Управление балансом газа на основе нейро-темпорально-нечеткой модели
Автор: Лашманова Наталья Викторовна, Петрова Айгуль Камиловна
Журнал: Петербургский экономический журнал @gukit-journal
Рубрика: Рыночная организация экономики и обеспечение ее конкурентоспособности
Статья в выпуске: 1-2 (35-36), 2022 года.
Бесплатный доступ
Нелинейность и количество входных факторов, наличие неопределенности в исходных данных, могут, в совокупности, влиять на эффективность системы управления балансом газа в газотранспортной сети. В данной статье рассматривается применение в системе учета расхода газа в газотранспортной сети, интеллектуальных методов, таких как нейронные сети, нечеткая и темпоральная логика, с целью поддержания на высоком уровне эффективности ее функционирования.
Газотранспортная сеть, баланс газа, нечеткая логика, нейронные сети
Короткий адрес: https://sciup.org/140294744
IDR: 140294744 | DOI: 10.24412/2307-5368-2022-1-2-121-130
Список литературы Управление балансом газа на основе нейро-темпорально-нечеткой модели
- Сайт ГК «Газовик» [Электронный ресурс] Режим доступа: // Ьйр8:/^агоу1к^а8. ru/f/catalogue/pdf/8_0755_0892.pdf (дата обращения 15.02.2022)
- Организация, планирование и управление на предприятиях транспорта и хранения нефти и газа: учебник для вузов / А.Д. Бренц [и др.]. М.: Недра, 1980. 580 с
- Методика определения запаса газа газотранспортных предприятий ОАО «Газпром» от 15.09.1999 (устар.)
- Методические рекомендации по определению и обоснованию технологических потерь природного газа при транспортировке магистральным трубопроводным транспортом (утв. Министерством энергетики РФ 9 июля 2012 г.)
- ФР.1.29.2002.00690 Типовая методика выполнения измерений (определения) количества природного газа для распределения небаланса между поставщиками и потребителями на территории РФ, Москва 2002
- Спорные ситуации, аварии и инциденты компаний нефтегазового сектора России в 2017 году. URL: ttps://wwf.ru/upload/iblock/0db/neftisa-2017-Q1_4.pdf (дата обращения 15.03.2022).
- Тухбатуллин Ф. Г., Семейченков Д. С., Тухбатуллин Т. Ф. Метрологический фактор : наличия небаланса в системе «ГРС - Потребитель» Труды РГУ Нефти и Газа (НИУ) им. И. М. Губкина, 2017 № 4. С. 86-94.
- Справочник «Газпром в цифрах 2016-2020»
- Назаров А.В., Лоскутов А.А. Нейросетевые алгоритмы прогнозирования и оптимизации систем: Наука и Техника. СПб., 2003. 384 с.
- Vladimir N. Vapnik. The nature of statistics. Learning theory. Second edition. Springer Verlag NY, 2005.
- Haykin S. Neural networks. Complete course. Williams, 2018, 1104 p.
- Holland J. H. Adaptation in Natural and Artificial Systems, University of Michigan Press, Ann Arbor, 1975.
- Заде Л. А. Основы нового подхода к анализу сложных систем и процессов принятия решений / Л.А. Заде // Математика сегодня: Сборник статей; пер. с англ. М.: : Знание, 1974. С. 5-49 p.
- Карпов Ю. Г., Шошмина И. В. Верификация распределенных систем Publisher: СПбГПУ, 2011.
- Mamdani E. H. Application of fuzzy algorithms for control of simple dynamic plant // Proceedings of the Institution of Electrical Engineers. 1974. Vol. 121.12. P. 1585.
- Takagi T., Sugeno M. Fuzzy identification of systems and its applications to modeling and control IEEE transactions on systems, man, and cybernetics, 1985, 116-132.
- Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. 2-е изд., стереотип. М.: Горячая линия-Телеком, 2002. 382 с.
- Усков А. А., Кузьмин А. В. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика. М.: Горячая линия - Телеком, 2004. 143 с.
- Ярушкина П. Л. Основы теории нечетких и гибридных систем : учеб. пособие. М.: Финансы и статистика, 2009. 320 с.
- Lin, Chin-Teng and Lee, C. S. George. Neural Fuzzy Systems: A neural-fuzzy synergism to intelligent systems, New Jersey, Prentice-Hall, 1996.
- Андриевская Н. В., Резников А. С., Черанев А. А. Особенности применения нейро-нечетких моделей для задач синтеза систем автоматического управления // Фундаментальные исследования. 2014. № 11-7. С. 1445-1449.
