Публикации автора

Рассмотрена актуальная проблема загрязнённости атмосферного воздуха химическими веществами техногенного характера, негативно влияющими на экологию воздушного бассейна г. Салавата (Республика Башкортостан). Предложена интеллектуальная система экологического мониторинга, которая способна дать интегральную оценку состояния воздушного бассейна города, идентифицировать источники повышенной загрязнённости воздуха, обработать информацию с помощью искусственной нейронной сети в онлайн-режиме, выработать рекомендации предприятиям по оптимизации режима их работы.

В условиях современного мира надежность электроснабжения становится критически важной для функционирования как бытовых, так и промышленных систем. Отключения электроэнергии могут привести к значительным экономическим потерям и нарушению работы жизненно важных инфраструктур. Внедрение резервных источников питания может значительно повысить устойчивость к отключениям. Однако для эффективного управления этими источниками необходимо разработать интеллектуальные системы, способные предсказывать и автоматизировать включение резервных источников питания в ответ на изменения в потреблении или отказ основного источника. В данной статье исследование посвящено разработке и применению нейронной сети для автоматизации процесса включения резервных источников питания на трансформаторной подстанции. Актуальность работы обусловливает повышение требований к надежности электроснабжения, особенно в условиях эксплуатации, требующих особого внимания. В традиционной системе управления резервом сформированные на фиксированных пороговых значениях и релейной логике ограничивают адаптивность работы к изменяемым режимам работы электросети и не обеспечивают прогнозирования аварийных ситуаций. А нейронная сеть, в свою очередь, обучается c данных электросети (напряжение, ток, частота, активная и реактивная мощность и другие) и способна прогнозировать необходимость переключения на резервные источники питания на основе анализа динамики этих параметров, что в результате позволяет значительно повысить надежность электроснабжения и снизить риск возникновения аварийных ситуаций. Поэтому в представленной работе предложен подход, основанный на использовании простого Feedforward нейронной сети (многослойного персептрона (MLP)), реализованного с применением библиотек Keras и TensorFlow на языке Python.