С.С. Михайлова1, С.В. Мацеевич2, А.С. Захаров3, Д.А.Шарипов4, А.В.Петровский5

1–4 Финансовый университет при Правительстве Российской Федерации (Москва, Россия)
3,5 МИРЭА – Российский технологический университет (Москва, Россия)
1 DMath@fa.ru, 2 cvmac@mail.ru, 3 zakharov.as17@physics.msu.ru, 4 dasharipov@fa.ru,
5 houndsofhade@yandex.ru

Постановка проблемы. В условиях стремительного роста мегаполисов и увеличения нагрузки на энергетическую инфраструктуру актуальной становится проблема повышения эффективности работы выездных бригад энергетических компаний. Актуальность исследования обусловлена необходимостью обеспечения надежности и бесперебойности энергоснабжения, что особенно важно в контексте указов и инициатив Президента Российской Федерации, направленных на защиту энергоресурсов и повышение устойчивости энергетической системы.

Цель. Разработать модель и методику для прогнозирования аварийных ситуаций и оценки готовности ремонтных бригад и ресурсов, что позволит диспетчерам ситуационных центров оперативно принимать решения и минимизировать время восстановления энергоснабжения.

Результаты. Предложена модель аварийной ситуации, учитывающая параметры объектов энергетической инфраструктуры, такие как вероятность аварии, сложность и состояние объекта, а также параметры ремонтных баз, включая состояние автотранспорта, уровень подготовки бригад и наличие необходимого оборудования. Формализована модель аварийной ситуации с учетом сложности и вероятного ущерба. На основе модели и результатов расчета вероятности аварийной ситуации введены показатели готовности ремонтной бригады.

Практическая значимость. Создание научно-обоснованной системы поддержки принятия решений для операторов дежурной смены способствует повышению оперативности и надежности работы энергетических компаний в условиях мегаполисов.

Михайлова С.С., Мацеевич С.В., Захаров А.С., Шарипов Д.А., Петровский А.В. Расчет показателей готовности выездных бригад на основе модели комплексных аварий на объектах критической инфраструктуры // Нелинейный мир. 2025. Т. 23. № 3. С. 15–24. DOI: https://doi.org/10.18127/ j20700970-202503-03

1. Утц С.А., Федоров Ю.Г., Ярош Д.Н. О развитии требований к схеме электроснабжения мегаполисов и перспективе применения технологий Smart Grid // Сб. докл. конф. «Электроэнергетика глазами молодежи». Т. 1. Екатеринбург. 2012. С. 56–61.
2. Кучеров Ю.Н., Утц С.А., Ярош Д.Н. Современные тенденции развития электроснабжения мегаполисов с целью повышения управляемости режимов работы энергосистемы // Электричество. 2017. № 6. С. 4–15.
3. Майоров А.В., Шунтов А.В., Васин В.П. Анализ надежности системы электроснабжения 20 кВ в мегаполисе // Электричество. 2017. № 1. С. 22–29.
4. Воропай Н.И., Курбацкий В.Г., Томин Н.В., Панасецкий Д.А. Совершенствование системы мониторинга и управления электрическими сетями мегаполисов // Энергетик. 2016. № 8. С. 3–9.
5. Энергоэффективный мегаполис. Smart City «Новая Москва» / Под ред. В.В. Бушуева, П.А. Ливинского. М.: ИД «Энергия». 2015. 76 с.
6. Воропай Н.И., Стенников В.А. Интегрированные интеллектуальные энергетические системы // Изв. РАН. Сер.: Энергетика. 2014. № 1. С. 64–73.
7. Воропай Н.И., Стычински З.А., Шушпанов И.Н. и др. Модель режимной надежности «активных» распределительных электрических сетей // Изв. РАН. Сер.: Энергетика. 2013. № 6. С. 70–79.
8. Grid 2030: A national vision for electricity’s second 100 years. Office of Electric Transmission and Distribution, US State Department of Energy. Washington. July 2003. 36 p.
9. European Smart Grid technology platform: Vision and strategy for Europe’s networks of the future. European Commission. Brussels. 2006. 23 p.
10. McDonald J. Adaptive intelligent power systems: Active distribution networks. Energy Policy. 2008. V. 36. № 6. P. 4346–4351.
11. Судаков В.А., Тимошенко А.В., Соколов К.С., Мацеевич С. В. Алгоритм поддержки принятия решения оператором радиолокационной станции мониторинга космического пространства в условиях нештатной ситуации на основе гибридной функции // Системы управления, связи и безопасности. 2024. № 4. С. 145–157. DOI 10.24412/2410-9916-2024-4-145-157. EDN DEPPJD.
12. Мацеевич С.В., Владко У.А., Зюзина А.Д. и др. Применение показателя когнитивной нагрузки графического элемента для обоснования требований к системе визуализации РЛС дальнего обнаружения // Научная визуализация. 2024. Т. 16. № 3. С. 87–96. DOI 10.26583/sv.16.3.09. EDN IOQBVG.
13. Timoshenko A.V., Razin’kov S.N., Savchuk A.M. et al. Ensuring Flight Safety in Aviation through Damage Risk Management in the Aviation System. Russ. Aeronaut. 2024. V. 67. P. 741–748. https://doi.org/10.3103/S1068799824040019.
14. Захаров А.С., Шаманов В.В., Перлов А.Ю., Соколов К.С., Поздышев В.Ю. Многопараметрическая оптимизация процесса проектирования РЛС мониторинга космического пространства на основе онтологического анализа зависимостей функциональных характеристик от множества технических решений // Радиотехника. 2024. Т. 88. № 10. С. 110–117. DOI: https://doi.org/10.18127/j00338486-202410-12/
15. Феклин В.Г., Захаров А.С., Ястребов И.Д., Савчук А.М. Повышение полноты доведения информации при обрыве линий связи центра мониторинга космического пространства на основе модифицированного алгоритма Дейкстры // Нейрокомпьютеры: разработка, применение. 2024. Т. 26. № 6. С. 107–113. DOI 10.18127/j19998554-202406-13. EDN RQYAXW.