А.С. Захаров1, Д.А. Шарипов2, С.В. Мацеевич3, И.В. Трундаев4, И.Б. Загер5

1–4 Финансовый университет при Правительстве РФ (Москва, Россия)
5 Московский государственный университет им. М.В. Ломоносова (Москва, Россия)
1 zakharov.as17@physics.msu.ru, 2 dasharipov@fa.ru, 3 cvmac@mail.ru

Постановка проблемы. Актуальность исследования обусловлена необходимостью разработки специального программно-алго­ритмического обеспечения для систем поддержки принятия решения диспетчера ситуационного центра по минимизации ущерба, связанного с неравномерным первичным регулированием мощности в электросети при распределении электроэнергии в условиях аварии. Разработка алгоритма обусловила необходимость формирования модели управления уровнями энергопотребления на основе метода сглаживания.

Цель. Разработка модели минимизации ущерба электрооборудованию наземно-космической системы от изменения мощности, учитывающая стохастический характер уровня энергопотребления при аварийной ситуации, на основе метода сглаживания роста выделяемой мощности.

Результаты. Сформированы аналитические зависимости мощности генерации от времени работы и показаны результаты процесса восстановления планового баланса мощности электроэнергии от времени при возникновении аварийных ситуаций. По результатам оценки оригинального вероятностного фрактального параметра обеспечивается регулирование по уровням энергопотребления, способствуя снижению ущерба и повышению надежности работы электрооборудования. Показано, что сглаживание сохраняет энергетический баланс при значительном снижении экстремальных нагрузок на оборудование

Практическая значимость. Представленная модель позволяет сформировать систему поддержки принятия решений диспетчера ситуационного центра для обеспечения минимизации ущерба при аварийных ситуациях. Полученные данные могут быть использованы диспетчером ситуационных центров объектов энергетики при управлении состоянием сети при авариях.

Захаров А.С., Шарипов Д.А., Мацеевич С.В., Трундаев И.В., Загер И.Б. Система поддержки принятия решения диспетчера ситуационного центра при аварийных изменениях уровня энергопотребления наземно-космической системы на основе метода сглаживания // Динамика сложных систем. 2025. Т. 19. № 5. С. 69−76. DOI: 10.18127/j19997493-202505-08

1. Алябьев В.Н., Горлов А.Н., Ларин О.М. Выбор энергосберегающих мероприятий в системах управления энергопотреблением // Известия Юго-Западного государственного университета. 2012. № 6. С. 017–021.
2. Delghavi M.B., Yazdani A. A unified control strategy for electronically interfaced distributed energy resources. IEEE Transactions on Power Delivery. 2012. Т. 27. № 2. С. 803–812.
3. Benedetti M. et al. Energy consumption control automation using Artificial Neural Networks and adaptive algorithms: Proposal of a new methodology and case study. Applied Energy. 2016. Т. 165. С. 60–71.
4. Карманов А.А. Методы и алгоритмы глубокого обучения для управления энергопотреблением спортивных объектов // Современные информационные технологии и ИТ-образование. 2024. Т. 20. № 1. С. 101–111.
5. Седнев В.А. Инженерно-технические мероприятия по подготовке электроэнергетических сооружений и систем к устойчивому функционированию // Технологии техносферной безопасности. 2019. № 1. С. 139–150.
6. Кочкаров Р.А., Чиров Д.С., Тимошенко А.В., Казанцев А.М. Модель пространственно-распределенной информационной системы непрерывного мониторинга с предфрактальной динамической структурой в условиях воздействия дестабилизирующих факторов // T-Comm: Телекоммуникации и транспорт. 2025. Т. 19. № 1. С. 4–12. DOI: 10.36724/2072-8735-2025-19-1-4-12
7. Шевцов В.А., Казанцев А.М., Тимошенко А.В. и др. Показатель структурной эффективности управления информационным взаимодействием в гетерогенной сети передачи данных пространственно-распределенной системы мониторинга // Вестник Воронежского государственного технического университета. 2024. Т. 20. № 2. С. 124–131. DOI 10.36622/1729-6501.2024.20.2.019
8. Тихонов Н.Ф. Преимущества удаленного управления энергопотреблением / Итоги науки в теории и практике 2024: XVI междунар. очно-заочной научно-практ. конф. 26 ноября, 2024. М.: Издательство НИЦ «Издание». 2024. 165 с.
9. Мацеевич С.В., Владко У.А., Зюзина А.Д., Мочалов М.Н., Захаров А.С. Применение показателя когнитивной нагрузки графического элемента для обоснования требований к системе визуализации РЛС дальнего обнаружения // Научная визуализация. 2024. 16.3: 87–96. DOI: 10.26583/sv.16.3.09
10. Астраханцева И.А., Горев С.В., Астраханцев Р.Г. Фрактальный анализ в оценке эффективности и надежности сложных технических систем // Современные наукоёмкие технологии. Региональное приложение. 2023. Т. 76. № 4. С. 60–68.
11. Мартьянов А.Н. и др. Устройство вычисления оптимальных параметров сглаживания фрактального трафика по критерию максимального соответствия средней скорости и наибольшему всплеску входного агрегированного потока при условии отсутствия потерь пакетов из-за переполнения буфера. 2022.
12. Шарипов Д.А. Информационные технологии оптимизации больших размерностей в управлении доходами (RMS) авиаперевозок // Информационно-измерительные и управляющие системы. 2023. Т. 21. № 5. С. 56–62.