Қаралық ғылымипрактикалық конференция I том
жүктеу/скачать 9,92 Mb. Pdf көрінісі
|
- Бұл бет үшін навигация:
- ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ЭНЕРГОПОТРЕБЛЕНИЯ
- Ключевые слова
- АДАПТАЦИЯ УРАВНЕНИЯ КАЧЕСТВА ПЕРЕДАЧИ ИНФОРМАЦИИ К ПОТОКУ ИСКАЖЕНИЙ В КАНАЛАХ МОДЕЛИ ГИЛЬБЕРТА
- Недостатки Позиционного кодирования
IV CONCULSION Adaptive Traffic Signal Controller based on RL with Qtable approach, ANN implementation and ActorCritic method were proposed in the given work. Survey and way of usage for the given problem is described. To approve the effectiveness of the methods, algorithms should be tested on several road structures and under different traffic plans. In the future, Qlearning technique with Artificial Neural Network, ActorCritic method realization for isolated and arterial network is expected.
1 Abbas M.M. A Real Time Offset Transitioning Algorithm for Coordinating Traffic Signals. PhD Dissertation. Department of Civil Engineering, Purdue University, West Lafayette, Indiana, USA, 2001. 2 Webster F.V. Traffic Signal Settings. Road Research Technical Paper No. 39.Department of Scientific and Industrial Research, Road Research Laboratory, London, U.K., 1958. 3 Huang ZJ., Li C., Zhang ZF. Traffic signal control based on genetic neural network algorithm. SPb.: IEEE, 9781424468379/10, 2010. 4 Umnye svetofory pomogut v borbe s probkami. today.kz 21.04.2015
100
5 Dai Y., Hu J., Zhao D., Zhu F. Neural Network Based Online Traffic Signal Controller Design with Reinforcement Training. 2011 14th International IEEE Conference on Intelligent Transportation Systems Washington, DC, USA, 2011, 10451050 pp. 6 Mannion P., Duggana J., Howleya E. Parallel Reinforcement Learning for Traffic Signal Control. The 4th International Workshop on Agentbased Mobility, Traffic and Transportation Models,Methodologies and Applications (ABMTRANS). Procedia Computer Science 52 , 2015, 956 – 961 pp. 7 Zhao D., Dai Y., Zhang Z. Computational Intelligence in Urban Traffic Signal Control: A Survey. IEEE, MAN , and cybernetics — Part C: applications and reviews, VOL.
42,
NO.
4,
JULY
2012, P .
485 8 Richard S. Sutton and Andrew G. Barto.Reinforcement Learning: An Introduction. MIT Press. 9 Dinni S., Serrano M. Combining QLearning with Arti_cial Neural Networks in an Adaptive Light Seeking Robot. 2012 10 Xie Y., Development and evaluation of an arterial traffic signal control system using Reinforcement Learning. PhD Dissertation. Department of Civil Engineering, Texas A&M University, USA, 2007.
УДК 621.389 Юнусов Р. к.т.н., ст.преп., Университет имени Сулеймана Демиреля, Каскелен, Казахстан e-mail: rassul.yunussov@sdu.edu.kz
эффективного энергопотребления, основанной на использовании технологии диверсифицированной тарификации электроэнергии, применяемой в быту и промышленности. Предлагаемая модель
позволяет накапливать и раздавать электроэнергию по заданному расписанию, что делает возможным теоретическое сокращение расходов на электроэнергию до 5 раз в зависимости от применяемой тарифной политики. Прототипом проекта послужил пример компании Tesla Motors (США) с продуктом PowerWall.
Raspberry Pi.
Сегодня, в условиях кризиса остро становятся вопросы эффективного расходования ресурсов. Проблемы затрат электроэнергии и балансировки дневной и ночной нагрузки на электростанции могут быть решены с использованием предлагаемой модели энергоэффективности. В большинстве случаев для получения электроэнергии на текущий момент расходуются природные ресурсы, например сжигание твердого топлива в виде каменной угля. При этом расход электроэнергии не нормирован, основная нагрузка на ТЭЦ приходится в дневной и вечернее время. Поэтому в большинстве регионов применяется тарификация электроэнергии в зависимости от времени суток. Предлагаемая модель позволяет используя эти тарифы накапливать электроэнергию в аккумуляторах тогда, когда она стоит дешевле всего и распределять накопленную энергию в остальное время, когда тарифы на электроэнергию выше. При этом данный эффект, с учетом применения в 50% случаев потребителей позволил бы не только экономить средства конечного потребителя, но и пропорционально распределить нагрузку на ТЭЦ не зависимо от времени суток.
101
Постановка Предлагаемая модель это автоматизированная система, встраиваемая в основную силовую линию, проходящую от счетчиков учета потребления электроэнергии к потребителю, включающая в себя следующие элементы: элементы накопления электроэнергии на базе LiIon батарей, инверторы напряжения, модуль управления АПК и сетевые интерфейсы передачи данных (проводные и беспроводные). Модуль управления АПК состоит из вычислительного модуля, контроллера переключателя замыкания электрического контура и интерактивного дисплея для первичной настройки, диагностики и выставления расписания. Цель модели – эффективное энергопотребление и снижение затрат на электроэнергию. Теоретически АПК предоставит конечным потребителям электроэнергии экономить на до 5 раз, путем потребления и накопления ее во время наименьшей тарификации и распределения накопленной электроэнергии с отключением от центральной системы подачи электроэнергии в другое время.
Проектирование модели АПК будет состоять из: 1. Элемента накопления электроэнергии; 2. Инверторы переменного и постоянного тока; 3. Модуль управления АПК; 4. Сетевые интерфейсы – проводные и беспроводные; 5. Контроллер переключателя электроэнергии; 6. Переключатель.
На рисунке 1 отображена концептуальная схема взаимодействия всех составных частей предлагаемого решения. Как видно из рисунка, такая схема позволяет выставить индивидуальное расписание подключения к центральному электроснабжению для накопления энергии и отключения от него для распределения накопленной электроэнергии. Модель позволяет эффективно использовать систему диверсифицированной тарификации электроэнергии и экономить затраты. Выполнение Модели как законченного продукта позволяет удовлетворить нужды максимального количества различных видов потребителей электроэнергии, как физических лиц, так и юридических. Опытный образец был собран на основе микрокомпьютера Raspberry Pi, реле переключения электроэнергии и стандартного элемента бесперебойного обеспечения электроэнергией. Сравнительный анализ элементов накаливания электроэнергии показал, что самым эффективным материалом на текущий момент является LiIon батареи, однако они имеют самую высокую стоимость, а так же сложный и дорогостоящий процесс утилизации. В стандартных системах бесперебойного обеспечения электроэнергией же используются кислотные аккумуляторы, которые обладают гораздо меньшим количеством циклов перезарядки и меньшей емкостью при тех же размерах.
102
Рисунок 1 Концептуальная схема модели
На рисунке 2 отображен эскиз панели управления модели для выставления расписания. На панели управления продемонстрирована возможность выставления расписания заряда батареи и распределения накопленной электроэнергии. Панель предоставляет информацию о текущем заряде батареи, предоставляет возможность выставления текущего времени и синхронизация его с серверами атомных часов, выставления часового пояса и выбора автоматической минимизации потребления в зависимости от текущих тарифов или же индивидуальной настройки потребления. Так же предоставляется настройка сетевого адреса модели по проводным каналам, настройка подключения по беспроводным каналам, настройка удаленного доступа к модели, а так же автоматических уведомлений по почте.
Рисунок 2. Панель управления модели 103
Как видно из рисунка управление таким устройством может быть максимально простым и понятным, что делает возможным его управление широкому кругу потребителей. Новизна модели состоит в интеграции аппаратных средств, позволяющих накапливать электроэнергию, управляющего модуля контроллера переключателя потребления электроэнергии и возможности удаленного доступа к модели с системами синхронизации времени и автоматических уведомлений по каналам интернет. Это позволит реализовать автоматическое интеллектуальное электропотребление с целью минимизации операционных затрат по счетам за потребленное количество электроэнергии. Уникальность модели – полностью собранное аппаратнопрограммное решение на территории Республики Казахстан с целью интеграции и распространения как на территории РК, так и на территории других государств. Модель может быть использована во всех сферах человеческой жизнедеятельности, как частным сектором, так и субъектами малого и среднего бизнеса. Выводы
Предложенная модель показывает теоретическую возможность гармонизации потребления электроэнергии в зависимости от времени суток. Практика показывает дороговизну решения и слабую окупаемость. Обнаружены большие энергопотери при преобразовании переменного тока в постоянны и обратно. Обнаружена необходимость охлаждения батареи во время разряда. Для обеспечения электроэнергией 1комнатной квартиры таким способом необходима батарея на 10 киловатт. При этом среднее количество циклов перезарядка LiIon батарей равняется 5000, что говорит о выходе из строя уже через 8 лет. А срок окупаемости такой батареи будет выше, что говорит о том, что для данной модели необходимы совершенно иные элементы накаливания электроэнергии более дешевые, с большим количеством циклов заряда, которых еще не существует в природе.
1 Справочник по электроизмерительным приборам / Под ред. К.К. Илюнина. С.Пб.: Энергоатомиздат, 2005. – 516 с. 2 C++ GUI Programming with Qt 4, Second Edition / Jasmin Blanchette; Mark Summerfield. Prentice Hall, 2008. 752 p.
УДК 621.391
Предполагая , что все подлежащие передаче символы независимы и несовместимы и каждый передается в канал с вероятностью ( ). Тогда для кодового алфавита имеющего ,, n” символов сумма вероятностей появления [1] соответствующих кодовых конструкций составляется : ( ) + ( ) + …. ( ) + (
) = 1.(1) Тогда полный ансамбль событий описывается конечной схемой вида → ∙∙∙
( ) ( ) ∙∙∙ ( ) ( ) (2) 104
Так как количество информации о состоявшемся событии ( ) несет ( )информации, то ( ) = log ( )
дв.ед. (3) Учитывая неравновероятность отдельных символов среднее количество информации, называемое энтропией ( ( ))будет равной [2] ( ) = − ∑ ( ) ∙ log ( )(4) Так как под знаком суммы (4) вероятности всех символов [ ( )] < 1 , то для представления результирующего значения энтропии положительным числом перед суммой поставлен знак “ −”.
Исходя из определения энтропии можно сформулировать основные ее свойства: 1. Энтропия двух событий появляющихся с вероятностями = ;
должна быть непрерывной функцией от : 0 ≤ ≤ 1. 2. Энтропия двух событий должна быть симметричной функцией своих аргументов при условии, что = 1 −
; ( + = 1). 3. Еслисобытие = (
+ ) > 0 то энтропия всего ансамбля из n сообщенийопределяется: ( ,
, … , , ) (5) т.е. вместо добавляется две вероятности правильного приема: = 1 − ;
= 1 − ; 4. При заданномансамблесобытийn энтропия максимальна если все события равновероятны: ( ) = ( ) = ⋯ = ( ) = ( ) = . (6) Именно равновероятность символов на приеме не позволяет различать их статистическим анализом и делает трудно дешифрируемыми. Таким образом с целью создания равновероятных сообщений необходимо чтобы каждому символу
соответствовало число
различных кодовых
слов ( )
,определяемых вероятностью появления данного символа . При выполнении этих условий мы можем добиться равновероятной передачи символов в канале при неравномерном алфавите. В таблице 1 приведены вероятности появления отдельных символов для русского языка.
№ пп Символ P(x ), % Числокодовых комбинаций, ℎ
№ пп Символ P(x ), % Числокодовых комбинаций, ℎ
1 17,5 18 17
Я 1,8
2 2 О 9 9 18 Ы 1,6
2 3 Е, Ё 7,2 8 19 З 1,6
2 105
4 А 6,2
7 20
Ь, Ъ 1,4
2 5 И 6,2 7 21 Б 1,4
2 6 Т 5,3 6 22 Г 1,3
2 7 Н 5,3 6 23 Ч 1,2
2 8 С 4,5 5 24 Й 1 1 9 Р 4 4 25
Х 0,9
1 10
В 3,8
4 26
Ж 0,7
1 11
Л 3,5
4 27
Ю 0,6
1 12
К 2,8
3 28
Ш 0,6
1 13
М 2,6
3 29
Ц 0,4
1 14
Д 2,5
3 30
Щ 0,3
1 15
П 2,3
3 31
Э 0,3
1 16
У 2,1
3 32
Ф 0,2
1 Общее число кодовых комбинаций 116
Таким образом при повторении каждого символа x указанное число раз приведенное в столбце ℎ (табл. 1)различными кодовыми конструкциями обеспечивает вероятность появления каждого кодового слова в канале будет близко к вероятности Р
.с. ≈ 1% . Для этого необходимо иметь банки кодовых символов x с памятью поℎ кодовых различных конструкций на каждый символ x . При появлении в тексте передачи символа x из банка памяти передается очередное кодовое слово из ℎ кодовых слов соответствующих данному символу. Учитывая изложенное, средняя вероятность появления кодовых слов в канале, будет стремиться к равновероятной не превышающей 1%. Общее количество хранимых различных кодовых слов к .с. для всех символов равняется: к .с. = (
+ ( ) + ⋯ + ( ) = ∑ ( )
(7) Согласно Табл.1 общая емкость памяти равна 116 к.с. Каждый раз, когда в передаваемом тексте встречается символ “ ”, в канал передается очередное кодовое слово из банка этого символа. Для этого кодовые слова одного и того же символа “ ” зациклены в отдельные группы по ℎ конструкций. Именно такие повторения кодовых слов из банков отдельных символов приводят к равновероятным появлениям одной из кодовых комбинаций символа (Таблица 1). Если бы передача осуществлялась по каналу без помех и не ставился вопрос “эффективной” работы с точки зрения времени передачи, то можно было бы воспользоваться позиционным кодированием, то есть задача состояла бы в реализации передачи на интервале ск = 7 ,2 = 128 кодовых слов( log 116 = 7). Для меньшего времени реализаций 116 кодовых слов, по сравнению с позиционным кодированием, воспользуемся таймерными сигналами. Именно такими свойствами обладают таймерные коды [2]. Для этого нам необходимо выбрать множество разрешенных конструкций с определенными признаками, которыми должны обладать отобранные кодовые слова. Эти признаки должны позволять однозначное декодирование на приеме. В качестве признака отношения к заданному множеству можно взять зависимость трех отрезковсигналов
, , . Например длительности их должны удовлетворять условию:[1] + 2 + 3
= 0( )(8)
Коэффициенты приведенного уравнения определяют кодовое расстояние отобранного множества М (ясно, что это кодовое множество определяется значением 106
dсогласно виду и структуре помех). Из уравнения (8) следует, что для отбора 116 реализаций табл.1 не обходимо чтобы общее число их составляло > 116 ·
. При = 7 общее число реализаций составит = 116 · 7 = 812. Из табл. 3.4 [1] следует, что ближайшее большее число реализаций при = 5, = 8,
= ( ) 969 > 812. Таким образом скорость передачи 116 кодовых конструкцый для русского языка таймерными сигналами в , раза меньше по сравнению с позиционным кодом. Список литературы: 1 М.В.Захарченко. СистемиПередаванняданих том 1 (Завадостiйкекодування). 2 Варакин Л.Е. Теория систем сигналов / Варакин Л.Е. –М. : Сов. Радио, 1978. 304с.
3 Лосев В.В. Поиск и декодирование сложных дискретных сигналов / Лосев В.В., Бродская Е.Б., Коржик В.И. ; под ред. В.И. Коржика.М. : Радио и связь , 1988. – 224с.
УДК 621.391
ПОТОКУ ИСКАЖЕНИЙ В КАНАЛАХ МОДЕЛИ ГИЛЬБЕРТА Определены ограниченияна структуру таймерных кодов,исправляющих одиночные ошибки смещений моментов модуляции (ММ) информационного параметра на величину Ѳ =1∆ (∆=t 0 /s; где sϵ 1;2; + ⋯ + n- целые числа; t 0 - длина интервала Найквиста, определяемая полосой пропускания канала (t 0 =1/∆F). 1. Недостатки Позиционного кодирования : Существующие системы передачи дискретной информации ситезированы на позиционной системе кодирования , при которой номер (N) любого объекта в десятичной системе представлен ᵅᵅᵅ в виде полинома , основанием которого является позиционность “ ”используемого канала (число различных значений информационного параметра в данном канале). N →
n + ⋯ +
2 2 + 1 1 + 0 0 (1) где – коэффициенты при степенях i ( 0; 1 ; 2; … 1)) Например: при =3 N (10)
=17 → 1∙ 3
2 + 2∙ 3
1 + 2 ∙ 3
0 → 1; 2; 2 0; 1; 2: N (10) =27 → 1∙3
3 + 0 ∙ 3
2 + 0 ∙ 3
1 + 0 ∙ 3
0 → 1000
Для передачи по двоичному каналу число различных состояний информационного параметра =2 , а приведенные выше два числа (17 и 27) будут передаваться в линию в виде: =2 N (10) =17
→ 1 ∙ 2 4 + 0 ∙ 2 3 + 0 ∙ 2
2 + 0 ∙ 2
1 + 1∙ 2
0 → 10001 0;1; N (10) =27 → 1 ∙ 2
4 + 1 ∙ 2
3 + 0∙ 2
2 + 1 ∙ 2 1 + 1 ∙ 2
0 → 11011
Из приведенных примеров следует: 107
1. С увеличением числа состояний информационного параметра канала “ ” увеличивается число различных цифр записи одного и того же десятичного числа . 2.
С уменьшением значения « » число слагаемых полинома (1) увеличивается, а с увеличением “ ” уменьшается для одного и того же числа N (10).
выражения (1) (последнее слагаемое соответствует 0 и с каждым шагом влево степень “ ” увеличивается на единицу ) , в канал связи передаются только значащие цифры, представляющие коэффициенты I (именно в этом заключается позиционность системы). Указанные выше коэффициенты i передаются различными сигналами число которых равно “ ” ( I 0; 1; 2; … 1) (Параметрами ,, ” могут быть: число – различных амплитуд , различных фаз или различных частот). Длительность сигналов соответствующих каждому из
коэффициентов I определяется временем установления переходного процесса [1] на выходе канала ( уст
= 0 =1/
∆ F).Обычно для удобства декодирования на приеме всех кодовых слов устанавливается одинаковое число слагаемых выражения (1), соответствующее максимальному числу членов разложения (1). При этом каждый элементарный сигнал на одном найквистовом элементе передает log
бит информации. Если в кодовом слове nэлементов, то эта сигнальная конструкция передает n log бит информации. Например, при =2 и n=8 (один байт) возможное кодовое множество кодовых слов равно М (2)
=2 8 =256 кодовых слов. Каждое кодовое слово содержитнезависимо от длительности времени реализации log 256 = 8 бит информации, которые можно было бы получить другим методом: поскольку при =2 один элемент передает log 2 = 1 бит информации , то в 8 элементах содержится 8 бит информации. Если канал будет иметь три состояния ( =3), то количество информации на интервале m=8будет равно log 3
8 = 8
log 3= 8∙ 1,58496= 12,67968 бит информации.
Уравнение (1) часто записывается в виде N=∑
i (1 )
где I – разрядные коэффициенты при i , значения которых может иметь величины 0
÷ ( 1). –целые числа. Время передачи каждого из значений параметра определяется базой сигнала ( Б) Б=
0 =1 (2) Для =
Б=1. Недостатком позиционного кодирования являются значение минимального расстояния между сменами информационного параметра е =t 0 . Оно не может быть меньшим найквистового элемента длительность t c =t 0 (если в разложении (1) два следующих подряд слагаемых коэффициента I одинаковые , то смена информационного параметра может быть через с =2*t 0 либо
сi =i *t
0 ). Так как время между сменами информационного параметра кратно найквистовому элементу, то синхронные системы не могут обеспечить на заданном интервале n элементного кода число реализаций N p
n . Для решения этой задачи необходимо было бы выбирать расстояние между сигнальными конструкциями не кратным величине ∆ ci 0 . Другой существенный недостаток синтезированных на основе позиционного кодирования корректирующих кодов – быстрый рост числа проверочных элементов при увеличении кодового расстояния ,, d” что значительно увеличивает общее число
108
элементов “n” в кодовых словах корректирующих кодов.В таблице 1 приведены значение числа проверочных элементов при заданном числе информационных (m):m ∈ 5
÷ 60 и требуемых кодовых расстояний d 3; 5; 7; 11. Число избыточных элементов r в табл. 1 определялось нижней границей Варшамова Гильберта и верхней границей Хэмминга [1], log (
n t +C n t1
+ ⋯ + 1) 2t2
n1
⋯ + 1) (3) При этом следует заметить , что при изменении длительности кодового слова (n) происходит существенное перераспределение вероятностей t кратных ошибок. Эффективность применения корректирующего позиционного кода в режиме исправления ошибок определяется через коэффициент повышения достоверности:[2]
Ƞ=
, ) ( , ) испр ( )
(4) Таблица 1 (6 ) m d 5 8 12 16
24 32
40 48
56 60
3 4 4 5 5 5 6 6 6 6 7 5 9 10
11 12
13 14
15 16
16 17
7 14
16 17
19 21
22 23
24 25
25 11
23 26
29 31
34 36
38 39
41 41
Где P(
≥1,n) – вероятность приема n элементной кодовой комбинации с одной и более ошибками; P испр (n) –вероятность приема n элементной комбинации с ошибками, после исправления выбранным кодом.
η= ( , )
(( ), )
. (5) где : – кратность исправленной ошибки. На рис. 1 показаны графики зависимости η = f( t u ) для различных значений n, полученные на основании экспериментальных данных для телефонного кабельного канала (p = 3,07∙ 10 4 ;
зависимость эффективности от длины кодового слова η = f (n)
Рис 1. Зависимость η = f( t u ) для телефонного кабельного канала. На рис.2. показана зависимость коэффициента η от элементности кодового слова ,, n” при различных отношениях . ⁄ 109
Рис. 2. Зависимость η = f( n) для телефонного кабельного канала.
Из графиков видно, что для данных каналов применение кода в режиме исправления ошибок при n ≤ 511 не приводит к повышению достоверности более чем в 10 раз. Таким образом, к недостаткам позиционного кодирования следует отнести : 1) Постоянство минимального расстояния между смежными ЗММ м н = . Кратность длительности сигнала между ЗММ длительности элемента Найквиста не позволяет в каналах с базойБ = ∆ ∗ 0
p > m . 2) Только при длинных блоках более ( n ≥ 80 ÷ 100 ) может оказаться , что значение hможет быть существенным. Число синдромов исправляемых ошибок ( с учетом синдромов смежных классов) становится таким что время обработки соответствующих кодовых комбинаций на 23 порядка будет превышать мощность современных процессоров.
жүктеу/скачать 9,92 Mb. Достарыңызбен бөлісу:
|