Toshkent davlat texnika universiteti xalqaro ilmiy-texnik anjuman

МЕЖДУНАРОДНАЯ НАУЧНО-ТЕХНИЧЕСКАЯ КОНФЕРЕНЦИЯ 
АКТУАЛЬНЫЕ ПРОБЛЕМЫ ЦИФРОВИЗАЦИИ ЭЛЕКТРОМЕХАНИЧЕСКИХ И
ЭЛЕКТРОТЕХНОЛОГИЧЕСКИХ СИСТЕМ
244
где,
n
- число частных критериев; 
q
f
- ранжированное значение 
q
– го частного 
критерия для одного из рассматриваемых вариантов.
При использовании аддитивного способа свертки необходимо нормализовать 
частные критерии, если они имеют различную размерность. В результате такой 
операции все частные критерии приобретают единую размерность. Существует ряд 
методов нормирования. Наиболее часто для частных критериев используют 
относительное нормирование: 
max
/
q
q
q
f
f
f

. 
Практика использования аддитивного способа свертки показала, что в 
некоторых случаях предпочтительнее использовать мультипликативный способ, 
так как в этом случае результаты не зависят от способа нормализации. При 
применении аддитивного способа оптимальное решение зависит от числа 
рассматриваемых вариантов и способа нормализации. В тех случаях, когда 
значение частного критерия в одном из вариантов решений обращается в ноль, 
приходится переходить к аддитивному способу свертки. Иначе вариант решения с 
нулевым значением частного критерия окажется заведомо самым лучшим (при 
минимизации частных критериев) или самым худшим (при максимизации частных 
критериев) [7,8].
Приведенный подход к построению математической модели позволяет 
определять оптимальное решение при планировании и проведении ЭО 
электроэнергетических объектов, при учете множества факторов и ограничений.
Развитие 
и 
совершенствование 
теории 
и 
практики 
решения 
многокритериальных задач в электроэнергетике показывает, что одновременный 
учет множества критериев позволяет принимать более эффективные решения по 
сравнению с методами, учитывающими отдельные критерии.
 
В ходе обследования предприятий, организаций и учреждений всех секторов 
экономики по генерации, передаче и потреблению электрической энергии должен 
проводиться анализ: отчетных данных по балансам и потерям энергии на 
предприятиях, распределительных сетях, используемых электротехнологиях; 
результатов расчетов технических и коммерческих потерь энергии, программного 
обеспечения этих расчетов; систем цифрового коммерческого и технического учета 
энергии; режимов генераторных установок, электросетей и качества энергии; 
технического состояния основного оборудования станций и энергетических сетей; 
мероприятий по снижению потерь и повышению качества энергии, эффективности 
энергопотребления и т.д. 
Одним из перспективных способов решения этих проблем является создание 
цифровых измерительных и компьютерных комплексов, работающих на основе 
многокритериального подхода. Необходимость автоматизации процессов расчетов, 
принятия и планирования решений, предопределена возможностью возложить на 
компьютер роль консультанта и тем самым рационально распределить функции 
между экспертами - энергоаудиторами (ЛПР) и компьютером. Математическая 
модель решения подобных задач должна предоставлять собой симбиоз методов 
обработки знаний, цифровых данных и математических методов, т.е.экспертную 
систему (ЭкС). Структура подобной модели соответствует структуре (ЭкС) 
поддержки принятия решений [9,10]. 
Задача оптимизации процесса сводится к разработке такого плана проведения 
ЭО и энергосберегающих мероприятий, в результате которого максимально 
реализуются возможности повышения энергоэффективности при минимальных 
затратах, в том числе и на проведение энергетических обследований.

МЕЖДУНАРОДНАЯ НАУЧНО-ТЕХНИЧЕСКАЯ КОНФЕРЕНЦИЯ 
АКТУАЛЬНЫЕ ПРОБЛЕМЫ ЦИФРОВИЗАЦИИ ЭЛЕКТРОМЕХАНИЧЕСКИХ И
ЭЛЕКТРОТЕХНОЛОГИЧЕСКИХ СИСТЕМ
245
В результате решения задачи оптимизации, как задачи принятия решения, 
определяется максимально возможный коэффициент энергоэффективности и 
формируется оптимальный план проведения ЭО и обработки его результатов
При разработке оптимального плана проведения ЭО одной из задач является 
снижение до минимума числа контрольных измерений, проводимых для проверки 
данных о потерях и расходах в различных видах оборудования и сравнения их с 
данными энергетических паспортов. Минимизация числа энергетических 
измерений является одним из критериев оптимизации плана проведения ЭО. 
Имеющуюся информацию об электрических потерях в объектах можно 
представить в виде формирующейся таблицы наблюдений (табл.1), где y
1
, y
2
,…,y
m
- 
показатели потерь электроэнергии объектами организации; x
1
, x
2
,…,x
n
- факторы, 
определяющие потери в объектах. 
Между факторами и показателем потерь существует некоторая регулярная 
зависимость, которая априори неизвестна: 
1
2
(x , x ..., x ).
n
Y
f

Предполагается, что регулярные данные вычисляются зависимостью с 
заданной точностью 
1
2
(x , x ..., x )
y
.
n
f

 
или их можно получить в виде 
измерений.
Необходимо найти оптимальное разбиение множества данных на регулярные 
и нерегулярные данные по критерию максимизации числа регулярных данных 
(минимизации нерегулярных данных) для заданного класса зависимостей. Такая 
задача, являясь частью общей многокритериальной, может быть решена 
известными методами математического программирования. 
Таблица 1 
Наблюдения по объектам энергопотребления 
№ 
объекта 
показатели и факторы 
y
1
y
2
… 
y
m
x
1
x
2
… 
x
n
1 
y
1
1
y
2
1
… 
y
m
1
x
1
1
x
2
1
… 
x
n
1
2 
y
1
2
y
2
2
… 
y
m
2
x
1
2
x
2
2
… 
x
n
2
… 
… 
… 
… 
… 
… 
… 
… 
… 
N 
y
1
N
y
2
N
… 
y
m
N
x
1
N
x
2
N
… 
x
n
N

Download 9,23 Mb.