8 (495) 987 43 74 доб. 3304 Прием заявок на рассмотрение статей E-mail: evlasova@synergy.ru

Мы в соцсетях -              
Рус   |   Eng

Авторы

Федулова С. А.

Ученая степень
заведующая лабораторией информатизации, филиал Национального исследовательского университета «­МЭИ» в г. Смоленске
E-mail
svfed67@mail.ru
Местоположение
г. Смоленск, Россия
Статьи автора

Управление энергопотреблением IIoT-устройств в электроэнергетических системах на основе нейро-нечетких моделей

Представлены результаты исследования по оптимизации энергопотребления устройств промышленного Интернета вещей, обеспечивающих телеметрию и входящих в контуры управления электроэнергетических систем. Актуальность исследования заключается в наметившейся потребности в повышении времени автономной работы мобильных устройств телеметрии производственных и технологических систем, что способствует снижению затрат на их обслуживание и поддержание в работоспособном состоянии. Предложен алгоритм управления параметрами ядра процессора мобильных устройств с процессорами архитектуры ­ARM, обеспечивающий более высокую энергоэффективность таких устройств, применяемых в составе промышленного Интернета вещей ­ЭЭС. Новизну полученных результатов составляет предложенный алгоритм программного управления конфигурацией параметров ядра ­ARM-процессора мобильных устройств телеметрии ­ЭЭС, обеспечивающей более высокую его энергоэффективность, что достигается применением в его структуре методов интеллектуального анализа данных – двунаправленной нейронной сети долгой краткосрочной памяти и системы нечеткого логического вывода. Выбор этой архитектуры сети обусловлен ее способностью выявлять взаимосвязь в темпоральных последовательностях параметров устройств за счет просмотра последовательности сразу в двух направлениях – от начала к концу и наоборот. Сеть работает в режиме классификации планов энергопотребления, результаты которой затем подаются на вход системы нечеткого логического вывода для прогноза оптимальных параметров ­ARM-процессора, что в совокупности образует нейро-нечеткую модель управления энергопотреблением ­IIoT-устройств. С использованием библиотек для машинного обучения на языке Python в среде Google Colab проведены модельные эксперименты, в результате которых точность классификации с помощью двунаправленной нейронной сети превысила 0,8, а среднеквадратическое отклонение составило 0,058 при прогнозе параметров ­ARM-процессора на основе системы нечеткого логического вывода. Читать дальше...