Knowledge representation in intelligent automation systems for control of power systems of the mining and metallurgical complex under uncertainty
DOI:
https://doi.org/10.33216/1998-7927-2021-268-4-40-48Keywords:
grammar, linguistic variable, ontology, power system, meta-rule, fuzzificationAbstract
The article considers the problem of taking into account the uncertainty of information for the construction of knowledge bases in decision support systems for operational management of power systems. It is substantiated that the formulation of control logic is carried out mainly at the level of qualitative ideas and concepts. The latter can be formalized in the form of logical-linguistic models, which should be considered in terms of the theory of fuzzy sets and linguistic variables. An analysis of existing approaches to the presentation and processing of fuzzy knowledge about the management of power systems of the mining and metallurgical complex. The approach to the representation of the incorporation of various forms of representation of professional ontologies on the basis of fuzzy logic is substantiated. The main concepts and formal linguistic models of fuzzification of the representation of the evolution of the incorporation of ontologies of all levels in the context of semantic concept uncertainty have been developed. All the obtained formal linguistic models of concept fuzziness correspond to the structures of forms of knowledge representation. A formal linguistic model has been developed for accounting for the fuzzy meta-rules as modules for fuzzy management of the knowledge base based on the fuzzy neuron model. Fuzzification principles are implemented when performing operations on knowledge base concepts. Models of ontologies of all levels of the knowledge base have been developed, taking into account the fuzzy representation of the semantics of concepts.Research methods include the use of fuzzy logic, formal languages, artificial intelligence systems theory and decision support systems. The software complex of the decision support system for automation of dispatch operational management of normal and emergency modes of the power system of the mining and metallurgical complex is implemented. The scheme of introduction of the decision support system in the environment of the operating automated system of dispatching management of power systems is offered.Possible points of implementation of the decision support system in the data transmission paths of the complex of the automated dispatch control system have been determined. The points of introduction of the core of the software complex into the environment of the power system control system are the block of automated workstations, the block of the technological data exchange network, the block of data collection and telecontrol.A new structure of the core of the decision support system has been developed.
References
1. Акимов В.А., Жарёнов А.Б. Неопределенность в прогнозировании и планировании. Общенаучный аспект/ Инф. сб. ЦСИ ГЗ. – М.: ДГЗ МЧС России – № 28 – 2006. - С. 97-104
2. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логи¬кой. - М.: Наука, Гл. редакция физ.-мат. лит. – 1990.
3. Асаи К., Ватада Д., Иваи С. Прикладные нечеткие системы: Пер. с япон./ К. Асаи, Д. Ватада, С. Иваи и др.; под редакцией Т. Тэрано, К. Асаи, М. Сугэно − М.: Мир – 1993 − 368 с.
4. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных ре¬шений. – М.: Мир – 1976.
5. Сеченов М. Д. , Щеглов С. Н. Анализ неформальных моделей представлення знаний в системах приня¬тия решений // Известия ЮФУ. – Технические науки, 2010. - №7.
6. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Си¬туационные советующие системы с нечеткой ло¬гикой. – М.: Наука – 1990.
7. Берштейн Л.С., Карелин В.П., Целых А.Н. Модели и методы принятия решений в интегрированных интеллектуальных системах. – Ростов н/Д: Изд-во РГУ – 1999 – 278 с.
8. Борисов А.Н., Алексеев А.В., Меркурьева Г.В. и др. Обработка нечеткой информации в системах принятия решений. – М.: Радио и связь – 1989.
9. Кофман А. Введение в теорию нечетких множеств: Пер. с франц. — М.: Ра¬дио и связь – 1982 − 432 с.
10. Леоненков А. В. Нечеткое моделирование в среде MATLAB и fuzzyTECH − СПб.: БХВ-Петербург − 2005 − 736 с.
11. Борисов В. В., Круглов В. В., Федулов А. С. Нечеткие модели и сети − М.: Горячая линия-Телеком – 2007 − 284 с.
12. Zadeh L. Fuzzy Sets // Information and Control − 1965 − Vol. 8 − P. 338 − 353.
13. Заде Л. Понятие лингвистической переменной и ее применение к принятию приближенных решений − М.: Мир – 1976 − 167 с.
14. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети: Учеб. пособие − М.: Издательство Физико-математической литературы − 2001 − 224 с.
15. Малышев Н.Г., Бернштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САПР. — М.: Энергоиздат − 1991 — 136 с.
16. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. − М.: Горячая линия – Телеком – 2007 − 288 с.
17. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И.Д. Рудинского − М.: Горячая линия Телеком − 2006 − 452 с.
18. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика− 2-е изд., стереотип.− М.: Горячая линия-Телеком − 2002 − 382 с.
19. Колесников А.В. Гибридные интеллектуальные системы. Теория и технология разработки / А.В. Колесников; под ред. А.М. Яшина − СПб.: СПбГТУ − 2001 − 711 c.
20. Yan H.H. et al. Power system security assessment using a hybrid expert system/neural network architecture // Proc. of IEEE. ISCS. New York. 1992. P. 1713-1716.
21. Wang L.-X. Fuzzy systems are universal approximators // Proc. of the IEEE Int. Conf. on Fuzzy Systems − San Diego − 1992 − p. 1163-1169
22. Кириленко О.В., Прихно В.Л., Черненко П.О. Розробка ієрархічного оперативно_керуючого комплексу та впровадження його в енергооб'єднанні України // О.В. Кириленко, В.Л. Прихно, П.О. Черненко – К.: Наука та інновації – 2008 – Т.4 – № 6 – С. 12–25.
23. Рубаненко О.Є., Рубаненко О.О., Кравцов К.І. Розробка та дослідження структури системи автоматичного керування нормальними режимами електроенергетичних систем // О.Є. Рубаненко, О.О.Рубаненко, К.І. Кравцов – Вісник Хмельницького національного університету. Технічні науки – №4 – 2012 – С. 40 – 45
24. Чичёв С.И., Калинин В.Ф., Глинкин Е.И. Информационно-измерительная система центра управления электрических сетей / С.И. Чичёв, В.Ф. Калинин, Е.И. Глинкин – М.:«Машиностроение» – 2009 – 176 с.
25. Титов Н., Прохватилов В., Кривоносов А., Левенец Н., Бородин Д., Гальперин М.И. Модернизация оперативно-информационного комплекса АСДУ Днепропетровских электрических сетей // «Современные технологии автоматизации». Электроэнергетика – №1 – 2006 – С. 28 – 33.
26. Автоматизированная система диспетчерского управления на основе комплексов технических средств «Алгоритм», оперативно-информационного управляющего комплекса «Kvadrant». Техническое решение. – СПб.: ЗАО «Алгоритм» ¬– 2013 – 65 с.
27. Чичёв С.И. Модель автоматизированной системы технологического управления электросетевым комплексом 6 – 220 кВ ПАО «МОЭСК» – М.: Издательский дом «Спектр» – 2017 – 228 с.
28. Головко С.В., Турпищев Ш.А., Рогов А.В., Аникеев А.В. Автоматизированное рабочее место диспетчера электрических сетей // Вестник Астраханского государственного технического университета – Астрахань: АГТУ – №1(67) – 2019 – С. 23 – 29.
29. Бурикін О.Б., Кравцов К.І., Кулик В.В. Автоматизація оптимального керування потоками потужності в електроенергетичних системах на основі критеріального методу // Вінниця: Вісник Вінницького політехнічного інституту. Енергетика та електротехніка – №2 – 2007 – С. 66 – 71.
