Розроблення математичних моделей для підтримки прийняття рішень щодо функціонування критичної інфраструктури в галузі енергопостачання
DOI:
https://doi.org/10.15587/2706-5448.2023.293205Ключові слова:
критична інфраструктура, математичні моделі, система підтримки прийняття рішень, загрози, критична ситуаціяАнотація
Об’єктом дослідження є енергопостачальні компанії та процеси генерації та постачання електричної енергії. В роботі розглянуті проблеми побудови математичних моделей для прогнозування функціонування об’єкта критичної інфраструктури в умовах мінливого безпекового середовища, що характеризується непередбачуваністю, наявністю невизначеностей різних типів, появою нових загроз, їх комбінацій, зміною форм, тривалості, характеру їх впливу. У роботі приділено основну увагу дослідженню функціонування критичної інфраструктури в галузі енергопостачання. На основі дослідження функціонування системи енергетичної компанії, представлені методи боротьби з невизначеностями на етапі підготовки даних до аналізу та під час попередньої побудови моделей, зокрема, статистичні та ймовірнісні підходи, моделювання досліджуваних процесів, альтернативні методи оцінювання параметрів моделей, тощо. Складність підготовки вхідного набору даних пов’язана з тим, що необхідно забезпечити репрезентативність та варіабельність наборів даних, враховуючи те, що значна кількість факторів повинна бути включена в модель згідно вимог нормативних документів, що може призвести до мультиколінеарності вхідних змінних. У роботі запропоновано аналітичний інструментарій, заснований на використанні математичних моделей та їх комбінацій, призначений до використання у спеціалізованих системах підтримки прийняття рішень. В ході дослідження було проведено ряд чисельних експериментів, в яких опрацьовано запропоновану методику на матеріалах підприємства – об’єкта критичної інфраструктури енергетичного сектору. Для побудови моделей використано програмне забезпечення SAS Energy Forecasting. Кращі результати прогнозування отримані за використання узагальнених лінійних моделей (GLM), зокрема моделі GLM у вигляді ARIMAX (модель авторегресії із ковзним середнім, що включає інтегровану складову-тренд та зовнішні регресори). Пропозиції, представлені в роботі, дозволять підвищити ефективність функціонування енергетичного сектору, в тому числі, щодо визначення цілей, завдань та орієнтирів його функціонування в штатному режимі на певні часові періоди, а також у сфері розробки універсальних і спеціальних механізмів забезпечення стійкості у режимі реагування на загрози та критичні ситуації.
Посилання
- Pro krytychnu infrastrukturu (2021). Zakon Ukrainy No. 1882-IX. 16.11.2021. Available at: https://zakon.rada.gov.ua/laws/show/1882-20#Text
- Na Zakarpatti zapustyly Sytuatsiino-analitychnyi tsentr (2022). Available at: https://carpathia.gov.ua/news/na-zakarpatti-zapustili-situacijno-analitichnij-centr
- Sait Ministerstva tsyfrovoi transformatsii Ukrainy. Available at: https://thedigital.gov.ua
- Informatsiino-analitychna systema «SOTA». Available at: https://www.rnbo.gov.ua/ua/COTA.html
- United Nations Office for Disaster Risk Reduction (UNDRR). Available at: https://www.undrr.org/#
- Centrefor Research on the Epidemiology of Disasters (CRED). Available at: https://www.cred.be
- The International Disasters Database (EM-DAT). Available at: https://www.emdat.be
- «Ievropeiskyi dosvid rozbudovy systemy zakhystu krytychnoi infrastruktury: uroky dlia Ukrainy». Analitychna zapyska (2013). Available at: https://niss.gov.ua/doslidzhennya/nacionalna-bezpeka/evropeyskiy-dosvid-rozbudovi-sistemi-zakhistu-kritichnoi
- Stiikist zdiisnennia zhyttievo vazhlyvykh funktsii: uzahalnennia dosvidu reahuvannia Ukrainy na ruinuvannia enerhetychnoi infrastruktury (2023). Available at: https://niss.gov.ua/doslidzhennya/natsionalna-bezpeka/stiykist-zdiysnennya-zhyttyevo-vazhlyvykh-funktsiy-uzahalnennya
- Pederson, P., Dudenhoeffer, D., Hartley, S., Permann, M. (2006). Critical In frastructure Interdependency Modeling (CIMS). National Laboratory Idaho Falls. Idaho, 126. Available at: http://cip.management.dal.ca/publications/Critical%20Infrastructure%20Interdependency%20Modeling.pdf
- High-level Advisory Bodyon Artificial Intelligence. United Nations. Available at: https://www.un.org/en/ai-advisory-body
- Shevchenko, A. I., Kondratenko, Yu. P., Bilokobylskyi, O. V., Lande, D. V., Vakulenko, M. O., Mintser, O. P. et al. (2022). Stratehiia rozvytku shtuchnoho intelektu v Ukraini na 2022–2030 rr. Artificial Intelligence, 1, 75–157. Available at: https://www.slyusar.kiev.ua/AI_2022-1-1_ua.pdf
- SAS EnergyForecasting. Available at: https://www.sas.com/en_us/software/energy-forecasting.html
- Kaptein, M., Vanden, H. E. (2022). Statistics fo rData Scientists. Cham: Springer, 321. doi: https://doi.org/10.1007/978-3-030-10531-0
- Fomby, T. (2008). The Unobservable Components Model. Southern Methodist University Dallas, 42. Available at: https://s2.smu.edu/tfomby/eco5375/data/Unobservable%20Components%20Models/The%20Unobservable%20Components%20Model.pdf
- Blaine, B. (2023). Introductory Applied Statistics. Cham: Springer, 190. doi: https://doi.org/10.1007/978-3-031-27741-2
- Kokonendji, C. C., Bonat, W. H., Abid, R. (2020). Tweedie regression models and its geometric sums for (semi-) continuous data. WIREs Computational Statistics, 13 (1). doi: https://doi.org/10.1002/wics.1496
- Terentiev, O. M. (2021). Modeli, metody ta informatsiini tekhnolohii prohnozuvannia neliniinykh nestatsionarnykh protsesiv v umovakh nevyznachenosti. Kyiv, 469. Available at: https://itgip.org/wp-content/uploads/2021/04/dis.pdf
- Hernández, L., Baladrón, C., Aguiar, J., Calavia, L., Carro, B., Sánchez-Esguevillas, A. et al. (2014). Artificial Neural Network for Short-Term Load Forecasting in Distribution Systems. Energies, 7 (3), 1576–1598. doi: https://doi.org/10.3390/en7031576
- Borra, S., Dey, N., Bhattacharyya, S., Bouhlel, M. S. (Eds.) (2019). Intelligent decision support systems. Berlin, Boston: DeGruyter, 183. doi: https://doi.org/10.1515/9783110621105
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2023 Oleksandr Terentiev, Tetyana Prosyankina-Zharova, Valerii Diakon, Roman Manuilenco
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.