CC BY
87
Вычислительные технологии
Том 18, Специальный выпуск, 2013
Технологии и инструментальные средства
интеллектуальной поддержки принятия решений
>к
в экстремальных ситуациях в энергетике*
Л. В. МАССЕЛЪ, А. Г. МАССЕЛЪ Институт систем энергетики им. Л.А. Мелентьева СО РАН, Иркутск, Россия e-mail: massel@isem.sei.irk.ru, amassel@gmail.com
Рассматривается разработка распределённой интеллектуальной интерактивной советующей системы (РИИСС), предназначенной для поддержки принятия решений в экстремальных ситуациях в энергетике (как чрезвычайных, так и критических). Приводятся архитектура, основные компоненты и технология применения РИИСС.
Ключевые слова: экстренные вычисления, экстремальные ситуации, интеллектуальные технологии, поддержка принятия решений.
Введение
В настоящее время развивается специфическое направление суперкомпьютерных технологий — технология экстренных вычислений (Urgent Computing — UC). Особенностью UC является интерактивность поддержки принятия решений, в котором могут участвовать несколько лиц, имеющих доступ к одним и тем же инструментальным средствам. При этом лица, принимающие решения, могут самостоятельно формулировать и исследовать разные сценарии развития ситуации в процессе обоснования принимаемого решения.
Технологии UC находят применение, в частности, в системах раннего предупреждения о нагонных наводнениях в Санкт-Петербурге [1]. При этом делается акцент на суперкомпьютерных вычислениях, основанных на применении сложных математических моделей.
Представляется, что технологии UC могут быть полезны также при поддержке принятия решений в энергетике, причём под экстремальными понимаются как чрезвычайные (ЧС), так и критические (КС) ситуации (различие между ними рассматривается ниже).
Учитывая, что критические, а тем более чрезвычайные ситуации в энергетике, как правило, связаны с перебоями в энергоснабжении, при реализации UC не всегда можно надеяться на бесперебойную работу вычислительных кластеров. Так, в экстремальных ситуациях в энергетике авторы предлагают применять двухуровневую технологию поддержки принятия решений, которая является развитием технологии, разработанной ра-
* Работа выполнена при частичной финансовой поддержке Программы Президиума РАН № 229, РФФИ (гранты № 12-07-00359 и № 13-07-00140) и интеграционного проекта СО РАН и НАН Беларуси № 18.
нее для поддержки принятия решений в исследованиях и обеспечении энергетической безопасности России и её регионов [2, 3].
На первом, верхнем, уровне предлагается экспресс-оценка экстремальных ситуаций с применением интеллектуальных технологий: когнитивного моделирования угроз энергетической безопасности (возникновения КС), событийного моделирования возможного развития КС и ЧС и оценки рисков их возникновения с помощью байесовских сетей доверия (БСД-моделирования). Авторами совместно с сотрудниками лаборатории информационных технологий в энергетике ИСЭМ СО РАН разработаны инструментальные средства поддержки этой технологии: библиотеки CogMap, ЕуеПМар и ВауЫе^
На втором уровне технологии предлагается выбор наиболее вероятных вариантов развития ситуаций и их детальный расчёт с применением математических моделей и традиционных программных комплексов, в том числе и на суперкомпьютерах, если реальные условия это позволяют.
Под руководством авторов выполняется разработка распределённой интеллектуальной интерактивной советующей системы (РИИСС) для поддержки принятия решений в экстремальных ситуациях в энергетике, интегрирующей как вышеперечисленные инструментальные средства, так и экспертные системы с описанием прецедентов экстремальных ситуаций и мероприятий, рекомендуемых как для их предотвращения (в случае КС), так и ликвидации (в случае наступления ЧС).
. Описание распределенной интеллектуальном интерактивном советующей системы
Под экстремальными ситуациями (ЭкС) в энергетике понимают как чрезвычайные, так и критические ситуации, определение которых базируется на оценке состояния систем или объектов по шкале: "норма", "предкризис" — критическая ситуация, "кризис" — чрезвычайная ситуация. Исходя из этого под критическими ситуациями понимаются ситуации, когда возникают угрозы бесперебойному функционированию технических объектов и объектов обеспечения жизнедеятельности и/или угрозы жизни или здоровью как отдельных людей, так и социальных (профессиональных) групп.
Эти угрозы могут быть устранены принятием соответствующих превентивных и оперативных мер, которые не позволят критической ситуации перерасти в чрезвычайную. В настоящее время внимание уделяется преимущественно поддержке принятия решений и управлению в чрезвычайных ситуациях, когда необходимы оперативные и ликвидационные мероприятия, на это направлена в том числе деятельность подразделений МЧС. Понимание актуальности моделирования и анализа критических ситуаций позволят сформировать перечень превентивных и оперативных мер, предотвращающих возможную чрезвычайную ситуацию.
Цель создания РИИСС — повышение эффективности и научной обоснованности решений, а также обеспечение поддержки коллективного принятия решений как при наступлении критической ситуации (для её ликвидации и предотвращения перерастания её в чрезвычайную ситуацию), так и при наступлении чрезвычайной ситуации, если принятые меры оказались недостаточными или несвоевременными. Проект направлен в первую очередь на поддержку принятия решений на уровне как муниципального, так и регионального управления.
Рис. 1. Взаимосвязь технологий и поддерживающих их инструментальных средств в распределённой интеллектуальной советующей системе
Предусмотрены два режима работы: использование РИИСС в стабильной и в стрессовой (в условиях ЭкС) обстановке. В первом случае возможно использовать её, с одной стороны, как тренажёр для подготовки сотрудников к согласованным коллективным действиям, направленным на выработку и принятие решений в условиях экстремальных ситуаций, с другой — как инструмент для моделирования ЭкС (возможностей развития и предотвращения КС и ЧС) и пополнения баз знаний на основе результатов моделирования. В стрессовой обстановке при экстремальных ситуациях предлагается использование РИИСС для оперативной поддержки коллективного принятия решений.
В соответствии с режимами разрабатываются две версии РИИСС. Пилотная версия предполагает реализацию первого режима. Для реализации второго режима потребуются опытная эксплуатация пилотной версии и доработка РИИСС по результатам опытной эксплуатации.
Технология поддержки принятия решений в условиях ЭкС опирается на такие интеллектуальные технологии, как технология экспертных систем и семантические технологии моделирования (когнитивное, событийное и моделирование рисков ЭкС на основе байесовских сетей доверия). В свою очередь, для визуализации возможных ЭкС и мероприятий по их предупреждению и/или устранению используется технология 3Б визуализации. Взаимосвязь технологий и поддерживающих их инструментальных средств приведена на рис. 1. Инструментальные средства описаны ниже при рассмотрении архитектуры РИИСС.
2. Интеллектуальные (семантические) технологии
Семантическое моделирование развивается в рамках одного из трендов направления "Семантические технологии" [4], а именно семантические технологии в приложениях. Под семантической технологией понимается совокупность методов и инструментальных
средств для выполнения действий, связанных с представлением знаний и управлением ими. Для представления знаний используются когнитивные и событийные модели, а также фреймовые и продукционные модели представления знаний [5].
Под когнитивным моделированием понимается 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 [6]. Математическим аппаратом для построения когнитивных моделей является теория графов. Когнитивное моделирование используется для описания ситуаций и влияющих на их развитие событий (угроз). В исследованиях проблем энергетической безопасности последние группируются в семь видов: техногенные, экономические, природные, социально-политические, внешнеэкономические и внешнеполитические, а также вызванные несовершенством управления (управленческо-правовые) [1, 7]. В последнее время авторами предложено расширить этот перечень, включив в него киберугрозы [8].
В когнитивных картах, моделирующих ситуации и угрозы, отображаются основные факторы, влияющие на развитие ЭкС, выявляются факторы-угрозы и факторы-мероприятия по их предотвращению, а также причинно-следственные связи между этими факторами. Весовые коэффициенты связей назначаются экспертами, по умолчанию весовые коэффициенты составляют +1 и -1.
Под событийным моделированием понимается построение поведенческих моделей, причём в качестве объектов моделирования могут рассматриваться как люди, так и технические объекты [9]. Сущность событийного метода моделирования заключается в отслеживании на модели последовательности событий в том же порядке, в каком они происходили бы в реальной системе. Задаваемые моделью последовательности реализации событий — цепочки событий — описывают сценарии реакции системы на возникновение инициирующего события, стоящего в начале цепочки.
В качестве инструмента событийного моделирования используется аппарат Joiner-сетей — одной из разновидностей алгебраических сетей, предложенной в [9]. Joiner-сети (Joiner-net, JN) можно рассматривать как расширение сетей Петри, ориентированное на построение поведенческих моделей. В основе теории JN лежит описание логики взаимодействия асинхронных процессов в виде набора пусковых и флаговых функций, состоящих из булевых функций. Особенностью JN является то, что они предусматривают как графическое представление, так и описание в виде логических формул, обработку которых можно автоматизировать. Опыт применения Joiner-сетей для моделирования чрезвычайных ситуаций в энергетике рассмотрен, в частности, в [3, 10].
Байесовские сети доверия [11] решают задачу выражения зависимости между различными переменными, которые (и зависимости, и переменные) можно представить в виде направленного графа причинно-следственных связей. Граф в БСД ациклический, т. е. не содержит направленных циклов. Вершинами ациклического направленного графа являются утверждения, а направленные рёбра соответствуют причинно-следственным связям между этими утверждениями. Инструмент основывается на теореме Байеса теории вероятностей для определения апостериорной вероятности события A при условии, что имеет место событие B, по их априорным вероятностям. Суть рассуждений в байесовской сети — апостериорный, или байесовский, вывод: в систему поступает информация о том, что события, соответствующие тем или иным её узлам, произошли и следует оценить, как изменилась вероятность других узлов. Опыт применения БСД в исследованиях проблем энергетической безопасности рассмотрен в [12].
3. Архитектура и технология РИИСС
В состав распределённой интеллектуальной интерактивной советующей системы входят следующие компоненты (указаны ссылки на статьи, в которых описаны научно-исследовательские прототипы программных компонентов):
1) компонент описания или выбора экстремальных ситуаций (экспертная система (ЭС) Extreme и база знаний об экстремальных ситуациях) [13];
2) компонент построения и корректировки когнитивных карт экстремальных ситуаций (библиотека CogMap) [7];
3) компонент моделирования угроз безопасности и оценки рисков возникновения КС и их перерастания в ЧС на основе байесовских сетей доверия (BayNet) [12];
4) компонент событийного моделирования развития ЭкС — EventMap [10];
5) общая база знаний на основе Репозитария [14], включающая базы знаний прецедентов экстремальных (критических и чрезвычайных) ситуаций, когнитивных и событийных моделей, байесовских сетей доверия и описаний мероприятий;
6) геокомпонент 3D визуализации экстремальных ситуаций и мероприятий на трёхмерной карте города или региона [15];
7) компонент задания управляющих воздействий (превентивных и/или оперативных мероприятий) (экспертная система Advice);
8) редактор планов мероприятий.
Все компоненты реализуются в архитектуре клиент-сервер, основанной на использовании сервис-ориентированной архитектуры (Service Oriented Architecture, SOA). На втором этапе предполагается реализация РИИСС как корпоративного облака, интегрирующего специализированные Web-сервисы, разработанные на основе компонентов, реализованных на предыдущем этапе [16].
Архитектура РИИСС приведена на рис. 2.
Репозитарий
База знаний экспертной системы Extreme (в виде описаний критических и чрезвычайных ситуаций) База знаний CogMap (в виде когнитивных моделей) База знаний BayNet (в виде байесовских сетей доверия) База знаний ЭС ADVICE (в виде правил, связывающих ЭкС и мероприятия) База знаний редактора планов (в виде описаний планов мероприятий)
Компонент описания или
выбора экстремальных ситуаций
ЭС EXTREME
Компонент построения и корректировки когнитивных карт
CogMap
Компонент моделирования угроз безопасности и оценки рисков ЭкС
BayNet
т
Компонент задания управляющих воздействий (превентивных, оперативных, ликвидационных мероприятий)
ЭС ADVICE
Компонент построения и редактирования планов и формирования распоряжений
Редактор планов мероприятий
Геокомпонент ЗО-визуализации
Рис. 2. Архитектура распределённой интеллектуальной советующей системы
Технология применения РИИСС для поддержки принятия решений в экстремальных ситуациях
Этап Наименование этапа Инструментальные средства поддержки
1 Описание экстремальных ситуаций или их выбор из ба- ЭС Extreme, Геоком-
зы знаний с использованием при необходимости ЭБ-визуа- понент
лизации экстремальных ситуаций
2 Построение когнитивных карт экстремальных ситуаций и их анализ с использованием когнитивных карт Библиотека CogMap
3 Оценка рисков перерастания критической ситуации в чрезвычайную с помощью байесовских сетей доверия Библиотека BayNet
4 Построение событийных карт и моделирование развития Библиотека
ЭкС EvenMap
5 Установление соответствия критических ситуаций и мероприятий, рекомендуемых для их устранения (ввод правил — продукций) ЭС Advice
6 Описание или выбор управляющих воздействий ЭС Advice
7 Редактирование плана мероприятий, сформированного в соответствии с выбранными управляющими воздействиями Редактор планов
8 3Б визуализация экстремальных ситуаций и планируемых мероприятий на трёхмерной карте города или региона Геокомпонент
Основные этапы технологии применения РИИСС для поддержки принятия решений в экстремальных ситуациях и используемые на этих этапах инструментальные средства приведены в таблице.
В целом технология включает:
— использование РИИСС в стабильной обстановке — на этапах как предварительной подготовки информации (в том числе моделирование и анализ ЭкС), так и применения РИИСС как ситуационного тренажера;
— использование РИИСС в стрессовой обстановке для оперативной поддержки принятия решений. После заполнения соответствующих баз знаний (этапы 2-5) для поддержки принятия решений будет достаточно ограничиться этапами 1, 6-8.
Заключение
Предложено расширить понятие экстренных вычислений, например, введением двухуровневой технологии поддержки принятия решений. В условиях ЭкС в энергетике, сопровождающихся нарушением энергоснабжения, предусматриваются варианты использования как распределённой версии РИИСС (если сохраняется возможность подключения к серверам), так и автономной, локальной версии.
Для реализации РИИСС предлагается использовать интеллектуальные технологии и поддерживающие их научно-исследовательские прототипы программных компонентов, разработанные и применявшиеся авторами ранее для исследований проблем энергетической безопасности России и её регионов. Предложено расширить перечень угроз энергетической безопасности включением в него киберугроз, последствия реализации которых могут привести как к аварийным, так и катастрофическим ситуациям в энергетике.
Для реализации предлагаемого проекта разрабатываются дополнительно: компонент задания управляющих воздействий (превентивных и/или оперативных мероприятий) (экспертной системы Advice) и редактор планов мероприятий; адаптация существующих компонентов для решения поставленной задачи (реализация Web-сервисов); интеграция всех компонентов в рамках РИИСС; заполнение баз знаний прецедентов экстремальных ситуаций и мероприятий; отладка технологии совместного использования компонентов в рамках РИИСС для поддержки принятия решений в ЭкС.
Разработаны архитектура РИИСС и технология её использования для поддержки принятия решений как в стабильной обстановке (ситуационный тренажер или исследовательский инструмент), так и в стрессовой — для оперативной поддержки коллективного принятия решений в экстремальных ситуациях.
Список литературы
[1] БухАновский А.В., Житников А.Н., Петросян С.Г., Слоот П.М.А. Высокопроизводительные технологии экстренных вычислений для предотвращения угрозы наводнений // Изв. высших учебных заведений. Приборостроение. 2011. Т. 54, № 10. С. 14-20.
[2] Массель Л.В., Массель А.Г. Интеллектуальные вычисления в исследованиях направлений развития энергетики // Изв. Томского политехн. ун-та, 2012. Т. 321, № 5. С. 135-140.
[3] Массель Л.В., Аршинский В.Л., Массель А.Г. Интеллектуальные информационные технологии поддержки принятия решений в исследованиях и обеспечении энергетической безопасности // Интеллектуальные системы принятия решений и проблемы вычислительного интеллекта: Тр. Междунар. конф. Т. 1. Украина, Евпатория: ХНТУ, 2010. С. 192-196.
[4] Хорошевский В.Ф. Семантические технологии: ожидания и тренды // Открытые семантические технологии проектирования интеллектуальных систем: Тр. II Междунар. науч.-техн. конф. Беларусь, Минск: БГУИР, 2012. С. 143-158.
[5] Массель Л.В., Массель А.Г. Семантические технологии на основе интеграции онтологического, когнитивного и событийного моделирования // Матер. III Междунар. науч.-техн. конф. 0STIS-2013. Беларусь, Минск: БГУИР, 2013. С. 247-250.
[6] Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998. 376 с.
[7] Массель А.Г. Когнитивное моделирование угроз энергетической безопасности // Горный информ.-аналит. бюл. (науч.-техн. журн.). 2009. Т. 17, № 12. С. 194-199.
[8] Массель А.Г. Кибератаки как угроза энергетической безопасности России // Тр. Междунар. конф. "Кибербезопасность-2013". Украина, Киев, Ин-т специальной связи и защиты информации НТУ Украины "КПИ", 2013. С. 49-56.
[9] Столяров Л.Н., Новик К.В. Реализация параллельных процессов с помощью сетей Joiner-net // Информационные и математические технологии: Тр. Байкал. Всерос. конф. Иркутск: ИСЭМ СО РАН, 2004. С. 11-14.
[10] Аршинский В.Л. Событийное моделирование чрезвычайных ситуаций в энергетике // Информационные технологии в науке, образовании, телекоммуникации и бизнесе: Тр. Междунар. конф. Украина, Гурзуф, 2010. С. 299-301.
[11] Тулупьев А.Л., НиколЕнко С.И., Сироткин А.В. Байесовские сети: Логико-вероятностный подход. СПб.: Наука, 2006. C. 341-342.
[12] Массель Л.В., Пятковл Е.В. Применение байесовских сетей доверия для интеллектуальной поддержки исследований проблем энергетической безопасности // Вест. ИрГТУ, 2012. № 2. С. 8-13.
[13] Массель А.Г., Кузнецких В.Р., Кушнарев А.С. и др. Разработка экспертной системы, основанной на прецедентах чрезвычайных ситуаций в энергетике // Винеровские чтения: Тр. IV Всерос. конф. Ч. II. Иркутск: ИрГТУ, 2011. С. 154-159.
[14] Массель Л.В., КопАйгородский А.Н. Технологии и система хранения данных и знаний для исследований в энергетике // Современные информационные технологии для научных исследований: Матер. Всерос. конф. Магадан: СВНЦ ДВО РАН, 2008. С. 64-66.
[15] Массель Л.В., Иванов Р.А. 3Б-геомоделирование в исследованиях энергетики: примеры применения и перспективы // Вест. ИрГТУ, 2011. № 4(51). С. 6-11.
[16] Риз Дж. Облачные вычисления. СПб.: В^, 2011. 288 с.
Поступила в 'редакцию 29 ноября 2013 г.
