Електронне моделювання

Том 41, № 3 (2019)

https://doi.org/10.15407/emodel.41.03

ЗМІСТ

Математичне моделювання та обчислювальні методи

	САУХ С.Е., БОРИСЕНКО А.В. Метод прогнозирования помесячной динамики объемов выработки электроэнергии энергоблоками АЭС Украины	3-14
	КРАСИЛЬНИКОВ А.И. Семейство распределений Субботина и его классификация	15-32
	ІВАНЮК В.А., ФЕДОРЧУК B.А. Адаптивний метод ідентифікації моделей нелінійних динамічних систем інтегральними рядами Вольтерри	33-42
	TKACHUK V.M., KOZLENKO M.I., KUZ M.V., LAZAROVYCH I.M., DUTCHAK M.C. Function Optimization Based on Higher-Order Quantum Genetic Algorithm	43-58

Паралельні обчислення

ГІЛЬГУРТ С.Я.
Побудова асоціативної пам’яті на цифрових компараторах реконфігуровними засобами для вирішення задач інформаційної безпеки

59-80

Застосування методів і засобів моделювання

	КУЦАН Ю.Г., ГОДУН О.В., КИР’ЯНЧУК В.М. Аналіз чутливості порівняльної оцінки варіантів ядерно-паливних циклів Україниіантів ядерно-паливних циклів України	81-92
	ФАРХАДЗАДЕ Э.М., МУРАДАЛИЕВ А.З., РАФИЕВА Т.К., РУСТАМОВА А.А. Компьютерная технология оценки взаимосвязи технико-экономических показателей энергоблоков	93-104
	КРУКОВСЬКИЙ П.Г., ТАДЛЯ О.Ю., ДЕЙНЕКО А.І., СКЛЯРЕНКО Д.І., ОЛІЙНИК В.С. Моделювання тепловологого стану тунелів Київського метрополітену	105-118

МЕТОД ПРОГНОЗУВАННЯ ПОМІСЯЧНОЇ ДИНАМІКИ ОБСЯГІВ ВИРОБІТКУ ЕЛЕКТРОЕНЕРГІЇ ЕНЕРГОБЛОКАМИ АЕС УКРАЇНИ

C.Є. Саух, А.В. Борисенко

Èlektron. model. 2019, 41(3):03-14
https://doi.org/10.15407/emodel.41.03.003

АННОТАЦИЯ

Подано результати аналізу даних про встановлені потужності енергоблоків, обсяги вироблення ними електроенергії, періодичність та тривалість раніше виконаних капітальних і середніх ремонтів основного устаткування АЕС. Запропоновано метод довгострокового прогнозування графіків виконання планово-попереджувальних ремонтів основного устаткування АЕС компанії ДП НАЕК «Енергоатом» і обсягів вироблення електроенергії енергоблоками АЕС. Наведено результати прогнозування помісячної динаміки обсягів вироблення електроенергії енергоблоками в сучасних умовах розвитку атомної енергетики.

КЛЮЧЕВЫЕ СЛОВА:

енергоблок АЭС, ремонт, виробіток електроенергії, прогноз.

СПИСОК ЛИТЕРАТУРЫ

1. https://ua.boell.org/sites/default/files/transition_of_ukraine_to_the_renewable_energy_by_2050_1.pdf
2. http://www.npp.zp.ua/Home/Production
3. https://www.sunpp.mk.ua/uk/activities/tep/chart
4. http://www.rnpp.rv.ua
5. http://www.xaec.org.ua/store/pages/ukr/techekparams/latest
6. http://document.ua/pro-pidgotovku-obladnannja-elektrostancii-i-teplovih-merezh—doc324051.html
7. http://consultant.parus.ua/?doc=0ANAN7F275
8. http://online.budstandart.com/ua/catalog/doc-page.html?id_doc=66114
9. http://consultant.parus.ua/?doc=09VFD68889
10. http://mpe.kmu.gov.ua/minugol/doccatalog/document?id=244950494
11. http://mpe.kmu.gov.ua/minugol/doccatalog/document?id=229324
12. http://zakon.rada.gov.ua/rada/show/v0578732-12/sp:max10
13. http://zakon.rada.gov.ua/rada/show/va006732-11
14. Скалозубов В.И., Коврижкин Ю.Л., Колыханов В.Н. и др. Оптимизация плановых ремонтов энергоблоков атомных электростанций с ВВЭР/под ред. Скалозубова В.И.; НАН Украины, Ин-т проблем безопасности АЭС.—Чернобыль (Киев, обл.):—Ин-т проблем безопасности АЭС, 2008, 496 с.
15. Ефимов А.В., Потанина Т.В., Кравец В.Л. и др. Применение методов интервальной статистики для диагностики технического состояния оборудования и планирования продолжительности ремонтов энергоблоков ТЭС И АЭС // Энергосбережение. Энергетика. Энергоаудит, 2012, N 5, с. 20—26.
16. https://zakon.rada.gov.ua/laws/show/z1224-16
17. http://www.rosenergoatom.ru/upload/iblock/376/37644e5aa93eec0702537d60b9511e84.pdf
18. http://www.energoatom.kiev.ua/ua/press_centr-19/presentations-39/p/vistup_prezidenta_energoatoma_uria_nedaskovs_kogo_na_komitets_kih_sluhannah_na_temu_aderna_energetika_ukraini_vikliki_ta_perspektivi-3521
19. https://www.kmu.gov.ua/ua/npas/pro-shvalennya-tehniko-ekonomichnogo-obgruntuvannyabudivnictvo-energoblokiv-3-4-hmelnickoyi-aes-m-netishin-vul-energetikiv-koriguvannya

CАУХ Сергей Евгеньевич, д-р техн. наук, профессор, гл. науч. сотр. Ин-та проблем моделирования в энергетике им. Г.Е. Пухова НАН Украины. В 1978 г. окончил Киевский ин-т инженеров гражданской авиации. Область научных исследований — численные операторные методы решения дифференциальных уравнений, методы и технологии решения систем линейных алгебраических уравнений большой размерности, методы решения вариационных неравенств, равновесные модели, математическое моделирование энергорынков, газотранспортных систем, макроэкономических процессов.

БОРИСЕНКО Андрей Владимирович, д-р техн. наук, ст. науч. сотр., профессор кафедры теплоэнергетических установок тепловых и атомных электростанций Национального технического университета Украины «Киевский политехнический ин-т им. Игоря Сикорского», который окончил в 1994 г. Область научных исследований—технико-экономическая оптимизация характеристик и режимов работы энергогенерирующего оборудования.

Полный текст: PDF

СІМ’Я РОЗПОДІЛІВ СУБОТІНА ТА ЇЇ КЛАСИФІКАЦІЯ

О.І. Красильніков

Èlektron. model. 2019, 41(3):15-31
https://doi.org/10.15407/emodel.41.03.015

АННОТАЦИЯ

Досліджено властивості щільності ймовірностей, її параметри, центральні моменти та кумулянтні коефіцієнти сім’ї розподілів Суботіна. На основі властивостей похідної щільност і ймовірностей і кумулянтних коефіцієнтів запропоновано класифікацію сім’ї розподілів Суботіна та встановлено критерії вибору щільності ймовірностей для апроксимації розподілів негаусових випадкових величин.

КЛЮЧЕВЫЕ СЛОВА:

сім’я розподілів Суботіна, узагальнений гаусів розподіл, узагальнений нормальний розподіл, розподіл похибок.

СПИСОК ЛИТЕРАТУРЫ

1. Кендалл М., Стьюарт А. Теория распределений / Пер. с англ. В.В. Сазонова, А.Н.Ширяева, под ред. А.Н. Колмогорова. М.: Наука, 1966, 588 с.
2. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Основы моделирования и первичная обработка данных. Справочное изд. М.: Финансы и статистика, 1983, 471 с.
3. Subbotin M.T. On the law of frequency of error // Математический сборник, 1923, 31,№2, с. 296—301.
4. Forbes C., Evans M., Hastings N., Peacock B. Statistical Distributions. Fourth Edition. New Jersey: John Wiley & Sons, 2011, 212 p.
5. Новицкий П.В., Зограф И.А. Оценка погрешностей результатов измерений. Л.: Энергоатомиздат, 1991, 304 с.
6. Шелухин О.И. Негауссовские процессы в радиотехнике. М.: Радио и связь, 1999, 287 с.
7. Saatci E., Akan A. Respiratory parameter estimation in non-invasive ventilation based on generalized Gaussian noise models // Signal processing, 2010, Vol. 90, No. 2, p. 480—489.
8. Sharifi K., Leon-Garcia A. Estimation of shape parameter for generalized Gaussian distribution in subband decomposition of video // IEEE Trans. on Circuits and Systems for Video Technology, 1995, Vol. 5, No. 1, p. 52—56.
9. Dominguez-Molina J.A., Gonzalez-Farias G., Rodriguez-Dagnino R.M. A practical procedure to estimate the shape parameter in the generalized Gaussian distribution. 2001, 37 p. [Электронный ресурс]. Режим доступа: http://www.cimat.mx/reportes/enlinea/I-01-18_eng.pdf
10. Nadarajah S. A generalized normal distribution // Journal of Applied Statistics. 2005, Vol. 32, Issue 7, p. 685—694.
11. Pogany T.K., Nadarajah S. On the characteristic function of the generalized normal distribution // Comptes Rendus Mathеmatique. 2010, 348(3), p. 203—206.
12. Crowder G.E., Moore A.H. Adaptive Robust Estimation Based on a Family of Generalized Exponential Power Distributions // IEEE Transactions on Reliability. 1983, Vol. R-32, Issue 5, p. 488—495.
13. Varanasi M.K., Aazhang B. Parametric generalized Gaussian density estimation // J. Acoust. Soc. Am. 1989, Vol. 86, No. 4, p. 1404—1415.
14. Заболотній С.В., Чепинога А.В., Бондаренко Ю.Ю., Рудь М.П. Поліноміальні оцінки параметрів для даних з експоненційним степеневим розподілом // Вісник НТУУ КПІ. Серія радіотехніка, радіо апаратобудування, 2018, № 75, с. 40—47.
15. Nardon M., Pianca P. Simulation techniques for generalized Gaussian densities // Journal of Statistical Computation and Simulation. 2009, Vol. 79, Issue 11, p. 1317—1329.
16. Kalke S., Richter W.-D. Simulation of the p-generalized Gaussian distribution // Journal of Statistical Computation and Simulation, 2013, Vol. 83, No. 4, p. 639—665.
17. Янке Е., Эмде Ф., Лёш Ф. Специальные функции (формулы, графики, таблицы) / Пер. с нем. под ред. Л.И. Седова. М.: Наука, 1964, 344 с.
18. Двайт Г.Б. Таблицы интегралов и другие математические формулы / Пер с англ. Н.В. Леви под ред. К.А. Семендяева. М.: Наука, 1977, 228 с.

КРАСИЛЬНИКОВ Александр Иванович, канд. физ.-мат. наук, доцент, вед. науч. сотр. Ин-та технической теплофизики НАН Украины. В 1973 г. окончил Киевский политехнический ин-т. Область научных исследований — математические модели, вероятностные характеристики и методы статистической обработки флуктуационных сигналов в системах шумовой диагностики.

Полный текст: PDF

Адаптивний метод ідентифікації моделей нелінійних динамічних систем інтегральними рядами Вольтерри

В.А. Іванюк, канд. техн. наук, B.А. Федорчук, д-р техн. наук
Кам’янець-Подільський національний університет ім. Івана Огієнка
(Україна, 32300, Кам’янець-Подільський, вул. Симона Петлюри, 1,
тел. (03849) 31601; e-mail: Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.; Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.)

Èlektron. model. 2019, 41(3):33-42
https://doi.org/10.15407/emodel.41.03.033

АННОТАЦИЯ

Розглянуто задачу ідентифікації моделей нелінійних динамічних систем, поданих у формі інтегральних рядів Вольтерри. При застосуванні традиційного підходу основною проблемою є проведення великої кількості необхідних експериментів, яка зростає в експоненціальній залежності відносно розмірності ядра. Велике число експериментів в багатьох випадках унеможливлює застосування методу рядів Вольтерри для дослідження нелінійних динамічних систем. Запропоновано адаптивний метод ідентифікації моделей
нелінійних динамічних систем, який дає змогу отримувати моделі у вигляді рядів Вольтерри із збереженням адекватності по відношенню до моделей, що отримуються традиційним методом, але при цьому кількість необхідних експериментів для побудови ядер є меншою приблизно на порядок. Запропонований метод розглянуто на прикладі задачі ідентифікації двовимірного ядра. Отриманні результати можна поширити і на випадки з ядрами Вольтерри вищих порядків.

КЛЮЧЕВЫЕ СЛОВА:

ідентифікація нелінійних динамічних систем, ряди Вольтерри, адаптивний метод ідентифікації.

СПИСОК ЛИТЕРАТУРЫ

1. Іванюк В.А., Понеділок В.В., Грищук В.А. Комп’ютерна реалізація детермінованого способу ідентифікації інтегральних моделей нелінійних динамічних об’єктів// Зб. наук. праць «Математичне та комп’ютерне моделювання». Серія: Технічні науки. Кам’янець Под ільський : Кам’янець-Подільський національний університет ім. Івана Огієнка, 2014, Вип. 10, с. 59—67.
2. Пупков К.А., Капалин В.И., Ющенко А.С. Функциональные ряды в теории нелинейных систем. М : Наука, 1976, 448 с.
3. Сидоров Д.Н. Методы анализа интегральных динамических моделей: теория и приложения. Иркутск: Из-во ИГУ, 2013, 293 с.

ІВАНЮК Віталій Анатолійович, канд. техн. наук, доцент, доцент кафедри інформатики Кам’янець-Подільського національного університету ім. Івана Огієнка. У 2003 р. закінчив Кам’янець-Подільський держуніверситет. Область наукових досліджень—математичне та комп’ютерне моделювання динамічних об’єктів.

ФЕДОРЧУК Володимир Анатолійович, д-р техн. наук, професор, зав. кафедри інформатики Кам’янець-Подільського національного університету ім. Івана Огієнка. У 1984 р. закінчив Кам’янець-Подільський державний педагогічний ін-т. Область наукових досліджень —математичне та комп’ютерне моделювання динамічних процесів у керованих електромеханічних системах.

Полный текст: PDF

КВАНТОВИЙ ГЕНЕТИЧНИЙ АЛГОРИТМ ВИЩИХ ПОРЯДКІВ В ЗАДАЧАХ ФУНКЦІОНАЛЬНОЇ ОПТИМІЗАЦІЇ

В.М. Ткачук, М.І. Козленко, М.В. Кузь, І.М. Лазарович, М.С. Дутчак

Èlektron. model. 2019, 41(3):43-57
https://doi.org/10.15407/emodel.41.03.043

АННОТАЦИЯ

При побудові квантових генетичних алгоритмів (QGA) традиційним є представлення квантової хромосоми у вигляді системи незалежних кубітів. Це не дозволяє використати такий потужний механізм квантових обчислень, як заплутаність квантових станів. У роботі реалізовано QGA вищих порядків та проілюстровано його ефективність на прикладі задачі числової оптимізації з використанням ряду тестових функцій. Також запропоновано оператор квантового гейту із адаптивним характером роботи, що не вимагає використання таблиці пошуку. У порівнянні із традиційним QGA перехід до вищих (більше двох) порядків при реалізації алгоритму показує значно кращі результати як по часу виконання, так і по швидкості збіжності та точності знайденого розв’язку.

КЛЮЧЕВЫЕ СЛОВА:

функціональна оптимізація, заплутаність квантових станів, квантовий генетичний алгоритм, квантові обчислення, квантовий регістр.

СПИСОК ЛИТЕРАТУРЫ

1. Han, K.-H. and Kim, J.-H. (2000), “Genetic quantum algorithm and its application to combinatorial optimization problem”, Proceedings of the 2000 Congress on Evolutionary Computation,
USA, 2, pp. 1354-1360.
2. Roy, U., Roy, S. and Nayek, S. (2014), “Optimization with quantum genetic algorithm”, International Journal of Computer Applications, Vol. 102, no. 16, pp. 1-7.
3. Zhang, G. (2011), “Quantum-inspired evolutionary algorithms: a survey and empirical study“, Journal of Heuristics, Vol. 2011, no. 17, pp. 303-351, DOI: 10.1007/s10732–010–9136–0.
4. Wang, H., Liu, J., Zhi, J. and Fu, C. (2013), “The Improvement of Quantum Genetic Algorithm and Its Application on Function Optimization”, Mathematical Problems in Engineering, Vol. 2013.
5. Wang, L., Kowk, S.K. and Ip, W.H. (2012), “Design of an improved quantum-inspired evolutionary algorithm for a transportation problem in logistics systems”, Journal of Intelligent Manufacturing, pp. 2227-2236, DOI: 10.1007/s10845–011–0568–7.
6. Jantos, P., Grzechca, D. and Rutkowski, J. (2012), “Evolutionary algorithms for global parametric fault diagnosis in analogue integrated circuits”, Bull. Pol. Tech, Vol. 60, pp. 133-142, DOI:10.2478/v10175–012–0019–4.
7. Talbi, H., Batouche, M. and Draa, A. (2007), “A Quantum-Inspired Evolutionary Algorithm for Multiobjective Image Segmentation”, International Journal of Nuclear and Quantum Engineering, Vol. 1, pp. 109-114.
8. Qin, C., Liu, Y. and Zheng, J. (2008), “A real-coded quantum-inspired evolutionary algorithm for global numerical optimization”, 2008 IEEE Conference on Cybernetics and Intelligent Systems, pp. 1160-1164, DOI: 10.1109/ICCIS.2008.4670779.
9. Lin, D. and Waller, S. (2009), “A quantum-inspired genetic algorithm for dynamic continuous network design problem”, Transportation Letters: The International Journal of Transportation Research, Vol. 1, pp. 81-93, DOI: 10.3328/TL.2009.01.01.81—93.
10. Malossini, A., Blanzieri, E. and Calarco, T. (2008), “Quantum genetic optimization”, IEEE Trans. Evol. Comput, Vol. 12, pp. 231-241.
11. SaiToh, A., Rahimi, R. and Nakahara, M. (2014), “A quantum genetic algorithm with quantum crossover and mutation operations”, Quantum Information Process, Vol. 13, pp. 737-755.
12. Lahoz-Beltra, R. (2016), “Quantum Genetic Algorithms for Computer Scientists”, Computers, Vol. 5, no. 4, DOI: 10.3390/computers5040024.
13. Tkachuk, V. (2018). “Quantum Genetic Algorithm onMultilevel Quantum Systems”, Mathematical Problems in Engineering, Vol. 2018, DOI: 10.1155/2018/9127510.
14. Narayanan, A. and Moore, M. (1996), “Quantum-inspired genetic algorithms”, Proceedings of the IEEE International Conference on Evolutionary Computation (ICEC’96), Nagoya, Japan, pp. 61-66, DOI:10.1109/ICEC.1996.542334.
15. Nowotniak, R. and Kucharski, J. (2014), “Higher-Order Quantum-Inspired Genetic Algorithms”, Federated Conference on Annals of Computer Science and Information Systems, Vol. 2, pp. 465-470, DOI: 10.15439/2014F99.
16. Ullah, S. and Wahid, M. (2015), “Topology Control of Wireless Sensor Network Using Quantum Inspired Genetic Algorithm”, International Journal of Swarm Intelligence and Evolutionary Computation, Vol. 4, DOI: 10.4172/2090–4908.1000121.
17. Tkachuk, V. (2018), “Quantum Genetic Algorithm Based on Qutrits and Its Application”, Mathematical Problems in Engineering, Vol. 2018, DOI :10.1155/2018/8614073.
18. Sun, Y. and Xiong, H. (2014), “Function Optimization Based on Quantum Genetic Algorithm”, Research Journal of Applied Sciences, Engineering and Technology, Vol. 7, no. 1, pp. 144-149, ISSN: 2040-7459; e-ISSN: 2040-7467.
19. Kuo, S.-Y. and Chou, Y.-H. (2017), “Entanglement-Enhanced Quantum-Inspired Tabu Search Algorithm for Function Optimization”, IEEE Access, Vol. 5, pp. 13236-13252, DOI: 10.1109/ACCESS.2017.2723538.

TKACHUK Valerii Mykhailovych, Ph.D. (Phys.-Math.), Associate professor of the Vasyl Stefanyk
Precarpathian National University, graduated from the Ivan Franko Lviv State University in 1984.
The field of scientific interests: machine learning and data mining, artificial intelligence, quantum information,
evolutionary algorithms.

KOZLENKO Mykola Ivanovych, Ph.D. (Eng.), Head of the Department of Information Technology
and Associate Professor at Vasyl Stefanyk Precarpathian National University, graduated from Ivano-
Frankivsk State Technical University of Oil and Gas in 1994. The field of scientific interests: robotics,
deep learning for computer vision, software design and development.

KUZ Mykola Vasyliovych, Dr.Sc. (Tech.), Professor of the Vasyl Stefanyk Precarpathian National
University, graduated from the Lviv Polytechnic National University in 1997. The field of scientific interests:
software quality, evolutionary algorithms.

LAZAROVYCH Ihor Mykolaiovych, Ph.D. (Tech.), Associate Professor of the Vasyl Stefanyk Precarpathian
National University, graduated from the Ivano-Frankivsk State Technical University of Oil
and Gas in 2000. The field of scientific interests: artificial intelligence, machine learning, noise-immune
data transmission, signal randomization, digital data processing.

DUTCHAK Mariia Stepanivna, Assistant of the Vasyl Stefanyk Precarpathian National University,
which graduated in 2007. The field of scientific interests: adaptive knowledge transfer system, data
mining, expert systems.

Полный текст: PDF