Ученые ТюмГУ нашли способ улучшить управление «умными электросетями»

Новую концепцию интеллектуальной системы поддержки принятия решений, основанную на методе гибридного CBR (Case based reasoning), методологии искусственного интеллекта (ИИ), сочетающей ИИ и машинное обучение, предложили для лучшего управления «умными электросетями» ученые Института математики и компьютерных наук (ИМИКН) Тюменского государственного университета (ТюмГУ) и Северного Уральского государственного аграрного университета, 21 ноября сообщает пресс-служба ТюмГУ.

В своей работе, результаты которой исследователи представили в статье «Использование гибридного CBR для интеллектуального мониторинга и систем принятия решений на SMART grid», опубликованной в журнале Intelligent Decision Technologies, они решали проблему выбора наиболее похожей ситуации в нейросетях для более быстрого устранения неполадок в инфраструктуру электроснабжения. Концепция SMART Grid (Умные сети), которая в настоящее время широко внедряется в электроэнергетику во всем мире, представляет собой мониторинг данных в режиме реального времени, а также активное управление микросетями с помощью использования в инфраструктуру электроснабжения ряда технологических решений. SMART Grid объединяет интеллектуальную систему мониторинга, контролирующую поток электроэнергии, систему кабелей или линий, управляющую колебаниями мощности, потерями, а также систему подключения источников солнечной энергии, топливных элементов и ветрогенераторов. Такая «умная сеть» при выявленной системой мониторинга аварийной ситуации передает сигнал о неисправности в диспетчерский центр, и показывает, какая именно неисправность произошла на объекте. Использование SMART систем необходимо и тогда, когда управление энергетическим комплексом усложнено из-за удаленного и труднодоступного расположения объектов инфраструктуры электросети. Основой функционирования SMART grid служит совокупность инструментов для мониторинга и анализа собранных данных. В том числе и удаленный мониторинг с помощью дронов, а также мониторинг с помощью искусственного интеллекта на основе предиктивной (использующейся для прогнозирования) аналитики с использованием машинного обучения. В своей работе тюменские ученые исследовали систему поддержки принятия решений для систем SMART-grid, разработанную для ускорения процесса принятия решений, что особенно важно в критических ситуациях, а также необходимо для исключения влияния человеческого фактора и упрощения операционных процессов. Подход тюменских исследователей создает новую возможность для разработки гибридных моделей рассуждений на основе прецедентов и способствует решению актуальной проблемы интеграции двух концепций искусственного интеллекта — систем, основанных на знаниях, и машинного обучения. Эксперименты подтвердили перспективность использования нейронных сетей для определения сходства ситуаций, а также эффективность разработанной архитектуры нейронной сети для поиска наиболее похожей ситуации из базы данных ИИ. В эксперименте выбор похожего прецедента, выполненный нейросетью, совпадал с выбором эксперта. При этом сеть не выдавала коллизий, а ранжировала ситуации по сходству в соответствии с выбором эксперта. В своих дальнейших исследованиях ученые намерены детализировать разработанные методы для различных состояний и прецедентов.