СИСТЕМЫ АНАЛИЗА И ОБРАБОТКИ ДАННЫХ

В статье рассматривается одна из самых сложных задач исследования живучести энергетических инфраструктур – нахождение эффективных комбинаций мер по повышению живучести. Для решения этой задачи в статье описывается подход, рассматривающий ее как проблему структурно-параметрической оптимизации энергетических инфраструктур, которая строится по двух- или трехуровневой схеме. Описанный в статье подход добавляет в середину вышеописанной схемы еще один слой, который производит проверку эффективности работы выбранного оборудования в экстремальных условиях, создаваемых заданным множеством крупных возмущений. Основным недостатком, наследуемым от структурно-параметрической оптимизации энергетических инфраструктур, является высокая вычислительная сложность многоуровневой оптимизационной схемы. В непоследнюю очередь неприемлемое время расчета может объясняться подбором неподходящих оптимизационных алгоритмов. В известных авторам работах, касающихся структурно-параметрической оптимизации энергетических инфраструктур, вопрос сравнения оптимизационных алгоритмов между собой явно не ставится. Поэтому в настоящей статье предлагается трехэтапная методика выбора алгоритмов оптимизации, по которой перед решением конкретной задачи оптимизации живучести энергетических инфраструктур сначала следует провести тестирование алгоритмов, а затем выбрать наилучший из них на основе многокритериального анализа результатов тестирования. Для применения методики необходимо разработать специальный облегченный вариант поставленной задачи оптимизации живучести и подготовить испытательный стенд (testbed) для организации и проведения тестовых вычислительных экспериментов. Применение методики продемонстрировано на примере выбора эвристических методов поиска оптимальных решений из библиотеки PaGMO, используемых на наружном уровне схемы оптимизации живучести системы газоснабжения Европы. Всего было протестировано пять популярных эволюционных алгоритмов, наиболее подходящим из которых оказался генетический алгоритм сортировки без доминирования NSGA-II.

1. Надежность систем энергетики и их оборудования. В 4 т. Т. 1. Справочник по общим моделям анализа и синтеза надежности систем энергетики / под ред. Ю.Н. Руденко. – М.: Энергоатомиздат, 1994. – 480 с.

2. Zio E. Challenges in the vulnerability and risk analysis of critical infrastructures // Reliability Engineering and System Safety. – 2016. – Vol. 152. – P. 137–150.

3. A review on resilience assessment of energy systems / P. Gasser, P. Lustenberger, M. Cinelli, W. Kim, M. Spada, P. Burgherr, S. Hirschberg, B. Stojadinovic?, T.Y. Sun // Sustainable and Resilient Infrastructure. – 2021. – Vol. 6 (5). – P. 273–299. – DOI: 10.1080/23789689.2019.1610600.

4. Основные методические принципы исследования и обеспечения живучести систем энергетики / Н.И. Воропай, Л.Д. Криворуцкий, Ю.Н. Руденко, И.А. Шер // Методы и модели исследования живучести систем энергетики / отв. ред. Ю.Н. Руденко. – Новосибирск: Наука, 1990. – С. 9–17.

5. Voropai N., Rehtanz C. Flexibility and resiliency of electric power systems: analysis of definitions and content // EPJ Web of Conferences. – 2019. – Vol. 217. – P. 1018.

6. О влиянии организационно-технических мероприятий на каскадное развитие аварий в электроэнергетических системах с неоднородными параметрами / Б.М. Гайсин, И.З. Шахмаев, П.В. Илюшин, М.А. Рабинович // Электричество. – 2023. – № 5. – С. 24–37.

7. Hosseini S., Barker K., Ramirez-Marquez J.E. A review of definitions and measures of system resilience // Reliability Engineering and System Safety. – 2016. – Vol. 145. – P. 47–61.

8. Надежность систем энергетики: сборник рекомендуемых терминов / отв. ред. Н.И. Воропай. – М.: Энергия, 2007. – 194 с.

9. Battling the extreme: a study on the power system resilience / Z. Bie, Y. Lin, G. Li, F. Li // Proceedings of the IEEE. – 2017. – Vol. 105 (7). – P. 1253–1266.

10. Sharifi A., Yamagata Y. Principles and criteria for assessing urban energy resilience: a literature review // Renewable and Sustainable Energy Reviews. – 2016. – Vol. 60. – P. 1654–1677.

11. Lin Y., Bie Z., Qiu A. A review of key strategies in realizing power system resilience // Global Energy Interconnection. – 2018. – Vol. 1 (1). – P. 70–78.

12. Metrics and quantification of operational and infrastructure resilience in power systems / M. Panteli, P. Mancarella, D.N. Trakas, E. Kyriakides, N.D. Hatziargyriou // IEEE Transactions on Power Systems. – 2017. – Vol. 32 (6). – P. 4732–4742.

13. Dehghani, A., Sedighizadeh, M. and Haghjoo, F. An overview of the assessment metrics of the concept of resilience in electrical grids // International Transactions on Electrical Energy Systems. – 2021. – Vol. 31, N. 12. P. 13159.

14. Toward a consensus on the definition and taxonomy of power system resilience / A. Gholami, T. Shekari, M.H. Amirioun, F. Aminifar, M.H. Amini, A. Sargolzaei // IEEE Access. – 2018.  – Vol. 6. – Р. 32035–32053.

15. Ahmadi S., Saboohi Y., Vakili A. Frameworks, quantitative indicators, characters, and modeling approaches to analysis of energy system resilience: a review // Renewable and Sustainable Energy Reviews. – 2021. – Vol. 144. – P. 110988.

16. Gallopoulos E., Houstis E., Rice J.R. Computer as thinker/doer: problem-solving environments for computational science // IEEE Computational Science and Engineering. – 1994. – Vol. 1 (2). – P. 11–23. – DOI: 10.1109/99.326669.

17. Problem-solving environments for computational science / E. Houstis, E. Gallopoulos, R. Bramley, J. Rice // IEEE Computational Science and Engineering. – 1997. – Vol. 4 (3). – P. 18–21. – DOI: 10.1109/MCSE.1997.615427.

18. Развитие средств управления распределенными вычислениями в Orlando Tools / А.В. Еделев, С.А. Горский, А.Г. Феоктистов, И.В. Бычков, М.А. Марченко // Параллельные вычислительные технологии  (ПаВТ'2023). – 2023. – С. 143–154.

19. Фереферов Е.С., Бычков И.В., Хмельнов А.Е. Технология разработки приложений баз данных на основе декларативных спецификаций // Вычислительные технологии. – 2014. – Т. 19, № 5. – С. 85–100.

20. Еделев А.В., Береснева Н.М. Подход к моделированию функционирования взаимосвязанных систем энергетики в условиях возмущений и его программная поддержка // Программные продукты и системы. – 2021. – Т. 34, № 3. – С. 409–419. – DOI: 10.15827/0236-235X.135.409-419.

21. Иерархическое моделирование систем энергетики / отв. ред.: Н.И. Воропай, В.А. Стенников. – Новосибирск: Гео, 2020. – 314 с.

22. Еделев А.В., Береснева Н.М., Горский С.А. Анализ уязвимости энергетической инфраструктуры и его реализация // Современные наукоемкие технологии. – 2022. – № 1. – С. 47–52. – DOI: 10.17513/snt.39008.

23. Распределенная вычислительная среда для анализа уязвимости критических инфраструктур в энергетике / А.В. Еделев, С.М. Сендеров, Н.М. Береснева, И.А. Сидоров, А.Г. Феоктистов // Системы управления, связи и безопасности. – 2018. – № 3. – С. 197–231. – URL: http://sccs.intelgr.com/archive/2018-03/10-Edelev.pdf (дата обращения: 30.11.2023).

24. Alderson D.L., Brown G.G., Carlyle W.M. Assessing and improving operational resilience of critical infrastructures and other systems // Tutorials in Operations Research: Bridging Data and Decisions. – Catonsville, MD: Informs, 2014. – P. 180–215. – DOI: 10.1287/educ.2014.0131.

25. Поддержка управления живучестью систем энергетики на основе комбинаторного подхода / И.В. Бычков, С.А. Горский, А.В. Еделев, Р.О. Костроминa, И.А. Сидоровa, А.Г. Феоктистов, Е.С. Фереферовa, Р.К. Федоров // Известия РАН. Теория и системы управления. – 2021. – № 6. – С. 122–135. – DOI: 10.31857/S000233882106007X.

26. A review of the measures to enhance power systems resilience / M. Mahzarnia, M.P. Moghaddam, P.T. Baboli, P. Siano // IEEE Systems Journal. – 2020. – Vol. 14 (3). – P. 4059–4070. – DOI: 10.1109/JSYST.2020.2965993.

27. Еделев А.В., Зоркальцев В.И. Формирование вариантов развития систем энергетики методами комбинаторного моделирования // Сибирский журнал индустриальной математики. – 2018. – Т. 21 (3). – C. 37–49.

28. Еделев А.В., Зоркальцев В.И. Алгоритм определения оптимальных и субоптимальных траекторий развития систем // Сибирский журнал индустриальной математики. – 2019. – № 22 (1). – C. 34–40.

29. Sustaining power resources through energy optimization and engineering / P. Vasant, N. Voropai, eds. – Hershey, PA: Engineering Science Reference, 2016. – 494 p.

30. Wakui T., Hashiguchi M., Yokoyama R. Structural design of distributed energy networks by a hierarchical combination of variable-and constraint-based decomposition methods // Energy. – 2021. – Vol. 224. – Р.120099.

31. Goderbauer S., Comis M., Willamowski F.J. The synthesis problem of decentralized energy systems is strongly NP-hard // Computers & Chemical Engineering. – 2019. – Vol. 124. – P. 343–349.

32. Frangopoulos C.A. Recent developments and trends in optimization of energy systems // Energy. – 2018. – Vol. 164. – P. 1011–1020.

33. A generalised optimal design methodology for distributed energy systems / L. Schmeling, P. Schönfeldt, P. Klement, L. Vorspel, B. Hanke, K. von Maydell, C. Agert // Renewable Energy. – 2022. – Vol. 200. – P. 1223–1239.

34. Развитие моделей и теории цепей и их энергетических приложений / Б.М. Каганович, Н.И. Воропай, В.А. Стенников, Н.Н. Новицкий // Известия Российской академии наук. Энергетика. – 2017. – № 6. – C. 24–32.

35. Intellectualization of heat-supply systems: current state, trends and tasks (a review) / N.N. Novitskii, Z.I. Shalaginova, A.V. Alekseev, O.A. Grebneva, V.V. Tokarev, A.V. Lutsenko, O.V. Vanteeva // Thermal Engineering. – 2022. – Vol. 69 (5). – P. 367–383.

36. A non-linear resilient-oriented planning of the energy hub with integration of energy storage systems and flexible loads / A.Z.G. Seyyedi, M.J. Armand, E. Akbari, J. Moosanezhad, F. Khorasani, M. Raeisinia // Journal of Energy Storage. – 2022. – Vol. 51. – P. 104397.

37. Rahgozar S., Seyyedi A.Z.G., Siano P. A resilience-oriented planning of energy hub by considering demand response program and energy storage systems // Journal of Energy Storage. – 2022. – Vol. 52. – P. 104841.

38. Клер А.М., Жарков П.В. Схемно-параметрическая оптимизация локальных систем энергоснабжения // Известия Российской академии наук. Энергетика. – 2016. – № 4. – С. 49–61.

39. Pfetsch M.E., Schmitt A. A generic optimization framework for resilient systems // Optimization Methods and Software. – 2023. – Vol. 38 (2). – P. 1–30.

40. Honarmand H.A., Shamim A.G., Meyar-Naimi H. A robust optimization framework for energy hub operation considering different time resolutions: A real case study // Sustainable Energy, Grids and Networks. – 2021. – Vol. 28. – P. 100526.

41. Энергетическая безопасность России / В.В. Бушуев, Н.И. Воропай, А.М. Мастепанов, Ю.К. Шафраник и др. – Новосибирск: Наука, 1998. – 302 с.

42. Looking for Alternatives: optimization of energy supply systems without superstructure / M. Preuss, P. Voll, A. Bardow, G. Rudolph // Applications of Evolutionary Computation: 17th European Conference, EvoApplications 2014, Granada, Spain, April 23–25. – Springer Berlin Heidelberg, 2014. – P. 177–188.

43. Криворуцкий Л.Д., Массель Л.В. Информационная технология исследований развития энергетики. – Новосибирск: Наука, 1995. – 160 с.

44. Goderbauer S., Comis M., Willamowski F.J. The synthesis problem of decentralized energy systems is strongly NP-hard // Computers & Chemical Engineering. – 2019. – Vol. 124. – P. 343–349.

45. A generalised optimal design methodology for distributed energy systems / L. Schmeling, P. Schönfeldt, P. Klement, L. Vorspel, B. Hanke, Maydell K. von, C. Agert // Renewable Energy. – 2022. – Vol. 200. – P. 1223–1239.

46. Prakash P., Khatod D.K. Optimal sizing and siting techniques for distributed generation in distribution systems: a review // Renewable and Sustainable Energy Reviews. – 2016. – Vol. 57. – P. 111–130.

47. Erdinc O., Uzunoglu M. Optimum design of hybrid renewable energy systems: overview of different approaches // Renewable and Sustainable Energy Reviews. – 2012. – Vol. 16 (3). – P. 1412–1425.

48. Костромин Р.О. Стенд имитационного моделирования и визуализации процессов работы инфраструктурных объектов // Современные наукоемкие технологии. – 2022. – № 1. – С. 59–64. – DOI: 10.17513/snt.39010.

49. Optimal multi-objective placement and sizing of distributed generation in distribution system: a comprehensive review / M. Kumar, A.M. Soomro, W. Uddin, L. Kumar // Energies. – 2022. – Vol. 5 (21). – P. 7850.

50. A review of evaluation, optimization and synthesis of energy systems: methodology and application to thermal power plants / L. Wang, Z. Yang, S. Sharma, A. Mian, T.E. Lin, G. Tsatsaronis, F. Maréchal, Y. Yang // Energies. – 2018. – Vol. 12 (1). – P. 73.

51. Rinnoy Kan A.H.G., Timmer G.T. Stochastic global optimization methods // Mathematical Programming. – 1987. – Vol. 39. – P. 27–78.

52. Параллельные вычисления в задачах механики космического полета / М.Г. Широбоков, С.П. Трофимов, А.А. Целоусова, М.Д. Коптев // XLIII Академические чтения по космонавтике: сборник тезисов. – М., 2019. – Т. 1. – P. 132–133.

53. Стронгин Р.Г., Гергель В.П., Баркалов К.А. Адаптивная глобальная оптимизация на основе блочно-рекурсивной схемы редукции размерности // Автоматика и телемеханика. – 2020. – № 8. – С. 136–148. – DOI: 10.31857/S0005231020080103. – EDN OULLGO.

54. Реализация параллельного алгоритма поиска глобального экстремума функции на Intel Xeon Phi / К.А. Баркалов, И.Г. Лебедев, В.В. Соврасов, А.В. Сысоев // Вычислительные методы и программирование. – 2016. –Т. 17 (1). – С. 101–110.

55. Баркалов К.А., Гетманская А.А., Исрафилов Р.А. Применение адаптивной схемы редукции размерности для задач многоэкстремальной оптимизации с нелинейными ограничениями // Научные проблемы водного транспорта. – 2018. – № 54. – С. 11–19.

56. Ершов Н.М., Попова Н.Н. Автоматическая генерация параллельных алгоритмов машинного обучения и эволюционных вычислений // Суперкомпьютерные дни в России: труды Международной конференции, Москва, 26–27 сентября 2016 г. – М., 2016. – С. 814–815. – EDN WXJJAL.

57. Курейчик В.М., Кныш Д.С. Параллельный генетический алгоритм. Модели и проблемы построения // Интегрированные модели и мягкие вычисления в искусственном интеллекте: труды V Международной научно-практической конференции. – М.: Физматлит, 2009. – Т. 1. – С. 41–51.

58. Izzo D., Rucinski M., Biscani F The generalized island model // Parallel Architectures and Bioinspired Algorithms. – Springer, 2012. – P. 151–169. – DOI: 10.1007/978-3-642-28789-3_7.

59. Брестер К.Ю., Рыжиков И.С. Исследование островной модели кооперации генетических алгоритмов для решения задач многокритериальной оптимизации // Актуальные проблемы авиации и космонавтики. – 2018. – Т. 2, № 4 (14). – С. 7–9. – EDN YUIGLR.

60. Biscani F., Izzo D. A parallel global multiobjective framework for optimization: pagmo // Journal of Open Source Software. – 2020. – Vol. 5 (53). – P. 2338.

61. Evox: a distributed GPU-accelerated library towards scalable evolutionary computation / B. Huang, R. Cheng, Y. Jin, K.C. Tan. – arXiv:2301.12457. – 2023.

62. Parametric optimization on HPC clusters with Geneva / J. Weßner, R. Berlich, K. Schwarz, M.F. Lutz // Computing and Software for Big Science. – 2023. – Vol. 7 (1). – P. 4.

63. A fast and elitist multiobjective genetic algorithm: NSGA-II / K. Deb, A. Pratap, S. Agarwel, T. Meyarivan // IEEE Transactions on Evolutionary Computation. – 2002. – Vol. 6 (2). – P. 182–197. – DOI: 10.1109/4235.996017.

64. Biegler L.T., Zavala V.M. Large-scale nonlinear programming using IPOPT: an integrating framework for enterprise-wide dynamic optimization // Computers & Chemical Engineering. – 2009. – Vol. 33 (3). – P. 575–582.

65. Johnson S.G. The NLopt nonlinear-optimization package. – URL: http://github.com/stevengj/nlopt (accessed: 30.11.2023).

66. An algorithmic framework for convex mixed integer nonlinear programs / P. Bonami, L.T. Biegler, A.R. Conn, G. Cornuéjols, I.E. Grossmann, C.D. Laird, J. Lee, A. Lodi, F. Margot, N. Sawaya, A. Wächter // Discrete Optimization. – 2008. – Vol. 5 (2). – P. 186–204.

67. Kovács P. Minimum-cost flow algorithms: an experimental evaluation // Optimization Methods and Software. – 2015. – Vol. 30 (1). – P. 94–127.

68. Что такое In-Memory Data Grid. – URL: https://habr.com/ru/post/160517/ (дата обращения: 30.11.2023).

69. Large-scale analysis of the energy system vulnerability using an in-memory data grid / A.V. Edelev, I.A. Sidorov, S.A. Gorsky, A.G. Feoktistov // ICCS-DE 2020. Proceedings of the 2nd International Workshop on Information, Computation, and Control Systems for Distributed Environments. – Irkutsk, Russia, 2020. – P. 89–98. – (CEUR-WS Proceedings; vol. 2638).

70. Jablonsky J. MS Excel based software support tools for decision problems with multiple criteria // Procedia Economics and Finance. – 2014. – Vol. 12. – P. 251–258.