CC BY
415
Рис. 3. Алгоритм поиска
Апробация и выявление возможностей модели при исследовании оптимальных потоков стоимости добычи и транспорта газа с точки зрения поставщиков и потребителей газа осуществлялись на условной тестовой схеме газоснабжения [3], а также на расчетной схеме газоснабжения Уральского федерального округа.
Выводы. Дана содержательная постановка задачи построения модели оптимизации спроса на рассре-
равновесного решения
доточенных рынках потребителей газа и монопольного предложения ОАО «Газпром».
Для поиска решения, удовлетворяющего потребителей и поставщиков газа одновременно, уточнен итерационный алгоритм, который позволяет найти с заданной погрешностью равновесие стоимостей спроса и предложения.
Статья поступила 03.03.2014 г.
Библиографический список
1. Маршалл А. Принципы политической экономии. В 3 т. / 3. Илькевич Н.И., Дзюбина Т.В., Калинина Ж.В. Моделиро-пер. с англ. М.: Прогресс, 1984. 416 с. вание равновесия потоков стоимости добычи и транспорта
2. Таха Хэмди А. Введение в исследование операций. 6-е газа / Известия РАН. Серия «Энергетика». 2011. № 2. С. 45-изд. / пер. с англ. М.: ИД «Вильямс», 2001. 912 с. 56.
УДК 63-83-52:519.768.2
ОБЗОР ЭКСПЕРТНЫХ СИСТЕМ И ПЕРСПЕКТИВЫ ИХ ПРИМЕНЕНИЯ В ЭНЕРГЕТИКЕ
© Л.С. Лебедев1
Иркутский государственный технический университет, 664074, Россия, г. Иркутск, ул. Лермонтова, 83.
Представлен обзор действующих экспертных систем в различных областях науки и техники. Приведены описания принципа действия и возможности использования различных экспертных систем, области их вероятного применения. Ил. 2. Библиогр. 5 назв.
Ключевые слова: экспертная система; эксперт; база знаний.
REVIEWING EXPERT SYSTEMS AND THEIR APPLICATION PROSPECTS IN POWER ENGINEERING L.S. Lebedev
Irkutsk State Technical University, 83 Lermontov St., Irkutsk, 664074, Russia.
Modern expert systems applied in various fields of science and technology have been reviewed. The article also describes their operating principles, feasibility and areas of possible application for different expert systems. 2 figures. 5 sources.
Key words: expert system; expert; knowledge database.
Введение. В настоящее время при проведении технической диагностики используются экспертные системы. Однако история экспертных систем берет свое начало с 70-х годов двадцатого века. В исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название "экспертные системы" (ЭС). Основным назначением ЭС является разработка программных средств, с помощью которых при решении задач, трудных для человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым человеком-экспертом.
Рассмотрим некоторые разработанные экспертные системы в различных областях знаний и применений.
Экспертная система EXPRO 6. Начнем с универсальной экспертной системы БХРРО 6. Она может быть применима в различных областях техники и предназначена для решения трудноформализуемых
научно-технических и экономических задач. Она может быть использована на предприятиях, НИИ и КБ для технико-экономического анализа производства, выбора и обоснования проектных решений, определения технологических параметров процессов изготовления изделий, оценки качества продукции, диагностики технических систем и пр.
Рассмотрим более детально ключевые особенности экспертной системы. БХРРО 6 работает в двух режимах:
1. Создание базы знаний.
2. Решение задач предметной области.
Источниками знаний могут быть:
1. Квалифицированные специалисты (эксперты).
2. Книги, инструкции по эксплуатации, руководства пользователя и прочая нормативно-техническая документация.
Система имеет язык представления знаний (ЯПЗ), который формализует знания в виде продукционной
1Лебедев Леонид Станиславович, инженер-энергетик, тел.: 89526261425. Lebedev Leonid, Power Engineer, tel.: 89526261425.
модели (рис.1).
Действие
Рис. 1. Продукционная модель EXPRO 6
Язык представления знаний БХРРО использует следующие группы функций: Ввод и вывод данных. Функции управления. Вычислительные функции. Тригонометрические функции. Работа со списками. Работа с таблицами. Преобразование данных. Функции файлового ввода и вывода. Прочие функции. Режим решения задач позволяет пользователю решать задачи в диалоговом или пакетном режимах.
• Рисунки.
Поиск решения выполняет Интерпретатор правил, который формирует порядок выполнения правил, проверяет истинность условий и выполняет действия, которые описаны функциями ЯПЗ.
Экспертная система R1/XCON. Система R1 была одной из первых успешных попыток применения экспертных систем в промышленности в начале 1980-х годов [1]. Эта система предназначена для помощи разработчикам при определении конфигурации вычислительной системы на базе вычислительных устройств и блоков семейства VAX. Сначала программа проверяет полноту спецификации требований к проектируемой системе, которая представлена заказчиком. На втором этапе программа определяет конфигурацию системы, соответствующую этим требованиям. Коммерческая версия системы, разработанная совместно университетом Карнеги-Меллон и корпорацией Digital Equipment, получила наименование XCON.
Первым практическим применением системы XCON была разработка конфигурации вычислительного комплекса VAX-11/780 на заводе фирмы DEC в Салеме, шт. Нью-Гемпшир. Затем последовала разработка конфигураций других типов вычислительных комплексов, таких как VAX-11/750 и последующих модификаций продукции DEC. Экспертная система продемонстрировала, что можно достичь при использовании относительно слабого метода решения проблем, если имеется достаточно знаний о предметной области. Данная система получила в свое время широкое распространение в США.
Задачу системы R1 нельзя отнести к типу триви-
Структура системы БХРРО 6 показана на рис. 2.
База знаний системы содержит следующую информацию:
• Общие сведения: дата создания, автор, наименование и описание БЗ.
• Список целей.
• Правила.
• Переменные и константы.
• Шаблоны.
Рис. 2. Структура системы EXPRO 6
альных. Типовой вычислительный комплекс включает от 50 до 100 компонентов, главными из которых являются центральный процессор, устройство управления оперативной памятью, блоки управления интерфейсом по шинам ШИВив и МАБЗВиБ, причем все эти компоненты подключены к единой плате синхронизации. Шинные интерфейсы поддерживают обмен с широкой номенклатурой периферийных устройств -устройствами внешней памяти на магнитных лентах и дисках, принтерами и т.п. Таким образом, достигается
большая гибкость экспертной системы для применения среди широкого круга пользователей и для решения задач самой различной конфигурации.
Получив задание со спецификацией характеристик вычислительного комплекса, система R1 должна принять решение о том, какие устройства нужно включить в состав комплекса и как их объединить в единую систему. Принять решение о том, соответствует ли определенная конфигурация тем характеристикам, которые представлены в заказе, не так просто, поскольку для этого нужно обладать знаниями о возможностях и характеристиках всех компонентов и отношениях между разными компонентами. Не менее сложна и задача оптимальной компоновки комплекса из выбранного набора компонентов, поскольку при ее решении нужно принимать во внимание множество ограничений на взаимное расположение компонентов в структуре комплекса.
Например, подключение модулей расширения UNIBUS к устройству синхронизации требует учитывать ограничения по токовой нагрузке, существующие для устройства синхронизации, и распределение приоритетов прерываний для подключаемых модулей расширения. Таким образом, задачу выбора конфигурации можно с полным правом считать классической конструктивной проблемой, которая требует для своего решения значительного объема экспертных знаний.
Основополагающий подход для решения задач в системе R1 заключается в том, что процесс решения направляется данными. Т.е. сначала программа определяет множество компонентов, основываясь на первоначальных данных, и далее пытается сконструировать такую конфигурацию этих компонентов, которая удовлетворяла бы ограничениям, вытекающим как из характеристик отдельных компонентов, так и из отношений и связей между ними. Для реализации программы был использован язык OPS5, один из первых языков представления правил, прямой предшественник языка CLIPS.
Для успешной работы программа R1 нуждается в знаниях двух видов:
о характеристиках компонентов - электрических (напряжение питания, потребляемая мощность, параметры выходных сигналов и т.п.), механических (габариты, тип и количество разъемов), структурных (количество портов) и т.п.;
об ограничениях, накладываемых на "совместимость" компонентов, - правилах формирования частичных конфигураций и их расширения.
Система R1 хранит порядка 10 000 правил, значительная часть которых определяет, какое следующее действие должна выполнить программа. Пример одного из таких правил приведен ниже. DISTRIBUTE-MB-DEVICES-3 ЕСЛИ: предыдущим активным контекстом является расширение количества
устройств, подключаемых к шине. MASSBUS & имеется однопортовый НМД, не подключенный к MASSBUS
& отсутствуют двухпортовые НМД, еще не подключенные к MASSBUS
& количество устройств, которое можно подключить к расширителю MASSBUS, известно
& существует расширитель MASSBUS, к которому подключен по крайней мере один НМД и который может поддерживать дополнительные НМД & известен тип кабеля, которым должен быть связан НМД с ранее установленным устройством ТО: подключить НМД к MASSBUS Такие управляющие знания о предметной области позволяют программе R1 принимать решение о том, с чего начинать и как расширять структуру комплекса, не используя при этом сложной процедуры поиска. Как мы увидим далее, программа R1, как правило, не нуждается в обратном прослеживании неудовлетворительных решений, которое можно было бы использовать для отмены сформированной частичной конфигурации и замены ее новой.
Использованные в R1 управляющие знания малочувствительны к очередности применения отдельных правил. Этим она отличается от систем, в которых общая задача конфигурирования решается разделением на подзадачи и выбором групп правил, соответствующих определенной подзадаче. В результате процесс решения проблемы в R1 направляется последовательностью правил, активизированных последними. Для упрощения реализации такой стратегии используются некоторые из средств разрешения конфликтов, которые имеются в языке OPS5.
Гибридная интеллектуальная система. Под гибридной интеллектуальной системой (ГиИС) принято понимать систему, в которой для решения задачи используется более одного метода имитации интеллектуальной деятельности человека. Таким образом, ГиИС — это совокупность:
• аналитических моделей,
• экспертных систем,
• искусственных нейронных сетей,
• нечетких систем,
• генетических алгоритмов,
• имитационных статистических моделей. Междисциплинарное направление «гибридные интеллектуальные системы» объединяет ученых и специалистов, исследующих применимость не одного, а нескольких методов, как правило, из различных классов, к решению задач управления и проектирования.
Научная область ГиИС включает исследование автономных методов для определения их преимуществ и недостатков, отношений интеграции, во многом определяющих состав, архитектуру и процессы обмена и обработки информации в гибридах, идентификацию задач, соответствующих гибридным системам, разработку протоколов для коммуникации между компонентами и многопроцессорные архитектуры [2].
Цели исследований ГиИС включают создание методов увеличения эффективности, выразительной силы и силы вывода интеллектуальных систем, преимущественно более полных, разрабатываемых с меньшими усилиями разработки, чем приложения,
использующие автономные методы. В фундаментальной перспективе ГиИС могут помочь понять когнитивные механизмы и модели.
На основе аналитического обзора существующих классификаций ГиИС предложено выделять следующие пять стратегий разработки ГиИС: автономные, трансформационные, слабосвязанные, сильносвязанные и полностью интегрированные модели:
• Автономные модели приложений ГиИС содержат независимые программные компоненты, реализующие обработку информации на моделях с использованием методов из ограниченного числа классов.
• Трансформационные ГиИС похожи на автономные, так как конечный результат разработки - независимая, не взаимодействующая с другими частями модель. Основное отличие состоит в том, что такая модель начинает работать как система, использующая один автономный метод, а заканчивает как система, использующая уже другой метод. Трансформационные модели дают несколько преимуществ: быстроту создания и меньшие затраты, поскольку эксплуатируется единая модель, а окончательный метод наилучшим образом адаптирует результаты к окружению. Есть и проблемы: автоматическое преобразование одной модели в другую; существенная модификация модели, сравнимая по объему с разработкой «заново».
• Слабосвязанные ГиИС - это, по существу, первая реальная форма интеграции, когда приложение разбивается на отдельные элементы, связываемые через файлы данных. Классификация таких моделей рассмотрена ниже. Цепочные ГиИС используют как составные части два функционально завершенных элемента, один из которых - главный процессор, а другой - пре- или постпроцессор. В подчиненных ГиИС составные части - функционально завершенные элементы. Однако в этом случае один из них - подчиненный, включенный в другой, - главный решатель задачи. Метапроцессорные ГиИС используют как составные части один метапроцессор и несколько функциональных элементов. Сопроцессорные ГиИС при решении задачи применяют элементы, как равные партнеры. При этом каждый может передавать информацию каждому, взаимодействовать, обрабатывая подзадачи одной задачи.
• Сильносвязанные ГиИС имеют низкие коммуникационные затраты и более высокую производительность по сравнению со слабосвязанными моделями. Тем не менее, эти ГиИС имеют и три принципиальных ограничения: 1) сложность разработки и поддержки возрастает как следствие внешнего интерфейса данных; 2) сильная связанность страдает от излишнего накопления данных и 3) проверка адекватности затруднена.
• Полностью интегрированные ГиИС совместно используют общие структуры данных и представления знаний, а взаимосвязь между компонентами достигается посредством двойственной природы структур. Это бурно развивающийся в мировой практике класс
гибридов, где можно выделить разработку концептуальных нейросетей, основанных на знаниях, коннек-ционистских экспертных систем, в которых элементы взаимодействуют быстро и просто, а общая информация для независимого решения задачи мгновенно доступна тому и другому компоненту.
Система обнаружения вторжений. Система обнаружения вторжениий (СОВ) - программное или аппаратное средство, предназначенное для выявления фактов неавторизованного доступа в компьютерную систему или сеть либо несанкционированного управления ими в основном через сеть Интернет [3]. Соответствующий английский термин - Intrusion Detection System (IDS). Системы обнаружения вторжений обеспечивают дополнительный уровень защиты компьютерных систем.
Системы обнаружения вторжений используются для обнаружения некоторых типов вредоносной активности, которая может нарушить безопасность компьютерной системы. К такой активности относятся сетевые атаки против уязвимых сервисов, атаки, направленные на повышение привилегий, неавторизованный доступ к важным файлам, а также действия вредоносного программного обеспечения (компьютерных вирусов, троянов, червей и пр.).
Обычно архитектура СОВ включает:
• сенсорную подсистему, предназначенную для сбора событий, связанных с безопасностью защищаемой системы;
• подсистему анализа, предназначенную для выявления атак и подозрительных действий на основе данных сенсоров;
• хранилище, обеспечивающее накопление первичных событий и результатов анализа;
• консоль управления, позволяющую конфигурировать СОВ, наблюдать за состоянием защищаемой системы и СОВ, просматривать выявленные подсистемой анализа инциденты.
Первая концепция СОВ появилась благодаря Джеймсу Андерсону. В 1984 г. Фред Коэн сделал заявление о том, что каждое вторжение обнаружить невозможно и ресурсы, необходимые для обнаружения вторжений, будут расти вместе со степенью использования компьютерных технологий.
Дороти Деннинг, при содействии Питера Неймана, опубликовала модель СОВ в 1986 г., сформировавшую основу для большинства современных систем. Ее модель использовала статистические методы для обнаружения вторжений и называлась IDES (Intrusion detection expert system - экспертная система обнаружения вторжений). Система работала на рабочих станциях Sun и проверяла как сетевой трафик, так и данные пользовательских приложений.
IDES использовала два подхода к обнаружению вторжений: в ней использовалась экспертная система для определения известных видов вторжений и компонент обнаружения, основанный на статистических методах и профилях пользователей и систем охраняемой сети. Тереза Лунт предложила использовать искусственную нейронную сеть как третий компонент
для повышения эффективности обнаружения. Вслед за IDES в 1993 г. вышла NIDES (Next-generation Intrusion Detection Expert System) - экспертная система обнаружения вторжений нового поколения.
MIDAS (Multics intrusion detection and alerting system) - экспертная система, использующая P-BEST и LISP, разработана в 1988 г. на основе работы Ден-нинга и Неймана. В этом же году была разработана система Haystack, основанная на статистических методах.
Экспертная система DENDRAL . DENDRAL — первая экспертная система в области идентификации органических соединений с помощью анализа масс-спектрограмм. Задача, стоявшая перед DENDRAL — это определение молекулярной структуры неизвестного органического соединения [4].
Система DENDRAL была создана еще в 1965 г., она является старейшей системой, названной экспертной. DENDRAL появилась в Стэнфордском университете и представляет собой плод совместных усилий специалистов по компьютерам и группы экспертов в области химии. Создателем считается Эдвард Фейгенбаум. Экспертная система DENDRAL одной из первых использовала эвристические знания специалистов для достижения уровня эксперта в решении сложных задач.
Рассмотрим более подробно принцип действия экспертной системы. Пользователь дает системе DENDRAL некоторую информацию о веществе, а также данные спектрометрии (инфракрасной, ядерного магнитного резонанса и масс-спектрометрии), и та, в свою очередь, выдает диагноз в виде соответствующей химической структуры. Процесс, часто именуемый «генерация и проверка», позволяет постоянно сокращать число возможных рассматриваемых вариантов, чтобы в любой момент оно было как можно меньше. В состав DENDRAL входят также программы, помогающие пользователю отбрасывать одни гипотезы и применять другие, используя знания о связях показаний масс-спектрометра со структурой молекул соединения. Например, программа MSPRUNE отсеивает те гипотезы, которые предполагают варианты фрагментации, не совпадающие с полученными от масс-спектрометра данными. Таким образом, достигается гибкость экспертной системы и получение наиболее достоверной идентификации органических соединений.
В отличие от некоторых экспертных систем DENDRAL задумана не как «игрушка». Она не используется лишь для проверки теоретических основ экспертных систем, а реально применяется для определения химических структур. Написано более 20 научных работ по результатам работы системы DENDRAL с реальными задачами. Говорят, что в своей области она может поспорить с экспертами-людьми.
Экспертная система MOLGEN. Широкое распространение в химии получила экспертная система MOLGEN, которая помогает генетику при планировании экспериментов по клонированию генов в молекулярной генетике [4]. Эти эксперименты состоят из встраивания гена, кодирующего желаемый белок, в
генетический аппарат бактерии, чтобы эта бактерия воспроизводила такой ген. Система использует знания по генетике и задачу, поставленную пользователем, чтобы создать общий план, а затем превратить его в последовательность конкретных лабораторных опытов. MOLGEN использует ориентированные на объекты и основанные на фреймах представления знаний и схему управления. Она реализована на языках Лисп и UNITS. Система была разработана в Стэнфордском университете. MOLGEN является скорее удобным инструментом проверки подходов к проектированию системы планирования экспериментов по молекулярной генетике, чем работающей экспертной системой.
Экспертная система МОДИС. МОДИС - Машинно-Ориентированная Диагностическая Интерактивная Система - используется в медицине и помогает врачам диагностировать различные формы артериальной гипертонии [1]. Сначала система собирает данные о пациенте, такие как жалобы, симптомы и результаты лабораторных исследований. Затем выдвигается гипотеза о заболеваниях, характеристики которых согласуются с собранной информацией. Если существует несколько возможностей, система выбирает группу заболеваний, считаемых экспертами-медиками наиболее вероятными. Система может объяснить, почему она задает определенные вопросы, формулирует диагнозы и проверяет гипотезы. Диагностические знания и эвристики, воплощенные в МОДИС, взяты от хирургов и терапевтов, являющихся экспертами в этой области. Эти знания представлены семантической сетью, содержащей фреймы, в слотах которых размещены правила и данные. Система реализована на языке Лисп. Она разработана в Тбилиси и доведена до уровня демонстрационного прототипа.
Экспертная система MATHLAB 68. Данная экспертная система помогает математикам, ученым и инженерам выполнять символьные преобразования алгебраических выражений, встречающиеся в задачах математического анализа [4]. Система выполняет дифференцирование, разложение многочленов на множители, вычисление неопределенных интегралов, прямое и обратное преобразования Лапласа, а также решает линейные дифференциальные уравнения с постоянными (числовыми и символьными) коэффициентами. Она содержит математические знания в виде отдельных модулей, каждый из которых специализирован на выполнении определенной функции. Данные пользователя классифицируются на три категории: выражения, уравнения и функции. Правила алгебраических преобразований данных меняются в зависимости от категории. Система реализована на языке Лисп и послужила краеугольным камнем при разработке системы MACSYMA. MATHLAB 68 разработана в Массачусетсом технологическом институте и доведена до уровня исследовательского прототипа.
Экспертная система DIGITALIS ADVISOR. Используется в медицине и помогает врачам, рекомендуя подходящую схему лечения дигиталисом для пациентов с застойной сердечной недостаточностью или нарушениями проводимости сердечной мышцы [4]. Система опрашивает клинициста об истории болезни,
например, о возрасте, сердечном ритме, уровне калия в сыворотке крови, а затем выдает набор рекомендаций для начальной терапии. После того как пациент получил начальную дозу, программа анализирует реакцию пациента, выраженную в ответах клинициста на другой набор вопросов, и выдает новую схему лечения. Знания о лечении дигиталисом представлены как иерархия понятий в семантической сети. Интерпретатор выполняет планы в базе знаний (например, проверяет чувствительность к дигиталису, вызванную преклонным возрастом). Система содержит средства объяснения, порождающие объяснения непосредственно из исполняемого кода. DIGITALIS ADVISOR реализована на языке OWL. Она разработана в Мас-сачусетском технологическом институте и доведена до уровня демонстрационного прототипа.
Экспертная система EXSYS. Данная экспертная система используется в различных отраслях промышленности, т.к. является программной оболочкой, которая может быть как диалоговой (непосредственные ответы на вопросы пользователя), так и вложенной, где все исходные данные поступают от другой программы. Диапазон проблем, которые могут быть решены экспертными системами, обширен [5].
Экспертные системы могут быть разработаны в EXSYS для любой проблемной области, в которой для решения какой-либо задачи необходимо сделать выбор среди определенного набора вариантов, а процесс достижения этого решения основан на логических шагах. Любая проблемная область, где человек или группа людей имеют специальные экспертные знания, необходимые другим, является возможной областью применения ПО EXSYS . Экспертные систе-
мы могут помочь автоматизировать выполнение сложных инструкций, выбрать какое-либо изделие из группы изделий или диагностировать оборудование.
Инструменты программного обеспечения EXSYS используются для создания вероятностных, основанных на знаниях, экспертных систем. Компания EXSYS полагает, что наиболее эффективный путь построения экспертных систем состоит в том, чтобы обеспечить экспертов средствами, которые позволили бы им самим создавать эти системы. Результаты такой политики говорят за себя - ПО EXSYS успешно работает в широком диапазоне реальных проблем, с более чем 11000 пользователей во всем мире. EXSYS-программы рассчитаны на то, что экспертные системы будут создаваться экспертами проблемной среды совместно с профессионалами в области построения инженерных знаний.
Выводы. Как видно из обзора, основными направлениями использования экспертных систем являются: военная промышленность, медицина, 1Т-технологии. Именно в этих отраслях использование экспертных систем в настоящее время приобретает все большую популярность в связи с тем, что идет постоянная модернизация оборудования, используемого на производстве. Современные технологии на производстве не могут обойтись без использования персональных компьютеров, соответственно применение экспертных систем становится все более востребованным, начиная с простейших систем диагностирования и заканчивая сложными системами диагностики, контроля и наладки оборудования.
Статья поступила 13.02.2014 г.
Библиографический список
1. Частиков А.П., Гаврилова Т.А., Белов Д.Л. Разработка экспертных систем. Среда С1_^-СПб.: БХВ-Петербург, 2003.
2. Колесников А.В. Гибридные интеллектуальные системы: Теория и технология разработки / под ред. А.М. Яшина. СПб.: Изд-во СПбГТУ, 2001.
3. Бохуа Н.К., Геловани В.А., Ковригин О.В. Экспертные
системы: опыт проектирования. М.: МНИИПУ, 1990.
4. Нейлор К. Как построить свою экспертную систему: пер. с англ. М.:ЭНЕРГОАТОМИЗДАТ, 1991.
5. Корухова Л.С., Любимский Э.З., Малышко В.В. Программные средства реализации ассоциативного планирования: препринт ИПМ им. М.В.Келдыша РАН №10. М., 2002.
УДК 621.311
СНИЖЕНИЕ УРОВНЯ ВЫСШИХ ГАРМОНИК В ЭЛЕКТРИЧЕСКИХ СЕТЯХ ВЫСОКОГО НАПРЯЖЕНИЯ
© А.С. Селезнев1
Иркутский государственный технический университет, 664074, Россия, г. Иркутск, ул. Лермонтова, 83.
Аргументируется актуальность проблемы нормализации несинусоидальных режимов в электрических сетях высокого напряжения. Излагаются способы снижения уровня высших гармоник в электрических сетях высокого напряжения. Представлены результаты натурных испытаний на объектах действующей энергосистемы. Рассмотрены условия, ограничивающие применением предложенного метода. Приведены практические рекомендации по использованию фильтров специальной настройки. Ил. 4. Табл. 2. Библиогр. 11 назв.
Ключевые слова: нелинейная нагрузка; фильтр; высшие гармоники; качество электрической энергии; электрическая сеть; методика.
1Селезнев Алексей Спартакович, соискатель степени кандидата технических наук, тел.: 89246022602, e-mail: aleksey.seleznev@mail.ru
Seleznev Aleksei, Competitor for a Candidate's degree, tel.: +79246022602, e-mail: aleksey.seleznev@mail.ru
