CC BY
37УДК 004.89:620.9 Л.В. Массель1
МЕТОДЫ И ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНОЛОГИИ НАУЧНОГО ОБОСНОВАНИЯ СТРАТЕГИЧЕСКИХ РЕШЕНИЙ ПО ЦИФРОВОЙ ТРАНСФОРМАЦИИ ЭНЕРГЕТИКИ
Аннотация. Рассматриваются проблемы перехода к цифровой энергетике. Выделяется проблема недостаточного использования результатов, имеющихся в научных организациях энергетического профиля. Обращается внимание на необходимость интеллектуальной поддержки обоснования и принятия стратегических решений по развитию технологической инфраструктуры (цифровой трансформации энергетики). Предлагается подход к решению проблемы интеграции программных средств, информационного обеспечения и интеллектуальных информационных технологий, разработанных в ИСЭМ СО РАН. Рассмотрены - архитектура многоагентной интеллектуальной среды, обеспечивающей эту интеграцию, и методический многоагентный подход к ее разработке.
Ключевые слова: цифровая энергетика, интеллектуальные информационные технологии, математическое и семантическое моделирование, управление знаниями, фрактальная стратифицированная модель, многоагентные системы.
L.V. Massel2
METHODS AND INTELLIGENT TECHNOLOGIES FOR SCIENTIFIC SUBSTANTIATION OF STRATEGIC SOLUTIONS ON DIGITAL TRANSFORMATION OF ENERGY INDUSTRY
Abstract. The problems of transition to digital power engineering are considered. The problem of insufficient use of the results available in scientific organizations of the energy profile is highlighted. Attention is drawn to the need for intelligent support for the justification and adoption of strategic decisions on the development of technological infrastructure (digital transformation of energy industry). The approach to the solution of the problem of integration of software, information support and intelligent information technologies developed at ISEM SB RAS is proposed. The architecture of the multi-agent intelligent environment providing this integration, and the methodological multi-agent approach to its development are considered.
Keywords: digital power engineering, intelligent information technologies, mathematical and semantic modeling, knowledge management, fractal stratified model, multi-agent systems.
Введение
В связи с распространением концепций интеллектуальной (Smart Grid) [1-2] и цифровой [3] энергетики необходимо учитывать, что при решении проблем перехода к интеллектуальным энергетическим системам (ИЭС) выделяют две взаимосвязанные области: технологическую и информационно-телекоммуникационную инфраструктуры. Успех создания ИЭС во многом зависит от успешного применения современных
информационных технологий. В свою очередь, говорить о применении последних имеет смысл при наличии развитой современной технологической инфраструктуры. Решения по развитию технологической инфраструктуры, безусловно, относятся к классу стратегических.
Для обоснования и поддержки принятия таких решений целесообразно привлечение интеллектуальных информационных технологий. В первую очередь это технологии семантического моделирования и управления знаниями,
1 Людмила Васильевна Массель - главный научный сотрудник, д.т.н., профессор, e-mail: massel@isem.irk.ru, Институт систем энергетики им. Л.А. Мелентьева (ИСЭМ) СО РАН.
2 Lyudmila V. Massel - Chief Researcher, Doctor of Engineering, Professor, e-mail: massel@isem.irk.ru, Melentiev Energy Systems Institute, Siberian Branch of the Russian Academy of Sciences.
которые коллектив под руководством автора развивает и использует для создания интеллектуальных систем поддержки принятия стратегических решений в энергетике. Предложен подход к построению интеллектуальной системы поддержки принятия стратегических решений по развитию энергетики (многоагентной инструментальной среды), интегрирующей разработанные в Институте систем энергетики им. Л.А. Мелентьева (ИСЭМ) СО РАН математические и семантические методы, модели и инструментальные средства их поддержки.
Проблемы перехода к цифровой энергетике
Актуальность научного обоснования стратегических решений по цифровой трансформации энергетики обусловлена необходимостью решения ряда возникающих при этом проблем. Как отмечается в экспертно-аналитическом докладе Центра стратегических разработок «Цифровой переход в электроэнергетике России» [4], во многих развитых странах мира реализуются сценарии, трансформирующие электроэнергетику на базе клиентоцентричных распределенных архитектур энергосистем (данное направление принято называть Energy Transition - энергетический переход). Данный переход ориентирован на масштабное использование распределенной возобновляемой энергетики, вовлечение частных инвестиций и формирование децентрализованных рынков. Он также подразумевает интеллектуализацию инфраструктуры и переход потребителей к активным, просьюмерским моделям поведения: потребители превращаются в поставщиков электроэнергии. Вызовы для российской электроэнергетики имеют свои особенности, что связано с избытком традиционных топливно-энергетических ресурсов, большой и протяженной территорией с низкой плотно -стью сети населенных мест, специфическими социально-экономическими факторами. Но в то же время они перекликаются с глобальными вызовами и вызовами для стран с похожими условиями.
Речь идет о переходе к новой технологической парадигме в электроэнергетике, представляющей организацию энергоснабжения в розничном секторе как экосистему производителей и
потребителей энергии, которые беспрепятственно интегрируются в общую инфраструктуру и обмениваются энергией. Такой подход, по аналогии осуществляемых взаимодействий, также получил название «интернет энергии» (Internet of Energy) [4].
В то же время существует ряд проблем, возникающих при переходе к цифровой энергетике. Все проблемы, связанные с цифровой трансформацией энергетики, то есть с реализацией и применением в России интегрированных интеллектуальных энергетических систем в целом и информационно-телекоммуникационных технологий в частности, можно условно разделить на три класса: когнитивные и управленческие проблемы, научные и технологические ограничения и кадровые проблемы [5].
К когнитивным и управленческим проблемам можно отнести:
1. Отсутствие концепции и целевого видения на государственном уровне, что выражается в дисбалансе между стратегическими целями государства и реализуемыми тактическими задачами на уровне отдельных министерств и энергетических корпораций.
2. Отсутствие механизма согласования интересов между всеми субъектами.
3. Отсутствие законодательной базы: действующие нормативно-правовые акты и нормативно-техническая документация не учитывают возможности и не стимулируют применение цифровых технологий.
4. Отсутствие экономических стимулов для перехода к цифровой энергетике, финансирование старых технологий и имитация инновационной деятельности.
На эти проблемы накладываются научные и технологические ограничения:
• дефицит научных исследований и доступных прикладных технологических решений в области цифровой энергетики;
• отсутствие единой терминологии, детальной концепции и архитектуры цифровой энергетики;
• отсутствие цифровых устройств на энергетических объектах в достаточных количествах, что ухудшает наблюдаемость энергетической системы в целом;
• отсутствие доверенной среды передачи технологических данных;
• отсутствие единой согласованной методики оценки эффекта от внедрения элементов цифровой энергетики.
В свою очередь это усугубляется кадровыми проблемами:
• существующий дефицит кадров связан, в первую очередь, с отсутствием механизмов подготовки и перераспределения кадров;
• недостаточный уровень образования и квалификации, отсутствие практических знаний персонала и исполнителей для перехода на цифровые технологии;
• отсутствие проблемно-ориентированных профессиональных сообществ: ученых, инженеров и др., в которых бы велись обсуждения проблем и перспектив применения цифровых технологий в области энергетики.
В [4] предлагается в качестве одной из мер институционального и организационного характера «создать российское агентство передовых исследований и разработок в сфере энергетики (по аналогии с ARPA-Е в США)». При этом игнорируется опыт системных исследований энергетики и результаты исследований как ИСЭМ СО РАН, так и других научно-исследовательских организаций энергетического профиля.
Системные исследования энергетики
Институт систем энергетики им. Л.А. Ме-лентьева является одним из лидеров в области системных исследований в энергетике России. Основные научные направления ИСЭМ СО РАН: теория создания энергетических систем, комплексов и установок и управления ими; научные основы и механизмы реализации энергетической политики России и ее регионов. В рамках этих направлений выполняются: исследования систем энергетики (электроэнергетических, газо-, нефте-, нефтепродукто-снабже-ния, теплосиловых); энергетической безопасности России; региональных проблем энергетики; взаимосвязей энергетики и экономики; перспективных энергетических источников и систем;
исследования в области прикладной математики и информатики [6].
Основным инструментом исследований до последнего времени являлись математическое моделирование и вычислительный эксперимент. В связи с новыми трендами развития российской энергетики (интеллектуальная (Smart Grid) и цифровая энергетика) большое внимание уделяется развитию и применению интеллектуальных технологий. Реализуемая в России программа «Цифровая экономика» в настоящее время развивается и дорабатывается. В частности, автор считает, что в федеральном проекте «Цифровая энергетика» уделяется недостаточно внимания таким направлениям, как интеллектуальная поддержка принятия стратегических решений по развитию технологической инфраструктуры энергетики и обеспечение кибербе-зопасности критически важных энергетических объектов. Ниже рассмотрим подробнее первое направление. Большую роль в принятии стратегических решений должно играть их научное обоснование, для чего могут быть использованы научные наработки института.
Традиционно в ИСЭМ СО РАН принята иерархическая схема исследований, в которой согласовываются исследования и математические модели топливно-энергетического комплекса (используются экономико-математические модели) и отраслевых систем энергетики (применяются физико-математические модели) (рис. 1). Исследования прогнозирования развития ТЭК выполняются на верхнем уровне с учетом результатов, полученных при исследованиях направлений развития отраслевых систем энергетики на следующих уровнях. Каждому блоку приведенной схемы соответствует совокупность математических методов, моделей и программные комплексы, с помощью которых выполняются вычислительные эксперименты с использованием этих моделей [6].
Для использования результатов этих исследований при обосновании стратегических решений по цифровой трансформации энергетики требуется выполнить формализованную интеграцию программных средств и информационного обеспечения с целью совершенствования иерархической технологии обоснования развития энергетики в целом и ее отраслевых и терри-
Анализ сценариев внешних связей ТЭК -► Анализ сценариев развития ЭКОНОМИКИ Анализ тенденций и закономерностей развития
J к 1 г 1 г
Прогноз развития ресурсной базы ТЭР —► Прогноз энергопотребления, цен на топливо и Системный анализ энергетических технологий и установок
Формирование сценариев развития ТЭК
I
Исследования энергетической безопасности
Рис. 1. Общая схема исследований по обоснованию развития энергетики
ториальных составляющих, при этом основное внимание необходимо уделить разработке программно-информационных интерфейсов между решаемыми задачами в горизонтальном (между отдельными системами энергетики) и вертикальном (системы энергетики - ТЭК - внешние условия) разрезах.
Разработка и реализация таких интерфейсов должна обеспечивать следующие преимущества комплексной иерархической технологии исследований:
а) сохранение (при необходимой доработке требуемых программных средств - обеспечение) конфиденциальности основных детальных массивов данных, поддерживающих конкретные задачи;
б) формализацию и тем самым ускорение обмена информацией и обеспечение однозначности обмениваемых данных;
в) определенную унификацию используемых информационных моделей при решении различных задач, которую потребуется реализовать при согласовании и разработке интерфейсов;
г) в целом повышение «стройности» и обоснованности иерархической технологии обоснования развития энергетики и ее составляющих.
Предлагаемый подход к решению проблемы интеграции программных средств, информационного обеспечения и интеллектуальных информационных технологий
Реализация изложенных интеграционных возможностей может быть обеспечена на базе следующих информационных технологий:
а) единой информационно-коммуникационной среды программных компонентов;
б) семантической интеграции данных, знаний и программных компонентов;
в) инструментальных средств ситуационного управления и семантического моделирования.
Предлагается реализация единой информационно-коммуникационной среды взаимодействия программных компонентов в виде облачного сервиса, что позволит обеспечить сетевой доступ по требованию к общему пулу конфигурируемых вычислительных ресурсов (напри-
мер к серверам, устройствам хранения данных, приложениям и сервисам и пр.). Для обеспечения необходимого уровня безопасности целесообразно выполнять реализацию информационно-коммуникационной среды в виде корпоративного облака [7].
Для семантической интеграции данных, знаний и программных компонентов предлагается использовать концепцию управления знаниями и применить как методологический, фрактальный подход к структурированию знаний [8].
Суть его состоит в том, что вводятся понятия информационного пространства и информационных миров (подпространств). ФС-модель определяется как совокупность непересекающихся слоев (информационных миров) и их отображений в информационном пространстве. Каждому уровню соответствует свой слой (страта) этого пространства и, следовательно, свой информационный мир; последовательность отображений отражает процесс познания. Графически ФС-модель удобно представлять в виде совокупности вложенных сферических оболочек. Информационный объект, обозначаемый условно точкой на одной из сфер, в свою очередь, может быть расслоен при необходимости более детального его рассмотрения. Вводятся отображения из любого слоя в каждый. Поскольку мы, как правило, рассматриваем часть информационного пространства (свой «фрактал» знаний), его можно представить «вырезкой» из информационного пространства, которую можно представить в виде конуса или пирамиды, что соответствует, например, выделению дисциплин при изучении реального мира.
В управлении знаниями выделяют два подхода: классический (на основе комбинирования существующих, уже зарекомендовавших себя технологий для поддержки различных подпроцессов работы со знаниями) и семантический (основанный на использовании взаимосвязанного набора методов и технологий по работе со смыслом, семантикой данных, информации и знаний) [9].
В рамках последнего подхода рассматриваются онтологии предметных областей, технологии их построения и сопровождения, семантические метаданные, семантический поиск, системы логического вывода, семантическое
профилирование знаний экспертов, семантические порталы и сети и т.п., сопровождающиеся соответствующей технологической поддержкой в части языков описания, моделей, программных инструментов и систем. Коллектив, возглавляемый автором, развивает второй подход.
Для обоснования стратегических решений по цифровой трансформации энергетики предлагается интегрировать средства математического и семантического моделирования. Ниже рассмотрим понятия и содержание семантического моделирования.
Под семантической моделью в обобщенном виде понимается информационная модель, отражающая понятия предметной области и отношения между ними. Рассматривается семантическое моделирование на примере онтологических, когнитивных, событийных и вероятностных (на основе Байесовских сетей доверия) моделей [10-11]. В табл. 1 приведено сравнение технологий семантического моделирования.
Под онтологическим моделированием понимается построение онтологий как в графическом, так и формализованном виде. Онтологии определяют как базу знаний специального вида, или как «спецификацию концептуализации» предметной области [12]. Последнее означает процесс классификации базовых терминов предметной области с определением основных понятий (концептов) и установлением связей
между ними. В свою очередь, процесс спецификации заключается в описании онтологии в графическом виде («легкие», или эвристические онтологии) или на одном из формальных языков (XML, RDFS, OWL и др.) («тяжелые», или логические онтологии). Для работы с экспертами коллектив, представляемый автором, использует графическое представление онтологий; для хранения онтологий используется их представление на языке XML.
Когнитивные моделирование - построение когнитивных моделей, или, иначе, когнитивных карт (ориентированных графов), в которых вершины соответствуют факторам (концептам), а дуги - связям между факторами (положительным или отрицательным), в зависимости от характера причинно-следственного отношения. В простейшем случае веса связей могут иметь значения +1 или -1 либо принимать нечеткие значения из отрезка [-1, 1], или некоторой лингвистической шкалы, что в наибольшей степени соответствует качественному анализу [13].
Событийное моделирование - построение поведенческих моделей, причем в качестве объектов моделирования могут выступать как люди, так и технические объекты. Сущность событийного метода моделирования заключается в отслеживании на модели последовательности событий в том же порядке, в каком они происходили бы в реальной системе. Задаваемые мо-
Таблица 1
Сравнение технологий онтологического, когнитивного, событийного и вероятностного моделирования
Технология Назначение Аппарат для формализованного представления Использование в исследованиях энергетической безопасности
Онтологическое моделирование Для описания декларативных фрагментов знаний Онтологии (специальные языки (OWL, RDF, XML и др.)) Для выявления, классификации и спецификации концептов (основных понятий в исследованиях энергетики)
Когнитивное моделирование Для выявления причинно-следственных связей концептов Когнитивные карты (теория графов) Для анализа угроз ЭБ
Событийное моделирование Построение поведенческих моделей. Выявление динамики развития ЧС Событийные карты (теория Joiner-сетей) Для анализа развития и последствий ЧС
Вероятностное моделирование Построение вероятностных моделей. Оценка риска реализации угроз Аппарат Байесовских сетей доверия Для оценки рисков возникновения ЧС
делью последовательности реализации событий - цепочки событий - описывают сценарии реакции системы на возникновение инициирующего события, стоящего в начале цепочки. В результате событийная модель позволяет получить множество альтернативных сценариев развития заданной ситуации в системе, что и является основной целью событийного моделирования [14].
Вероятностное моделирование - построение графических моделей, отображающих вероятностные зависимости множества переменных, и позволяющих проводить вероятностный вывод с помощью этих переменных. Последние публикации в этой области объединили в себе результаты исследований, выполненных преимущественно в 1980-е годы XX века. Результаты применения этого подхода в энергетике рассмотрены, например, в [15].
Семантические модели разрабатываются на основе знаний экспертов и позволяют использовать как явные, так и неявные знания, основанные на опыте, эрудиции и интуиции экспертов. Например, когнитивные модели, позволяющие отображать причинно-следственные связи, могут быть применены для описания и анализа сценариев внешних связей ТЭК, развития экономики и ТЭК. Событийные и вероятностные модели позволяют рассмотреть варианты развития различных ситуаций, определяемых выбранными сценариями. После экспертной оценки различных вариантов развития с использованием семантических моделей привлекаются традиционные программные комплексы, реализующие математические модели отраслевых систем энергетики и ТЭК и решаются задачи оптимизации для обоснования рекомендуемых решений.
Концепция ситуационного управления используется в соответствии с работами Д.А. Поспелова и его учеников [16]. В последнее время предлагается использовать эту концепцию для оперативного управления, но автор считает, что целесообразно применить ее в области обоснования стратегических решений. Используется современная трактовка ситуационного управления, сформулированная в [17]. Применение концепции ситуационного управления для обоснования и поддержки принятия решений по обеспечению энергетической безопасности рассмотрено, в частности, в [18].
Для обоснования стратегических решений в энергетике предлагается интегрировать средства математического и семантического моделирования [19]. При этом применяются как базовые технологии - агентно-ориентированные и облачные вычисления, так и проблемно-ориентированные - семантическое и математическое моделирование и двухуровневая технология исследований, интегрирующая семантическое и математическое моделирование и поддерживающая ее интеллектуальная IT-среда, включающая инструментальные средства семантического моделирования и обеспечивающая возможность интеграции с традиционными программными комплексами (рис. 2) [11].
Инструментальные средства поддерживающие верхний, качественный уровень предложенной технологии, обведены пунктиром. OntoMap, CogMap, EventMap и Bayesian Nets - соответственно средства поддержки онтологического, когнитивного, событийного и вероятностного моделирования, геокомпонент - инструментальное средство ЗО-геовизуализации. Показанное справа вверху «Средство интеллектного преобразования и контроля данных» обеспечивает интеграцию семантических и математических моделей, реализованных в многоагентном ПК ИНТЭК-М, используемом на втором, количественном уровне предложенной технологии для оценки состояния и прогнозирования вариантов развития топливно-энергетического комплекса. Экспертная система Emergency содержит прецеденты экстремальных ситуаций в энергетике, которые могут быть использованы при построении семантических моделей.
Для схемы, приведенной на рис. 1, выделяются следующие уровни (этапы) исследований и поддерживающие их инструментальные средства (рис. 3). Интеграция инструментальных средств осуществляется с помощью языка управления знаниями:
1. Уровень анализа (используется семантическое моделирование), поддерживается интеллектуальной 1Т-средой.
2. Уровень коллективной выработки согласованных решений (может использоваться, в том числе, семантическое моделирование, методы согласования решений) - поддерживается интеллектуальной системой поддержки коллективной экспертной деятельности [20].
Рис. 2. Взаимодействие инструментальных средств интеллектуальной среды
Рис. 3. Уровни (этапы) исследований и поддерживающие их инструментальные средства
3. Уровень обоснования решений (выполняются расчеты вариантов, предложенных на предыдущем этапе, с использованием традиционных программных комплексов для исследований ТЭК и СЭ).
4. Уровень представления предлагаемых решений (используются средства визуальной аналитики и когнитивной графики).
Для поддержки принятия стратегических решений в энергетике с использованием предложенного методического подхода и научных прототипов инструментальных средств разработана архитектура многоагентной интеллектуальной среды (МАИС) (рис. 4).
Основными компонентами (агентами) МАИС являются:
1. Программные комплексы и базы данных для исследований ТЭК и проблем энергетической безопасности (в перспективе - программные комплексы и базы данных для исследований отраслевых систем энергетики).
2. Хранилище данных и знаний (для хранения баз знаний, семантических моделей и баз данных).
3. Интеллектуальная 1Т-среда для поддержки семантического моделирования, интегрирующая инструментальные средства Оп^Мар, CogMap, Буеп1Мар, Вау№1 и компонент для интеграции семантических и математических моделей.
4. Интеллектуальная система поддержки коллективной экспертной деятельности, интегриру-
Рис. 4. Архитектура многоагентной интеллектуальной среды (МАИС)
ющая проблемно-ориентированные экспертные системы и обеспечивающая поддержку согласования экспертных решений.
5. Средства визуальной аналитики и когнитивной графики, основанные на 3D-визуализации (развитие геокомпонента).
6. Репозитарий для хранения описаний всех интеллектуальных и информационных ресурсов, поддерживаемых МАИС.
7. Язык управления знаниями (Knowledge Management Language - KML) для обеспечения взаимосвязи и взаимодействия всех компонентов (агентов) МАИС.
8. Портал, поддерживающий онтологическое пространство знаний в области энергетики.
Для реализации МАИС предлагается использовать авторский подход [21] к построению многоагентных систем (рис. 5).
Новизна его определяется тем, что предлагается метод управления взаимодействием агентов на основе алгебраических сетей, для реализации которого разрабатываются событийные модели сценариев взаимодействия агентов. Этот подход апробирован В.И. Гальперовым при разработке многоагентной системы оценивания состояний электроэнергетических сетей.
В настоящее время коллективом, возглавляемым автором, разработан ряд научных прототипов базовых компонентов, которые могут быть применены при реализации МАИС. Для полноценного включения в МАИС ПК и БД для исследований ТЭК и отраслевых СЭ, как агентов (п. 1), потребуется их реинжиниринг, поскольку большинство из них перешли в категорию унаследованного программного обеспечения. На первом этапе можно ограничить их
Рис. 5. Основные составляющие методического подхода к построению МАС
включение информационным обменом. В этом случае исследования выполняются автономно, а их результаты передаются в ХДЗ, а факт передачи фиксируется в репозитарии.
В приведенную архитектуру не включаются средства обеспечения кибербезопасности, так как это должен быть комплекс мер, учитывающих возможные киберуязвимости и отражающих современное состояние средств киберзащи-щенности (предотвращения кибератак); у авторов также имеются наработки в этой области [22].
Заключение
В статье рассмотрены проблемы перехода к цифровой энергетике, одной из которых является, с одной стороны, дефицит научных исследований и доступных прикладных технологических решений в этой области, а с другой - недостаточное внимание к существующим заделам в области исследований энергетики. Отмечается, что в концепции цифровой энергетики не уде-
ляется внимание таким направлениям, как интеллектуальная поддержка принятия стратегических решений по развитию технологической инфраструктуры энергетики и обеспечения ки-бербезопасности критически важных энергетических объектов. Предлагается для устранения этих недостатков использовать результаты исследований ИСЭМ СО РАН, направленные на разработку многоагентных интеллектуальных систем для обоснования и поддержки принятия стратегических решений. Для их реализации целесообразна интеграция существующих заделов в области математического и семантического моделирования, ситуационного управления, агентных, облачных и интеллектуальных вычислений. Рассмотрены: методический подход, архитектура многоагентной интеллектуальной среды, интегрирующей разнородные компоненты, и состояние разработки. Результаты получены при частичной финансовой поддержке грантов РФФИ № 16-07-00474, 16-07-00569, № 18-0700714, № 18-57-81001.
ЛИТЕРАТУРА
1. Кобец Б.Б., Волкова И.О. Инновационное развитие электроэнергетики на базе концепции Smart Grid. М.: Энергия, 2010. - 208 с.
2. Воропай Н.И., Стенников В.А. Интегрированные интеллектуальные энергетические системы //Изв. РАН. Энергетика. - № 1. - 2014. - C. 64-78.
3. Федеральный проект «Цифровая энергетика». URL: http://minsvyaz.ru/uploaded/files/ programma.pdf (дата доступа 7.08.2018).
4. Экспертно-аналитический доклад ««Цифровой переход в электроэнергетике России». URL: https://www. csr. ru/issledovaniya/tsifrovoj-perehod-v-elektroenergetike-rossii/ (дата доступа 10.08.2018).
5. Материалы 2-й отраслевой конф. ««Цифровая трансформация электроэнергетики России», Москва, октябрь 2017. URL: http:// digitenergy.ru/ (дата доступа 13.11.2017)
6. Системные исследования в энергетике: Ретроспектива научных направлений СЭИ-ИСЭМ/ отв. ред. Н.И. Воропай. - Новосибирск: Наука, 2010. - 686 с.
7. Массель Л.В., Грибова В.В., Копайгород-ский А.Н. «Облачная» структура энергоинформационных систем //В кн.: Инновационная электроэнергетика-21 /под ред. Батенина В.М., Бушуева В.В., Воропая Н.И. - М.: Энергия, 2017. - С. 556-577.
8. Массель Л.В. Фрактальный подход к структурированию знаний и примеры его применения / Онтология проектирования. - 2016. -Т. 6, №2 (20). - С. 149-161. - 001: 10.18287/22239537-2016-6-2-149-161.
9. Тузовский А.Ф., Чириков С.В., Ямпольский В.З. Системы управления знаниями (методы и технологии). - Томск: изд-во НТЛ, 2005. - 260 с.
10. Массель Л.В., Массель А.Г. Семантические технологии на основе интеграции онтологического, когнитивного и событийного моделирования //III Международная научно-техническая конф. 0БТ1Б-2013: труды. Минск. БГУИР, 2013. - С. 247-250.
11. Массель Л.В., Массель А.Г. Интеллектуальные вычисления в исследованиях направлений развития энергетики // Изв. ТПУ 2012. - Т. 321.
- № 5. Управление, вычислительная техника и информатика. - С. 135-141.
12. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. - СПб: Питер, 2001. - 384 с.
13. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998.
- 376 с.
14. Столяров Л.Н. Философия событийного моделирования на примере сценария энергетической катастрофы. Международная конф. «Информационные технологии в науке, образовании, телекоммуникации и бизнесе»: труды. Гурзуф, 2010. - С. 197-200.
15. Массель Л.В., Пяткова Е.В. Применение Байесовских сетей доверия для интеллектуальной поддержки исследований проблем энергетической безопасности // Вестник ИрГТУ. - № 2.
- 2012. - С. 8-13.
16. Поспелов Д.А. Ситуационное управление. Теория и практика. М.: Наука. 1986. - 284 с.
17. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления. Теория и практика. М.: Радиотехника. 2009. - 392 с.
18. Пяткова Н.И., Массель Л.В., Массель А.Г. Методы ситуационного управления в исследованиях проблем энергетической безопас-
ности // Изв. РАН. Энергетика. - № 4. - 2016. - С. 156-163.
19. Массель Л.В. Интеграция семантического и математического моделирования в исследованиях проблем энергетической безопасности. Международная конф. «Моделирование-2012»: труды. Киев. ИПМЭ НАН Украины, 2012. -С. 270-273.
20. Копайгородский А.Н. Управление знаниями в коллективной экспертной деятельности по обоснованию рекомендуемых решений в энергетике / Труды XX Российской научной конф. «Инжиниринг предприятий и управление знаниями (ИП&УЗ - 2017)». М.: РЭУ им. Г.В. Плеханова. - С. 128-135.
21. Массель Л.В., Гальперов В.И. Разработка многоагентных систем распределенного решения энергетических задач с использованием агентных сценариев // Изв. ТПУ. - Т. 326. -№ 5. - 2015. - С. 45-53.
22. Массель А.Г. Методика анализа угроз и оценки риска нарушения информационно-технологической безопасности энергетических комплексов / Труды XX Байкальской всероссийской конф. «Информационные и математические технологии в науке и управлении». Т. 3. -Иркутск: ИСЭМ СО РАН, 2015. - С. 186-195.
REFERENCES
1. Kobets B.B., Volkova I.O. Innovatsionnoye razvitiye elektroenergetiki na baze kontseptsii Smart Grid. M.: Energiya, 2010. -208 s. (in Russian).
2. Voropay N.I., Stennikov V.A. Integrirovannye intellektual'nye energeticheskiye sistemy //Izv. RAN. Energetika. - № 1. - 2014. - S. 64-78 (in Russian).
3. Federal'ny proyekt «Tsifrovaya energetika». URL: http://minsvyaz. ru/uploaded/files/programma. pdf (data dostupa 7.08.2018).
4. Ekspertno-analiticheskiy doklad «Tsifrovoy perekhod v elektroenergetike Rossii». URL: https:// www.csr.ru/issledovaniya/tsifrovoj-perehod-v-elektroenergetike-rossii/ (data dostupa 10.08.2018).
5. Materialy 2-y otraslevoy konf. «Tsifrovaya transformatsiya elektroenergetiki Rossii», Moskva, oktyabr' 2017. URL: http://digitenergy.ru/ (data dostupa 13.11.2017).
6. Sistemnyye issledovaniya v energetike: Retrospektiva nauchnykh napravleniy SEI-ISEM / otv. red. N.I. Voropay. - Novosibirsk: Nauka, 2010.
- 686 s. (in Russian).
7. Massel'L. V., Gribova V. V., KopaygorodskiyA.N. «Oblachnaya» struktura energoinformatsionnykh sistem //Vkn.: Innovatsionnaya elektroenergetika-21 /podred. Batenina V.M., Bushuyeva V.V., Voropaya N.I. - M.: Energiya, 2017. - S. 556-577 (in Russian).
8. Massel' L.V. Fraktal'ny podkhod k strukturirovaniyu znaniy i primery ego primeneniya / Ontologiya proyektirovaniya. - 2016. - T. 6, № 2 (20). - S. 149-161. - DOI: 10.18287/2223-95372016-6-2-149-161 (in Russian).
9. Tuzovskiy A.F., Chirikov S.V., Yampol'skiy V.Z. Sistemy upravleniya znaniyami (metody i tekhnologii).
- Tomsk: izd-vo NTL, 2005. - 260 s. (in Russian).
10. Massel' L.V., Massel' A.G. Semanticheskiye tekhnologii na osnove integratsii ontologicheskogo, kognitivnogo i sobytiynogo modelirovaniya // III Mezhdunarodnaya nauchno-tekhnicheskaya konf. OSTIS-2013: trudy. Minsk. BGUIR, 2013. -S. 247-250 (in Russian).
11. Massel' L.V., Massel' A.G. Intellektual'nyye vychisleniya v issledovaniyakh napravleniy razvitiya energetiki // Izv. TPU 2012. - T. 321. - № 5. Upravleniye, vychislitel'naya tekhnika i informatika.
- S. 135-141 (in Russian).
12. Gavrilova T.A., Khoroshevskiy V.F. Bazy znaniy intellektual'nykh sistem. - SPb: Piter, 2001.
- 384 s. (in Russian).
13. TrakhtengertsE.A. Komp'yuternayapodderzhka prinyatiya resheniy. M.: SINTEG, 1998. - 376 s. (in Russian).
14. Stolyarov L.N. Filosofiya sobytiynogo modeli-rovaniya na primere stsenariya energeticheskoy katastrofy. Mezhdunarodnaya konf. «Informatsionnyye tekhnologii v nauke, obrazovanii, telekommunikatsii i biznese»: trudy. Gurzuf 2010. - S. 197-200 (in Russian).
15. Massel' L.V., Pyatkova Ye.V. Primeneniye Bayyesovskikh setey doveriya dlya intellektual'noy podderzhki issledovaniy problem energeticheskoy bezopasnosti // Vestnik IrGTU. - № 2. - 2012. -S. 8-13 (in Russian).
16. Pospelov D.A. Situatsionnoye upravleniye. Teoriya i praktika. M.: Nauka. 1986. - 284 s. (in Russian).
17. Vasil'yev V.I., Il'yasov B.G. Intellektual'nyye sistemy upravleniya. Teoriya i praktika. M.: Radiotekhnika. 2009. - 392 s. (in Russian).
18. Pyatkova N.I., Massel' L.V., Massel' A.G. Metody situatsionnogo upravleniya v issledovaniyakh problem energeticheskoy bezopasnosti // Izv. RAN. Energetika. - № 4. - 2016. - S. 156-163 (in Russian).
19. Massel' L.V. Integratsiya semanticheskogo i matematicheskogo modelirovaniya v issledovaniyakh problem energeticheskoy bezopasnosti Mezhdunarodnaya konf. «Modelirovaniye-2012»: trudy. Kiyev. IPME NAN Ukrainy, 2012. - S. 270-273 (in Russian).
20. Kopaygorodskiy A.N. Upravleniye znaniyami v kollektivnoy ekspertnoy deyatel'nostipo obosnovaniyu rekomenduyemykh resheniy v energetike / Trudy XX Rossiyskoy nauchnoy konf. «Inzhiniring predpriyatiy i upravleniye znaniyami (IP&UZ - 2017)». M.: REU im. G.V. Plekhanova. - S. 128-135 (in Russian).
21. Massel' L.V., Gal'perov V.I. Razrabotka mnogoagentnykh sistem raspredelennogo resheniya energeticheskikh zadach s ispol'zovaniyem agentnykh stsenariyev // Izv. TPU. - T. 326. - № 5. - 2015. -S. 45-53 (in Russian).
22. Massel' A.G. Metodika analiza ugroz i otsenki riska narusheniya informatsionno-tekhnologicheskoy bezopasnosti energeticheskikh kompleksov / Trudy XX Baykal'skoy vserossiyskoy konf. «Informatsionnyye i matematicheskiye tekhnologii v nauke i upravlenii». T. 3. - Irkutsk: ISEM SO RAN, 2015. - S. 186-195 (in Russian).
Поступила в редакцию 19.09.2018 г.
