В статье представлены подходы к прогнозированию динамики состояния обеспечивающих компонентов информационно-управляющих систем на примере моделирования энергосистемы производственного предприятия. Рассмотрен способ моделирования других типов обеспечивающих компонентов на основе предлагаемых подходов. Моделирование состояния энергосистемы производственного предприятия основано на ее представлении в виде множества Т-образных ячеек, состоящих из сопротивления, емкости и индуктивности. Прогнозирование изменения состояния обеспечивающих компонентов информационно-управляющей системы производится с использованием многослойной нейронной сети прямого распространения с учетом нелинейных факторов, определяемых внешним и внутренним состоянием производственной среды. В качестве независимых переменных используются параметры окружающей среды, данные об амортизации исполнительных механизмов и оборудования, нормативные производственные требования, в качестве зависимой – мощность энергосистемы предприятия. При этом расчет мощности производится на основе описанной модели энергосистемы с использованием Т-образных ячеек. Обучение модели производилось на основе накопленных данных. Полученные результаты моделирования состояния обеспечивающих компонентов информационно-управляющих систем показывают, что использование для прогнозирования динамики модели нейронной сети прямого распространения с одним скрытым слоем и шестью узлами в нем позволяет получить точный прогноз мощности с учетом различных нелинейных факторов. Представлены экспериментальные данные, доказывающие эффективность предлагаемых авторами подходов к прогнозированию состояния обеспечивающих компонентов.
The article presents approaches to predicting the dynamics of the state of supporting components of information and control systems using the example of modeling the power system of a manufacturing enterprise. A method for modeling other types of supporting components based on the proposed approaches is considered. Modeling the state of the power system of a manufacturing enterprise is based on its representation in the form of a set of T-shaped cells consisting of resistance, capacitance and inductance. Forecasting changes in the state of the supporting components of the information and control system is carried out using a multilayer feed-forward neural network, taking into account nonlinear factors determined by the external and internal state of the production environment. Environmental parameters, data on depreciation of actuators and equipment, and regulatory production requirements are used as independent variables, and the power of the enterprise's energy system is used as a dependent variable. In this case, the power calculation is carried out on the basis of the described power system model using T-shaped cells. The model was trained on the basis of accumulated data. The obtained results of modeling the state of the supporting components of information control systems show that using a feedforward neural network model with one hidden layer and six nodes in it to predict the dynamics allows one to obtain an accurate power forecast taking into account various nonlinear factors. Experimental data are presented that prove the effectiveness of the approaches proposed by the authors for predicting the state of supporting components.
The authors declare that there are no conflicts of interest present.