Форум

Добро пожаловать, Гость

ТЕМА: Персональная тема

Персональная тема 21.03.2013 22:25 #1

Научные интересы:
Искусственные нейронные сети, нейро-фаззи сети, эволюционные вычисления, гибридные сети со специализированными архитектурами, структурная и параметрическая оптимизация сетей, прогнозирование динамики гололедной нагрузки на воздушных линиях электропередач.

Изначально, сферой моих научных интересов был энергетический менеджмент. В рамках магистерской работы был выполнен энергетический аудит предприятия. Также, во время обучения в магистратуре, мы занимались исследованиями в сфере безопасности работы  воздушных линий электропередач, а именно - предотвращение аварий, которые возникают в связи с процессом гололедообразования. 
Одним из основных мероприятий, обеспечивающих бесперебойную и надежную работу воздушных линий электропередач (ВЛ) в зимний период, является наблюдение за гололедообразованием и сигнализация превышения допустимых нагрузок на элементы конструкций ВЛ.
Многочисленные эксплуатационные и метеорологические факторы оказывают значительное влияние на работоспособность ВЛ. Такие погодные явления, как экстремальные ветры, молнии и гололедо-изморозевые отложения на проводах и опорах ВЛ могут привести к значительным техническим и материальным последствиям. Исследование, проведенное международным советом по большим электроэнергетическим системам (CIGRE), показало, что обледенение ВЛ, ветер или сочетание того и другого стало причиной 87% от общего мирового аварийного ущерба за период с 1991 по 1995 год.
Наблюдение за гололедообразованием и сигнализация превышения допустимых нагрузок на элементы конструкций ВЛ, а также прогнозирование гололедной нагрузки может помочь энергокомпаниям вовремя подготовиться к возможным аварийным ситуациям и принять соответствующие превентивные меры.
Для решения подобного рода задач хорошо зарекомендовали себя методы, относящиеся к вычислительному интеллекту. Эти методы обладают высокой гибкостью, способностью обрабатывать нечеткую, недостоверную информацию, адаптироваться к изменяющимся условиям функционирования, способностью к обучению и самообучению. Хотелось бы отметить, что при построении систем прогнозирования гололедной нагрузки, приходится иметь дело с различного рода неопределенностью (ошибочные или потерянные показания датчиков, косвенный учет параметров, не поддающихся прямому измерению, и т.п.), нестационарностью (изменение во времени свойств моделируемых процессов) и другими сложностями, непосредственный учет которых может быть очень сложным или вообще невозможным. Универсальные модели (многослойный персептрон, машина опорных векторов и т.д.), которые были рассмотрены для решения данной задачи, оказались неэффективными.
В связи с этим сфера моих научных интересов плавно переместилась в область вычислительного интеллекта.
В моей работе впервые предлагается выполнить структурную оптимизацию сети на базе гибридных нейроподобных элементов эволюционным методом, отличающимся возможностью компромиссного выбора между локальными и глобальными приоритетами в ходе эволюционного поиска. Это позволяет найти оптимальные значения  параметров гибридных нейроподобных элементов, число скрытых слоев сети, количество гибридных нейроподобных элементов в каждом из них. Параметрическая оптимизация сгенерированной таким образом структуры может осуществляться различными существующими методами обучения. Отмечу  важность качественного решения задачи обучения сетей, которая сама по себе является многоэкстремальной, со сложным рельефом критерия обучения, что приводит к частым случаям остановки обучения в субоптимальных точках, а это может привести к тому, что оптимальная архитектура (глобальный оптимум которой является лучшим среди всех архитектур) может быть отброшена в ходе поиска, если в ходе параметрической оптимизации будет получена низкая оценка ее приспособленности. Во избежание таких ситуаций вопросу обучения сетей и поиску глобального оптимума уделяется особое внимание и предлагается модифицированный метод для обучения сетей на базе гибридных нейроподобных элементов.
Применение сети на базе гибридных нейроподобных элементов в сочетании с генетическим алгоритмом для оптимизации ее структуры позволило с высокой точностью спрогнозировать динамику гололедной нагрузки на воздушных линиях электропередач, что подтверждено экспериментальной проверкой на реальных данных - ВЛ электропередачи 35 кВ ПС "Подгорная" - ПС "Орджоникидзе". Результатом нашей работы является увеличение точности прогноза гололедной нагрузки и снижение риска возникновения аварийных ситуаций на ВЛ электропередач.
Повышение точности прогнозирования наиболее актуально для ситуаций с бурным нарастанием гололедо-изморозевых отложений на проводах и опорах воздушных линий, когда промедление в принятии контрмер может иметь значительные последствия. Также прогнозирование гололедной нагрузки может помочь энергокомпаниям вовремя подготовиться к возможным аварийным ситуациям и принять соответствующие превентивные  меры.
Хотелось бы отметить, что данные разработки находят свое применение не только в энергетике, но также в медицине, экономике и других областях науки и техники.



Публикации:

1. Попов С.В., Шкуро К.А. Эволюционная нейро-фаззи сеть на базе гибридных нейроподобных элементов // 17 міжнародна конференція з автоматичного управління «Автоматика-2010». Тези доповідей. Том 2. – Харків: ХНУРЕ, 2010. – С. 193-194.
2. Шкуро К.А. Оценивание точности прогноза временного ряда с помощью специализированной гибридной сети // Радиоэлектроника и молодежь в XXI веке. – 2011. – С.55-56
3. Попов С.В., Шкуро К.А., Пархоменко О.В. Прогнозирование динамики гололедной нагрузки на воздушных линиях электропередачи с использованием искусственных нейронных сетей // Материалы Международной научно-практической конференции «Информационные системы и технологии в энергетике и жилищно-коммунальной сфере» ИСТЭ-2011. – Ялта, 1-6 октября, 2011. – С. 15-17.
4. Попов С.В., Шкуро К.А. Гибридный нейроподобный элемент – новый тип строительного блока искусственных нейронных сетей // Научный вестник Донбасской государственной машиностроительной академии. – 2011. – №2(8Е). – С. 87-92.
5. Попов С.В., Черемисин Н.М., Пархоменко О.В., Шкуро К.А. Прогнозирование гололедной нагрузки на воздушных линиях электропередачи на основе методов вычислительного интеллекта // Радиоэлектроника и информатика. – 2011. – №3(54). – С. 45-49.
6. Попов С.В., Черемісін М.М., Пархоменко О.В., Шкуро К.А. Нейромережевий метод прогнозування аварійних ситуацій внаслідок утворення ожеледі на повітряних лініях електропередачі // Вісник Вінницького політехнічного інституту. – 2012. – № 1. – С. 161-163.
  • Кристина Шкуро
  • ( Молодой учёный )
  • Вне сайта
  • Осваиваюсь на форуме
  • Шкуро Кристина Александровна
  • ХНУРЭ
  • Харьков
  • аспирантка
  • Сообщений: 26
  • Репутация: 1
Изменено: 06.04.2013 22:42 от Кристина Шкуро.