Разработка и исследование системы обработки технологической информации гидрогенерирующих предприятий тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Ханмагомедов, Андрей Ханмагомедович

• Ханмагомедов, Андрей Ханмагомедович
• кандидат технических наук
• 2010

Оглавление диссертации кандидат технических наук Ханмагомедов, Андрей Ханмагомедович

ВВЕДЕНИЕ

1 СИСТЕМНЫЙ АНАЛИЗ ПРИНЦИПОВ ПОСТРОЕНИЯ СИСТЕМ ОБРАБОТКИ ТЕХНОЛОГИЧЕСКОЙ ИНФОРМАЦИИ НА ОБЪЕКТАХ

ЭЛЕКТРОЭНЕРГЕТИКИ

1.1 Основные определения

1.2 Современное состояние СОТИ в электроэнергетике

1.3 Структура современной СОТИ гидрогенерирующего объекта

1.4 Пути развития СОТИ

1.5 Перспективы расширения прикладных функций СОТИ

1.6 Анализ возможностей применения систем искусственного интеллекта в СОТИ

1.7 Цель и задачи исследования

1.8 Выводы по главе

2 РАЗРАБОТКА ПРИНЦИПОВ ПОСТРОЕНИЯ СИСТЕМЫ ОБРАБОТКИ ТЕХНОЛОГИЧЕСКОЙ ИНФОРМАЦИИ С ЭЛЕМЕНТАМИ ИКУССТВЕННОГО ИНТЕЛЛЕКТА

2.1 Выбор методов исследования

2.2 Разработка структуры СОТИ

2.3 Принципы интеллектуального анализа технологических данных

2.4 Моделирование и анализ эффективности СОТИ с элементами

2.5 Разработка алгоритма работы СОТИ

2.6 Выводы по главе

3 ПРИНЦИПЫ СОЗДАНИЯ НЕЙРОСЕТЕВОЙ ПОДСИСТЕМЫ КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ И ЭКСПЕРТНОЙ ПОДСИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В СОТИ

3.1 Принципы краткосрочного прогнозирования в энергетике

3.2 Подготовка исходных данных, выбор топологии и обучение

3.3 Пути повышения точности результатов прогноза

3.4 Разработка структуры экспертной подсистемы поддержки принятия решений

3.5 Принципы построения СППР для объектов электроэнергетики

3.6 Выводы по главе

4 ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИИ НЕЙРОСЕТЕВОЙ

ПОДСИСТЕМЫ ПРОГНОЗИРОВАНИЯ В СОТИ

4.1 Средства реализации ИНС

4.2 Практическое применение ИНС для краткосрочного прогнозирования стока реки Терек

4.3 Разработка алгоритма работы нейросетевой подсистемы прогнозирования на оборудовании СОТИ

4.4 Результаты краткосрочного прогнозирования

4.5 Выводы по главе

Введение диссертации (часть автореферата) на тему «Разработка и исследование системы обработки технологической информации гидрогенерирующих предприятий»

Актуальность темы. Системы обработки технологической информации (СОТИ) промышленных предприятий предназначены для сбора данных о текущем состоянии технологического оборудования и передачи информации на верхние уровни диспетчерского управления, а также для создания информационной базы для последующего ее включения в интегрированную систему управления предприятия. Установление рыночных отношений в электроэнергетике, особенности функционирования рынков электрической энергии, мощности и услуг предъявляют соответствующие требования как к развитию инфраструктуры рынка, так и к СОТИ. Использование современных СОТИ на генерирующих предприятиях позволяет решать следующие основные задачи: повышение эффективности диспетчерско-технологического управления; оптимизация режимов работы оборудования и увеличение сроков его эксплуатации; повышение надежности и безаварийности работы основного и вспомогательного оборудования; создание информационно-технической базы для дальнейшего развития автоматизированных систем управления производством; автоматизация ведения отчетной документации, и т.д.

Проблемы построения современных СОТИ рассматриваются в работах Стрельникова A.A., Ишкина В.Х., Громова В.Б., Овчинникова A.M., Сергеева С.И., Воробьева C.B. и др. Решением этих же проблем занимаются многие крупные российские и зарубежные фирмы: ОАО «Электроцентроналадка» (программно-технический комплекс (ПТК) «КОТМИ»), ООО НПФ «Ракурс» (ПТК «Апогей»), ЗАО НПФ «Энергосоюз» (ПТК «Нева»), ООО «Эма», Siemens, Omron, и др.

Несмотря на большие успехи, достигнутые перечисленными учеными и фирмами, в электроэнергетике существует еще масса проблем, имеющих непосредственное отношение к функциям, выполняемым системами обработки технологической информации. Их решение является на сегодняшний день одним из приоритетных направлений в развитии электроэнергетической области. Среди таких проблем можно выделить прогнозирование выработки электроэнергии и поддержку принятия решений для оперативного персонала при постоянно изменяющихся условиях и режимах работы электроэнергетических предприятий.

Круг ученых, решающих проблемы построения интеллектуальных систем поддержки принятия решений в электроэнергетике, составляют: Башлыков АА., Еремеев А.П., Чукреев Ю.Я., Черноруцкий И.Г., Гамм А.З., Кучеров Ю.Н., Баринов В.А., Хохлов М.В., и др. Вопросы прогнозирования в электроэнергетике затрагиваются в работах Осовского С., Кудрина Б.И., Готмана Н.Э., Жичкина C.B. Мозгалина A.B. Шумиловой Г.П., Старцевой Т.Б. и др.

Анализ публикаций этих ученых [37, 73, 19, 4, 5, 42, 1, 38, 69, 21, 40, 75] показал, что практически все проводимые исследования касаются либо крупных потребителей, либо отдельных электроэнергетических систем. При этом генерирующим предприятиям практически не уделяется внимания, хотя от стабильности их работы напрямую зависят как потребители, так и энергосистема в целом.

Объектом исследований в работе являются современные системы обработки технологической информации электроэнергетических объектов.

Предметом исследований в работе являются методы и алгоритмы работы систем обработки технологической информации гидрогенерирующих предприятий.

Цель работы. Целью диссертационной работы является разработка и исследование системы обработки технологической информации гидрогенерирующих предприятий с элементами искусственного интеллекта для расширения прикладных функций этой системы.

Для достижения поставленной цели сформулированы и решены следующие задачи: анализ текущего состояния СОТИ в электроэнергетике; построение структуры системы обработки технологической информации с элементами искусственного интеллекта; построение модели и исследование функциональных возможностей СОТИ; разработка алгоритма работы СОТИ; разработка подсистемы краткосрочного прогнозирования выработки электроэнергии на основе искусственной нейронной сети; разработка структуры подсистемы поддержки принятия решений для оперативного персонала, работающего с СОТИ.

Методы исследования. Решение поставленных задач базируется на комплексе методов, включающих SADT (Structured Analysis and Design Technique - методология структурного анализа и проектирования), математическое моделирование, методы вычислительного эксперимента, методы искусственного интеллекта.

Научная новизна работы заключается в следующем: разработана функциональная структура системы обработки технологической информации с элементами искусственного интеллекта, имеющая в своем составе нейросетевую подсистему краткосрочного прогнозирования и экспертную подсистему поддержки принятия решений; предложены принципы интеллектуального анализа технологических данных для электроэнергетических предприятий, позволяющие повысить достоверность обрабатываемой информации; построена функциональная БАОТ-модель системы обработки технологической информации, используемая на ранних стадиях проектирования и создания СОТИ; предложен метод краткосрочного прогнозирования выработки электроэнергии для гидрогенерирующих предприятий, основанный на применении искусственной нейронной сети.

Практическая значимость работы: разработан алгоритм интеллектуального анализа технологических данных, собираемых в СОТИ; разработана и реализована нейросетевая подсистема краткосрочного прогнозирования выработки электроэнергии гидрогенерирующим предприятием; предложенные модели и алгоритмы используются в существующих системах обработки технологической информации, а также могут быть использованы при разработке и создании новых СОТИ. Ожидаемый экономический эффект от внедрения результатов диссертационной работы составляет 1000000 рублей в год.

Основные положения, выносимые на защиту: принципы интеллектуального анализа технологических данных для электроэнергетических предприятий; структура СОТИ с элементами искусственного интеллекта; функциональная 8АГ)Т-модель системы обработки технологической информации; принципы создания нейросетевой подсистемы краткосрочного прогнозирования для гидрогенерирующих предприятий; структура экспертной подсистемы поддержки принятия решений для генерирующих предприятий.

Апробация работы. Основные положения и результаты выполненных исследований прошли апробацию на VI международной конференции «Инновационные технологии для устойчивого развития горных территорий» (Владикавказ, 2007), научно-практической конференции «Управление созданием и развитием систем, сетей и устройств телекоммуникаций» (Санкт-Петербург, 2008), ежегодных научно-технических конференциях СКГМИ (ГТУ) (2007-2009 гг.), расширенном заседании кафедры «Промышленная электроника» СКГМИ (ГТУ), 2009г.

Публикации. Основное содержание диссертации опубликовано в 8-ми печатных работах, в том числе 1 в журнале ВАК.

Личный вклад автора. Основные научные положения, выводы и рекомендации, содержащиеся в диссертационной работе, получены автором самостоятельно.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы из 77 наименований и 1 приложения. Общий объем диссертации 113 страниц, включая 28 рисунков и 5 таблиц.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Ханмагомедов, Андрей Ханмагомедович

4.5 Выводы по главе 4 приведены основные средства для практической реализации ИНС и выбран программный пакет Ма1;1аЬ, как наиболее подходящий для создания нейросетевой системы прогнозирования; проведено сравнение пяти различных структур искусственной нейронной сети и выбрана наиболее оптимальная структура ИНС для прогнозирования; проведен краткосрочный прогноз стока реки Терек с помощью построенной нейросети. Средняя абсолютная ошибка прогноза составила 5,35%, что значительно меньше ошибок, получаемых при прогнозировании классическими методами; проверены методы увеличения точности прогноза, которые описаны в главе 3. Результаты подтверждены на примере краткосрочного прогнозирования реки Терек в феврале 2009 г. Снижение средней процентной ошибки прогнозирования составило примерно 1,5%. предложен алгоритм работы нейросетевой подсистемы краткосрочного прогнозирования в СОТИ.

ЗАКЛЮЧЕНИЕ

В результате проведенных теоретических и экспериментальных исследований можно сформулировать следующие основные результаты и выводы: проведен анализ принципов построения систем обработки технологической информации на объектах электроэнергетики, определен наиболее перспективный путь развития данных систем, основанный на внедрении систем искусственного интеллекта в структуру верхнего уровня СОТИ; разработана структура СОТИ с элементами искусственного интеллекта, определено место систем ИИ в этой структуре. Предложен алгоритм работы системы обработки технологической информации; разработаны принципы интеллектуального анализа данных в электроэнергетике, представляющего собой обнаружение, исправление или исключение заведомо неверных сигналов. Дано описание ошибки, приведены примеры обнаружения и исправления ошибок. Предложен алгоритм интеллектуального анализа данных, позволяющий повысить достоверность обрабатываемой информации, построена функциональная 8АОТ-модель СОТИ, на основе которой подтверждена возможность расширения прикладных функций систем обработки технологической информации с помощью элементов искусственного интеллекта. Кроме того, модель дает четкие представления о функциях и взаимосвязях всех подсистем и тем самым позволит избежать ошибок на этапе проектирования СОТИ. исследованы особенности создания подсистемы краткосрочного прогнозирования в СОТИ. Проведена классификация основных видов ошибок прогнозирования. Проанализированы основные этапы разработки искусственной нейронной сети, а именно подготовка исходных данных, выбор топологии и обучение ИНС. Определены методы повышения точности результата прогнозирования при использовании ИНС. проанализированы принципы построения экспертных систем и на основе этого анализа разработана структура экспертной подсистемы поддержки принятия решений генерирующего объекта. Приведена методика расчета базы знаний и предложена структура СППР регионального генерирующего предприятия, имеющего в своем составе несколько объектов генерации. создана, обучена и протестирована на базе существующей ССПИ Дзауджикауской ГЭС искусственная нейронная сеть, позволяющая прогнозировать сток реки, а, следовательно, и выработку электроэнергии на сутки вперед, на основе прогноза стока. Средняя ошибка получаемого прогноза не более 5%. Предложен алгоритм работы нейросетевой системы краткосрочного прогнозирования в СОТИ гидрогенерирующих предприятий. результаты диссертационной работы внедрены в производственную деятельность ЗАО «ЕН-Телеком», г. Нижний Новгород и филиала ОАО «РусГидро» — «Северо-Осетинский филиал», г. Владикавказ. Ожидаемый экономический эффект от внедрения результатов диссертационной работы составляет 1 млн. рублей в год.

Список литературы диссертационного исследования кандидат технических наук Ханмагомедов, Андрей Ханмагомедович, 2010 год

1. Автоматизация диспетчерского управления в электроэнергетике / В.А.Баринов, А.З.Гамм, Ю.Н.Кучеров и др.; Под общей ред. Ю.Н.Руденко, В.А.Семенова. М.: МЭИ, 2000. 648 с.

2. Алексеева М. Б., Балан С.Н. Основы теории систем и системного анализа. СПб.: СПбГИЭУ, 2002 - 55с.: ил.

3. Барский А.Б. Нейронные сети: распознавание, управление, принятие решений. М.: Финансы и статистика, 2004, 176 е.: ил.

4. Башлыков АА., Вагин В.Н., Еремеев А.П. Экспертные системы поддержки интеллектуальной деятельности операторов АЭС // Вестник МЭИ,- М.: Изд-во МЭИ, 1995. №4.-С.27-36.

5. Башлыков АА., Еремеев А.П. Экспертные системы поддержки принятия решений в энергетике / Под ред. А.Ф. Дьякова.- М.: Изд-во МЭИ, 1994.-216с.

6. Бусленко Н. П., К теории сложных систем, «Изв. АН СССР. Техническая кибернетика», 1963, № 5

7. Вологодский областной Веб-портал Электронный ресурс. Режим доступа: http://cultmfo.rU/fulltext/l/001/008/103/312.htm. Загл. с экрана

8. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2000 - 384с.: ил.

9. Гвоздева В. А., Лаврентьева И. Ю. Основы построения автоматизированных информационных систем. М.: ИД «ФОРУМ»: ИНФРА-М, 2007 - 320с.: ил.

10. Геловани В. А., Башлыков A.A., Бритков В.Б. и др. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды. — М.: Эдиториал УРСС, 2001. 304. с.

11. Гельман Г.А. Телемеханика в энергоснабжении промышленных предприятий. -М.: Энергоиздат, 1981. 120 е.: ил.

12. Гриняев С. Нечеткая логика в системах управления // Компьютерра 2001 - №38.

13. Дапонте П., Гримальди Д. Искусственные нейронные сети в измерениях // Измерения, контроль, автоматизация. 1999.№3. с. 48-64.

14. Директор С., Рорер Р., Введение в теорию систем, пер. с англ., М.,1974.

15. Дронова JL А., Тумилевич Е. Н. Исследование систем управления: учебное пособие. Хабаровск: ХГАЭП, 2005-2006, 132с.: ил.

16. Дьяконов В.П., Круглов B.B. Matlab 6.5 SP1/7/7 SP1/7 SP2 Simulink 5/6. Инструменты искусственного интеллекта и биоинформатики. М.: Солон-пресс, 2006, 456с.: ил

17. Дэвид А. Марка, Клемент МакГоуэн. SADT-методология структурного анализа и проектирования. М.:Метатехнология, 1993.

18. Дюк В., Самойленко A. Data Mining: учебный курс (+CD). — СПб: Изд. Питер, 2001. — 368 с.

19. Еремеев А.П., Симонов Д.Н., Чибизова Н.В. Реализация прототипа системы поддержки принятия решений реальною времени на основе инструментальною комплекса g2. //Программные продукты и системы — 1996-№3

20. Емельянова Н. 3., Партыка T. JL, Попов И. И. Основы построения автоматизированных информационных систем: Учебное пособие. М.: ФОРУМ: ИНФРА-М, 2007 - 416с.: ил.

21. Информационные технологии в образовании Электронный ресурс. Режим доступа: http://ito.edu.ru/2008/Kursl<yV/V-0-7.html Загл. с экрана.

22. Искусственный интеллект: Справочник. В 3 кн. / Под ред. Э.В. Попова, Д.А. Поспелова, В.Н. Захарова, В.Ф. Хорошевского. М.: Радио и связь, 1990.

23. Калан Р. Основные концепции нейронных сетей: Пер. с англ. -М.: Вильяме, 2001.

24. Картавцев В. В. Нейронная сеть предсказывает курс доллара? // Компьютеры + программы 1993 - N 6(7) - с. 10-13.

25. Ковалев Н. Н. Гидротурбины. М. Л., Машгиз, 1961.

26. Кольвах Д.В. Разработка и исследование метода прогнозирования сложных процессов на основе комбинированных рядов. Диссертация на соискание ученой степени кандидата технических наук, Владикавказ, 2004.

27. Кольвах В.Ф. Прогнозирование сложных процессов с помощью комбинированных рядов. Владикавказ, Терек, 2006, 214 с.: ил.

28. Комарцова Л.Г., Максимов A.B. Нейрокомпьютеры. — М.: Изд-во МГТУ им Н.Э.Баумана, 2002.

29. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия Телеком, 2001. - 382 с.

30. Круглов В.В. Нечеткая логика и искусственные нейронные сети /В.В. Круглов, М.И. Дли, Р.Ю. Голунов — М.: Физматлит, 2001. — 224 с.

31. Крухмалев В. В. , Гордиенко В. Н., Моченов А. Д. Цифровые системы передачи. М.: Горячая Линия - Телеком, 2007- 352с.: ил.

32. Кудрин Б.И. Электроснабжение промышленных предприятий: Учебник для студентов высших учебных заведений / Б.И. Кудрин. М.: Интермет Инжиниринг, 2005. - 672 е.: ил.

33. Лидовский В.В. Теория информации: Учебное пособие. М.: Компания Спутник+, 2004. - 111с.

34. Медведев B.C., Потемкин В.Г. Нейронные сети. MATLAB 6. М: Диалог-МИФИ, 2002 - 496с.: ил.

35. Месарович М., Такахара Я. Общая теория систем: математические основы. -М.: Мир, 1978 132с.: ил.

36. Методы решения задач реального времени в электроэнергетике / А.З. Гамм, Ю.Н.Кучеров, С.И.Паламарчук и др. Новосибирск: Наука, сиб. отд., 1991.294 с.

37. Методы управления физико-техническими системами энергетики в новых условиях / Н.И. Воропай, H.H. Новицкий, Е.В. Сеннова и др. Новосибирск: Наука, сибирская издательская фирма РАН, 1995. 335 с.

38. Митюшкин К.Г. Телеконтроль и телеуправление в энергосистемах, М.: Энергоатомиздат, 1990, 287с.

39. Назаров A.B., Лоскутов А.И. Нейросетевые алгоритмы прогнозирования и оптимизации систем. СПб.: Наука и техника, 2003. -384с.: ил.

40. Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002. 344 е.: ил.

41. Поспелов Г.С. Системный анализ и искусственный интеллект. -М.: ВЦ АН СССР, 1980.

42. ПО на основе искусственного интеллекта Электронный ресурс. Режим доступа: http://artmt.jino-net.ru/neurointerator.html. Загл. с экрана.

43. Правительство Российской Федерации. Постановление от 11 июля 2001 г. N 526 "О реформировании электроэнергетики Российской Федерации"

44. Приказ №603 РАО «ЕЭС России» «О приведении систем телемеханики и связи на генерирующих предприятиях электроэнергетики, входящих в состав холдинга ОАО РАО «ЕЭС России», в соответствие с требованиями балансирующего рынка».

45. Прогнозирование цен с помощью нейронных сетей Электронный ресурс. Режим доступа: http://articles.mql4.com/ru/395-Загл. с экрана.

46. Прокофьев Г.И. Автоматизированное проектирование (ранние стадии). Анализ и проектирование процессов. Конспект лекций. Санкт-Петербург, 2008.

47. Рутковская Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы: пер. с польск. М.: Горячая линия - Телеком, 2006. - 452 е.: ил.

48. Сапронов П.В. Системный анализ и разработка принципов построения преобразователей параметров комплексных сопротивлений с интеллектуальными возможностями. Диссертация на соискание ученой степени кандидата технических наук, Владикавказ, 2007.

49. Сараев А.Д., Щербина O.A. Системный анализ и современные информационные технологии //Труды Крымской Академии наук. -Симферополь: СОНАТ, 2006. С. 47-59.

50. Смолин Д. В. Введение в искусственный интеллект: конспект лекций. — М.: ФИЗМАТЛИТ. — 208 с.

51. Соломенцев Ю.М.,Митрофанов В.Г., Павлов В.В., Рыбаков JI.B. Информационно-вычислительные системы в машиностроении. CALS-технологии. М.: Наука, 2003 - 292с.: ил.

52. Статистический Портал StatSoft Электронный ресурс. Режим доступа: http://www.statsoft.rU/home/portal/default.asp#neuralnetwork. Загл. с экрана.

53. Стрельников А. Телекоммуникационные решения для сбора телеметрических данных// Connect! Мир связи, №6 2007 с. 100-104.

54. Таненбаум Э. Компьютерные сети. 4-е изд. СПб.: Питер, 2007, 992с.: ил.

55. Токарев B.JI. Информационные и телекоммуникационные системы: Учеб. пособие. — Тула, 2002 150с.

56. Федеральный закон «Об электроэнергетике» М.: 2003

57. Хайкин С. Нейронные сети: полный курс. М.: «Вильяме», 2006. —1104с.

58. Ханмагомедов А.Х., Ханмагомедов В.Х., Хасцаев М.Б. Принципы расчета погрешности схемы измерения универсальных измерительных приборов // Сборник научных трудов СОО АН ВШ РФ, Владикавказ, 2009, №7 с.9-11.

59. Ханмагомедов А.Х., Хасцаев Б.Д. Принципы построения систем сбора и передачи информации для объектов электроэнергетики // Труды молодых ученых, Владикавказ, 2008, №1 с. 17-21.

60. Ханмагомедов А.Х., Хасцаев Б.Д. Применение элементов искусственного интеллекта в системах сбора и передачи информации. // Научно-технические ведомости СПбГПУ, Санкт-Петербург, 2009, №2. С. 55-59.

61. Ханмагомедов А.Х. Нейросетевая система краткосрочного прогнозирования // Информационный листок Министерства промышленности и энергетики РФ №15-025-09 от ЗОЛ 1.2009.

62. Ханмагомедов А.Х., Хасцаев М.Б. Принципы создания системы поддержки принятия решений для объектов электроэнергетики // Сборник научных трудов СОО АН ВШ РФ, Владикавказ, 2009, №7 с.6-9.

63. Хасцаев Б.Д., Ханмагомедов А.Х. Использование методов расчета для выбора преобразователей импеданса // Сборник научных трудов СО АН ВШ РФ. Владикавказ, 2006, № 4.

64. Хасцаев Б.Д., Ханмагомедов А.Х. Применение нейронных сетей для краткосрочного прогнозирования в электроэнергетике // Сборник научных трудов СОО АН ВШ РФ, Владикавказ, 2008, №6 с.128-131.

65. Черемных C.B. и др. Структурный анализ систем: IDEF -технологии / C.B. Черемных, И.О. Семенов, B.C. Ручкин. М.: Финансы и статистика, 2001. - 208 с.

66. Черноруцкий И.Г. Методы принятия решений. СПб.: БХВ-Петербург, 2005, 416 с.: ил.

67. Чубукова И. A. Data Mining: учебное пособие. М.: Интернет-университет информационных технологий: БИНОМ: Лаборатория знаний, 2006. —382 с.

68. Чукреев Ю.Я., Готман Н.Э., Хохлов М.В. Советчик диспетчера региональной ЭЭС и задачи повышения режимной надежности // Методические вопросы исследования надежности больших систем энергетики. Вып. 51. Сыктывкар: Коми НЦ УрО РАН, 2000. С. 243-250.

69. Шапот М. Интеллектуальный анализ данных в системах поддержки принятия решений. "Открытые системы" 1998 №1 с. 30-35.

70. Шумилова Г.П., Готман Н.Э., Старцева Т.Б. Прогнозирование нагрузки ЭЭС на базе новых информационных технологий. Екатеринбург: УрО РАН. - 2002

71. Экспертные системы реального времени // Материалы семинара / Научн. рук. Э.В. Попов.- М.: ЦРДЗ, 1995.-117с.

72. Ясницкий Л.Н. Введение в искусственный интеллект. М.: Академия, 2005, 176 е.: ил.