Повышение энергоэффективности и энергосбережение в электрических сетях с применением искусственного интеллекта

Название НИОКТР	Повышение энергоэффективности и энергосбережение в электрических сетях с применением искусственного интеллекта
Аннотация	В рамках проекта необходимо разработать расчётно-аналитический программный модуль, который будет осуществлять многокритериальную оптимизацию режимов работы распределительных сетей. Для решения задач многокритериальной оптимизации, содержащей вероятностную компоненту необходимо применение оптимизационных методов на основе технологий искусственного интеллекта. Разрабатываемый программный модуль должен быть интегрирован в SCADA систему, в которой присутствует измерительная информация о состоянии и параметрах электрического режима электрической распределительной сети. На основе информации из SCADA системы разрабатываемый программный модуль должен выдавать рекомендации по изменению режима работы сети с целью оптимизации целевых показателей энергоэффективности и надежности. Также для повышения энергоэффективности электроснабжения требуется разработать методики классификации потребителей и выявления среди них недобросовестных абонентов, причастных к хищениям электроэнергии и скрытому майнингу, на основе данных от интеллектуальных систем учёта на основе методов машинного обучения. В связи с всевозрастающей долей распределенной генерации, увеличением числа потребителей, работающих в комбинированном цикле как потребления, так и выдачи мощности, а также значительным развитием информационного обеспечением в распределительных сетях структура и принципы управления распределительными сетями усложняются. Обеспечение управляемости современных активно-адаптивных сетей на основе информационных и телекоммуникационных технологий, которые обеспечивают необходимое информационное покрытие задачи управления. В распределительных электрических сетях необходимо оптимизировать режимы работы по множеству критериев. С одной стороны, это критерии энергоэффективности и энергосбережения (такие как минимум потерь в электрических сетях). С другой стороны, это критерии надежности и риск-ориентированного управления, направленные на бесперебойное снабжение потребителей электрической энергии в условиях ограниченных ресурсов для расширения и модернизации электрических сетей. С математической точки зрения сложность поставленной задачи заключается в необходимости учета стохастической природы процессов производства передачи, распределения и потребления электроэнергии, а также наличия множества локальных минимумов в целевой функции, что ограничивает применение классических методов оптимизации. С позиции повышения энергоэффективности электроснабжения требуется решить задачу снижения коммерческой составляющей этих потерь. Коммерческие потери обусловлены погрешностями и неисправностями измерительных комплексов электроэнергии, ошибками при выставлении счетов, и прежде всего безучетным и бездоговорным потреблением электроэнергии. Действенным методом снижения коммерческих потерь в электрических сетях является поиск и выявление абонентов, причастных к хищениям электроэнергии и мошенничеству, с последующим наложением штрафов. С этой целью энергокомпании организуют рейды. Тем не менее, в силу ограниченности трудовых ресурсов и рационализации затрат проверить таким образом всех потребителей невозможно – их число слишком велико. Отсюда возникает задача приоритезации проверок: поиска таких районов потребления и отдельных абонентов, информация по которым косвенно или прямо указывает на причастность к хищениям электроэнергии и/или скрытому майнингу. Существующие решения по большей части реализуют поиск таких потребителей по определенным эвристическим правилам, что обеспечивает результат, что не позволяет выявить всех недобросовестных абонентов. Причина этого в том, что существует чрезмерно много способов хищений электроэнергии, каждый из которых по-своему влияет на данные от абонента (профиль потребления, журнал событий и т.д.). В этих условиях требуется развитие новых решений, основанных на технологиях искусственного интеллекта, позволяющих улавливать скрытые закономерности в больших наборах данных, обобщать информацию, заменяя, таким образом, группы эвристических правил.
Доступ к ОКОГУ исполнителя	False
Количество связанных РИД	0
Количество завершенных ИКРБС	0
Сумма бюджета	2000.0
Дата начала	2025-04-30
Дата окончания	2025-12-31
Номер контракта	075-15-2025-202
Дата контракта	2025-04-04
Количество отчетов	1
УДК	621.311:621.316.9
Количество просмотров	9
Руководитель работы	Паздерин Андрей Владимирович
Руководитель организации	Германенко Александр Викторович
Исполнитель	ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "УРАЛЬСКИЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ ИМЕНИ ПЕРВОГО ПРЕЗИДЕНТА РОССИИ Б.Н. ЕЛЬЦИНА"
Заказчик	МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральная программа	Отсутствует
Госпрограмма	—
Основание НИОКТР	Соглашение (государственный/муниципальный контракт)
Последний статус	2025-07-16 13:33:11 UTC, 2025-07-16 13:33:11 UTC
ОКПД	Услуги по проектированию и разработке информационных технологий для сетей и систем
Отраслевой сегмент	—
Минздрав	—
Межгосударственная целевая программа	—
Ключевые слова	машинное обучение; Энергоэффективность; искусственные нейронные сети; оптимизация режимов; технические потери; коммерческие потери; учёт электроэнергии
Соисполнители	—
Типы НИОКТР	Разработка новых материалов, научно-методических материалов, продуктов, процессов, программ, устройств, типов, элементов, услуг, систем, методов, методик, рекомендаций, предложений, прогнозов
Приоритетные направления	—
Критические технологии	—
Рубрикатор	44.29.31 - Автоматизация и релейная защита в электроэнергетических системах
OECD	—
OESR	Энергетика и топливо
Приоритеты научно-технического развития	б) переход к экологически чистой и ресурсосберегающей энергетике, повышение эффективности добычи и глубокой переработки углеводородного сырья, формирование новых источников энергии, способов ее передачи и хранения;
Регистрационные номера	ikrbs: {'card_list': [{'id': 'QFWA5N1O9P89FQ77A94LTGZP'}]}