Реєстраційний номер
0826U004999, Дисертація доктора філософії
На здобуття
Доктор філософії
Дата захисту
09-09-2026
Статус
Захищена
Назва роботи
Моделі та інформаційна технологія розподіленої обробки інформації у системах Smart Grid
Здобувач
Комін Антон Сергійович,
Керівник Бойко Ольга Василівна
Опонент Мельник Андрій Миколайович
Опонент Лактіонов Іван Сергійович
Рецензент Парфененко Юлія Вікторівна
Рецензент Нагорний Володимир В’ячеславович
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Сумський державний університет
Опис
Дисертація присвячена актуальній науково-прикладній задачі підвищення автономності обробки інформації та рівня приватності даних користувачів у периферійних вузлах систем Smart Grid шляхом розроблення моделей, методів та інформаційної технології розподіленої обробки інформації з використанням моделей машинного навчання на малопотужних пристроях. Розроблено інформаційну технологію, що забезпечує локальний збір та обробку інформації про рівень споживання електроенергії в сегменті мережі Smart Grid, короткострокове прогнозування, адаптацію моделей до умов експлуатації та синхронізацію із зовнішніми сегментами мережі. Одержані результати спрямовані на зменшення залежності локальних сегментів інтелектуальних енергомереж від централізованої хмарної інфраструктури та обмеження передавання сирої телеметрії за межі локального вузла.
У першому розділі проаналізовано актуальні виклики цифровізації енергетики, роль Smart Grid у трансформації централізованих енергомереж у гнучкі децентралізовані системи, а також сучасні підходи до хмарної, туманної та периферійної обробки інформації. Визначено переваги периферійних обчислень щодо зменшення затримок, підвищення масштабованості, автономності локальних вузлів і приватності даних. Окрему увагу приділено довірі користувачів до інтелектуальних систем управління енергомережами та необхідності адаптації прогнозних моделей в умовах дрейфу даних. Виявлено потребу в розробці рішень з розподіленої обробки інформації, що відповідають сучасним тенденціям розвитку енергомереж та здатні враховувати інтереси користувачів щодо забезпечення приватності даних та персоналізації.
У другому розділі розроблено моделі розподіленої обробки інформації у мережах Smart Grid. Запропоновано модель короткострокового прогнозування рівня споживання електроенергії на базі LSTM та метод підготовки моделей машинного навчання до використання на малопотужних периферійних пристроях. Для забезпечення периферійної обробки та зберігання даних про енергоспоживання запропоновано модель, що формалізує процес збору первинних даних, контроль їх якості, нормалізацію, часову агрегацію та збереження у вигляді впорядкованих часових рядів. Розроблено модель оцінювання ефективності та вибору моделі-чемпіона за метриками MAE, RMSE, WAPE та Skill, а також метод індивідуальної адаптації прогнозних моделей на основі інкрементального донавчання моделей-кандидатів і вибору моделі-чемпіона. Запропоновані рішення формують основу для локального прогнозування без необхідності передавання сирих даних до централізованих сервісів.
У третьому розділі розроблено інформаційну технологію розподіленої обробки інформації у мережах Smart Grid. Сформовано її структурно-функціональну модель, визначено основні модулі, їх призначення та взаємозв’язки у процесах збору, агрегації, прогнозування, адаптації моделей і синхронізації результатів. Побудовано схему потоку даних і запропоновано узагальнену схему розподіленої обробки інформації Smart Grid у розрізі локального, клієнтського та зовнішнього контурів. Запропонована інформаційна технологія дозволяє поєднати локальну автономність обробки даних із можливістю координації на рівні ширшого сегмента енергомережі.
Четвертий розділ описує програмну реалізацію інформаційної технології та її практичну апробацію. Збір та агрегація даних виконуються за допомогою Home Assistant та InfluxDB. На основі цих даних відбувається навчання моделей-кандидатів TensorFlow, а обрані моделі-чемпіони конвертуються у формати TensorFlow Lite та CoreML з подальшим розгортанням на мобільному пристрої iOS для надання прогнозів та синхронізації. Архітектура рішення реалізована у мікросервісному середовищі з використанням Docker, FastAPI та REST-взаємодії. Практичну апробацію було виконано на приватному домогосподарстві в умовах, наближених до реальної експлуатації, оцінено стабільність роботи основних підсистем та підтверджено можливість використання периферійної реалізації як альтернативи хмарним сценаріям для локальних сегментів Smart Grid.
Розроблені моделі та методи впроваджено в освітній процес Сумського державного університету в межах дисципліни «Інтегровані інформаційні системи» та використано під час виконання науково-дослідних робіт.
Дата реєстрації
2026-09-02
Додано/оновлено в НРАТ
2026-09-02 / 2026-09-11
