КОНТРОЛЬ І ПРОГНОЗУВАННЯ ЕЛЕКТРОСПОЖИВАННЯ В БАГАТОКВАРТИРНИХ БУДИНКАХ З ВИКОРИСТАННЯМ МЕТОДІВ ШТУЧНОГО ІНТЕЛЕКТУ
DOI: 10.31673/2412-4338.2025.038703
Анотація
Об’єктом дослідження є процес прогнозування та управління електроспоживанням у багатоквартирних будинках під час аварійних відключень або роботи від резервних генераторів. Проблема, що вирішується, полягає в оптимальному застосуванні інтелектуальних методів керування навантаженням, таких як прогностичне керування, використання алгоритмів навчання з підкріпленням, уживання нечіткої логіки та багатоагентних систем.
У статті розглянуто перспективні практики підвищення стійкості та ефективності енергопостачання багатоквартирних будинків у випадках живлення від дизельного генератора або в умовах обмеженого постачання енергії. Результатами цього дослідження є комплексний аналіз сучасних методів прогнозування електронавантаження з використанням нейромереж. Окремо розглянуто методи пріоритезації навантажень під час роботи від резервних джерел живлення. Досліджено інтелектуальні системи управління енергоспоживанням, які базуються на багатоагентних технологіях. Також надано оцінку ефективності гібридних стратегій управління. У ході дослідження виявлено, що методи навчання з підкріплення (RL) у поєднанні з правилами пріоритезації та нечіткою логікою сприяють досягненню вищої стабільності та ефективності під час використання резервних джерел живлення. Впровадження багатоагентних систем забезпечує гнучкий розподіл навантаження між квартирами з урахуванням пріоритетів та актуального стану споживання. Гібридні методи показали кращі результати у сценаріях із непередбачуваними змінами навантаження. Запропонований механізм довіри та репутації дозволяє підвищити надійність прийняття рішень щодо обмеження потужностей для споживачів з історією неблагонадійного споживання.
Застосування інтелектуальних технологій для управління електроспоживанням у багатоквартирних будинках під час роботи від резервних генераторів дозволяє підвищити стійкість системи, зменшити ризик аварійних відключень та оптимізувати використання доступної потужності.
Ключові слова: керування електронавантаженнями; нечітка логіка; нейронні мережі; навчання з підкріпленням; багатоагентні системи; прогнозування навантаження; резервне живлення; аварійне розвантаження.
