CC BY
4
УДК 621.383
МЕТОДИКА УПОРЯДОЧЕНИЯ ПО ЭФФЕКТИВНОСТИ КРЕМНИЕВЫХ СОЛНЕЧНЫХ ЭНЕРГЕТИЧЕСКИХ УСТАНОВОК
© 2021 Н. Ю. Бобовников1, В. М. Довгаль2, В. В. Гордиенко3
1 главный специалист ВНИИ электрификации сельского хозяйства е-mail: bobovnikov-kirill @ yandex. ru 2доктор технических наук, профессор кафедры ПО и АИС е-mail: dovgalvm.prof@ yandex. ru 3кандидат технических наук, доцент кафедры информационной безопасности e-mail: vika. gordienko. 1973@ mail. ru
Курский государственный университет ВНИИ электрификации сельского хозяйства
В статье рассматриваются основные методики упорядочения по предпочтению выбора на множестве кремниевых солнечно-энергетических установках (СЭУ), которые производятся на основе прикладной теории нечетких множеств и квалиметрии. При этом предлагается осуществить выбор показателей, как совокупности их предпочтительных свойств. В качестве условий для работы показатели кремниевых СЭУ представляются в виде упорядоченного набора аргументов. Первым этапом предлагаемой методики является предварительная обработка исходных данных для обнаружения функциональных зависимостей или высоких значений коэффициентов корреляции между показателями функции эффективности. Вторым этапом предлагаемой методики является осуществление нормировки каждого показателя, а также значений функций и функционала. На третьем этапе методики упорядочения по предпочтению выбора варианта в одном из их классов, которые определяют эксперты. Все этапы методики могут быть реализованы инструментами «MatLab» в виде программного обеспечения для систем поддержки принятия решений.
Ключевые слова: фотоэнергитические установки, коэффициент, корреляция, аппроксимация, алгоритм Мамдани функция эффективности, нечеткие множества,
THE METHOD OF ORDERING BY EFFICIENCY OF SILICON SOLAR POWER PLANTS
©2021 N. Y. Bobovnikov1, V. M. Dovgal2, V. V. Gordienko3
1Chief Specialist of the Institute of Electrification of Agriculture e-mail: bobovnikov-kirill@yandex. ru 2Doctor of Technical Sciences, Professor of the Department of Software and AIS e-mail: dovgalvm.prof@yandex. ru 3Candidate of Technical Sciences, Associate Professor of the Department of Information Security e-mail: vika.gordienko.1973@mail.ru.
Kursk State University Research Institute of Electrification of Agriculture
The article discusses the main methods of ordering by choice preference on a set of silicon solar power plants (SPP) based on the applied theory of fuzzy sets and qualimetry. At the same time, it is proposed to select indicators as a set of their preferred properties. As conditions for the operation of indicators of silicon SPPs, they are presented as an ordered set of arguments. The first stage of the proposed technique is the preliminary processing of the initial data to detect functional dependencies or high values of correlation coefficients between indicators (arguments) of the efficiency function. The second stage of the proposed methodology is the implementation of the normalization of each indicator, as well as the values of functions and functionality. At the third stage of the method of ordering according to the preference of choosing an option in one of their classes, which are determined by experts. All stages of the methodology can be implemented using the "MatLab" tools in the form of software for decision support systems.
Keywords: photovoltaic installations, coefficient, correlation, approximation, Mamdani algorithm efficiency function, fuzzy sets,
Актуальность. В последнее время в большинстве стран мира наблюдается устойчивая тенденция - интенсификация разработок в сфере возобновляемых источников энергии. Если использование человеком ветровой энергии и энергии падающей воды имеет давние традиции, то активное использование солнечной энергии для ее преобразования в другие виды энергии, в искусственное углеводородное топливо или водород стало возможным только при развитии высоких технологий производства компонентов солнечных энергетических установок (СЭУ). Использование СЭУ на практике сопряжено с целым каскадом сложных проблем от снижения стоимости данного класса установок до увеличения коэффициентов полезного действия и/или объема выходного продукта (количество теплоты, искусственного углеводородного топлива, водорода и т.д.). Между тем сложность создания и использования СЭУ не снижает актуальности проблемы по ряду причин экологического и природного характера (снижение таких запасов энергоносителей, которые не имеют свойства возобновляться). Солнечные энергетические установки классифицируются по основным функциональным признакам [1]: способу преобразования солнечной энергии - солнечные термодинамические или фотоэнергетические установки (СТЭУ, СФЭУ); характеру оптического поглощения солнечного излучения (СТЭУ и СФЭУ, работающие с концентрацией солнечного излучения или без концентрации); оптической подсистемой в виде поля гелиостатов; мощности солнечной энергетической установки - малые от 1 до 100 кВт, средние от 100 до 1000 кВт, крупные от 1000 кВт и более и т.д. (полный набор признаков классификации СЭУ см.: [1]).
В основном прогресс в области СЭУ концентрируется на создании новых материалов с необычными полезными свойствами в интересах развития солнечной
Цель предлагаемого подхода заключается в создании методики упорядочения по предпочтению выбора на множестве кремниевых СЭУ на основе прикладной теории нечетких множеств и квалиметрии.
Интерес к данному подвиду сложных СЭУ вызван тем, что запасы кремния на Земле составляют 26-29%, а также развитыми технологиями выращивания кристаллов кремния и их обработки и относительно высокой стоимостью поглощающих поверхностей СЭУ на основе арсенид-галлия [2].
В соответствии с основными положениями квалиметрии СЭУ [3] важное значение для лица, принимающего решения (ЛИР), и экспертов имеет выбор показателей, как совокупности их предпочтительных свойств. В качестве иллюстрации условимся выбрать показатели для кремниевых СЭУ в виде следующего упорядоченного набора аргументов: расход кремния на кГ/кв. м. - Х1; стоимость (сырья) кремния ($) - х2; стоимость пластин (пленок или лент) кремния ($) - хз;
Бобовников Н. ЮДовгаль В. М., Гордиенко В. В. Методика упорядочения по эффективности кремниевых солнечных энергетических установок
оптический КПД (%) - х4; электрический КПД (%) - х5; стоимость кремневого модуля СЭУ ($) - хб; стоимость установленной мощности СЭУ ($/Вт)- х7; количество солнечных дней в регионе использования СЭУ (дни)- х9; срок надежной работы (часы)- хю.
Как правило, выбор показателей (аргументов функции эффективности) и задание базы знаний для упорядочения по предпочтению являются прерогативой экспертов и ЛПР. Выходной показатель (функция эффективности), как правило, задается экспертами в баллах, то есть в порядковых шкалах. Порядковые шкалы представляют собой универсальные множества, включающие в себя нечеткие подмножества с семантикой уровней эффективности: «высокий», «средний», «низкий» Целесообразно выбирать показатели так, чтобы между ними не определялись функциональные зависимости от двух, трех и т.д. показателей, каждый из которых задается значениями шкал измерений. Между тем на практике могут быть неизвестны скрытые функциональные зависимости.
Поэтому первым этапом предлагаемой методики является предварительная обработка исходных данных для обнаружения функциональных зависимостей или высоких значений коэффициентов корреляции между показателями (аргументами) функции эффективности. При обнаружении функциональных зависимостей между показателями изменяется структура баз данных и правил нечеткого логического вывода в базе знаний [4]. Кроме того, в этом случае необходимо вначале реализовать нечеткий вывод для аппроксимаций всех выявленных функциональных зависимостей, а только потом все обнаруженные функции декларируются как аргументы для аппроксимации
основной функции Б(х1, Х2,___, хп), где п число показателей, а значение Б характеризует
эффективность СЭУ. Например, пусть показатели будут иметь следующие функциональные зависимости, тогда основная выходная переменная в виде значений функционала эффективности будет иметь вид:
Эф = Б((Х2(Х1), х4, х5, хб(х1, хз), х7, х8, х9). (1)
В этом случае необходимо реализовать независимо два нечетких логических вывода для аппроксимации функций
1 = Х2(х1) и = хб(х1, хз).
В результате получим форму представления функционала эффективности
Фэф = Б(11, х4, х5, 12, х7, х8, х9). (2)
Вторым этапом предлагаемой методики является осуществление нормировки каждого показателя, а также значений функций и функционала. С этой целью можно использовать одну из нормирующих функций в следующей форме представления:
= (х1 - х1т1п)/(Х1шах - Х1т1п), (3)
которая отображает все значения ьтого показателя или значений функций и функционала в безразмерные величины, принадлежащие интервалу
(0, 1), 1 = 1, 2, _, п,
где п - число входных и выходных переменных нечетко-логической модели. Поскольку все показатели и значения функций или функционала могут иметь характеристики с семантикой: или А - «чем больше - тем лучше», или В - «чем меньше - тем лучше», то все их необходимо привести к единому виду. Например, если показатели стоимостей имеет второй семантический вид В, то и все другие показатели
требуется привести к этому же виду путем использования перехода к альтернативной семантической характеристике с применением формулы:
Pi = 1 - gi. (4)
В этом заключается основное назначение данного этапа предлагаемой методики.
На основании исследований Bellman и Giertz [5] в качестве алгоритма нечеткого логического вывода для аппроксимации функций или функционала рекомендуется алгоритм Мамдани [4], поскольку в соответствии с названными исследованиями в нем используются «наилучшие» треугольные нормы, то есть Т-нормы - min(....) и S-нормы - max(...), исключая случай, при котором никакое нечеткое множество универсального множества не является подмножеством всех других подмножеств. Нечеткий логический вывод реализуется для аппроксимации функций и функционала на третьем этапе методики упорядочения по предпочтению выбора варианта СЭУ в одном из их классов, которые определяют эксперты и ЛПР.
На четвертом этапе методики выполняется оценка точности нечетко-логической аппроксимации функций или функционала на основе репрезентативных обучающих выборок, состоящих из упорядоченных значений аргументов, значений функций и функционала. По полученным оценкам принимаются решения об изменении, термов лингвистических переменных [4] [3] или структур правил нечеткого логического вывода.
На заключительном этапе методики формируются ряды предпочтений выбора отдельно для каждого класса объектов:
СЭУк < СЭУр< ... < СЭУ«,, (5)
где < - обозначение отношения предпочтения.
Данный метод дополняет существующий арсенал средств прорывной технологии «Автоматизация интеллектуального труда», анонсированной специалистами McKinsey Global Institute. Все этапы методики могут быть реализованы инструментами «MatLab» в виде программного обеспечения для систем поддержки принятия решений.
Библиографический список
1. Азгальдов, Г. Г. О квалиметрии / Г. Г. Азгальдов. - Москва: Стандартиздат, 1973. 172 с.
2. Bellman, R. E. On the analytical formalist of fuzzy sets / R. E. Bellman, M. Giertz // Information Siences. 1975. Vol. 5. Р. 149-156
3. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский; Перевод И. Д. Рудинского. Москва: Горячая линия Телеком, 2006. 452 с.
4. Стребков, Д. С. Развитие солнечной энергетики в Туркменистане / Д. С. Стребков и др. Москва: ГНУ ВИЭСХ, 2012. 496 с.
5. Стребков, Д. С. Перспективные направления снижения стоимости солнечных энергетических установок / Д. С. Стребков и др. // Инновации в сельском хозяйстве. 2015. № 4 (14). С. 198-205.
