центр «Гравис», 2013. – С.186-190.

Гаглоева И.Э. Анализ автоматизированных систем контроля, учета и 2.

управления электропотреблением // Перспективы развития информаци онных технологий: сборник материалов VI Международно-практической конференции. – Новосибирск: СИБПРИНТ, 2012. – С.93-97.

Гаглоева И. Э., Добаев А. З. Применение систем автоматизации управле 3.

ния в интеллектуальных электроэнергетических сетях // Наука XXI века:

новый подход: материалы II международной научно-практической кон ференции студентов, аспирантов и молодых учных 28 сентября года, г. Санкт-Петербург. – Петрозаводск: ПетроПресс, 2012. – С.8-12.

Энергетическая стратегия России на период до 2030 года, утверждена 4.

распоряжением Правительства Российской Федерации от 13 ноября г. №1715-р.

Бердников Р.Н. Политика инновационного развития и модернизации 5.

ОАО «ФСК ЕЭС» // Интернет ресурс, URL: http://www.fsk-ees.ru (Дата обращения: 22.10.2012).

6. The National Energy Technology Laboratory: A vision for the Modern Grid, March 2007.

Smart Power Grids — Talking about a Revolution // IEEE Emerging Tech 7.

nology Portal, 2009.

Бударгин О.М. Умная сеть – платформа развития инновационной эконо 8.

мики // Доклад на заседании Круглого стола Петербургского междуна родного экономического форума (2010): «Умные сети – Умная энергети ка – Умная экономика».


Дорофеев В. В. Активно-адаптивная сеть – новое качество ЕЭС России / 9.

В. В. Дорофеев, А. А. Макаров // Энергоэксперт. 2009. - №4. - С. 28-34.

10. Отчет о разработке стратегической программы исследований технологи ческой платформы «Интеллектуальная энергетическая система России».

– Москва: РЭА, 2012. – 53 с.

11. Шкурина Г.Л. Методика построения очередей ремонта оборудования с использованием процедур выбора // Вестник АГТУ. Серия: Управление, вычислительная техника и информатика. – 2011. - №1. – С.124.

12. Шишкин А.Н. ТЭК России: курс на безопасность // Доклад заместителя Министра энергетики РФ (29.10.2010).

13. Гаглоева И.Э. Анализ методов оценки состояния оборудования и эффек тивности процесса обновления производственных фондов в электро энергетических сетях // Труды молодых ученых. – Владикавказ: Изд-во «Терек», 2013, Т.2 – С. 86-90.

14. Живодерников С.В. Зарубежный опыт мониторинга состояния маслона полненного оборудования /Материалы четвертого научно-практического семинара Общественного Совета специалистов Сибири и Востока по проблемам мониторинга трансформаторного оборудования и диагности ки электрических установок, Белокуриха, 20-24 апреля 2009 / С.В. Жи водерников, А. Г. Овсянников, В.А. Русов // Новосибирск, ГЦРО, 2009.

– С.7-22.

Интернет ресурс, 15. Control command and supervision // URL:

http://www.secheron.com/Products/Control-command-and-supervision (Дата обращения: 01.08.2013).

16. Надточий В.М., Ординян H.A., Осин Е.А., Трофимов A.C. Интеллекту альная информационно-диагностическая система (ИИДС) для электро оборудования электростанций // VI Симпозиум «Электротехника 2010».

2001. Т. 1. Докл. 4. 05.

17. Ворошин Д.А., Ватлецов A.B., Игнатьев Е.Б., Комков Е.Ю., Попов Г.В.

Организация информационных потоков для повышения эффективности оценки технического состояния оборудования на базе программного комплекса «Диагностика+» // IX Симпозиум «Электротехника 2030.

Перспективные технологии энергетики». 2007. Докл. 4. 41.

18. Информационно-аналитический портал MediaScan // Интернет ресурс, (Дата обращения:

URL: http://www.media-scan.ru/new/?id= 24.08.2013).

19. Чирков С.А. «Диана для Windows» - современный комплекс программ для ведения и анализа информации по электрооборудованию / VI Сим позиум «Электротехника 2010». М.: 2001. Т. 1. Докл. 4. 15.

20. ООО «ЭТЛ-СЕРВИС»: разработка информационных систем // Интернет ресурс, URL: http://www.etl-service.com.ua/info (Дата обращения:

30.11.2012).

21. Попов Г.В. Экспертная поддержка при диагностике состояния силовых трансформаторов /Попов Г.В., Ватлецов А.В., Аль-Хамри С.С.// Элек тротехника. – 2003. – № 8. – С. 5–11.

22. Шутенко О. В. Анализ функциональных возможностей экспертных сис тем, используемых для диагностики состояния высоковольного масло наполненного оборудования // О. В. Шутенко, Д. Н. Баклай // Вестник НТУ «ХПИ». – 2011. – Т. 1, вып. 3. – С. 45-52.

23. Давиденко И.В. Система компьютерной диагностики маслонаполненно го оборудования в рамках энергосистемы /Давиденко И.В., Голубев В.П., Комаров В.И., Осотов В.Н., Туркевич С.В. // Энергетик. – 2000. – № 11. – С. 52–56.

24. Гаглоева И.Э. Анализ эффективности функционирования систем сбора и обработки информации о состоянии оборудования электроэнергетиче ских объектов // Решение проблем развития предприятий: роль научных исследований: Материалы III Международной научно-практической конференции. 14 мая 2013г.: Сборник научных трудов. – Краснодар, 2013. – С142-145.

25. Кумаритов А.М., Гаглоева И.Э., Добаев А.З. Разработка математической модели оценки состояния производственных фондов в интеллектуаль ных электроэнергетических системах с активно-адаптивной сетью // На учные труды Вольного экономического общества России. – Москва Владикавказ: 2013. Т. 177. С.246-256.

26. Electric Power Research Institute, Electricity Sector Framework for the Fu ture Volume I: Achieving the 21st Century Transformation/Washington, DC:

Electric Power Research Institute, 2003.

27. Информационный ресурс Dhyan Smart Grid Management System. URL:

(Дата http://www.network-management-system.com/smart_grid_dsms.html обращения: 01.08.2013).

28. Информационный ресурс Smart Grid Distribution Control Center and Oper ations. URL: http://www.intelligentutility.com/article/13/01/smart-grid distribution-control-center-and-operations (Дата обращения: 05.08.2013 г) 29. Meir Shargal. Smart Grid: Leveraging Technology to Transform T&D Oper ating Models. URL: http://www.energycentral.com/articles/article/1661 (Да та обращения: 21.01.2013).


30. Федеральный закон от 26 марта 2003 г. N 35-ФЗ «Об электроэнергетике»

31. Методические указания по диагностике развивающихся дефектов трансформаторного оборудования по результатам газохроматографиче ского анализа газов, растворнных в масле РД 153-34-0.46.302-00 М., ЭНАС, 2001.

32. Dyval M., de Pablo A. Интерпретация результатов анализа газов в масле с использованием повой редакции Публикации МЭК 60599, 1999// IEC Publication 599, 1978.

33. МЭК 60599 «Международный стандарт: Электротехническое оборудо вание с изоляцией пропитанной минеральным маслом. Руководство по интерпретации анализа растворенных и свободных газов», 1999.

34. Положение о технической политике ОАО «ФСК ЕЭС». Утверждено Председателем Совета Директоров ОАО «ФСК ЕЭС», Министром энер гетики РФ Шматко С.И. М.: ОАО «ФСК ЕЭС», 2011. - 193 с.

35. Программа развития системы диагностики ОАО «ФСК ЕЭС», утвер жденная приказом ОАО «ФСК ЕЭС» от 17.06.2010 №427.

36. Васильев В. И., Гусев Ю. М., Иванов А. И. Автоматический контроль и диагностика систем управления силовыми установками летательных ап паратов. М.: Машиностроение, 1989. - 240 с.

37. Жернаков С.В., Ефанов В.Н., Иванова Н.С. Идентификация сложных систем управления в ортогональном базисе экспоненциального вида // Вестник УГАТУ. – Уфа: УГАТУ, 2010. – Т.14, № 2(37). С.128-135.

38. Потребич А.А., Кузнецов В.П., Жданов B.C., Фоменко П.И., Ткачев В.И., Овчиникова Н.С., Юдин Г.Г. Автоматизированная система для оценки технического состояния электрооборудования // Электрические станции.

2001. N 4.

39. Объем и нормы испытаний электрооборудования. РД 34.45-51.300 97.М.: ЭНАС, 1998.

40. Leibfried Th. Monitoring von Leistungstransfor-matoren — Jetzt auch fuer kleine und mittlere Baugroessen. (Мониторинг силовых трансформаторов малых и средних габаритов). — Elektrizitaetswirtschaft, 1999, No 20, 37,38,40-42.

41. Дьяконов В. П. MATLAB 6.5 SP1/7/7 SP2+Simulink 5/6. Инструменты ис кусственного интеллекта и биоинформатики. Серия «Библиотека про фессионала» В. П. Дьяконов, В. В. Круглов. - М.: СОЛОН-ПРЕСС, 2006.

- 456 с.

42. Медведев В.С. Нейронные сети: Matlab 6 / В. С. Медведев, В. Г. Потем кин;

Ред. В. Г. Потемкин. - М.: ДИАЛОГ-МИФИ, 2002. - 496с.

43. Swingler, Kevin Applying Neural Networks. A practical Guide [Электрон ный ресурс]: пер. с англ. / Kevin Swingler // Консультационный центр MATLAB компании Softline. – Режим доступа: http://matlab.exponenta.ru/ neuralnetwork/book4/index.php Дата обращения: 28.05.2012).

44. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генети ческие алгоритмы и нечеткие системы. – М.: Горячая линия -Телеком, 2008. - 452 с.

45. Хайкин С. Нейронные сети: полный курс. – М.: Изд-во «Вильямс», 2006.

– 1104 с.

46. Кумаритов А.М., Леонтьев А.В., Агаев В.С. К вопросу о перспективах использования инновационных проектов в теплоэнергетике и методах их автоматизации на примере республики северная Осетия – Алания // Ау дит и финансовый анализ, Москва 2011, Т. 2. – С. 444-450.

47. Гаглоева И.Э. Алгоритм функционирования интеллектуальной системы поддержки принятия решений для оценки технического состояния и эф фективности процесса обновления и модернизации производственных фондов электроэнергетических объектов // Науковедение (электронный журнал). 2013 №3 (16) [Электронный ресурс]. – М.: 2013. – Режим дос тупа: http://naukovedenie.ru/PDF/81tvn313.pdf, свободный – Загл. с экра на.

48. ГОСТ 27.002-89. Наджность в технике. Основные понятия. Термины и определения. - М.: Государственный комитет СССР по стандартам. 1990.

49. Рыбалко В. В. Математические модели контроля надежности объектов энергетики. – СПб., 2010. - 151с.

50. Ефанов В.Н., Жернаков С.В., Иванова Н.С. Идентификация сложных систем управления в ортогональном базисе экспоненциального вида // Вестник УГАТУ. УФА: УГАТУ, 2010. Т.14, №2 (37). С.128-135.

51. Ручкин В.Н. Универсальный искусственный интеллект и экспертные системы/ В. Н. Ручкин, В. А. Фулин.- СПб.: БХВ-Петербург, 2009.- 238с.

52. Бешелев С.Д. Экспертные оценки.- М.: Наука, 1973.- 159с.

53. Дорофеев В.В. Роль электрических сетей в организации конкурентного рынка в электроэнергетике // Интернет ресурс, URL: http://it.e m.ru/13/prezentation/dorofeev.pdf (Дата обращения: 10.07.2013).

54. Гаглоева И.Э. Разработка методики повышения эффективности процесса обновления и модернизации производственных фондов электроэнерге тических объектов // Науковедение (электронный журнал), 2013 №5 (18) [Электронный ресурс]. – М.: 2013. – Режим доступа:

http://naukovedenie.ru/PDF/32tvn513.pdf, свободный – Загл. с экрана.

55. Черноруцкий И.Г. Методы принятия решений. – СПб.: БХВ-Петербург, 2005. – 416с.

56. Информационный портал Министерства энергетики РФ // Интернет пор тал, URL: http://minenergo.gov.ru/activity/powerindustry/powersector (Дата обращения: 15.02.2013).

57. Гаглоева И.Э. К вопросу о разработке модели обработки информации о техническом состоянии оборудования для повышения эффективности процесса обновления производственных фондов электроэнергетических объектов // Международная научная конференция «Тенденции совре менной науки». – Польша, Гданьск, 2013. С.10-12.

58. Советов Б. Я., Яковлев С. А. Моделирование систем. — М.: Высш. шк., 2001. - 343 с.

59. Гаглоева И.Э. Хачирова Н.В. Моделирование бизнес-процессов с ис пользованием технологий UML и BPM // Труды молодых ученых. – Владикавказ: Изд-во «Терек», 2011, Т.3 – С.59-63.

60. Кумаритов А.М., Гаглоева И.Э., Джиоева И.А. Функциональное моде лирование интеллектуальной системы поддержки принятия решений для оценки эффективности процесса обновления и модернизации производ ственных фондов электроэнергетических объектов // Аудит и финансо вый анализ. Москва, 2013. Т. 4. С. 443-448.

61. Черемных С.В. Моделирование и анализ систем. IDEF-технологии: прак тикум / С.В.Черемных, И.О. Семенов, B.C. Ручкин. – М. : Финансы и статистика, 2006. - 192 с.

62. Евгенев Г.Б. Интеллектуальные системы проектирования : учеб.пособие / Г.Б. Евгенев. – М.: МГТУ им. Н.Э. Баумана, 2009. – 334с.

63. Степанов Е.Т. Технология Data Mining : Интеллектуальный анализ дан ных: учеб. Пособие / Р. Г. Степанов. – Казань : Из-во Казанского гос. ун та, 2008. – 58с.

64. Геловани В.Л., Башлыков А.А., Бритков В.Б., Вязилов Е. Д. Интеллекту альные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды. – М. : Эди ториал УРСС, 2001. - 304 с.

65. Гаглоева И.Э. Разработка структуры интеллектуальной системы управ ления состоянием основных фондов электроэнергетических объектов // Актуальные вопросы науки: Материалы VII Международной научно практической конференции (25.10.2012). – М.: Издательство «Спут ник+», 2012. – С.26-29.

66. Спирли Э. Корпоративные хранилища данных. Планирование, разработ ка, реализация. Том. 1: Пер. с англ. – М.: Вильямс, 2001.

67. Баллод Б.А., Елизарова Н.Н. Методы и алгоритмы принятия решений в экономике. – М.: ИНФРА-М, 2009.

68. Методика разработки приложений на основе MVC. Интернет ресурс, URL: http://entropiya-blog.ru/metodika-razrabotki-prilozheniya-na-osnove mvc.html (Дата обращения: 15.07.2013).

69. Microsoft SQL Server 2008: Overview. Интернет ресурс, URL:

http://www.microsoft.com/sqlserver/2008/ru/ru/overview.aspx (Дата обра щения: 15.07.2013).

70. Рихтер Дж. Р49 CLR via C#. Программирование на платформе Microsoft.NET Framework 2.0 на языке C#. Мастер-класс. / Пер. с англ. – М.: Рус ская Редакция ;

СПб.: Питер, 2008. - 656 с.

71. Гаглоева И.Э. Разработка системы поддержки принятия решений при управлении производственными фондами // Информационные и теле коммуникационные технологии. – М.: 2013. Т.19. С.22-28.

72. Щавелев Л.В. Способы аналитической обработки данных для поддержки принятия решений // СУБД. – 1998. – № 4–5. – С. 51–60.

73. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статические и ди намические экспертные системы: Учеб. пособие. – М.: Финансы и стати стика, 1996. - 320с.

74. Вывод в продукционных моделях. Механизм логического вывода и ре курсия. http://www.aiportal.ru/articles/knowledge-models/mlv recursion.html (дата обращения: 29.04.2013).

75. Хасанов В.Х., Бикмухаметов И.Х., Колганов Е.А. Информационные сис темы в экономике: Учеб. пособие. – Уфа: Уфимск. гос. акад. экон. и сер виса, 2008. – 284 с.

76. Еремеев А.П. Экспертные модели и методы принятия решений. – М.:

Изд-во МЭИ, 1995. –111 с.

77. Гаглоева И.Э., Добаев А.З., Дедегкаева А.А. Разработка математической модели комплексной оценки состояния электроэнергетических объектов [Электронный ресурс] // Инженерный вестник Дона (электронный жур нал), 2013, №3. – Режим доступа: http://www.ivdon.ru/magazine/archive/ n3y2013/1842 (доступ свободный) – Загл. с экрана.

Приложение А (Информационное) Акты о внедрении результатов кандидатской диссертационной работы

Pages:     | 1 | 2 ||
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.