Структура  распределенной  смарт-грид  си-

Раздел «Автоматика. Энергетика. Управление» 
3  2015 
83 
 
лога  распределенной  смарт-грид  системы,  содержа-
щей  множество  моделей  элементов  реализованной  в 
«железе»  подсистемы  «смарт-грид  1»,  имеющей  воз-
можность  получать  наблюдаемую  в  подсистеме 
«смарт-грид 1» информацию и формирующей  потоки 
информации  восстанавливающего,  прогнозирующего 
и рекомендующего типа. Для реализации подсистемы 
«смарт-грид  2»  используются  элементы  облачных 
технологий.  
Восстановление  информации  в  подсистеме 
«смарт-грид 1» необходимо по причине действия сто-
хастических помех и осуществляется путем математи-
ческого моделирования и прогнозирования процессов 
и явлений, происходящих с ВЛЭП. 
3)  виртуальной  подсистемы  «смарт-грид  3»,  со-
держащей  программно-аппаратные  компоненты,  поз-
воляющие  получить  доступ  к  использованию  геоин-
формационных  баз  данных,  прогнозных  и  фактиче-
ских  карт  метеорологических  данных.  По  запросу 
подсистемы  «смарт-грид  2»  из  подсистемы  «смарт-
грид  3»  поступает  информация  о  геодезических  и 
метеорологических  данных  в  местах  расположения 
опор ВЛЭП, состояние которых анализируется в кон-
кретный  момент  времени.  Возможно  в  виртуальной 
подсистеме «смарт-грид 3» осуществляется обработка 
информации  методами  искусственного  интеллекта. 
Для  реализации  подсистемы  «смарт-грид  3»  могут 
использоваться элементы облачных технологий. 
Для  конкретной  ВЛЭП  необходимо  создать  рас-
пределѐнную  «смарт-грид»  систему  контроля  состоя-
ния  опор  высоковольтных  линий  электропередач  на 
базе  комплекса  защиты  и  диагностики  «ЗАДИАГ», 
элементов  высоковольтных  линий  электропередач, 
содержащую  в  своем  составе  подсистему  восстанов-
ления  информации  по  причине  действия  стохастиче-
ских  помех  путем  математического  моделирования  и 
прогнозирования процессов и явлений, происходящих 
с  ВЛЭП,  с  адаптацией  и  самообучением  событий  и 
процессов  методами  искусственного  интеллекта,  с 
использованием геоинформационных баз, прогнозных 
карт  метеорологических  данных,  облачных  техноло-
гий  сбора  и  передачи  потоков  мониторинговой  ин-
формации,  подверженных  действию  сильных  элек-
тромагнитных  помех,  географо-геодезических  коор-
динат  и  атмосферных  возмущений.  Контроль  состоя-
ний  носит  вероятностный  характер  и  дополняется 
рекомендациями  по  эксплуатации  конструктивных 
компонентов ВЛЭП. 
Выводы 
Предлагаемый концептуальный подход к построе-
нию  распределѐнной  «смарт-грид»  системы  контроля 
состояния  опор  высоковольтных  линий  электропере-
дач  не  следует  рассматривать  как  окончательную 
конструкцию.  
Предстоит  большая  работа  по  дальнейшему  изу-
чению объекта исследований – опор ВЛЭП, разработ-
ке  и  выбору  элементов  «смарт-грид»  системы,  реги-
страции  и  анализу  потоков  реально  измеряемой  ин-
формации,  формированию  пакетов  телеметрических 
данных, разработке и выбору алгоритмов и программ-
ного  обеспечения  по  передаче  и  восстановлению  па-
кетов  телеметрической  информации,  подверженной 
действию многочисленных стохастических помех.  
Особенность  решаемой  проблемы  в  первую  оче-
редь  заключается  в  большой  размерности  объекта  и 
существенной  неопределенности  информации,  харак-
теризующей  объект  и  окружающую  среду.  Решение 
подобных задач, относящихся к классу сложных, сто-
хастических  и  многосвязных,  достижимо  средствами 
современных 
информационно-телекоммуникацион-
ных технологий и методов  современной теории авто-
матического  управления  с  широким  применением 
математических адаптивных моделей объектов, собы-
тий и явлений.  
СПИСОК ЛИТЕРАТУРЫ
 
1.  Отчет НИР. № гос. регистрации 0112РК02313. «Разработка распределенных программно-технических комплексов защит 
и диагностики элементов высоковольтных линий электропередач». – Караганда: КарГТУ, 2014. – 166 с. 
2.  Брейдо  И.В.,  Каверин  В.В.,  Эм Г.А.,  Иванов  В.А.,  Шаихова Ж.Ж.  Разработка  структурной  схемы  программно-аппарат-
ного комплекса защиты и диагностики элементов опор ВЛЭП 500 кВ // Международная научная конференция «Наука и 
образование – ведущий фактор стратегии «Казахстан – 2050» (Сагиновские чтения №6). – Караганда, 2014.  
3.  Фешин  Б.Н.,  Томилова  Н.И.,  Крицкий  А.Б.,  Калинин  А.А.,  Паршина  Г.И.  Информационно-управляющие  технологии 
оптимизации функционирования теплоснабжающих комплексов. Алматы // Журнал «Вестник автоматизации». № 1 (39). 
март, 2013г. – С. 36-39.  
4.  Отчет  НИР.  №  гос.  регистрации  0112РК02313.  «Исследование  и  разработка  иерархических  информационно-управляю-
щих  технологий  оптимизации  функционирования  теплоснабжающих  комплексов  мегаполисов».  Караганда:  КарГТУ, 
2012. – 226 с.  
5.  Методы классической и современной теории автоматического управления: Учебник в 5 т. / Под ред. К.А. Пупкова, Н.Д. 
Егупова. – М.: Издательство МГТУ им. Н.Э. Баумана, 2004.  
6.  Фешин  Б.Н.  Супервизорные  многосвязные  системы  управления  электротехническими  комплексами  горных  предприя-
тий. – Алматы: Гига Трейд, 2011. – 232 с.  
7.  Назаров  А.В.  и  др.  Современная  телеметрия  в  теории  и  на  практике.  Полный  учебный  курс  –  СПб.:  Наука  и  техника, 
2007. – 672 с. 
8.  Молдавский Л.А., Финкельштейн Э.Л., Верклов Б.А. Виды повреждений и долговечность трансмиссий горных машин. – 
М.: Недра, 1981. – 192 с.  
9.  Отчет НИР. № гос. регистрации 0112РК02313. «Разработка распределенных программно-технических комплексов защит 
и диагностики элементов высоковольтных линий электропередач». Караганда: КарГТУ, 2013. – 154 с. 
 
 

 
84 
Труды университета 
 
УДК 004.896 
 
Об интеллекте технических систем 
 
М.Б. ИСКАКОВ, к.т.н., ст. преподаватель, 
Т.С. ЖАНТУГАНОВА, инженер-метролог, зав. лабораторией, 
Карагандинский государственный технический университет, кафедра ПС 
 
Ключевые слова: техническая система, интеллектуальная система управления, модель, задача, структу-
ра, оценка, степень, интеллектуальность.  
 
ведение.  Исследования  в  области  искусственного 
интеллекта  (ИИ)  развернулись  одновременно  с 
началом промышленного использования ЭВМ. Следуя 
классификации,  предложенной  Г.С.  Поспеловым  [1], 
можно  выделить  следующие  основные  направления 
этих исследований: 
1)  моделирование  на  ЭВМ  творческих  процессов 
(игра  в  шахматы,  доказательство  теорем,  машинный 
перевод и т.д.); 
2)  внешняя  интеллектуализация  ЭВМ  (создание 
интеллектуального  интерфейса:  речевой  ввод/вывод 
информации, семантическая визуализация и т.д.); 
3)  внутренняя  интеллектуализация  ЭВМ  (разра-
ботка  новых  архитектур  ЭВМ  5-  и  6-го  поколений, 
предназначенных  для  построения  эффективных  ин-
теллектуальных систем); 
4)  целенаправленное  поведение  роботов  (т.е.  со-
здание  интеллектуальных  роботов  и  систем,  способ-
ных  автономно  совершать  операции  по  достижению 
целей, поставленных человеком). 
Несмотря  на  все  попытки  дать  точное  определе-
ние  понятию  «искусственный  интеллект»,  строгого 
определения до  сих пор не  существует.  Понятия «ис-
кусственный  интеллект»,  «вычислительный  интел-
лект»,  «интеллектуальные  системы»,  «интеллектуаль-
ное  управление»  все  шире  входят  в  нашу  повседнев-
ную жизнь. Область применения методов интеллекту-
ального  управления  включает  в  себя  не  только  такие 
сложные в техническом отношении объекты, как лета-
тельные  аппараты,  автономные  мобильные  системы, 
интеллектуальные роботы и т.д., но и бытовое и офис-
ное  оборудование  –  видеомагнитофоны,  фотоаппара-
ты,  пылесосы,  стиральные  машины  и  многое  другое. 
Высокая  эффективность  интеллектуальных  систем 
управления  определяется  их  способностью  функцио-
нировать  в  условиях  действия  различных  неопреде-
ленных факторов: неполноты информации  о внешней 
среде,  неточности  измерений  координат  состояния 
объекта,  возможности  возникновения  непредвиден-
ных критических ситуаций в работе объекта. 
В  данной  работе  мы  коснемся,  прежде  всего,  по-
следнего  из  указанных  направлений,  связанного  с 
построением  и  внедрением  интеллектуальных  систем 
управления  сложными  техническими  объектами,  и 
путем сравнения моделей системы с ИИ и задачи при-
нятия решения предложим один из подходов к оценке 
уровня  (степени)  «интеллектуальности»  технических 
систем. 
Несмотря  на  различия  предметной  области  при-
менения  систем  ИИ,  можно  выделить  ряд  общих 
принципов  построения  и  функционирования  этих 
систем.  Многие  исследователи  выделяют  следующие 
характерные особенности мышления человека: 
1)  существует  цель,  т.е.  тот  конечный  результат, 
на  который  направлены  мыслительные  процессы  че-
ловека («цель заставляет человека думать»); 
2) человеческий мозг хранит огромное число фак-
тов  и  правил  их  использования,  и  для  достижения 
определенной цели надо только обратиться к нужным 
фактам и правилам; 
3)  принятие  решений  всегда  осуществляется  на 
основе  специального  механизма  упрощения,  позволя-
ющего отбрасывать ненужные факты и правила, кото-
рые не имеют непосредственного отношения к решае-
мой  в  данный  момент  задаче,  и  наоборот,  выделять 
главные,  наиболее  значимые  факты  и  правила,  нуж-
ные для достижения цели. Такой механизм называется 
механизмом вывода знания; 
4)  достигая  цели,  человек  не  только  приходит  к 
решению  поставленной  перед  ним  задачи,  при  этом 
одновременно приобретает новые знания. 
Взаимодействие  системы ИИ с пользователем си-
стемы и набором датчиков (сенсоров), поставляющих 
текущую  информацию  о  состоянии  внешней  среды, 
осуществляется  с  помощью  специальных  аппаратно-
программных средств (интерфейса). 
Построение  универсальной  системы  ИИ,  охваты-
вающей  все  предметные  области,  является  очень 
сложной  задачей,  так  как  это  потребует  учета  беско-
нечного  числа  фактов  и  правил.  В  настоящее  время 
решение задачи в такой постановке невозможно, более 
реальной  является  задача  создания  специализирован-
ных  систем,  предназначенных  для  решения  задач  в 
конкретной проблемной области [2]. 
Модели управления техническими системами и 
задачи принятия решения. Все технические устрой-
ства и системы являются либо системами управления, 
либо  элементами  определенной  системы  управления. 
К  любой  системе  управления  приложены  возмущаю-
щие и задающие воздействия, а также входные и вы-
ходные  материальные  информационные  потоки,  по-
ступающие в систему управления и исходящие от нее, 
которые  характеризуются  соответствующими  пара-
метрами.  Задающие  воздействия  характеризуют  цель 
управления. Наличие цели  управления является  опре-
деляющим фактором для системы управления. 
В  структурном  плане  любую  техническую  систе-
му можно представить двумя подсистемами: объектом 
управления  и  системой  управления  (рисунок  1).  По-
скольку система с ИИ принимает решения аналогично 
В
 

Раздел «Автоматика. Энергетика. Управление» 
3  2015 
85 
 
тому, как это делает человек, то она должна включать 
в себя те же ключевые элементы – цели, факты и дан-
ные, правила, механизмы вывода и упрощения. Таким 
образом  прослеживается  тесная  связь  между  матема-
тическими  моделями  управления  техническими  си-
стемами и задачами принятия решения. 
В  общем  случае  задача  управления  может  быть 
охарактеризована следующим кортежем: 
< Z, М, Р, К, Q, W >, 
где Z – множество альтернативных решений (законов 
управления); 
М – окружение выбора, т.е. среда задачи, в кото-
рую включены эталонная модель объекта управ-
ления, технических средств управления и окру-
жающей среды, в которой предполагается функ-
ционирование объекта управления; 
Р – система предпочтений эксперта или системы, 
принимающей решение, на базе которой строятся 
критерии качества К, соответствующие целям 
управления; 
Q, W – необходимые способы действий (алго-
ритм), которые требуется выполнить над множе-
ством альтернатив Z, например, найти наиболее 
предпочтительную, линейно упорядочить множе-
ство допустимых альтернатив и т. п., для того 
чтобы синтезировать управление, удовлетворяю-
щее системе предпочтений Р по построенному 
критерию качества [3]. 
Наиболее общий подход к описанию задач приня-
тия  решений  (ЗПР)  формулируется  на  системном 
уровне.  Пусть  имеется  некоторая  система,  в  которой 
выделены  объект  управления,  система  управления  и 
окружающая  среда.  Система  управления  может  воз-
действовать на объект управления с помощью альтер-
нативных  управляющих действий. Состояние  объекта 
управления  определяется  двумя  факторами:  выбран-
ным  управляющим  действием  со  стороны  системы 
управления  и  состоянием  среды.  Принципиальным 
является  следующее  обстоятельство,  что  система 
управления  не  может  воздействовать  на  среду  и,  как 
правило,  не  имеет  полной  информации  о  состоянии 
среды [4, 5]. 
Цель  системы  управления  состоит  в  том,  чтобы 
перевести  объект  управления  в  наиболее  предпочти-
тельное для системы состояние. Для достижения этой 
цели  система  управления  должна  иметь  в  своем  рас-
поряжении множество допустимых действий, которые 
изменяют  состояние  управляемого  объекта.  Выбор 
конкретного  управляющего действия называется  при-
нятием  решения.  Принятие  решения  является  цен-
тральным моментом всякого управления. 
Основной  целью  ЗПР  является  нахождение  опти-
мального  решения.  На  содержательном  уровне  опти-
мальное  решение  может  быть  определено  как 
наилучшая  альтернатива,  которая  в  наибольшей  сте-
пени соответствует цели системы, в рамках имеющих-
ся  ресурсов  и  информации  о  состоянии  среды.  Мате-
матическая  модель  принятия  решения  представляет 
собой формализацию той схемы, которая приведена в 
системном  описании  ЗПР.  Для  построения  математи-
ческой  модели  принятия  решения  необходимо  задать 
следующие три множества: 
Х
к
  –  множество  допустимых  управляющих  воз-
действий.  В  ЗПР  их  еще  называют  управляемыми 
(контролируемыми) факторами; 
X
н
  –  множество  возможных  состояний  окружаю-
щей среды. В ЗПР элементы этого множества называ-
ют  неуправляемыми  (неконтролируемыми)  фактора-
ми; 
А – множество возможных исходов. 
При  постановке  ЗПР  множества  Х
к
  и  Х
н
  объеди-
няются в одно множество Х и называется множеством 
факторов. В конкретных ЗПР элементами множества Х 
называются также альтернативы, стратегии, варианты, 
действия, решения, планы и т д. Всегда предполагает-
ся,  что  множество  Х  содержит  не  менее  двух  альтер-
натив  –  иначе  надобность  в  принятии  решения  отпа-
дает. 
ЗПР возникает в том и только в том случае, когда 
существует  цель  (Z),  которую  нужно  достичь,  когда 
возможны  различные  способы  ее  достижения  (X)  и 
существуют  факторы,  ограничивающие  возможности 
достижения (Q) цели. Выявление всех трех указанных 
основных элементов ЗПР должно обязательно предше-
ствовать ее непосредственному решению (рисунок 2). 
Величина критерия оптимальности зависит от ря-
да факторов, которые можно разбить на две группы: 
– контролируемые (управляемые) факторы, выбор 
которых  находится  в  распоряжении  оперирующей 
стороны  (специалист,  который  занимается  решением 
ЗПР). Каждый конкретный выбор значений контроли-
руемых  факторов  представляет  собой  стратегию  опе-
рирующей стороны; 
–  неконтролируемые  (неуправляемые)  факторы, 
на которые оперирующая сторона влиять не может. В 
состав  неконтролируемых  факторов  может  входить  и 
время, если в операции участвуют динамические объ-
екты, изменяющие свои свойства и поведение во вре-
мени. 
Неконтролируемые факторы в зависимости от ин-
формированности  о  них  исследователя  операции 
можно разбить на три группы: 
1. Фиксированные факторы, значения которых из-
вестны  исследователю  операции.  Им  соответствуют 
детерминированные задачи. 
 
 
Рисунок 1 – Модель управления технической системой 

 
86 
Труды университета 
 
 
Рисунок 2 – Структура общей модели ЗПР 
 
2.  Случайные  факторы,  значения  которых  могут 
быть  описаны  с  помощью  известных  законов  распре-
деления.  Им  соответствуют  вероятностные  задачи, 
или задачи с риском. 
3. Неопределенные факторы, значения которых не 
известны  исследователю  операции  и  не  могут  быть 
оценены. Для этих факторов в лучшем случае извест-
на  область,  внутри  которой  находится  фактор  или 
закон его распределения. 
В  свою  очередь  неопределенные  факторы  могут 
быть разделены на следующие три подгруппы: 
– неопределенные факторы, обусловленные  нали-
чием  независимых  от  действующей  стороны  лиц 
(устройств),  цели  которых  противоположны  целям 
оперирующей  стороны  (военное  дело,  экономика, 
спорт,  где  имеется  противник  со  своей  тактикой  и 
множеством  стратегий).  Иначе  они  называются  стра-
тегической  неопределенностью.  Для  решения  задач 
данного класса используются методы теории игр; 
–  природные  факторы,  значения  которых  заранее 
не  известны,  как  правило,  из-за  недостаточной  изу-
ченности  протекания  процессов.  Эти  факторы  отно-
сятся  безразлично  к  цели  оперирующей  стороны,  но 
оказывают  на  ее  достижение  существенное  влияние 
(метеоусловия, значения которых заранее не известны 
и  которые  в  лучшем  случае  могут  характеризоваться 
среднесуточной температурой, среднемесячным коли-
чеством осадков и т. д.). Иначе они называются стати-
стической  неопределенностью.  Для  решения  задач 
данного  класса  используются  методы  теории  мини-
макса и теории игр; 
–  неопределенные  факторы,  отражающие  нечет-
кость знания цели операции, критерия эффективности. 
Иначе, факторы, относящиеся к этой подгруппе, назы-
ваются  полной  неопределенностью.  Для  решения 
задач  данного  класса  используются  методы  эксперт-
ного анализа. 
Особенности систем интеллектуального управ-
ления.  В  качестве  общих  целей  интеллектуального 
управления обычно называют следующие: 
–  полнее  использовать  достигнутые  знания  об 
объекте  и  среде  для  того,  чтобы  обеспечить  эффек-
тивное  управление  объектом  на  основе  заданного 
критерия  (например,  в  виде  желаемой  траектории 
движения,  функционала  качества  или  некоторого  це-
левого множества); 
– управлять в присущей человеку творческой (ин-
теллектуальной)  манере,  прогнозируя  изменения  в 
объекте и среде и сохраняя работоспособность систе-
мы даже при больших  указанных изменениях, напри-
мер, путем реконфигурации управления, координируя, 
а  возможно,  и  пересматривая  цели  и  критерии  каче-
ства управления; 
–  улучшать  с  течением  времени  показатели  каче-
ства  управления  путем  накопления  и  обработки  экс-
периментальных знаний об объекте и его среде. 
Можно  выделить  пять  основных  принципов 
структурной  организации  интеллектуальных  систем 
управления: 
1)  взаимодействие  с  реальным  внешним  миром  с 
использованием информационных каналов связи; 
2)  принципиальная  открытость  системы  с  целью 
повышения интеллектуальности и совершенствования 
собственного поведения; 
3)  наличие  механизмов  прогноза  изменений 
внешнего  мира  и  собственного  поведения  системы  в 
динамически изменяющемся внешнем мире; 
4) наличие многоуровневой иерархической струк-
туры, построенной в соответствии с правилом: повы-
шение  интеллектуальности  и  снижение  требований  к 
точности  моделей  по  мере  повышения  уровня  иерар-
хии в системе (и наоборот); 
5) сохраняемость функционирования (возможно, с 
некоторой потерей  качества или эффективности, ина-
че, с некоторой деградацией) при разрыве связей или 
потере управляющих воздействий от высших уровней 
иерархии управляющей структуры. 
Методика оценки степени интеллектуальности 
технических  систем.  На  основе  приведенных  выше 
данных  для  оценки  степени  (уровня)  интеллектуаль-
ности  технических  систем  предлагается  использовать 
следующий подход: 

Раздел «Автоматика. Энергетика. Управление» 
3  2015 
87 
 
1.  Построить  идеальную  модель  технической  си-
стемы,  которая  отражала  бы  в  полном  объеме  все 
факторы  (свойства  и  параметры),  влияющие  на  рабо-
тоспособное состояние данной системы. 
2. Аналогично ЗПР, выполнить классификацию вы-
явленных факторов и выделить следующие множества: 
– измеряемые и управляемые факторы, т.е. факто-
ры,  значения  которых  можно  оценить  путем  измере-
ния и изменять их значение в процессе управления. 
–  наблюдаемые  факторы,  т.е.  факторы,  значения 
которых  можно  оценить  путем  измерения,  но  значе-
ния которых система управления не может изменять, а 
может  только  учитывать  их  влияние  на  состояние 
технической  системы  в  целом  и  адаптировать  внут-
ренние  параметры  с  учетом  изменения  этих  парамет-
ров в пределах, которые были заложены при проекти-
ровании данной технической системы. 
– случайные факторы, т.е. факторы, влияние кото-
рых  на  состояние  технической  системы  может  быть 
оценено  приблизительно  с  заданной  вероятностью. 
При  проектировании  должны  быть  предусмотрены 
меры, направленные на сохранение работоспособного 
состояния  технической  системы  при  возникновении 
такой ситуации. 
3.  Выявить  и  количественно  оценить  наличие  со-
ответствующих  функций  управления  и  обработки 
выявленных  по  идеальной  модели  факторов  в  реаль-
ной технической системе. 
Количественная  разница  факторов  в  идеальной  и 
реальной модели технической системы может служить 
оценкой  степени  (уровня)  интеллектуальности  рас-
сматриваемой системы. 

жүктеу/скачать 6,19 Mb.

Достарыңызбен бөлісу: