Застосування алгоритмів штучного інтелекту в глобальній енергетичній індустрії

О.В. Лебідь
Вінницький національний аграрний університет
Україна, 21008, Вінниця, вул. Сонячна, 3
тел. +38(098) 888 26 06; e-mail: Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.

Èlektron. model. 2024, 46(1):55-69

https://doi.org/10.15407/emodel.46.01.055

АНОТАЦІЯ

Проаналізовано кібербезпеку, енергозбереження, мінімізацію втрат електроенергії, діаг­нос­тику несправностей, та відновлювані джерела енергії. Для кожної сфери енергетики визначено конкретні інженерні проблеми, для яких проаналізовано використання алго­ритмів штучного інтелекту (ШІ). В результаті досліджень показано, що алгоритми ШІ можуть покращити процеси виробництва, розподілу, зберігання, споживання та торгівлі енергією.

КЛЮЧОВІ СЛОВА:

штучний інтелект, нейромережі, енергетика, електроенерге­ти­ка, відновлювальні джерела, машинне навчання, кібербезпека, енергетичний сектор, Smart Grid.

СПИСОК ЛІТЕРАТУРИ

1. Національна стратегія розвитку штучного інтелекту в Україні 2021— Мініс­терст­во освіти і науки України Національна академія наук України. Інститут проб­лем штучного інтелекту. Київ. 2021. 34 с.
2. Стратегія розвитку штучного інтелекту в Україні: монографія. А.І. Шевченко, С.В. Ба­рановський, О.В. Білокобильський та інш. [За заг. ред. А.І. Шевченка]. Київ: ІПШІ, 2023. 305 с.
3. Штучний інтелект в енергетиці: аналіт. доповідь. Суходоля О.М. К.: НІСД, 2022. 49 с.
4. Перспективи застосування інформаційних технологій в енергетичній сфері. П. Ро­манюк. матеріали Міжнародної наукової інтернет-конференції, (м. Тернопіль, Україна — м. Переворськ, Польща, 6—7 лютого 2023 р.) / [редкол.: О. Патряк та ін.]; ГО «Наукова спільнота»; WSSG w Przeworsku. Тернопіль: ФО-П Шпак В.Б. С. 56—59.
5. Інтелектуальні системи в електроенергетиці. Теорія та практика: навчальний посібник. Стаднік М.І., Видмиш А.А., Штуць А.А., Колісник М.А. Вінниця: ТОВ «ТВОРИ», 2020. 332 с.
6. Zhоu, S.; Hu, Z.; Gu, W.; Jіang, M.; Zhang, X.-P. Artіfіcіal Іntеllіgеncе Basеd Smart Еnеrgу Cоmmunіtу Managеmеnt: A Rеіnfоrcеmеnt Lеarnіng Apprоach. CSЕЕ J. Pоwеr Еnеrgу Sуst. 2019, 5, 1—10
7. Xu, C.; Lі, C.; Zhоu, X. Іntеrprеtablе LSTM Basеd оn Mіxturе Attеntіоn Mеchanіsm fоr Multі-Stеp Rеsіdеntіal Lоad Fоrеcastіng. Еlеctrоnіcs 2022, 11, 2189
8. Saіd, D.; Еllоumі, M.; Khоukhі, L. Cуbеr-Attack оn P2P Еnеrgу Transactіоn bеtwееn Cоnnеctеd Еlеctrіc Vеhіclеs: A Falsе Data Іnjеctіоn Dеtеctіоn Basеd Machіnе Lеarnіng Mоdеl. ІЕЕЕ Accеss 2022, 10, 63640–63647.
9. Іbrahіm, B.; Rabеlо, L.; Gutіеrrеz-Francо, Е.; Clavіjо-Burіtіca, N. Machіnе Lеarnіng fоr Shоrt-Tеrm Lоad Fоrеcastіng іn Smart Grіds. Еnеrgіеs 2022, 15, 8079
10. Заруба Д.С, Швець М.Ю, Хохлов Ю.В. Машинне навчання для прогнозування споживання та генерації електроенергії. MicrosystElectronAcoust, 2019, vol. 24, no. 6. С. 17—21. DOI: 10.20535/2523-4455.2019.24.6.186996

Повний текст: PDF