Разработка теоретических положений системного анализа для технологии Smart Grid электроэнергетических комплексов тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Дьяченко, Роман Александрович

• Дьяченко, Роман Александрович
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Дьяченко, Роман Александрович

Оглавление

Введение

Глава 1 Системный анализ и исследования предметной области систем мониторинга и прогнозирования параметров энергетических комплексов

1.1 Анализ базовых принципов концепции Smart Grid

1.2 Системный анализ и декомпозиция сложной распределенной электроэнергетической системы на базе энергокластерного принципа

1.3 Анализ основных методов и принципов цифрового контроля параметров электроэнергетических комплексов

1.4 Информационная система мониторинга и прогнозирования параметров электроэнергетических комплексов как элемент технологического базиса технологии Smart Grid

1.5 Цели и задачи исследования

1.6 Выводы

Глава 2 Разработка методик объектно-ориентированного анализа информационных систем для электроэнергетических объектов

2.1 Теоретические положения объектно-ориентированного анализа информационных систем мониторинга и прогнозирования параметров электроэнергетических комплексов

2.2 Методика построения объектно-ориентированной системы CIM электроснабжения для информационной системы мониторинга и прогнозирования параметров электроэнергетических комплексов

2.3 Методика создания реляционной базы данных системы электроснабжения электроэнергетического комплекса

2.4 Выводы

Глава 3 Теоретические основы прогнозирования технического состояния энергокластера

3.1 Постановка задачи прогнозирования электрических нагрузок энергокластера

3.2 Нейросетевое прогнозирование и адаптивное прогнозирование технических параметров энергокластера

3.3 Статистическая прогнозирующая авторегрессионная модель обработки информации для точек учета электроэнергии

3.4 Прогнозирующая нейронная сеть для точки учёта электроэнергии

3.5 Выводы

Глава 4 Разработка методов системного анализа для выбора объектов резервной электроэнергетики и построения ее информационной системы

4.1 Разработка методического обеспечения информационных систем с учетом резервной электроэнергетики

4.2 Алгоритм сбора данных системы мониторинга и прогнозирования параметров систем резервной и гарантированной электроэнергетики

4.3 Алгоритм прогнозирования параметров систем резервной и гарантированной электроэнергетики

4.4 Алгоритм определения параметра с наименьшим значением прогнозного времени

4.5 Выводы

Глава 5 Синтез распределенных информационных систем с оптимальными характеристиками искусственных нейронных сетей для параметров энергокластеров Smart Grid

5.1 Технология получения прогнозных значений с использованием ИНС

5.2 Формализация задачи оптимизации характеристик искусственной нейронной сети энергокластера

5.3 Оптимизация характеристик ИНС с применением модели распределенных вычислений MapReduce

5.4 Оптимизация искусственных нейронных сетей распределенной информационной системы по ее характеристикам

5.5 Разработка методического аппарата обучения искусственных нейронных сетей для обработки информации в системе

5.6 Выводы

Глава 6 Оценка надежности информационной системы и выбор ее элементной базы методами системного анализа

6.1 Структурная схема информационной системы мониторинга параметров энергокластера

6.2 Применение методики логико-вероятностного моделирования повышения показателей надёжности информационной системы

6.3 Оптимизация выбора элементной базы для информационных систем мониторинга объектов электроэнергетики для принятия решений

6.4 Выводы

Заключение

Список использованных источников

Приложение А. Исходный код распределенной информационной системы подбора оптимальных характеристик ИНС

Приложение Б. Исходный код информационной системы алгоритмов обучения ИНС

Приложение В. Результаты исследования и оценки надежности информационной системы мониторинга и прогнозирования параметров электроэнергетических комплексов

Введение диссертации (часть автореферата) на тему «Разработка теоретических положений системного анализа для технологии Smart Grid электроэнергетических комплексов»

Введение

Во всем мире наблюдается повышение спроса на электроэнергию. Потребители ожидают от поставщиков снижение тарифов на электроэнергию с увеличением показателей надежности услуг, прозрачность схем поставок и возможность выбора поставщика в условиях конкурентного рынка.

Реализация концепции Smart Grid (концепция организации энергетической системы нового поколения) является наиболее подходящим решением. Энергетическая система, построенная согласно принципов Smart Grid, передает не только энергию, но и информацию, поэтому потенциальный потребитель (различного уровня, в том числе и бытовой) электроэнергии получает возможность взаимодействовать с энергосистемой: управлять тарифами, прогнозировать и планировать потребление, выбирать поставщика и т.д.

Однако само внедрение и развертывание инфраструктуры Smart Grid, требует достаточно большого комплекса наукоемких системоаналитических мероприятий среди которых можно выделить следующие:

- разработка комплекса методик системного анализа и принятия решений,

обеспечивающих эффективную разработку и внедрение информационных систем Smart Grid;

- разработка методического аппарата, обеспечивающего создание унифицированных моделей данных для информационных систем Smart Grid;

- создание эффективных методов прогнозирования параметров объектов электроэнергетики (в том числе систем гарантированной и аварийной электроэнергетики), позволяющих на их основе создавать прогнозирующие программные модули в информационных системах Smart Grid',

- исследование вопросов оценки надежности систем мониторинга и прогнозирования.

С другой стороны, несмотря на наличие достаточно развитого аппарата системного анализа и общей теории систем, существует объективная необходимость в разработке системоаналитических методов для технологий Smart Grid. Такими методическим аппаратом является комплексы методик по разработке информационных систем для Smart Grid.

В этих условиях разработка теоретических положений системного анализа построения информационных систем для Smart Grid является актуальной и

востребованной проблемой.

Степень разработанности проблемы. Методология системного анализа получила широкое практическое использование при решении задач в различных областях науки, техники, экономики и др. Указанные вопросы рассмотрены в работах М. Месаровича, Д. Мако, И. Такахара, А. А. Денисова, Д. Н. Колесникова, Г. Коллинза, Дж. Блея, В. И. Перегудова, Ф. П. Тарасенко, С. А. Валуева, В. Н. Волковой, Г. Хансена, В. Н. Спицнаделя [1-7] и др. В настоящее время, с развитием высокопроизводительных средств вычислительной техники, информационные системы (ИС) являются эффективным средством решения системных проблем. Вопросам применения ИС в системном анализе посвящены работы М. К. Чиркова, С. П. Маслова, В. Н. Петрова, Д. Марка, К. МакГоуэна [8-10]. Вопросы разработки информационных систем различного назначения методами системного анализа с применением современных объектно-ориентированных языков программирования (ЯП) и технологий баз данных широко освещены в трудах Г. Шилдта, Ч. Петцольда, Дж. Рихтера, В.В. Кульбы, Г. Хансена, Т. Ко-нолли, Д. Майо, М. Лутцем, В.В. Вороновым, А.Г. Мамиконовым, Т. Хальпином, Т. Морганом [11-21] и других. В меньшей степени это коснулось проблем создания адаптированных методик разработки специальных информационных систем для электроэнергетических комплексов.

Отдельные аспекты посвященные методикам системного анализа и принятию решений по созданию и развертыванию информационных систем мониторинга параметров электроэнергетических комплексов для технологий Smart Grid рассмотрены в работах Б.Б. Кобец, И.О. Волковой, Б.Ф. Вайнзихером [22; 23] и др. По данному направлению также существует определенное количество нормативно правовых документов как международных, так и отечественных, частично описывающих направление развития стандартов в области Smart Grid. В силу новизны самой технологии, расплывчатости и несогласованности описания некоторых понятий, а также большое количество научных направлений ее исследования, известные результаты в этой области трудно считать исчерпывающими.

Базовой основой любой информационной системы, в том числе и системы мониторинга и прогнозирования является модель данных, описывающая основные элементы системы и предметной области [24]. На современном этапе раз-

вития системных методов разработки ИС существует устойчивая тенденция создания унифицированных моделей данных: информационные системы, построенные по такому принципу, обладают большими возможностями интеграции с другими подобными системами, могут организовываться в распределенные сети, что является основой для Smart Grid. Одним из основных методических средств построения моделей данных предметных областей является объектно-ориентированный анализ и его языковая интерпритация - унифицированный язык моделирования UML. Методика построения C/ML-моделей достаточно подробно рассмотрена в работах Г. Буча, Д. Рамбо, А. Джекобсона, М. Блаха, М. Фаулера, К. Скотта, К. Лармана, Д. Шмуллера, А. В. Леоненкова [25-31] и др. Комплексы t/ML-моделей данных предметной области объединяются в так называемы единые информационные модели (С/М-модель), содержащие исчерпывающую информацию о статических и динамических свойствах системы. В области электроэнергетики существует базовая С/М-модель1^, описывающая модели данных для информационных систем электроэнергетических объектов. С другой стороны, несмотря на наличие такой модели, отсутствует методика разработки реляционной базы данных по данной модели при реализации конкретных систем, например, систем мониторинга и прогнозирования параметров электроэнергетических комплексов.

Прогнозирование является важной частью системного анализа. Вопросы прогнозирования в электроэнергетике достаточно полно рассмотрены в работах Б.И. Макоюиоева, Ю.Н. Руденко, Ю.А. Семеновой, Г.П. Шумиловой, Н.Э Гот-ман, Т.Б. Старцевой, С.Н. Гурского, Д.В. Бэнна, Е.Д. Фармера, Д.В. Манова, Ю.Я. Чукреева, М. Успенского, C.B. Родыгина, Р.В. Зимина, A.A. Глебова, A.B. Пахомова, В.З. Манусова, Е.В. Бирюкова [32^12] и др.

Однако все они, как правило, посвящены теоретическим исследованиям прогнозирования и мало используются в промышленности при изменяющихся условиях эксплуатации.

В современных условиях внедрения новых информационных технологий, технологий искусственного интеллекта и увеличения производительности вы-

Регламентирована международным и национальным стандартом РФ ГОСТ-Р-МЭК 61970-301«Интерфейс прикладных программ системы управления производством и передачей электроэнергии. Основы общей информационной модели (С/М)» и другими стандартами

числительных систем появилась возможность реализовать достаточно сложные, с вычислительной точки зрения, алгоритмы. Одним из самых перспективных направлений в прогнозировании параметров электроэнергетических систем является применение искусственных нейронных сетей (ИНС). Данной тематике посвящено достаточно большое количество работ, среди которых можно выделить работы С. Хайкина, Е.В. Бодянского, C.B. Попова, О.П. Солдатова, В.В. Семенова, Д. Рутковской, М. Пилиньского, JI. Рутковского, В.П. Боровикова, JI.A. Гладкова, В.В. Курейчик, В.А. Терехова, Д.В. Ефимова, И.Ю. Тюкина, И.Г. Ивченко, А.А.Ежова, С.А. Шумского [43-49] и др. Одним из важных вопросов, которым недостаточно уделено внимание, является исследование алгоритмов обучения прогнозных нейронных сетей (НС), работающих в условиях многопоточности. Как известно, обучение НС является достаточно долгим по времени процессом. Решение задачи уменьшения времени обучения НС может идти по нескольким вариантам: а) поиском соответствующего быстрого алгоритма обучения; б) при помощи методики адаптивного выбора наиболее подходящего алгоритма обучения; в) за счет увеличения производительности вычислительной системы. Если первые два варианта требуют большой научно-методической проработки, то последний может быть реализован за счет применения современных технологий распределенных вычислений. По этой причине системный анализ и объектно-ориентированное моделирование информационных систем распределенного обучения НС для конкретного энергокластера также является актуальной задачей.

Для обеспечения вычислительных процессов в распределенных системах с обучающимися нейронными сетями становятся важными вопросы надежности аппаратной части информационной системы. От того, насколько качественно и теоретически обосновано структурное расположение элементов аппаратной части системы, во многом зависит стабильность процесса эксплуатации. Тем более это валено для систем мониторинга и прогнозирования, отказ которых в процессе эксплуатации может привести к потере учетных данных и достаточно большим финансовым потерям. Теоретические положения теории надежности представлены в работах таких известных авторов как A.M. Половко, C.B. Гурова, М.И. Чичинского, В.В. Барило, Ю.Б. Гука, В.А. Синопальникова, С.Н. Григорьева и др. Несмотря на достаточно полную проработанность вопросов исследования и

оценки надежности существует очень небольшое количество информационных систем, реализующих возможность поддержки автоматизированных расчетов надежности распределенных информационных систем. В последнее время одним из самых популярных методов исследования вопросов надежности систем является общий логико-вероятностный метод (OJIBM), разработанный И.А. Рябини-ным, A.C. Можаевым.

Таким образом, несмотря на наличие значительного количества работ по отдельным аспектам проблем системного анализа в области разработки информационных систем для технологий Smart Grid, существует необходимость разработки теоретических положений системного анализа, которые объединяли бы в себе как методические вопросы систематизации предметных областей, так и вопросы разработки методов создания информационных систем по технологии Smart Grid.

Объектом исследования является информационная система мониторинга и прогнозирования параметров электроэнергетических комплексов.

Предмет исследования. Теоретические положения системного анализа разработки информационных систем для технологии Smart Grid.

Цель исследования. Развитие теоретических положений системного анализа для технологий Smart Grid.

Задачи исследования. Достижение поставленной цели реализуется как решение комплекса взаимосвязанных задач:

1) исследование, анализ и выделение элементов и параметров предметной области информационной системы энергокластера;

2) разработка методики системного анализа и моделирования информационной системы для технологии Smart Grid;

3) разработка методики анализа и создания подсистемы ИС, реализующей функции прогнозирования параметров;

4) разработка методического аппарата принятия решений по выбору оборудования и прогнозирования параметров систем резервной и гарантированной электроэнергетики;

5) разработка методологии создания распределенной информационной системы синтеза оптимальных характеристик искусственных нейронных сетей для задач прогнозирования в энергокластерах;

6) разработка методики синтеза информационной системы, с учетом требуемой надежности и минимальной стоимости при известной структуре энергокластера.

Методы исследования. При решении поставленных задач системного анализа использованы методы теории множеств, объектно-ориентированного анализа информационных систем, объектно-ориентированного языка моделирования UML, статистического авторегрессионного моделирования, нейросетевого моделирования, общего логико-вероятностного метода расчета надежности систем, целочисленного бинарного программирования.

Программное обеспечение разработано с применением языка программирования Python и языка программирования С# (среда разработки приложений Microsoft Visual Studio 2010).

Научная новизна диссертационной работы заключается в разработке системного подхода к созданию информационных систем мониторинга и прогнозирования параметров электроэнергетических комплексов. В диссертационной работе получены следующие новые научные результаты:

1) описана предметная область и сформулированы принципы построения распределенной системы мониторинга и прогнозирования параметров электроэнергетического комплекса;

2) разработаны унифицированные структурные модели информационной системы энергокластера как методическая основа для создания распределенной ИС;

3) разработана методика отображения системы электроснабжения энергокластера в объектно-ориентированную систему С/М;

4) разработана методика создания унифицированной реляционной базы данных информационной системы энергокластера;

5) разработаны методики создания подсистем прогнозирования конкретных энергокластеров для технологии SmartGrid;

6) разработана методика принятия решения при выборе резервных источников для конкретного энергокластера;

7) разработаны методики и алгоритмы прогнозирования параметров резервных источников энергокластера;

8) сформулирована и предложено решение задачи оптимизации характери-

стик искусственных нейронных сетей для распределенной информационной системы энергокластера;

9) разработана методика, позволяющая при известной структуре информационной системы энергокластера подобрать типы элементов оборудования

данной ИС с учетом требуемой надежности и минимальной стоимости. Практическая значимость диссертационной работы состоит в том, что

полученные системно-аналитические результаты, реализованы в виде методик, математических моделей, алгоритмов и программного обеспечения, использованы на практике, а именно:

- в создании комплекта программных библиотек генерации баз данных систем электроснабжения электроэнергетических комплексов;

- при разработке программного обеспечения прогнозирования электрических нагрузок энергокластера;

- при разработке микропроцессорных систем управления техническими системами резервной электроэнергетики, методик и алгоритмов прогнозирования их параметрами;

- при исследовании и оценке показателей надежности систем мониторинга и прогнозирования параметров электроэнергетических объектов в условиях их развертывания.

Внедрение работы. Результаты диссертационной работы внедрены на следующих предприятиях:

- в ЗАО «РИТЭК СОЮЗ» (при разработке методического аппарата для создания информационной системы мониторинга и прогнозирования параметров электроэнергетических комплексов);

- в ООО «СофтПро» (при разработке модели организации потоков данных систем сбора и мониторинга объектов ЖКХ и электроэнергетики, при разработке методического аппарата организации хранения хронологических данных в системах учета информации организаций ЖКХ);

- в ОАО «КБ «Селена» г. Краснодар (при разработке микропроцессорных систем управления техническими системами резервной электроэнергетики);

- в ОАО «КБ «Селена» г. Краснодар (при разработке программного обеспечения для анализа параметров качества электрической энергии специальных объектов).

Апробация результатов диссертационного исследования. Основные результаты работы докладывались и обсуждались на следующих научно-практических мероприятиях: первая (2002 г.), вторая (2003 г.), третья (2004 г.) межвузовские научные конференции «Электромеханические преобразователи энергии», Краснодарский военный авиационный институт, Краснодар; XXVII Российская школа «Наука и технология», посвященная 150-летию К. Э. Циолковского, 100-летию С. П. Королева и 60-летию Государственного ракетного центра «КБ им. академика В. П. Макеева», секция «Динамика и управление», УрО РАН, Екатеринбург, 2007 г.; VII Всероссийская научно-практическая конференция «Математические методы и информационно-технические средства», Краснодарский университет МВД России, Краснодар, 2012 г.; IX Всероссийская научная конференция молодых ученых, аспирантов и студентов «Информационные технологии, системный анализ и управление», ТТИ ЮФУ, Таганрог, 2011 г.; I (2011 г.), II (2012 г.) международные научно-практические конференции молодых ученых посвященная 51-й годовщине полета Ю.А. Гагарина в космос, филиал военного учебно-научного центра военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», Краснодар; I (2010 г.), II (2012 г.) межвузовские научно-практические конференции «Автоматизированные информационные и электроэнергетические системы», ГОУ ВПО КубГ-ТУ, Краснодар; I (2010 г.), II (2011 г.), III (2012 г.) Всероссийские научно-практические конференции «Научные чтения имени профессора Н.Е. Жуковского», Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», Краснодар.

Основные положения, выносимые на защиту:

1) анализ информационной системы мониторинга и прогнозирования параметров электроэнергетических комплексов на основе £/М£-диаграмм развертывания;

2) методика отображения схемы электроснабжения в объектно-ориентированную систему С1М;

3) методология создания распределенной информационной системы электроэнергетического комплекса на основе нейросетевого прогнозирования;

4) методика и алгоритмы прогнозирования параметров резервных источников электроэнергии энергокластера, а также их выбора;

5) метод подбора оптимальных характеристик ИНС с применением модели распределенных вычислений MapReduce;

6) алгоритмы обучения прогностических ИНС энергокластера;

7) методика выбора элементов ИС энергокластера с учетом требуемой надежности и минимальной стоимости.

Публикации. По результатам выполненных в диссертации исследований опубликовано 90 научных работ, в том числе: 23 работы в периодических изданиях, рекомендованных ВАК; 4 монографии; получено 4 свидетельства на объекты интеллектуальной собственности; 59 работ опубликовано в других изданиях, сборниках статей и докладов конференций.

Структура и объем работы. Диссертационная работа состоит из введения, шести глав, выводов, списка литературы и приложений. Работа изложена на 358 страницах, включает 127 рисунков и 25 таблиц. Список литературы насчитывает 185 источников.

Во введении сформулирована проблема исследования и обоснована актуальность темы диссертации, поставлена цель и задачи исследования, используемые методы исследования, научная новизна и практическая значимость полученных результатов, приводятся сведения о внедрении результатов исследований, о публикациях, объеме и структуре диссертации.

В первой главе рассмотрены вопросы системного анализа и исследования предметной области, общие принципы построения систем мониторинга и прогнозирования параметров энергетических комплексов в условиях развертывания технологий Smart Grid. Обоснована актуальность исследуемой проблемы, сформулированы цель и задачи исследований, определены объект, предмет и методы исследования.

Во второй главе сформулированы теоретические положения объектно ориентированного анализа информационных систем мониторинга и прогнозирования параметров электроэнергетических комплексов. За счет применения унифицированных информационных структур (UML, CIM), разработанные и информационные модели ИС мониторинга и прогнозирования параметров электроэнергетических комплексов, могут использоваться в качестве методической основы создания более крупных по масштабу распределенных ИС, объединяющих несколько энергокластеров.

В третьей главе разработаны методики системного анализа и создания подсистемы ИС, реализующей функции прогнозирования, выделены этапы разработки прогнозирующей модели, методы прогнозирования и проблемы адаптации, разработаны методики создания подсистем прогнозирования для конкретных энергокластеров по технологии Smart Grid.

В четвертой главе разработан методический аппарат принятия решений по выбору оборудования и прогнозирования параметров систем резервной и гарантированной электроэнергетики, разработаны алгоритмы прогнозирования параметров резервных источников электроэнергии энергокластера.

В пятой главе разработана методика оптимизиции прогностических моделей энергокластера за счет использования распределенной информационной системы энергокластера (серверов энергетических элементов).

В шестой главе произведен системный анализ возможности применения различных методов обучения прогностической модели энергокластера в зависимости от детерминированных и стохастических нагрузок. В данной главе проведено исследование различных алгоритмов обучения искусственных нейронных сетей на примере фиксированной выборки значений потребляемой мощности, полученых в течении 1 недели в условиях регулируемой многопоточности.

В седьмой главе разработаны методика синтеза информационной системы, с учетом требуемой надежности и минимальной стоимости при известной структуре энергокластера.

1 Системный анализ и исследования предметной области систем мониторинга и прогнозирования параметров энергетических комплексов

1.1 Анализ базовых принципов концепции Smart Grid

В настоящий момент имеющиеся на сегодня разработанные принципы и варианты концепции Smart Grid [22; 50-52] не являются законченными и нормативно зафиксированными. Их развитие, конкретизация и апробация становятся одной из основных задач.

Необходимо отметить, что в рамках концепции Smart Grid интегрировано большое количество современных научно-технических, методологических, управленческих и технологических направлений [53], это обусловлено масштабностью и сложностью проблемы.

Перечислим список исходных положений [22; 50], принимаемых при разработке и развитии концепции Smart Grid.

1. Концепция Smart Grid предполагает системное преобразование электроэнергетики (энергосистемы) и затрагивает все ее основные элементы: генерацию, передачу и распределение (включая и коммунальную сферу), сбыт и диспетчеризацию.

2. Энергетическая система в будущем рассматривается как подобная сети Интернет инфраструктура, предназначенная для поддержки энергетических, информационных, экономических и финансовых взаимоотношений между всеми субъектами энергетического рынка и другими заинтересованными сторонами.

3. Развитие и функционирование энергетической системы должны быть направлены на удовлетворение согласованными всеми заинтересованными сторонами основных требований - ключевых ценностей, выработанных в результате совместного видения всеми заинтересованными сторонами целей и путей развития электроэнергетики.

4. Долгосрочное преобразование электроэнергетики должно быть направлено на развитие существующих и создание новых функциональных свойств энергосистемы и ее элементов, обеспечивающих в наибольшей степени достижение этих ключевых ценностей.

5. Электрическая сеть (и все ее элементы) рассматривается как основной объ-

ект формирования нового технологического базиса, дающего возможность существенного улучшения достигнутых и создания новых функциональных свойств энергосистемы.

6. Разработка концепции комплексно охватывает все основные направления развития: от исследований до практического применения и тиражирования - и затрагивает научную, нормативно-правовую, технологическую, техническую, организационную, управленческую и информационную сферы.

7. Реализация концепции носит инновационный характер и отражает переход к новому технологическому укладу1 ^ в электроэнергетике и в экономике в целом.

Методология разработки концепции Smart Grid основана на подходах, развиваемых в современной теории стратегического управления, где базовым элементом является определение стратегического видения развития, представляющего собой систему взглядов на прогнозируемое состояние объекта в будущем, т. е. на роль и место электроэнергетики в современном обществе и «обществе будущего». Такое видение определяет цели и требования к развитию отрасли, подходы, принципы и способы их достижения, необходимый технологический базис. При этом формирование стратегического видения осуществляется исходя из требований и интересов широкого круга заинтересованных сторон в развитии экономических систем и создает согласованную базу для выбора направлений их развития, определения конкретных целей и задач с последующей разработкой стратегии их достижения и принятия управленческих решений.

При формировании стратегического видения учитываются интересы широкого круга заинтересованных сторон в развитии экономических систем (частных лиц и государства), это создает согласованную основу для выбора направлений их развитей, целей и задач с последующей разработкой стратегии их достижения и управленческих решений, которые необходимо принять. В качестве заинтересованных лиц в разработке концепции Smart Grid могут выступать [54; 55]: - представители традиционной структуры отрасли (генерация, передача, распределение, диспетчеризация, поставщики коммунальных услуг и потребители);

Технологический уклад - совокупность технологий, характерных для определенного уровня развития производства; в связи с научным и технико-технологическим прогрессом происходит переход от более низких укладов к более высоким, прогрессивным.

- государственные структуры (правительство всех уровней и регулирующие органы);

Список литературы диссертационного исследования кандидат наук Дьяченко, Роман Александрович, 2014 год

Список использованных источников

1. Месарович М., Мако Д., Такахара И. Теория многоуровневых иерархических систем. М.: МИР, 1973. 367 с.

2. Денисов А. А., Колесников Д. Н. Теория больших систем управления: Учебное пособие для вузов. Д.: Энергоиздат, 1982. 288 с.

3. Коллинз Г., Блей Д. Структурные методы разработки систем: от стратегического планирования до тестирования. М.: Финансы и статистика, 1986. 264 с.

4. Перегудов В. И., Тарасенко Ф. П. Ввдение в системный анализ. М.: Высшая школа, 1989. 367 с.

5. Валуев С. А., Волкова В. Н. Системный анализ в экономике и организации производства. JL: Политехника, 1991. 400 с.

6. Хансен Г. Основы системного анализа. М.: Бином, 1999.

7. Спицнадель В. Н. Основы системного анализа. СПб.: Бизнес-пресса, 2000. 326 с. ISBN: 5-8110-0025-1.

8. Чирков М. К., Маслов С. П. Вычислительная техника и вопросы кибернетики. СПб.: ЛГУ, 1990. 185 с. ISBN: 5-288-00612-1.

9. Петров В. Н. Информационные системы. СПб.: Питер, 2003. 688 с. ISBN: 5-318-00561-6.

10. Марка Д. А., МакГоуэн К. Методология структурного анализа и проектирования SADT. М.: Метатехнология, 1993. 240 с.

11. Шилдт Г. С#: учебный курс. СПб.: Питер: К.: Издательская группа BHV, 2003. 512 с.

12. Петцольд Ч. Программирование для Microsoft Windows на С#. М.: Изда-тельско-торговый дом «Русская Редакция», 2002. Т. 1. 576 с.

13. Петцольд Ч. Программирование для Microsoft Windows на С#. М.: Изда-тельско-торговый дом «Русская Редакция», 2002. Т. 2. 624 с.

14. Рихтер Д. CLR via С#. Программирование на платформе Microsoft .NET Framework 2.0 на языке С#. Мастер-класс. / Пер. с англ. М.: Издательско-торговый дом «Русская Редакция»; СПб.: Питер, 2007. 656 с.

15. Кульба В. В., Ковалевский С. С., Косяченко С. А., Сиротюк В. О. Теоретические основы проектирования оптимальных структур распределенных баз данных. Серия «Информатизация России на пороге XXI века». М.: СИНТЕГ, 1999. 660 с. с.

16. Хансен Г. Базы данных:разработка и управление. М.: Бином, 1999.

17. Коннолли Т. Базы данных. Проектирование, реализация и сопровождение. Теория и практика. М.: Вильяме, 2000.

18. Майо Д. Самоучитель Microsoft Visual Studio 2010. С.: «БХВ-Петербург», 2010. 464 с.

19. Лутц М. Изучаем Python. М.:Символ-Плюс, 2011. 1280 с.

20. Мамиконов А. Г., Кульба В. В. Синтез оптимальных модульных систем обработки данных. М.: Наука, 1986. 275 с.

21. Halpin T., Morgan T. Information Modeling and Relational Databases, 2nd Edition. Elsevier, 2010. 976 p.

22. Кобец Б. Б., Волкова И. О. Инновационное развитие электроэнергетики на базе концепции Smart Grid. M.: ИАЦ Энергия, 2010. 208 с.

23. Вайнзихер Б. Ф. Электроэнергетика России 2030: целевое видение. М.: Альпина Бизнес Букс, 2008. 360 с.

24. Дьяченко Р. А., Решетняк М. Г., Лоба И. С. К вопросу структурной идентификации комплексной системы учета энерго и водоресурсов (КСУЭВР) // Математические методы и информационно-технические средства. Труды VII Всероссийской научно-практической конференции 24 июня 2011 года. Краснодар: Краснодарский университет МВД России, 2011. С. 51-52.

25. Буч Г., Рамбо Д., Джекобсон А. Язык ЦМЬ. Руководство пользователя. М., СПб.: ДМК Пресс, Питер, 2004. 432 с.

26. Ларман К. Применение ЦМЬ 2.0 и шаблонов проектирования. М.: Вильяме, 2006. 736 с.

27. Леоненков А. В. Самоучитель ЦМЬ 2. СПб.: БХВ-Петербург, 2007. 558 с.

28. Леоненков А. В. Самоучитель ИМЬ : учебное пособие. СПб.: БХВ-Петер-бург, 2001. 298 с.

29. Рамбо Д., Блаха М. ЦМЬ 2.0. Объектно-ориентированное моделирование и разработка. 2-е изд. СПб.:Питер, 2007. 544 с.

30. Фаулер М., Скотт К. ЦМЬ. Основы.-Пер. с англ. СПб.: Символ-Плюс, 2002. 192 с.

31. Шмуллер Д. Освой самостоятельно ЦМЬ 2 за 24 часа. Практическое руководство. М.: Вильяме, 2005. 415 с.

32. Бердин А. С., Крючков П. А., Суворов А. А. и др. Прогноз потребления электрической энергии в составе комплекса информационного обеспечения балансирующего рынка // Современные методы и программные средства анализа и планирования электропотребления, балансов мощности и энергии: Материалы III Всероссийского специализированного научно-практического семинара. 2005. С. 1-7.

33. Бэнн Д. В., Фармер Е. Д. Сравнительные модели прогнозирования электрической нагрузки. М.: Энергопромиздат, 1987. 200 с.

34. Гурский С. Н. Адаптивное прогнозирование временных рядов в электроэнергетике. Минск: Наука и техника, 1983.

35. Манусов В. 3., Бирюков Е. В. Краткосрочное прогнозирование электрической нагрузки на основе нечёткой нейронной сети и её сравнение с другими методами // Изв. Томского политехнич. университета. 2006. № 5. С. 154-158.

36. Шумилова Г. П., Готман Н. Э., Старцева Т. Б. Прогнозирование электрических нагрузок при оперативном управлении электроэнергетическими системами на основе нейросетевых структур. Сыктывкар: КНЦ УрО РАН,

2008. 77 с.

37. Методика прогнозирования графиков электропотребления для технологий краткосрочного планирования. - ОАО "СО ЕЭС 2007. www.so-ups.ru.

38. Родыгина С. В. Краткосрочное прогнозирование электрической нагрузки промышленных предприятий с применением интеллектуальных информационных технологий: Автореф. дис... канд. техн. наук: 05.14.02 / ФГОУ ВПО НГАВТ. Новосибирск, 2010. 26 с.

39. Зимин Р. В. Разработка статистических моделей прогнозирования электропотребления и графиков нагрузки ЭЭС: Автореф. дис... канд. техн. наук:

05.14.02 / ГОУ ВПО НГТУ. Новосибирск, 2008. 19 с.

40. Глебов А. А. Модель краткосрочного прогнозирования электропотребления с помощью нейро-нечётких систем: Автореф. дис... канд. техн. наук: 05.13.10 / АГУ. Астрахань, 2006. 19 с.

41. Анушина Е. С. Система краткосрочного прогнозирования электрической нагрузки: Автореф. дис... канд. техн. наук: 05.09.03 / СПбГЭТУ. СПб.,

2009. 18 с.

42. Пахомов А. В. Методика прогнозирования помесячного расхода электрической энергии потребителей региона для мониторинга и принятия стратегических решений по электропотреблению: Автореф. дис... канд. техн. наук:

05.09.03 / МЭИ (ТУ). М., 2009. 19 с.

43. Хайкин С. Нейронные сети. Полный курс. М.: ООО «И. Д. Вильяме», 2006. 1104 с.

44. Боровиков В. П. Нейронные сети Statistica Neural Networks. Методология и технологии современного анализа данных. М.: Горячая Линия - Телеком, 2008.

45. Боровиков В. П., Ивченко И. Г. Прогнозирование в системе STATISTICA в среде Windows. М.: Финансы и Статистика, 2006.

46. Гладков JI. А., Курейчик В. В., Курейчик В. М. Генетические алгоритмы. М.: ФИЗМАТЛИТ, 2006. 320 с.

47. Ежов А. А., Шумский С. А. Нейрокомпыотинг и его применение в экономике и бизнесе. М.: МИФИ, 1998. 224 с.

48. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечёткие системы. М., 2007. 383 с.

49. Терехов В. А., Ефимов Д. В., Тюкин И. Ю. Нейросетевые системы управления. М.: ИПРЖР, 2002. 480 с.

50. Дьяченко Р. А., Багдасарян P. X., Лоба И. С., Решетняк М. Г. К вопросу внедрения интеллектуальных сетей SMART GRID // Сборник научных статей II Международной научно-практической конференции молодых ученых Посвященной 51-й годовщине полета Ю.А. Гагарина в космос. Краснодар: Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2012. С. 305-308.

51. Решетняк М. Г., Дьяченко Р. А., Лоба И. С., Коновалов Д. П. К вопросу стратификации комплексной системы учета энерго и водоресурсов // Сборник научных статей II Международной научно-практической конференции молодых ученых Посвященной 51-й годовщине полета Ю.А. Гагарина в космос. Краснодар: Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2012. С. 247-248.

52. Решетняк М. Г., Дьяченко Р. А., Лоба И. С., Коновалов Д. П. К вопросу разработки комплексной системы учета энерго и водоресурсов // Сборник научных статей II Международной научно-практической конференции молодых ученых Посвященной 51-й годовщине полета Ю.А. Гагарина в космос. Краснодар: Филиал Военного учебно-научного центра Военно-воздушных

сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2012. С. 245-247.

53. Дьяченко Р. А., Коновалов Д. П., Литвинов Ю. Н. Математическое моделирование как этап исследований систем мониторинга энергетических объектов // Вестник Армавирского государственного педагогического университета. 2007. С. 86-89.

54. European Technology Platform Smart Grids. Strategic Deployment Document for Europe's Electricity Networks of the Future. April, 2010.

55. Smart Grid System Report. U. S. Departament of Energy. July 2009.

56. The National Energy Technology Laboratory: «А vision for the Modem Grid», March 2007.

57. Electric Power Research Institute, Electricity Sector Framework for the Future Volume I: Achieving the 21st Century Transformation/Washington, DC: Electric Power Research Institute, 2003.

58. Распоряжение Правительства РФ от 13 ноября 2009 г. № 1715-р «Энергетическая стратегия России на период до 2030 года».

59. European Commission Directorate-General for Research Information and Communication Unit European Communities: «European Technology Platform Smart Grids, Vision and Strategy for Europe's Electricity Networks of the future», European Communities, 2006.

60. «Grids 2030». A National Vision for Electricity's Second 100 years. Office of Electric Transmission and Distribution of USA Department of Energy, 2003.

61. Решетняк M. Г., Энговатов А. В., Дьяченко P. А., Литвинов Ю. H. К вопросу проектирования электрических нагрузок автоматизированного цеха // Сборник научных статей II Международной научно-практической конференции молодых ученых Посвященной 51-й годовщине полета Ю.А. Гагарина в космос. Краснодар: Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2012. С. 248-250.

62. Нефедьев Е. Н., Дьяченко Р. А., Родионов В. Р. Сравнительный анализ основных стандартов беспроводной связи // Сборник научных трудов факультета КТАС КубГТУ / Кубанский государственный технологический университет. Факультет КТАС. Краснодар: Издательский Дом - Юг, 2012. № 4. С. 147-150.

63. Атрощенко В. А., Кабанков Ю. А., Дьяченко Р. А., Лоба И. С. К вопросу построения аналитической модели межрегиональных распределительных сетей для оптимизации электрических потерь // Современные проблемы науки и образования. 2012. № 6.

64. Атрощенко В. А., Дьяченко Р. А., Литвинов Ю. Н. К вопросу обоснования методики технико-экономического анализа вариантов СЭС перспективных объектов // Электромеханические преобразователи энергии: Материалы третьей научной конференции. Сборник / Краснодарский военный авиационный институт. Т. I. Краснодар: КВАИ, 2004. С. 139-142.

65. Костенко М. П., Пиотровский Л. М. Электрические машины: Машины постоянного тока, трансформаторы. Л.: Энергоиздат, 1964. 548 с.

66. Зевеке Г. В., Ионкин П. А., Нетушил А. В., Страхов С. В. Основы теории цепей. М.: Энергоатомиздат, 1989.

67. Нейман Л. Р., Демирчан К. С. Теоретические основы электротехники в 2-х томах. Учебник для вузов. Л.: Энергоиздат, 1981. Т. 1. 536 с.

68. Приказ №21 от 03.02.2005 Министерства промышленности и энергетики РФ «Об утверждении методики расчета нормативных (технологических) потерь электроэнергии в электрических сетях».

69. Фишер А. В., Дьяченко Р. А., Лоба И. С. Общие принципы построения систем мониторинга и прогнозирования параметров энергетических комплексов // Сборник научных трудов факультета КТАС КубГТУ / Кубанский государственный технологический университет. Краснодар: Издательский Дом - Юг, 2012. № 4. С. 150-154.

70. Решетняк М. Г., Дьяченко Р. А., Лоба И. С. К вопросу построения систем поквартирного учета теплоэнергии // IX Всероссийская научная конференция молодых ученых, аспирантов и студентов «Информационные технологии, системный анализ и управление»: Сборник материалов. Т. 2. Таганрог: Изд-во ТТИ ЮФУ, 2011. С. 222-225.

71. Решетняк М. Г., Щеголев Д. С., Дьяченко Р. А. Методы выбора периода опроса средств учета холодной воды при помощи информационной системы сбора данных // Сборник научных трудов факультета КТАС КубГ-ТУ / Кубанский государственный технологический университет. Факультет КТАС. Краснодар: Издательский Дом - Юг, 2012. № 4. С. 103-105.

72. Дьяченко Р. А., Терехов В. В., Решетняк М. Г., Лоба И. С. К вопросу о структурной идентификации системы комплексного учета энерго- и водоре-сурсов // Научные чтения имени профессора Н.Е. Жуковского. Сборник научных статей II Международной научно-практической конференции / Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина». Краснодар: Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2012. С. 28-29.

73. ГОСТ 26035-83. Счетчики электрической энергии переменного тока электронные. Общие технические условия.

74. ГОСТ 6570-75. Счетчики электрические активной и реактивной энергии индукционные. Общие технические условия.

75. РД 153-34.0-11.209-99. Рекомендации. Автоматизированные системы контроля и учета электроэнергии и мощности. Типовая методика выполнения измерений электроэнергии и мощности.

76. РД 34.11.333-97. Типовая методика выполнения измерений количества электрической энергии.

77. РД 34.11.334-97. Типовая методика выполнения измерений электрической мощности.

78. Атрощенко В. А., Дьяченко Р. А. АСКУЭ - ее основные понятия и определения // Электромеханические преобразователи энергии: Материалы первой межвузовской научной конференции / Краснодарский военный авиационный институт. Краснодар: КВАИ, 2002. С. 11-12.

79. Атрощенко В. А., Дьяченко Р. А., Литвинов Ю. Н. Применение системного подхода при создании АСКУЭ отдельного региона // Электромеханические преобразователи энергии: Материалы третьей научной конференции. Сборник / Краснодарский военный авиационный институт. Т. I. Краснодар: КВАИ, 2004. С. 142-145.

80. Атрощенко В. А., Дьяченко Р. А., Багдасарян P. X., Руденко М. В. Анализ современных информационных систем оплаты услуг ЖКХ с помощью мобильных устройств // Сборник научных статей III Международной научно-практической конференции «Научные чтения имени профессора Н.Е. Жуковского». Краснодар: Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2013. С. 216-220.

81. Кабанков 10. А., Дьяченко Р. А., Карбанович А. Л. и др. Дистанционная система управления техническими системами предприятий // Автоматизированные информационные и электроэнергетические системы: материалы II Межвузовской научно-практической конференции (7-9 сентября 2012 года) / Министерство образования и науки РФ, ФГБОУ ВПО КубГТУ. Краснодар: Издательский Дом - Юг, 2012. С. 32-36.

82. Демура А. В., Надтока И. И., Седов А. А., А. В. Сербиновская, Сухомлинова О. А. Оперативное, краткосрочное и долгосрочное прогнозирование электропотребления в энергосистеме // Современные методы и программные средства анализа и планирования электропотребления, балансов мощности и энергии: Материалы III Всероссийского специализированного научно-практического семинара. 2005. С. 1-6.

83. Компания ABB Group, система долгосрочного прогнозирования электрической нагрузки Long-Range Spatial Load Forecasting System http://www.abb.com/.

84. ОАО «ВНИИЭ», программный комплекс «Энергостат»: http://www.yug.so-ups.ru/.

85. Система «Энерго-Прогноз» StatSoft Russia http://www.statsoft.ru/.

86. BIGroup Labs http://www.bi-grouplabs.ru/Rech/plan/forecast-elektra.html.

87. BIGroup Labs http://www.bi-grouplabs.ru/Rech/plan/electraplan.html Deductor Electra. Прогнозирование потребления электроэнергии.

88. Солдатова О. П., Семенов В. В. Применение нейронных сетей для решения задач прогнозирования // Электр.науч.журнал "Исследовано в России". 2006.

89. Шевцов Ю. Д., Кобзева С. А., Дьяченко Р. А., Чигликова Н. Д. Исследование динамических характеристик самоочищающейся системы // Вестник Иркутского Государственного Технического Университета. 2011. № 3(50). С. 123-127.

90. Атрощенко В. А., Шевцов Ю. Д., Яцынин П. В. и др. Технические возможности повышения ресурса автономных электростанций энергетических систем. Монография. Краснодар: Издательский Дом - Юг, 2010. 192 с. ISBN: 978-5-91718-056-4.

91. Атрощенко В. А., Кабанков 10. А., Дьяченко Р. А., Сысоев А. А. Об использовании промышленных панельных компьютеров для управления автономными источниками питания // Сборник научных трудов факультета КТАС КубГТУ / Кубанский государственный технологический университет. Факультет КТАС. Краснодар: Издательский Дом - Юг, 2012. № 4. С. 82-85.

92. Атрощенко В. А., Кабанков Ю. А., Дьяченко Р. А., Педько М. Н. Принципы построения системы управления автономным источником питания // Сборник научных трудов факультета КТАС КубГТУ / Кубанский государственный технологический университет. Факультет КТАС. Краснодар: Издательский Дом - Юг, 2012. № 4. С. 74-77.

93. Атрощенко В. А., Шевцов Ю., Дьяченко Р. А. Применение методики исследования линейных электрических цепей для моделирования элементов

системы смазки // Проблемы и достижения в промышленной энергетике: Сборник докладов IX научно-практической конференции в рамках выставки «Энергетика и электротехника-2010» (24 - 26 ноября 2010 г.) / Уральский федеральный университет имени первого Президента России Б. Н. Ельцина. Екатеринбург: ЗАО «Уральские выставки», 2010. С. 58-62.

94. Атрощенко В. А., Кабанков Ю., Дьяченко Р. А. К вопросу о синтезе оптимальных по быстродействию САР выходного напряжения объектов САЭ // Автоматизированные информационные и электроэнергетические системы: материалы I Межвузовской научно-практической конференции (15-17 сентября 2010 года) / ГОУ ВПО КубГТУ. Краснодар: Издательский Дом - Юг, 2010. С. 66-71.

95. Дьяченко Р. А., Решетняк М. Г., Шароватов А. С., Терехов В. В. К вопросу оценки экономического эффекта от внедрения программного обеспечения для мониторинга и прогнозирования параметров дизель-электрических станций // Материалы выступлений на Международной конференции, посвященной 50-летию полета Ю.А. Гагарина / Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина». Краснодар: Филиал ВУНЦ ВВС ВВА, 2011. С. 164-168.

96. Дьяченко Р. А., Нефедьев Е. М., Абертасов С. А. Поиск неисправностей двигателя дизельной электростанции // Научные чтения имени профессора Н.Е. Жуковского. Материалы I Всероссийской научно-практической конференции по Механике / Краснодарское высшее военное училище летчиков. Краснодар: КВВАУЛ, 2011. С. 37-42.

97. Дьяченко Р. А., Багдасарян P. X., Руденко М. В., Литвинов Ю. Н. Проблемы стандартизации при разработке технологической концепции SMART GRID // Сборник научных статей III Международной научно-практической конференции «Научные чтения имени профессора Н.Е. Жуковского». Краснодар: Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2013. С. 206-209.

98. Атрощенко В. А., Руденко М. В., Дьяченко Р. А., Чигликова Н. Д. К вопросу исследования предметной области информационной системы расчетов с предприятиями ЖКХ // Современные проблемы науки и образования. 2012. №3.

99. Дьяченко Р. А., Семенюта И. С., Литвинов Ю. Н. и др. Программа для визуализации баз данных. ОпНпеВа1аВа8еУ18иаН8а1ог (ОБВУ) // Свидетельство о государственной регистрации программы для ЭВМ № 2011615203. ФИПС. Зарегистрировано 01.07.11.

100. Дьяченко Р. А., Семенюта И. С. Автоматизированная система расчетов структурно-топологических характеристик ориентированных графов «ГрафМастер» // Свидетельство о государственной регистрации программы для ЭВМ № 2010614204. ФИПС. Зарегистрировано 29.06.10.

101. Дьяченко Р. А., Махаммад М. Д. Принятие решений при выборе инструментальных средств разработки автоматизированных систем // Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. 2009. № 1(72). С. 106-110.

102. Шароватов А. С., Дьяченко Р. А., Решетняк М. Г. Организация классов моделей при проектировании программного обеспечения для прогнозирования параметров систем электроснабжения // Сборник научных трудов факультета КТАС КубГТУ / Кубанский государственный технологический университет. Краснодар: Издательский Дом - Юг, 2012. № 4. С. 136-138.

103. Атрощенко В. А., Дьяченко Р. А. К вопросу использования ОРБ -диаграмм для проектирования базы данных АСКУЭ // Труды Кубанского государственного технологического университета. 2003. Т. XVIII, № 2. С. 184-187.

104. Атрощенко В. А,, Дьяченко Р. А., Тишковский Д. В., Лоба И. С. Анализатор информационных структур // Свидетельство о государственной регистрации программы для ЭВМ № 2013612464. ФИПС. Зарегистрировано 28.02.13.

105. Дьяченко Р. А., Багдасарян Р. X., Решетняк М. Г., Руденко М. В. Этапы разработки модели предметной области информационной системы учета

энерго- и водоресурсов // Современные проблемы науки и образования. 2013. № 5.

106. Атрощенко В. А., Дьяченко Р. А. Посторонние модели предметной области базы данных АСКУЭ бытовых потребителей (БД АСКУЭ БП) // Электромеханические преобразователи энергии: Материалы второй межвузовской научно-методической конференции. Сборник тезисов и докладов / Краснодарский военный авиационный институт. Т. 2. Краснодар: КВАИ, 2003. С. 20-26.

107. Атрощенко В. А., Дьяченко Р. А., Литвинов Ю. Н. К вопросу о выявлении основных категорий пользователей БД АСКУЭ // Электромеханические преобразователи энергии: Материалы третьей научной конференции. Сборник / Краснодарский военный авиационный институт. Т. I. Краснодар: КВАИ, 2004. С. 145-148.

108. Дьяченко Р. А., Кабанков Ю. А., Юферова О. С., Терехов В. В. Разработка автоматной модели контактора // Научные чтения имени профессора Н.Е. Жуковского. Материалы I Всероссийской научно-практической конференции по Механике / Краснодарское высшее военное училище летчиков. Краснодар: КВВАУЛ, 2011. С. 32-37.

109. Национальный стандарт российской федерации, ГОСТ-Р-МЭК 61970-301, «Интерфейс прикладных программ системы управления производством и передачей электроэнергии». Часть 301. Основы общей информационной модели (CIM).

110. Бизли Д. Python. Подробный справочник. М.:Символ-Плюс, 2010. 864 с.

111. Саммерфилд М. Программирование на Python 3. Подробное руководство. М.:Символ-Плгас, 2009. 608 с.

112. RFC 4122. A Universally Unique IDentifier (UUID) URN Namespace.

113. RFC 1738. Uniform Resource Locators (URL).

114. Copeland R. Essential SQLAlchemy Mapping Python to Databases. O'Reilly Media, 2008. 240 p.

115. Halpin T. Information Modeling and Relational Databases From Conceptual Analysis to Logical Design. Elsevier, 2001. 761 p.

116. Фишер А. В., Дьяченко R А., Лоба И. С. Организация хранения хронологических данных в базах данных систем мониторинга и прогнозирования // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. 2012. № 5(79). С. 485-495.

117. Дьяченко R А., Решетняк М. Г., Волик А. Г., Сахно Е. П. К вопросу проектирования базы данных для систем электронного документооборота // Автоматизированные информационные и электроэнергетические системы: материалы II Межвузовской научно-практической конференции (7-9 сентября 2012 года) / Министерство образования и науки РФ, ФГБОУ ВПО КубГТУ. Краснодар: Издательский Дом - Юг, 2012. С. 30-32.

118. Атрощенко В. А., Дьяченко Р. А., Чигликова Н. и др. Разработка методики нормализации информационных структур и построение канонической структуры баз данных информационной системы мониторинга и прогнозирования // Автоматизированные информационные и электроэнергетические системы: материалы II Межвузовской научно-практической конференции (7 - 9 сентября 2012 года) / Министерство образования и науки РФ, ФГБОУ ВПО КубГТУ. Краснодар: Издательский Дом - Юг, 2012. С. 11-17.

119. Родионов В. Р., Нефедьев Е. Н., Дьяченко Р. А. Анализ средств оценки качества СУБД // Сборник научных трудов факультета КТАС КубГТУ / Кубанский государственный технологический университет. Факультет КТАС. Краснодар: Издательский Дом - Юг, 2012. № 4. С. 105-110.

120. Фишер А. В., Дьяченко Р. А., Лоба И. С., Черный Р. Р. Организация хранения хронологических данных // Научные чтения имени профессора Н.Е. Жуковского. Сборник научных статей II Международной научно-практической конференции / Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина». Краснодар: Филиал Военного учебно-научного центра

Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2012. С. 136-141.

121. Дьяченко Р. А., Решетняк М. Г., Терехов В. В., Щеголев Д. С. К вопросу описания предметной области при создании базы данных информационной системы мониторинга параметров дизельных электростанций // Материалы выступлений на Международной конференции, посвященной 50-летию полета Ю.А. Гагарина / Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина». Краснодар: Филиал ВУНЦ ВВС ВВА, 2011. С. 161-164.

122. Ишина Е. А., Дьяченко Р. А., Щеголев Д. С. Разработка многопользовательской базы данных средствами SQL Server 2008 // Материалы выступлений на Международной конференции, посвященной 50-летию полета Ю.А. Гагарина / Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина». Краснодар: Филиал ВУНЦ ВВС ВВА, 2011. С. 128-134.

123. Дьяченко Р. А., Коновалов Д. П. О возможности применения технологии XML в автоматизированных системах контроля и учета электроэнергии // Наука и технология. Секция 4. Динамика и управление: Краткие сообщения XXVII Российской школы, посвященной 150-летию К. Э. Циолковского, 100-летию С. П. Королева и 60-летию Государственного ракетного центра «КБ им. академика В. П. Макеева». Екатеринбург: УрО РАН, 2007. С. 115-117.

124. Атрощенко В. А., Дьяченко Р. А., Кабанков Ю. А., Решетняк М. Г. Разработка анализатора качества электроэнергии специальных объектов // Труды академии №79: Научно-технический сборник. СПб.: ВАС, 2012. С. 9-14.

125. Дьяченко Р. А., Махаммад М. Д. К вопросу оценки надежности систем управления базами данных // Вестник Иркутского Государственного Технического Университета. 2009. № 1. С. 196-199.

126. Дьяченко Р. А., Коновалов Д. П., Терехов В. В. Возможности использования библиотеки DHTMLX для создания web-приложений // Сборник научных

статей II Международной научно-практической конференции молодых ученых Посвященной 51-й годовщине полета Ю.А. Гагарина в космос. Краснодар: Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2012. С. 314-316.

127. Атрощенко В. А., Руденко М. В., Дьяченко Р. А., Чигликова Н. Д. К вопросу оплаты услуг ЖКХ с помощью информационной системы для мобильного телефона // Сборник научных статей II Международной научно-практической конференции молодых ученых Посвященной 51-й годовщине полета Ю.А. Гагарина в космос. Краснодар: Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2012. С. 217-221.

128. Фишер А. В., Дьяченко Р. А. Разработка алгоритма системы построения визуального представления структуры базы данных // Сборник научных трудов факультета КТАС КубГТУ Краснодар: Издательский Дом - Юг, 2010. № 3. С. 138-143.

129. Фишер А. В., Дьяченко Р. А., Чигликова Н. Д. Применение графовых алгоритмов поиска в системах автоматического построения диаграмм // Сборник научных трудов факультета КТАС КубГТУ. Краснодар: Издательский Дом - Юг, 2010. № 3. С. 46-48.

130. Фишер А. В., Дьяченко Р. А., Атрощенко В. А., Брагин Н. А. Создание системы автоматизации построения диаграмм // Автоматизированные информационные и электроэнергетические системы: материалы I Межвузовской научно-практической конференции (15 - 17 сентября 2010 года) / ГОУ ВПО КубГТУ. Краснодар: Издательский Дом - Юг, 2010. С. 156-157.

131. Атрощенко В. А., Чигликова Н., Дьяченко Р. А., Семенюта И. С. К вопросу построения автоматизированных систем составления расписаний // Инновационные процессы в высшей школе: Материалы XV юбилейной Всероссийской научно-практической конференции / ГОУ ВПО КубГТУ Т. 5. Краснодар: Изд. ГОУ ВПО КубГТУ, 2009. С. 17-20.

132. Макоклюев Б. И. Анализ и планирование электропотребления. М.: Энерго-атомиздат, 2008. 296 с.

133. Руденко Ю. И., Семенова В. А. Автоматизация диспетчерского управления в электроэнергетике. М.: Издательство МЭИ, 2000. 648 с.

134. Манов Д. В., Чукреев Ю. Я., Успенский М. И. Новые информационные технологии в задачах оперативного управления электроэнергетическими системами. М.: УрО РАН, 2002.

135. Дьяченко Р. А., Сахно Е. П., Лоба И. С. Методика краткосрочного прогнозирования параметров электроэнергетических объектов с применением нечетких нейронных сетей // Сборник научных статей III Международной научно-практической конференции «Научные чтения имени профессора Н.Е. Жуковского». Краснодар: Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2013. С. 220-222.

136. Дьяченко Р. А., Бельченко И. В., Терехов В. В. Иллюстрация применения метода Дельфи для решения задачи выбора направления развития предприятия // Автоматизированные информационные и электроэнергетические системы: материалы II Межвузовской научно-практической конференции (7 -9 сентября 2012 года) / Министерство образования и науки РФ, ФГБОУ ВПО КубГТУ. Краснодар: Издательский Дом - Юг, 2012. С. 243-244.

137. Бодянский Е. В., Попов С. Прогнозирующая нейронная сеть и алгоритмы её обучения // Радиоэлектроника, информатика, управление. 2000. № 1. С. 60-64.

138. Сахно Е. П., Дьяченко Р. А., Решетняк М. Г., Капустин К. 10. К вопросу краткосрочного прогнозирования электрических нагрузок с применением нечетких нейронных сетей // Современные проблемы науки и образования. 2013. №2(46).

139. Дьяченко Р. А., Сахно Е. П., Зима А. М., Макеев С. А. Реализация вычислительной системы на основе искусственных нейронных сетей // Сборник научных статей III Международной научно-практической конференции

«Научные чтения имени профессора Н.Е. Жуковского». Краснодар: Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2013. С. 209-211.

140. Кравченко К. В., Дьяченко Р. А. Автоматизированная система диктороне-зависимого голосового русскогоязычного управления операционной системой WINDOWS // Современные проблемы науки и образования. 2012. № 3.

141. Кравченко К. В., Дьяченко Р. А., Лоба И. С., Шароватов А. С. К вопросу выбора решения при создании русскоязычной дикторонезависимой системы распознавания речевых команд // Сборник научных статей II Международной научно-практической конференции молодых ученых Посвященной 51-й годовщине полета Ю.А. Гагарина в космос. Краснодар: Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2012. С. 225-227.

142. Дьяченко Р. А., Кравченко К. В. Система автоматического дикторонезави-симого распознавания русскоязычных речевых команд // Сборник научных трудов факультета КТАС КубГТУ / Кубанский государственный технологический университет. Факультет КТАС. Краснодар: Издательский Дом - Юг, 2012. № 4. С. 96-99.

143. Сахно Е. П., Дьяченко Р. А., Шароватов А. С., Лоба И. С. Применение методов искусственного интеллекта для прогнозирования электрической нагрузки // Научные чтения имени профессора Н.Е. Жуковского. Сборник научных статей II Международной научно-практической конференции / Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина». Краснодар: Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2012. С. 124-127.

144. Дьяченко Р. А., Шароватов А. С., Сахно Е. П., Лоба И. С. Методы прогнозирования электрических нагрузок // Научные чтения имени профессора Н.Е.

Жуковского. Сборник научных статей II Международной научно-практической конференции / Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина». Краснодар: Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2012. С. 132-136.

145. Атрощенко В. А., Дьяченко Р. А., Решетняк М. Г., Лоба И. С. К вопросу разработки методики прогнозирования температуры в помещениях капитальных строений // Современные проблемы науки и образования. 2012. №2.

146. Атрощенко В. А., Дьяченко Р. А., Шароватов А. С., Литвинов Ю. Н. Разработка алгоритма определения критического параметра ресурса технических систем // Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. 2011. № 3(126). С. 89-93.

147. Атрощенко В. А., Бельченко В. Е., Дьяченко Р. А., Решетняк М. Г. Информационные системы учета ресурсов и прогнозирование технического состояния систем ЖКХ. Монография. Армавир: РИО АГПА, 2013. 92 с.

148. Плисс И. П., Попов С. В., Рыбальченко Т. В., Слипченко Е. В. Модифицированная рекуррентная нейронная сеть Элмана в задаче краткосрочного прогнозирования потребления электроэнергии // Свгглотехшка та електро-энергетика. 2009. № 2. С. 79-87.

149. Атрощенко В. А., Шевцов Ю. Д., Дьяченко Р. А., Брагин Н. А. К вопросу диагностики двигателя ДЭС по параметрам частотных характеристик масляного очистителя // Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. 2010. № 6(113). С. 96-100.

150. Атрощенко В. А., Дьяченко Р. А., Махаммад М. Д. Разработка программного обеспечения для прогнозирования технического состояния дизель-генераторов//Промышленная энергетика. 2009. — Октябрь. № 10. С. 27-29.

151. Патент РФ № 2259549, 27.08.2005. Способ оценки технического состояния двигателя внутреннего сгорания.

152. Дьяченко Р. А., Коновалов Д. П. Автоматизированная система синтеза оптимальной структуры систем гарантированного электроснабжения // Новые информационные технологии в учебно-воспитательном процессе высшей и средней школы: Материалы Н-ой Всероссийской научно-практической конференции 27-28 марта 2008 г. Армавир / Армавирский государственный педагогический университет. Армавир: РИЦ АГПУ, 2008. С. 54-59.

153. Патент РФ № 71188, 27.02.2008. Система автоматизированного пуска двух синхронных двигателей.

154. Дьяченко Р. А., Махаммад М. Д. О структурном подходе к разработке автоматизированной системы сбора и мониторинга данных дизельной электростанции // Журнал научных публикаций аспирантов и докторантов. 2008. — Октябрь. № 10. С. 223-225.

155. Атрощенко В. А., Дьяченко Р. А., Коновалов Д. П. К вопросу выбора резервного дизель-генератора для систем гарантированного электроснабжения // Промышленная энергетика. 2008.— Апрель. № 4. С. 7-8.

156. Атрощенко В. А., Шевцов Ю., Дьяченко Р. А., Литвинов Ю. Н. К вопросу о факторах, снижающих ресурс необслуживаемой работы, дизельных электростанций // Автоматизированные информационные и электроэнергетические системы: материалы I Межвузовской научно-практической конференции (15 - 17 сентября 2010 года) / ГОУ ВПО КубГТУ. Краснодар: Издательский Дом - Юг, 2010. С. 64-66.

157. Дьяченко Р. А., Брагин Н. А. Анализ встраиваемых ПК // Научный потенциал вуза - производству и образованию: сборник трудов по материалам региональной научно-практической конференции, посвященной 170-летию г. Армавир и 50-летию АМТИ / Армавирский механико-технологический институт. Т. 5. Армавир: Изд-во АМТИ, 2009. С. 162-166.

158. Дьяченко Р. А., Коновалов Д. П. Интеллектуальный программный комплекс обработки и анализа данных с портов ввода-вывода // Новые информационные технологии в учебно-воспитательном процессе высшей и средней

школы: Материалы II-ой Всероссийской научно-практической конференции 27-28 марта 2008 г. Армавир / Армавирский государственный педагогический университет. Армавир: РИЦ АГПУ, 2008. С. 51-54.

159. Атрощенко В. А., Дьяченко Р. А., Коновалов Д. П., Литвинов Ю. Н. Разработка национального графического интерфейса дисплея для систем управления дизель-генератором фирмы Wilson // Современные проблемы науки и образования. 2007. № 3. С. 26-27.

160. Атрощенко В. А., Дьяченко Р. А., Сучкова Е. В., Литвинов Ю. Н. Разработка автоматизированной информационной системы для расчета топливной эффективности двигателей дизельных электростанций // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. 2011. № 5(69). С. 83-92.

161. Атрощенко В. А., Дьяченко Р. А., Махаммад М. Д. Построение прогнозирующего алгоритма оценки параметров дизельных электростанций // Информационно-измерительные и управляющие системы. 2010. Т. 8, № 10. С. 3-6.

162. Дьяченко Р. А., Безнос О. С., Махаммад М. Д. К вопросу построения прогнозирующих алгоритмов оценки параметров дизельных электростанций // Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. 2009. № 2(76). С. 182-185.

163. Дьяченко Р. А., Шароватов А. С., Лоба И. С., Решетняк М. Г. Разработка алгоритма поиска оптимальной модели // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. 2012. № 3(77). С. 378-387.

164. Основные положения концепции интеллектуальной энергосистемы с активно—адаптивной сетью, http://www.fsk-ees.ru/upload/docs/ies_aas.pdf. 2012.

165. Е. Кирпичев, Свертки и их друзья, www.docs.google.com/ Doc?docid=dv682st_12drcf56c7 (Дата обращения: 17.01.2013).

166. MapReduce, www.ru.wikipedia.org/wiki/MapReduce (Дата обращения: 19.01.2013).

167. Дьяченко R А., Багдасарян R X., Руденко М. В., Фишер А. В. Разработка UML диаграммы развертывания систем сбора и хранения хронологической информации // Сборник научных статей III Международной научно-практической конференции «Научные чтения имени профессора Н.Е. Жуковского». Краснодар: Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2013. С. 234-237.

168. Дьяченко Р. А., Коновалов Д. П., Терехов В. В. Сравнительный анализ загрузки данных табличными web-приложениями // Сборник научных статей II Международной научно-практической конференции молодых ученых Посвященной 51-й годовщине полета Ю.А. Гагарина в космос. Краснодар: Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2012. С. 190-196.

169. Дьяченко Р. А. К вопросу построения информационной системы подбора оптимальных характеристик искусственных нейронных сетей для задач прогнозирования в электроэнергетике // Современные проблемы науки и образования. 2013. № 2(46).

170. Атрощенко В. А., Кабанков Ю. А., Дьяченко Р. А. Теория информационных систем электроэнергетических комплексов. Монография. LAP Lambert Academic Publishing, 2012. 172 с. ISBN: 978-3-659-30514-6.

171. Атрощенко В. А., Дьяченко Р. А., Багдасарян Р. X., Решетняк М. Г. К вопросу оценки надежности системы мониторинга электроэнергетического комплекса коттеджного поселка // Современные проблемы науки и образования. 2013. № 2(46).

172. Атрощенко В. А., Руденко М. В., Дьяченко Р. А., Багдасарян P. X. К вопросу оценки достоверности информации для предотвращения MITM-атаки при передаче закрытой информации по открытым каналам связи // Современные проблемы науки и образования. 2013. № 3.

173. Атрощенко В. А., Фишер А. В., Дьяченко Р. А. К вопросу сбора данных электроэнергетических систем // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. 2012. № 10(84). С. 853-863.

174. Дьяченко Р. А., Решетняк М. Г. К вопросу построения информационной модели комплексной системы учета энерго- и водоресурсов ЖКХ // Сборник научных статей III Международной научно-практической конференции «Научные чтения имени профессора Н.Е. Жуковского». Краснодар: Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2013. С. 214-216.

175. Бельченко В. Е., Дьяченко Р. А., Лоба И. С. и др. Теоретические аспекты построения информационных систем мониторинга и прогнозирования объектов электроэнергетики. Монография. Армавир: РИО АГПА, 2013. 132 с.

176. Дьяченко Р. А., Нефедьев Е. М., Литвинов Ю. Н., Божко О. Г. К вопросу проектирования локальных вычислительных сетей для создания научных лабораторий // Автоматизированные информационные и электроэнергетические системы: материалы II Межвузовской научно-практической конференции (7-9 сентября 2012 года) / Министерство образования и науки РФ, ФГБОУ ВПО КубГТУ. Краснодар: Издательский Дом - Юг, 2012. С. 36-38.

177. Дьяченко Р. А., Лоба И. С., Шароватов А. С., Сахно Е. П. Основные принципы измерения электроэнергии в системе мониторинга и прогнозирования параметров энергетических комплексов // Научные чтения имени профессора Н.Е. Жуковского. Сборник научных статей II Международной научно-практической конференции / Филиал Военного учебно-научного центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина». Краснодар: Филиал Военного учебно-научно-

го центра Военно-воздушных сил «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», 2012. С. 127-132.

178. Дьяченко Р. А., Коновалов Д. П. Программный комплекс для расчета надежности автоматизированных систем контроля и учета электроэнергии // Инновации в науке и образовании. 2007. —Май. № 5(28). С. 13-14.

179. Можаев А. С., Громов В. Н. Теоретические основы общего логико-вероятностного метода автоматизированного моделирования систем. Санкт-Пере-рбугр: СПб. ВИТУ, 2000. 145 с.

180. Нозик А. А., Можаев А. С. Расчет надежности, безопасности и риска при проектировании и эксплуатации технических систем // Информационный бюллетень: «Теплоэнергоэффективные технологии». 2007. № 3/4. С. 35-43.

181. Можаев А. С. Универсальный графоаналитический метод, алгоритм и программный модуль построения монотонных и немонотонных логических функций работоспособности систем. СПб.: СПбГУАП, 2003, 2003. С. 101-110.

182. Половко А. М., Гуров С. В. Основы теории надежности. Спб.: БХВ-Петер-бург, 2006. 702 с.

183. Нозик А. А., Можаев А. С. Программный комплекс «АРБИТР» для моделирования, расчета надежности и безопасности систем // Информационный сборник: «Монтаж и наладка средств автоматизации и связи». 2007. № 2. С. 32^40.

184. Атрощенко В. А., Усатиков С. В., Дьяченко Р. А., Тишковский Д. В. Оптимальное решение нелинейных задач бинарного программирования для распределённой базы данных с постоянными временными характеристиками // Современные проблемы науки и образования. 2013. № 1(45).

185. Атрощенко В. А., Дьяченко Р. А., Двинянинов М. В., Семенюта И. С. Программный модуль вычислительной системы с произвольным доступом к памяти / Атрощенко В.А., Дьяченко P.A., Двинянинов М.В., Семенюта И.С.

// Свидетельство о государственной регистрации программы для ЭВМ № 2010614203. ФИПС. Зарегистрировано 29.06.10.

Приложение А. Исходный код распределенной информационной системы подбора оптимальных характеристик ИНС

Исходный код подсистемы «Master»

using System;

using System.Collections.Generic;

using System.Globalization;

using System.10;

using System.Text;

using System.Windows.Forms;

using Aspy.Util;

using DCL;

namespace AspyMaster {

public partial class MasterForm : Form {

sealed class MasterNotifier : MasterSide.IMasterSideNotifier {

readonly MasterForm _father; delegate void DlgtWorkerConnect();

public MasterNotifier(MasterForm father) {

_father = father;

}

Object MasterSide.IMasterSideNotifier.WorkerWantData(String key)

{

return _father.WorkerWantsData(key);

}

void MasterSide.IMasterSideNotifier.WorkerConnected()

{

_father.Beginlnvoke(new lgtWorkerConnect(_father.

WorkerConnectedNotify)); oid MasterSide.IMasterSideNotifier.WorkerDisconnected() _father.Beginlnvoke(new DlgtWorkerConnect(_father. WorkerDisconnectedNotify));

}

}

private Object[] _array;

private readonly doublet] _data; private int _inputWindow; private int _outputWindow; private int __maxEpochs; private double _maxError; private readonly String _dataKey; public MasterForm() i

InitializeComponent();

MasterSide.Initialize(6001, new MasterNotifier(this)); string line; Int32 n = 0;

var smass = new List<string>();

FileStream filestr = new FileStream(@"data.txt", FileMode.Open); StreamReader file = new StreamReader(filestr, Encoding.UTF8);

while ((line = file.ReadLine()) != null) {

n++;

smass.Add(line) ;

}

_data = new double[n];

for (int i = 0; i < n; i++) {

_data[i] = Convert.ToDouble(smass[i]);

}

_dataKey = String.Format("data{0,16:XI6}", DateTime.Now.ToBinary()); textBoxl.AppendText("Ключ данных + _dataKey + "\".\n");

}

private void WorkerConnectedNotify() {

textBoxl.AppendText("Подключен воркер.\n");

textBox2.Text = MasterSide.WorkerCount().ToString(Culturelnfo. InvariantCulture);

}

private void WorkerDisconnectedNotify() {

textBoxl.AppendText("Отключен воркер.\n");

textBox2.Text = MasterSide.WorkerCount().ToString(Culturelnfo. InvariantCulture);

private object WorkerWantsData(string key) {

string text = "Воркер запрашивает данные с ключом V" + key + \

п";

object result = null;

if (key == _dataKey) {

text += "Ключ верный, данные отправляются.\n"; result = _data;

}

else {

text += "Неверный ключ.\п";

}

Beginlnvoke(new Action(() => textBoxl.AppendText(text))); return result;

}

private void buttonl_Click(object sender, EventArgs e) {

_inputWindow = (int) numericUpDown3.Value; _outputWindow = (int) numericUpDown4.Value; _maxError = (double) numericUpDown5.Value; _maxEpochs = (int) numericUpDown6.Value; //комбинации настроек нейронных сетей int minHiddenLayers = (int) numericUpDown7.Value; int maxHiddenLayers = (int)numericUpDown8.Value; int minNeurons = (int) numericUpDownlO.Value; int maxNeurons = (int) numericUpDown9.Value;

var combinationMaker = new NeuralCombinationMaker {

MinHiddenLayers = minHiddenLayers, MaxHiddenLayers = maxHiddenLayers, MinNeurons = minNeurons, MaxNeurons = maxNeurons };

var combinations = combinationMaker.MakeCombinations(); _array = new object[combinations.Count];

for (int i = 0; i < _array.Length; i++) {

_array[i] = combinations[i];

textBoxl.AppendText("Сгенерировано " + _array.Length + " конфигураций нейросети.\n") ;

button2.Enabled = true; }

private void button2_Click(object sender, EventArgs e)

{

int gr = (int) numericUpDown2.Value; buttonl.Enabled = false; button2.Enabled = false; DateTime timeCoordinateO = DateTime.Now;

var beginAction = new Func<Object[][]>(delegate {

Object[][] errors = MasterSide.MapOnPool("errorfromconfig", _array, gr, _dataKey,_inputWindow, _outputWindow, _maxError, _maxEpochs

return errors; });

Int32 index = 1; Double minError = 0; Int32 minlndex = 0;

beginAction.BeginInvoke(ar => Invoke(new Action(() => {

buttonl.Enabled = true; button2.Enabled = true;

Object[][] errors = beginAction.Endlnvoke(ar);

foreach (Object[] a in errors) {

foreach (Object item in a) {

Double error = (Double)item;

if ((minlndex ==0) || (minError > error))

{

minError = error; minlndex = index;

}

++index;

}

}

textBoxl.AppendText(String.Format("Минимальная ошибка {0},

конфигурация № {l}\n", minError, minlndex)); DateTime timeCoordinatel = DateTime.Now;

Double seconds = (timeCoordinatel - timeCoordinateO).TotalSeconds; textBoxl.AppendText(String.Format("Поиск сети занял {0,1:N3} секунд

\n", seconds)); })), null);

} }

Исходный код подсистемы «Worker»

using System;

using System.Collections.Generic;

using System.Globalization;

using System.Linq;

using System.Text;

using Aspy.ML.Data.Temporal;

using Aspy.Neural.Networks;

using Aspy.Neural.Networks.Layers;

using Aspy.Neural.Networks.Training.Propagation.Resilient; using DCL;

namespace AspyWorker {

class Program {

private class Worker : IWorkerNode {

private TemporalMLDataSet _data; private string _dataKey;

public Object[] Map(String func, Objectf] elements, params bject[] args)

Console.WriteLine("Master node says: \"Map\". func = M{1}\", Length = {0}",

elements.Length.ToString(Culturelnfo.InvariantCulture), func);

switch (func) {

case "errorfromconfig":

string datakey = (string) args[0]; int inputWindow = (int) argsfl]; int outputWindow = (int) args[2]; double maxError = (double) args[3]; int maxEpochs = (int) args[4];

TemporalMLDataSet temporalData = GetData(datakey, inputWindow,

outputWindow); Object[] result = new object[elements.Length];

for (int i = 0; i < elements.Length; i++ ) {

Console.WriteLine("Starting processing element {0}", i); int[] config = (int[]) elements[i];

BasicNetwork network = TrainNeural(config, temporalData,

inputWindow, outputWindow, maxError, maxEpochs); result[i] = network.CalculateError(temporalData); Console.WriteLine("Done processing element {0}", i);

}

return result;

}

return null;

}

public Object Reduce(String func, Object[] elements, params Object[] args)

{

Console.WriteLine("Master node says: \"Reduce\". func = \"{1}\", Length = {0}",

elements.Length.ToString(CultureInfo.InvariantCulture), func); Object r = null;

switch (func)

{

case "max":

r = elements.Max();

Console.WriteLine("max = {0}", r);

break;

case "min":

r = elements.Min();

Console.WriteLine("min = {0}", r);

break;

case "neuralminerror":

string datakey = (string) args[0];

int inputWindow = (int) argsfl]; int outputWindow = (int) args[2];

TemporalMLDataSet temporalData = GetData(datakey, inputWindow,

outputWindow) ; var winner = (BasicNetwork) elements[0]; var minError = winner.CalculateError(temporalData);

for (int i = 1; i < elements.Length; i++) {

var network = (BasicNetwork) elements[i];

var networkError = network.CalculateError(temporalData);

if (networkError < minError) {

winner = network; minError = networkError;

}

}

return winner;

}

return null;

}

public Object MapReduce(String mapfunc, String reducefunc, Object[] elements, params Object[] args)

{

elements = Map(mapfunc, elements, args); Object r = Reduce(reducefunc, elements, args); Console.WriteLine("Done mapreduce, result: {0}", r); return r;

}

public Int32 FindMax(Int32[] a) {

Console.WriteLine("Master node says: V'Find max\". Length = {0}", a.Length.ToString(Culturelnfo.InvariantCulture)); Int32 max = a.Max();

Console.WriteLine("max = {0}", max); return a.Max();

}

public void Check() { }

private BasicNetwork TrainNeural(int[] config, TemporalMLDataSet dataSet, int inputWindow, int outputWindow, double maxError, int maxEpochs)

{

var network = new BasicNetwork();

network.AddLayer(new BasicLayer(inputWindow));

foreach (int neurons in config) {

network.AddLayer(new BasicLayer(neurons));

}

network.AddLayer(new BasicLayer(outputWindow)); network.Structure.FinalizeStructure(); network.Reset();

var train = new ResilientPropagation(network, dataSet); int epoch = 0;

do

{

train.Iteration();

Console.WriteLine("Epoch {0}, Error {1}", epoch, train.Error); epoch++;

} while (train.Error > maxError && epoch < maxEpochs); return network;

}

private TemporalMLDataSet GetData(string key, int inputWindow, int outputWindow)

{

if (key != _dataKey) {

var data = (double[])WorkerSide.GetDataFromMaster(key);

var temporalData = new TemporalMLDataSet(inputWindow, outputWindow)

r

temporalData.AddDescription(new TemporalDataDescription( TemporalDataDescription.Type.Raw, true, true));

for (int i = 0; i < data.Length; i++) {

var point = new TemporalPoint(1); point.Sequence = i; point.Data[0] = data[i]; temporalData.Points.Add(point);

}

temporalData.Generate(); _dataKey = key; _data = temporalData;

}

return _data;

} }

static void Main(string[] args) {

Worker worker = new Worker(); Uri uri;

try {

uri = new Uri(args[0]);

}