CC BY
8
АЛГОРИТМ СБОРА И ОБРАБОТКИ ДАННЫХ В АСУ ГОРОДСКИХ
СЕТЕЙ ГАЗОСНАБЖЕНИЯ
Лякишев Александр Александрович
ФГБОУВПО "Государственный университет - УНПК", Орел, аспирант кафедры "Электроника,
вычислительная техника и информационная безопасность "
Функционирование городских сетей газоснабжения (ГСГ) определяется стохастическим характером нагрузки, а также недетерминированной обработкой их в узлах коммутации и каналах связи. Это определяет использование моделей теории массового обслуживания для описания и моделирования нагрузок в данных сетях [1, с. 11-20].
Стоит отметить, что оптимальное проектирование в АСУ ГСГ невозможно без процедуры принятия решений на различных этапах процесса проектирования. Проектирование ГСГ характеризуется большим количеством этапов, на каждом из которых необходимо осуществить принятие решения, как на основе каких-либо математических или эвристических методов, так и на основе опыта проектировщика.
Предлагаемый алгоритм состоит из следующих основных этапов.
Первый этап представлен в виде алгоритма оптимизация пропускной способности в коммуникационной среде модульных структур АСУ ГСГ.
Представление модульной структуры систем сбора и обработки данных (МСССОД) ГСГ в виде замкнутой однородной сети массового обслуживания позволяет сформулировать задачу ее оптимизации в виде максимизации ее производительности. При этом ограничение на стоимость могут налагаться в виде значения, не превосходящего заданную, либо минимизации стоимости коммуникационной среды при ее производительности не меньше заданной. [2, с. 35-42].
Максимум производительности коммуникационной среды не может достигаться внутри области ограничения на стоимость, и, следовательно, должно выпол-
Б(и) = Б" 5*
няться равенство * , где - ограничение на
стоимость МСССОД. В то же время минимальная стоимость коммуникационной среды может быть достигнута при выполнении ограничений на производительность в виде следующего равенства потока данных
. Это позволяет сформулировать задачу оптимизации МСССОД в виде следующих постановок:
1. Найти:
тахЛ = - 1)/См(Л/)
м
(1)
при ограничении 2. Найти:
тпш5= 2 Л
-Щ "I
при ограничении
(2)
(4)
также и глобальным максимумом; любой локальный минимум в постановке 2 является также и глобальным минимумом.
Оптимальное решение задач (1), (2) будем искать методом неопределённых множителей Лагранжа. Соста-
■ 5*) V-
у где '
вим функцию Лагранжа ■
множитель Лагранжа [3, с. 78-84].
Получаем окончательную систему нелинейных
уравнений относительно переменных ^1:
, I = (2,М)
(3)
Д
Вектор ' , являющейся решением системы уравнений (3), доставляет максимум целевой функции ^Сл)
= 5*
при выполнении ограничения г ■
Решая аналогичным образом задачу для постановки
2, получаем
Функции ^(¿О и ^С/'О _ выпуклые, поэтому любой локальный максимум задачи в постановке 1 является
^ / = (2,М) (4)
Таким образом, задача оптимизации МСССОД АСУ ГСГ, представленной замкнутой однородной сетью массового обслуживания, приведена к решению системы нелинейных уравнений (3) либо (4).
Второй этап представлен в виде алгоритма выбора оптимального потока в МСССОД АСУ ГСГ [4, с. 103-109].
Для решения поставленной задачи используется модифицированным алгоритмом отклонения потока [4, с. с. 103-109].
Данный алгоритм решения задачи выбора оптимальных потоков и определения оптимальных маршрутов в случае альтернативной маршрутизации объединяет в себе шаги построения начального допустимого потока и собственно задачи минимизации средней задержки сети.
Третий этап представлен в виде алгоритма оптимизации процесса маршрутизации в МСССОД АСУ ГСГ [5, с. 112-115].
Четвертый этап представлен в виде алгоритма статистического прогнозирования трафика в МСССОД АСУ ГСГ [5, с. 112-115].
В общем случае процедура прогнозирования трафика выглядит следующим образом:
1. Определить рамки временного периода, для которого делается прогноз развития трафика.
2. Определить факторы, влияющие на трафик в течение исследуемого временного периода и провести прогнозирование на основе анализа зависимости трафика от величины тарифов на основе регрессионных моделей.
3. В зависимости от выбранной процедуры и на основании имеющейся статистической информации произвести прогнозирование и оценить его достоверность.
Разработанный алгоритм сбора и обработки данных в АСУ городских сетей газоснабжения на основе оценки наиболее важных показателей, влияющих на процесс газоснабжения, и выбранного критерия оптимизации маршрута доставки данных позволяет прогнозировать нагрузку на исследуемую модульную структуру при сезонных колебаниях процессов газораспределения.
Список литературы
1. Еременко В.Т. Математическая модель оценки производительности беспроводной вычислительной сети АСУ предприятия / С.И. Афонин, В.Т. Еременко, Д.А. Краснов и др. // Информационные системы и технологии. - 2011. - № 5 - С.11 - 20.
2. Еременко В.Т. Моделирование информационных потоков в сетях передачи данных интегрированных
АСУ / С.И. Афонин, В.Т. Еременко, Т.М. Парамо-хина, Л.В. Кузьмина, Д.А. Плащенков // Информационные системы и технологии. - 2011, № 6 - С. 35
- 42.
3. Еременко В.Т. Методы решения задач распределения информационных потоков в сетях передачи данных предприятия на основе резервирования ресурсов. / С.И. Афонин, В. Т. Еременко, Л.В. Кузьмина, и др. // Информационные системы и технологии. - 2012, № 1 - С.78 - 84.
4. Лякишев А.А. Способы и приемы оптимизации процессов информационного обмена в модульных структурах систем сбора и обработки данных АСУ газотранспортного предприятия. / А.А. Лякишев // Информационные системы и технологии. - 2014. -№ 1. - С. 103 - 109.
5. Лякишев А.А. Автоматизация процесса информационного обмена в модульных структурах систем сбора и обработки данных АСУ. [Текст]. / А.А. Лякишев // Сборник материалов II международной научно-практической конференции «Актуальные проблемы естественных и математических наук в России и за рубежом» - Инновационный центр развития образования и науки, Новосибирск, 2015
- С. 112-115.
