Исследование эффективности оптимизации состояний сложных энергетических систем с использованием методов искусственного интеллекта

Аннотация

Актуальность. в настоящее время во всём мире наблюдается устойчивый рост спроса на
электрическую энергию, а также ограниченность традиционных ресурсов, необходимость
обеспечения экологической безопасности и устойчивого развития. С учётом вышеизложенного, в  данной статье представлены результаты исследования возможностей применения и
сравнительного анализа эффективности пяти методов и алгоритмов искусственного интеллекта
для оптимизации состояний энергетических систем, а именно: генетического алгоритма (GA),
алгоритма роя частиц (PSO), дифференциальной эволюции (DE), алгоритма колонии
искусственных пчёл (ABC) и алгоритма колонии муравьёв (ACO). Данный подход имеет
значение не только с теоретической точки зрения, но и с позиции практического применения и
повышения устойчивости энергетических систем.
Цель: совершенствование моделей и алгоритмов краткосрочного планирования и оперативного
управления режимами современных сложных энергетических систем на основе анализа
эффективности применения методов искусственного интеллекта, при оптимизации их состояний.
Методы: в процессе исследования были использованы современные теоретические подходы к
расчёту установившихся режимов электроэнергетических систем и их оптимизации, а также
методы нелинейного математического программирования, системного анализа и искусственного
интеллекта.
Результаты: задача оптимизации состояний энергетических систем представляет собой
сложную многоэкстремальную задачу с большим числом огрничений равенств и неравенств
функционального и интегрального характера. Применение традиционных методов её решения в
ряде случаев приводит к необходимости аппроксимации, что, в свою очередь, сопровождается
снижением точности, а также трудностями, связанными с ненадёжностью итерационных
вычислительных процессов. Для устранения указанных недостатков целесообразным является
использование методов искусственного интеллекта. Сравнительный анализ их эффективности
был проведён на конкретном примере. Полученные результаты показали, что эффективность
алгоритмов роя частиц (PSO), дифференциальной эволюции (DE), колонии искусственных пчёл
(ABC) и колонии муравьёв (ACO) является приблизительно одинаковой и превосходит
эффективность других рассмотренных методов.