область принятия решения

 

область принятия решения
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

Тематики

• электросвязь, основные понятия

EN

• decision area

1) Mathematics: determinate zone

2) Network technologies: solution area

econ. Entscheidungsbereich

 

система поддержки принятия решения
СППР
Область применения СППР — это прежде всего слабоструктурированные проблемы. Для задач, которые относятся к области применения СППР, характерна неопределенность, делающая практически невозможным отыскание единственного объективно наилучшего решения. Поэтому при принятии решений в таких ситуациях должен использоваться более тонкий инструментарий определения системы предпочтений, более глубокий сопоставительный анализ альтернативных вариантов необходимое информационное обеспечение лиц, принимающих решение".
Считается, что "... если экспертные системы предназначены для принятия решения в достаточно стандартных ситуациях и позволяют воспользоваться опытом и знаниями высококвалифицированных специалистов в области принятия решения, то СППР предназначены для поддержки принятия решения в менее стандартных ситуациях при управлении слабоструктурированными объектами".
[Литвак Б.Г., Экспертные технологии в управлении, М., "Дело", 2004 г.]
[ http://www.morepc.ru/dict/]

Можно выделить две категории приложений в БД:

• оперативная обработка транзакций (OLTP - Online Transaction Processing) и
• системы поддержки принятия решений ( DSS - Decision Support System).

OLTP-системы используются для создания приложений, поддерживающих ежедневную активность организации. Обычно это критические для деятельности приложения, требующие быстроты отклика и жесткого контроля над безопасностью и целостностью данных.

DSS, как правило, крупнее, чем OLTP-системы. Обычно они используются с целью анализа данных и выдачи отчетов и рекомендаций. Пользователи должны иметь возможность конструировать запросы различной сложности, осуществлять поиск зависимостей, выводить данные на графики и использовать информацию в других приложениях типа электронных таблиц, текстовых процессорах и статистических пакетов. Еще более широкую поддержку в процессе принятия решений обеспечивают системы оперативной аналитической обработки (OLAP - Online Analytical Processing).

[ http://www.rtsoft-training.ru/?p=600017]

Тематики

• информационные технологии в целом

Синонимы

• СППР

EN

• Decision Support System
• decision support systems
• Decision-Making Support System

1) area

 

альтернатива
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]

альтернатива
альтернативная стратегия
Понятие исследования операций, теории игр, теории решений, — возможный вариант решения задачи. Обычно под термином «А.», понимается как само решение, так и результат (исход) его реализации. Соответственно, множество альтернатив совпадает с множеством конечных исходов, результатов (изоморфно ему). [1] Такое отождествление в большинстве случаев оправданно, однако возможны ситуации, когда эти понятия необходимо различать (например, в ситуациях риска и неопределенности). Те задачи исследования операций, которые состоят в выборе одной из существующих (известных) А., называются задачами оценки, а задачи, которые состоят в разработке новых стратегий (если, например, существующие оказываются недостаточными для достижения цели), называются задачами разработки. В ряде случаев, например, в играх (см. Теория игр), возникает необходимость выяснения альтернативных контрстратегий, т.е. возможных действий других участников игры или действий «природы«, способных отрицательно повлиять на результаты решения задачи, несмотря на удачный выбор стратегии. Постановка задачи исследования операций может считаться законченной лишь тогда, когда определен список альтернатив и способ (критерий) выбора наилучшей из них для достижения заданной цели. Для выбора необходимо упорядочение альтернатив. — их размещение в определенном порядке, как правило, в порядке возрастания полезности ожидаемых или фактических конечных исходов (хотя возможны и иные принципы упорядочения). Используется,например, такая запись: если альтернатива x предпочитается или равноценна альтернативе y, то они составляют упорядоченную пару (x, y). Важные виды альтернатив: Альтернатива детерминированная (Determined, determinative alternative) - решение, о котором известно, что оно безусловно приведет к некоторому конкретному результату (исходу). Альтернативы допустимые ( Feasible alternatives) - отобранные в процессе принятия решения, о которых известно, что они осуществимы и (по предварительному прогнозу) их возможный результат желателен, т.е. не противоречит намерениям принимающего решение. Множество допустимых А. рассматривается в задаче принятия любого решения (см. также Область допустимых решений). Альтернатива стохастическая (Stochastic alternative) - решение, выбранное случайным образом из множества возможных (в зависимости, например, от склонности решающего к риску), или решение, исходы которого носят случайный характер, либо и то, и другое. Во втором из указанных случаев стохастическое решение удается сводить к детерминированному, если, например, результатом считать средний из возможных результатов принятия данной А. См. также Бинарное отношение, Доминирование альтернатив, Предпочтение, Ранжирование экономических величин. [1] В обыденной речи слово “альтернатива” понимается как необходимость выбора между взаимоисключающими возможностями (вариантами решений).
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• энергетика в целом

Синонимы

• альтернативная стратегия

EN

• alternative
• alternative decision
• alternative strategy

 

параметры информации
Характеристики, с помощью которых оцениваются информационные ресурсы. К основным параметрам относятся: содержание, охват, время, источник, качество, соответствие потребностям, способ фиксации, язык, стоимость. Подробнее см. Таблицу:

№

Параметры информации

Критерии параметра

Суть критерия

1.

Содержание.*

Определяет предметную область информации. Неразрывно связано с параметром охвата.

-

-

2.

 

Объем

Общее количество информации.

 

    
 
Охват.
 
Определяет, ограничивает и описывает содержание.

Полнота

Соотношение между имеющейся и доступной информацией.

 

 

Достаточность

Возможность достижения цели при наличии доступной информации.

3.

    
 
Время.
 
Фиксирует момент или период осуществления информационного взаимодействия.

-

-

4

    
 
Источник.
 
Идентифицирует происхождение информации. Неразрывно связан с параметром охвата.

-

-

5.

Качество.

Определяет свойства, отражающие степень пригодности информации для достижения цели.

Адекватность

Однозначное соответствие информации отображенному объекту.

 

 

Достоверность

Отсутствие в информации скрытых ошибок.

 

 

Своевременность

Поступление информации в пределах того времени, когда она полезна для принятия решения.

 

 

Ценность

Важность, нужность информации для принятия решения.

 

 

Актуальность

Интегрированный критерий, определяющий своевременность и ценность информации в совокупности.

 

 

Новизна

Впервые полученная информация.

 

 

Полезность

Пригодность информации для определенной цели.

 

 

Доступность

Возможность получения информации.

 

 

Защищенность

Невозможность несанкционированного использования (или изменения) информации.

 

 

Эргономичность

Удобство формы или объема информации.

 

 

Фасцинация

Привлекательность информации.

 

 

Живучесть

Способность информации сохранять свое качество во времени.

6.

Уникальность.

Информация в единственном экземпляре.

-

-

7.

Соответствие потребностям.

Необходимость в получении информации для решения конкретных задач.

Пертинентность

Соответствие содержания информации потребности пользователя.

 

 

Релевантность

Отношение смысловой близости между содержанием информации и запросом пользователя.

 

 

Полнота

Отношение релевантной информации ко всей имеющейся.

 

 

Точность

Отношение релевантной информации к общей совокупности релевантной и нерелевантной информации.

 

 

Проверяемость

Доступность источника для подтверждения истинности информации.

8.

Способ фиксации.

Закрепление информации на тех или иных носителях.

Статический

Фиксация информация в вещественном виде.

 

 

Динамический

Фиксация информации в виде, пригодном для коммуникации по энергетическим каналам.

9.

Язык.

Средство информационного взаимодействия.

Отсутствие языкового барьера

Фактор, благоприятный для создания, и использования информации, осуществления информационных взаимодействий.

 

 

Наличие языкового барьера

Фактор, снижающий возможность создания и использования информации, осуществления информационных взаимодействий.

10.

    
 
Стоимость.
 
Овеществленный в продукте (фиксированной информации) общественный труд.

Бесплатная информация

Продукт, представляемый производителем в безвозмездном пользовании.

 

 

Платная информация

Продукт, имеющий цену в денежном выражении и предоставляемый в использование на платной основе.

*Примечание: некоторые параметры не имеют своих четко выраженных критериев оценки (время, уникальность), а другие (содержание, источник) имеют их чрезвычайно много. Именно поэтому эти критерии в таблице не представлены.
[ http://www.morepc.ru/dict/]

Тематики

• информационные технологии в целом

EN

• parameter of information

 

линейное программирование
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

линейное программирование
Область математического программирования, посвященная теории и методам решения экстремальных задач, характеризующихся линейной зависимостью между переменными. В самом общем виде задачу Л.п. можно записать так. Даны ограничения типа или в так называемой канонической форме, к которой можно привести все три указанных случая Требуется найти неотрицательные числа xj (j = 1, 2, …, n), которые минимизируют (или максимизируют) линейную форму Неотрицательность искомых чисел записывается так: Таким образом, здесь представлена общая задача математического программирования с теми оговорками, что как ограничения, так и целевая функция — линейные, а искомые переменные — неотрицательны. Обозначения можно трактовать следующим образом: bi — количество ресурса вида i; m — количество видов этих ресурсов; aij — норма расхода ресурса вида i на единицу продукции вида j; xj — количество продукции вида j, причем таких видов — n; cj — доход (или другой выигрыш) от единицы этой продукции, а в случае задачи на минимум — затраты на единицу продукции; нумерация ресурсов разделена на три части: от 1 до m1, от m1 + 1 до m2 и от m2 + 1 до m в зависимости от того, какие ставятся ограничения на расходование этих ресурсов; в первом случае — «не больше», во втором — «столько же», в третьем — «не меньше»; Z — в случае максимизации, например, объем продукции или дохода, в случае же минимизации — себестоимость, расход сырья и т.п. Добавим еще одно обозначение, оно появится несколько ниже; vi — оптимальная оценка i-го ресурса. Слово «программирование» объясняется здесь тем, что неизвестные переменные, которые отыскиваются в процессе решения задачи, обычно в совокупности определяют программу (план) работы некоторого экономического объекта. Слово, «линейное» отражает факт линейной зависимости между переменными. При этом, как указано, задача обязательно имеет экстремальный характер, т.е. состоит в отыскании экстремума (максимума или минимума) целевой функции. Следует с самого начала предупредить: предпосылка линейности, когда в реальной экономике подавляющее большинство зависимостей носит более сложный нелинейный характер, есть огрубление, упрощение действительности. В некоторых случаях оно достаточно реалистично, в других же выводы, получаемые с помощью решения задач Л.п. оказываются весьма несовершенными. Рассмотрим две задачи Л.п. — на максимум и на минимум — на упрощенных примерах. Предположим, требуется разработать план производства двух видов продукции (объем первого — x1; второго — x2) с наиболее выгодным использованием трех видов ресурсов (наилучшим в смысле максимума общей прибыли от реализации плана). Условия задачи можно записать в виде таблицы (матрицы). Исходя из норм, зафиксированных в таблице, запишем неравенства (ограничения): a11x1 + a12x2 ? bi a21x1 + a22x2 ? b2 a31x1 + a32x2 ? b3 Это означает, что общий расход каждого из трех видов ресурсов не может быть больше его наличия. Поскольку выпуск продукции не может быть отрицательным, добавим еще два ограничения: x1? 0, x2? 0. Требуется найти такие значения x1 и x2, при которых общая сумма прибыли, т.е. величина c1 x1 + c2 x2 будет наибольшей, или короче: Удобно показать условия задачи на графике (рис. Л.2). Рис. Л.2 Линейное программирование, I (штриховкой окантована область допустимых решений) Любая точка здесь, обозначаемая координатами x1 и x2, составляет вариант искомого плана. Очевидно, что, например, все точки, находящиеся в области, ограниченной осями координат и прямой AA, удовлетворяют тому условию, что не может быть израсходовано первого ресурса больше, чем его у нас имеется в наличии (в случае, если точка находится на самой прямой, ресурс используется полностью). Если то же рассуждение отнести к остальным ограничениям, то станет ясно, что всем условиям задачи удовлетворяет любая точка, находящаяся в пределах области, края которой заштрихованы, — она называется областью допустимых решений (или областью допустимых значений, допустимым множеством). Остается найти ту из них, которая даст наибольшую прибыль, т.е. максимум целевой функции. Выбрав произвольно прямую c1x1 + c2x2 = П и обозначив ее MM, находим на чертеже все точки (варианты планов), где прибыль одинакова при любом сочетании x1 и x2 (см. Линия уровня). Перемещая эту линию параллельно ее исходному положению, найдем точку, которая в наибольшей мере удалена от начала координат, однако не вышла за пределы области допустимых значений. (Перемещая линию уровня еще дальше, уже выходим из нее и, следовательно, нарушаем ограничения задачи). Точка M0 и будет искомым оптимальным планом. Она находится в одной из вершин многоугольника. Может быть и такой случай, когда линия уровня совпадает с одной из прямых, ограничивающих область допустимых значений, тогда оптимальным будет любой план, находящийся на соответствующем отрезке. Координаты точки M0 (т.е. оптимальный план) можно найти, решая совместно уравнения тех прямых, на пересечении которых она находится. Противоположна изложенной другая задача Л.п.: поиск минимума функции при заданных ограничениях. Такая задача возникает, например, когда требуется найти наиболее дешевую смесь некоторых продуктов, содержащих необходимые компоненты (см. Задача о диете). При этом известно содержание каждого компонента в единице исходного продукта — aij, ее себестоимость — cj ; задается потребность в искомых компонентах — bi. Эти данные можно записать в таблице (матрице), сходной с той, которая приведена выше, а затем построить уравнения как ограничений, так и целевой функции. Предыдущая задача решалась графически. Рассуждая аналогично, можно построить график (рис. Л.3), каждая точка которого — вариант искомого плана: сочетания разных количеств продуктов x1 и x2. Рис.Л.3 Линейное программирование, II Область допустимых решений здесь ничем сверху не ограничена: нужное количество заданных компонентов тем легче получить, чем больше исходных продуктов. Но требуется найти наиболее выгодное их сочетание. Пунктирные линии, как и в предыдущем примере, — линии уровня. Здесь они соединяют планы, при которых себестоимость смесей исходных продуктов одинакова. Линия, соответствующая наименьшему ее значению при заданных требованиях, — линия MM. Искомый оптимальный план — в точке M0. Приведенные крайне упрощенные примеры демонстрируют основные особенности задачи Л.п. Реальные задачи, насчитывающие много переменных, нельзя изобразить на плоскости — для их геометрической интерпретации используются абстрактные многомерные пространства. При этом допустимое решение задачи — точка в n-мерном пространстве, множество всех допустимых решений — выпуклое множество в этом пространстве (выпуклый многогранник). Задачи Л.п., в которых нормативы (или коэффициенты), объемы ресурсов («константы ограничений«) или коэффициенты целевой функции содержат случайные элементы, называются задачами линейного стохастического программирования; когда же одна или несколько независимых переменных могут принимать только целочисленные значения, то перед нами задача линейного целочисленного программирования. В экономике широко применяются линейно-программные методы решения задач размещения производства (см. Транспортная задача), расчета рационов для скота (см. Задача диеты), наилучшего использования материалов (см. Задача о раскрое), распределения ресурсов по работам, которые надо выполнять (см. Распределительная задача) и т.д. Разработан целый ряд вычислительных приемов, позволяющих решать на ЭВМ задачи линейного программирования, насчитывающие сотни и тысячи переменных, неравенств и уравнений. Среди них наибольшее распространение приобрели методы последовательного улучшения допустимого решения (см. Симплексный метод, Базисное решение), а также декомпозиционные методы решения крупноразмерных задач, методы динамического программирования и др. Сама разработка и исследование таких методов — развитая область вычислительной математики. Один из видов решения имеет особое значение для экономической интерпретации задачи Л.п. Он связан с тем, что каждой прямой задаче Л.п. соответствует другая, симметричная ей двойственная задача (подробнее см. также Двойственность в линейном программировании). Если в качестве прямой принять задачу максимизации выпуска продукции (или объема реализации, прибыли и т.д.), то двойственная задача заключается, наоборот, в нахождении таких оценок ресурсов, которые минимизируют затраты. В случае оптимального решения ее целевая функция — сумма произведений оценки (цены) vi каждого ресурса на его количество bi— то есть равна целевой функции прямой задачи. Эта цена называется объективно обусловленной, или оптимальной оценкой, или разрешающим множителем. Основополагающий принцип Л.п. состоит в том, что в оптимальном плане и при оптимальных оценках всех ресурсов затраты и результаты равны. Оценки двойственной задачи обладают замечательными свойствами: они показывают, насколько возрастет (или уменьшится) целевая функция прямой задачи при увеличении (или уменьшении) запаса соответствующего вида ресурсов на единицу. В частности, чем больше в нашем распоряжении данного ресурса по сравнению с потребностью в нем, тем ниже будет оценка, и наоборот. Не решая прямую задачу, по оценкам ресурсов, полученных в двойственной задаче, можно найти оптимальный план: в него войдут все технологические способы, которые оправдывают затраты, исчисленные в этих оценках (см. Объективно обусловленные (оптимальные) оценки). Первооткрыватель Л.п. — советский ученый, академик, лауреат Ленинской, Государственной и Нобелевской премий Л.В.Канторович. В 1939 г. он решил математически несколько задач: о наилучшей загрузке машин, о раскрое материалов с наименьшими расходами, о распределении грузов по нескольким видам транспорта и др., при этом разработав универсальный метод решения этих задач, а также различные алгоритмы, реализующие его. Л.В.Канторович впервые точно сформулировал такие важные и теперь широко принятые экономико-математические понятия, как оптимальность плана, оптимальное распределение ресурсов, объективно обусловленные (оптимальные) оценки, указав многочисленные области экономики, где могут быть применены экономико-математические методы принятия оптимальных решений. Позднее, в 40—50-х годах, многое сделали в этой области американские ученые — экономист Т.Купманс и математик Дж. Данциг. Последнему принадлежит термин «линейное программирование». См. также: Ассортиментные задачи, Базисное решение, Блочное программирование, Булево линейное программирование, Ведущий столбец, Ведущая строка, Вершина допустимого многогранника, Вырожденная задача, Гомори способ, Граничная точка, Двойственная задача, Двойственность в линейном программировании, Дифференциальные ренты, Дополняющая нежесткость, Жесткость и нежесткость ограничений ЛП, Задача диеты, Задача о назначениях, Задача о раскрое, Задачи размещения, Исходные уравнения, Куна — Таккера условия, Множители Лагранжа, Область допустимых решений, Опорная прямая, Распределительные задачи, Седловая точка, Симплексная таблица, Симплексный метод, Транспортная задача.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электросвязь, основные понятия

EN

• linear programming

 

решение
Выбор альтернативы.
[ http://tourlib.net/books_men/meskon_glossary.htm]

решение
(в планировании и управлении, исследовании операций, экономико-математическом моделировании) — 1. Выбор одной или нескольких альтернатив из множества возможных (вариантов Р.). 2. Процесс (алгоритм) осуществления такого выбора. Этот выбор основывается на оценке и сопоставлении ожидаемых результатов принятия тех или иных альтернатив с точки зрения целей (или цели), поставленных в решаемой задаче. Для принятия Р., таким образом, необходимы: четко сформулированная цель; список альтернативных возможностей (стратегий, т.е. вариантов распределения сил и средств и т.д.) и правила выбора между ними, т.е. в общем случае, критерий качества Р.; знание факторов, которые могут повлиять на результат при принятии того или иного Р. В исследовании операций и в целом в экономико-математических методах распространено обоснование Р. не непосредственно (например, путем реального экономического эксперимента), а с помощью экономико-математических моделей. Принято говорить о решении модели, т.е. о выборе такой совокупности значений ее переменных, которая обеспечивает наилучшее по какому-либо критерию значение целевой функции. Как видно, данное выше общее определение относится и к понятию «Р. модели», поскольку оно означает отбор из ряда возможных вариантов (векторов) значений переменных (каждый из них — альтернатива) того варианта, который приводит к лучшему результату. Надо лишь учесть, что поскольку модель не может быть точным отражением действительности, Р. модели не обязательно будет решением реальной задачи; во всяком случае при переходе от модели к действительности нужна дополнительная проверка адекватности Р. Процессы Р. моделей подразделяются на аналитические и численные. Метод аналитического Р. — последовательность математических преобразований, приводящих к заданному результату (например, к формуле, выражающей зависимость экстремального значения функции от ее аргументов). В этом случае численные значения переменных (см. Аналитические методы решения моделей) включаются лишь на последнем этапе. Численные методы получения Р., среди которых наибольшее значение имеют итеративные (см. Численные методы оптимизации), отличаются тем, что в них численные значения переменных участвуют в процессе Р. с самого начала, и на каждом этапе проверяется, соответствуют ли они заданной цели: в случае положительного ответа процесс Р. заканчивается, в случае отрицательного — продолжается. Полученное Р. обычно не является окончательным — изменение условий и целей всегда может поставить вопрос о его корректировке, подстройке. Корректировка (иногда она также называется “управление решением”) — необходимое условие успешного внедрения моделей в практику. Классификация моделей принятия Р. пока не разработана. Есть лишь частичные классификации по отдельным аспектам. Например, а) по степени сложности: простые, принимаемые по одному критерию оценки и выбора альтернатив, и сложные — принимаемые по нескольким критериям; б) по имеющейся информации о возможных результатах: Р., принимаемые в условиях определенности (см. Детерминированные задачи), неопределенности, риска (частичной неопределенности); в) по временному охвату: стратегические и тактические; г) по виду зависимости переменных от времени: статические и динамические; д) по числу лиц, принимающих Р.: индивидуальные и групповые. В последнем случае возникает необходимость согласования индивидуальных Р. (см., например, Теория группового выбора, Согласование плановых решений), различаются также дискретные и непрерывные Р. См. также: Алгоритм управления, Дерево решений, Лицо, принимающее решения, Многошаговые процессы принятия решений, Область допустимых решений, Планово-экономическая задача, Последовательные методы принятия решений, Решение игры, Системы поддержки решений, Теория решений, Экономико-математический анализ решения оптимизационных задач, Экономические решения.
[ http://slovar-lopatnikov.ru/]

Тематики

• менеджмент в целом
• экономика

EN

• decision
• model solution

3.9 решение (decision): Результат выбора между различными направлениями действия.

Источник: ГОСТ Р ИСО 19439-2008: Интеграция предприятия. Основа моделирования предприятия оригинал документа

3.130 решение (decision): Результат выбора между различными направлениями действия.

Источник: ГОСТ Р 54136-2010: Системы промышленной автоматизации и интеграция. Руководство по применению стандартов, структура и словарь оригинал документа

 

ограничения модели
Запись условий, в которых действительны расчеты, использующие эту модель. Обычно представляя собою систему уравнений и неравенств, они в совокупности определяют область допустимых решений (допустимое множество). Совместность системы ограничений — обязательное условие разрешимости модели: в случае несовместности этой системы допустимое множество является пустым. На практике в качестве О.м. часто выступают ресурсы сырья и материалов, капиталовложения, возможные варианты расширения предприятий, потребности в готовой продукции и т.п. Как правило, если снять ограничения задачи, то показатели ее решения окажутся лучше, чем при решении, соответствующем реальным условиям. И, наоборот, если сделать ограничения более жесткими и тем самым сократить возможности выбора вариантов, то решение окажется, как правило, хуже. В первом случае оно будет оптимистичным, во втором — пессимистичным. Это, между прочим, открывает возможность приблизительного, прикидочного решения некоторых оптимизационных задач: меняя ограничения, можно оценить диапазон значений, в пределах которых находятся решения задачи. На рис.O.3 а, б показаны некоторые важнейшие типы О.м., определяющих область допустимых решений в задачах математического программирования. (Для наглядности — в 2-мерном пространстве, в его первом квадранте). Ограничения I, II, Y — линейные, III, IY, YI — нелинейные. Линейными ограничениями являются на рис. O.3а также оси координат; иначе говоря, в область допустимых решений здесь входят все точки, удовлетворяющие I и II, но кроме того, отвечающие условию  x1  ? 0, x2 ? 0 (см. Неотрицательность значений). Кривая IY — ограничение переменной x2 сверху, YI — ограничение той же переменной снизу. Запись типа  a? x ?b  называется двусторонним ограничением. Все показанные ограничения относятся к типу ограничений-неравенств. Что касается ограничений-равенств, то они определяют область допустимых решений как точку (в одномерном пространстве), как линию (в двумерном пространстве), как гиперповерхность (в многомерном пространстве). Экономико-математические ограничения разделяются также на детерминированные (см. рис. O.3 а, б) и стохастические (см. рис.O.3 в). В последнем случае серия кривых АВС отображает возможные случайные реализации стохастического ограничения. В задачах математического программирования системы ограничений (т.е. выражающих их уравнений и неравенств) удобно записывать в векторной форме: f (x) = b или f (x) ? b и т.п., где x — вектор-столбец управляющих переменных xi (i = 1, 2, …, n), b — вектор-столбец, компонентами которого являются функции ограничений bi (примеры см. в статье Математическое программирование). В моделях планирования ограничения снизу имеют смысл плановых заданий (которые допустимо перевыполнять), ограничения сверху — смысл «квот» на выпуск тех или иных видов продукции. При совпадении ограничений сверху и снизу экономический субъект полностью лишается свободы принятия решений в данной области. В системах моделей различаются общесистемные (или глобальные) О.м., имеющие силу для всей моделируемой экономической системы, и локальные ограничения для моделей отдельных подсистем. Несовместность локальных ограничений с общесистемными приводит к неразрешимости системы моделей.   Рис.О.3  Линейные и нелинейные ограничения
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• model constraints

 

интеллектуальный учет электроэнергии
-
[Интент]

Учет электроэнергии

Понятия «интеллектуальные измерения» (Smart Metering), «интеллектуальный учет», «интеллектуальный счетчик», «интеллектуальная сеть» (Smart Grid), как все нетехнические, нефизические понятия, не имеют строгой дефиниции и допускают произвольные толкования. Столь же нечетко определены и задачи Smart Metering в современных электрических сетях.
Нужно ли использовать эти термины в такой довольно консервативной области, как электроэнергетика? Что отличает новые системы учета электроэнергии и какие функции они должны выполнять? Об этом рассуждает Лев Константинович Осика.

SMART METERING – «ИНТЕЛЛЕКТУАЛЬНЫЙ УЧЕТ» ЭЛЕКТРОЭНЕРГИИ

Определения и задачи
По многочисленным публикациям в СМИ, выступлениям на конференциях и совещаниях, сложившемуся обычаю делового оборота можно сделать следующие заключения:
• «интеллектуальные измерения» производятся у потребителей – физических лиц, проживающих в многоквартирных домах или частных домовладениях;
• основная цель «интеллектуальных измерений» и реализующих их «интеллектуальных приборов учета» в России – повышение платежной дисциплины, борьба с неплатежами, воровством электроэнергии;
• эти цели достигаются путем так называемого «управления электропотреблением», под которым подразумеваются ограничения и отключения неплательщиков;
• средства «управления электропотреблением» – коммутационные аппараты, получающие команды на включение/отключение, как правило, размещаются в одном корпусе со счетчиком и представляют собой его неотъемлемую часть.
Главным преимуществом «интеллектуального счетчика» в глазах сбытовых компаний является простота осуществления отключения (ограничения) потребителя за неплатежи (или невнесенную предоплату за потребляемую электроэнергию) без применения физического воздействия на существующие вводные выключатели в квартиры (коттеджи).
В качестве дополнительных возможностей, стимулирующих установку «интеллектуальных приборов учета», называются:
• различного рода интеграция с измерительными приборами других энергоресурсов, с биллинговыми и информационными системами сбытовых и сетевых компаний, муниципальных администраций и т.п.;
• расширенные возможности отображения на дисплее счетчика всей возможной (при первичных измерениях токов и напряжений) информации: от суточного графика активной мощности, напряжения, частоты до показателей надежности (времени перерывов в питании) и денежных показателей – стоимости потребления, оставшейся «кредитной линии» и пр.;
• двухсторонняя информационная (и управляющая) связь сбытовой компании и потребителя, т.е. передача потребителю различных сообщений, дистанционная смена тарифа, отключение или ограничение потребления и т.п.

ЧТО ТАКОЕ «ИНТЕЛЛЕКТУАЛЬНЫЕ ИЗМЕРЕНИЯ»?

Приведем определение, данное в тематическом докладе комитета ЭРРА «Нормативные аспекты СМАРТ ИЗМЕРЕНИЙ», подготовленном известной международной компанией КЕМА:
«…Для ясности необходимо дать правильное определение смарт измерениям и описать организацию инфраструктуры смарт измерений. Необходимо отметить, что между смарт счетчиком и смарт измерением существует большая разница. Смарт счетчик – это отдельный прибор, который установлен в доме потребителя и в основном измеряет потребление энергии потребителем. Смарт измерения – это фактическое применение смарт счетчиков в большем масштабе, то есть применение общего принципа вместо отдельного прибора. Однако, если рассматривать пилотные проекты смарт измерений или национальные программы смарт измерений, то иногда можно найти разницу в определении смарт измерений. Кроме того, также часто появляются такие термины, как автоматическое считывание счетчика (AMR) и передовая инфраструктура измерений (AMI), особенно в США, в то время как в ЕС часто используется достаточно туманный термин «интеллектуальные системы измерений …».
Представляют интерес и высказывания В.В. Новикова, начальника лаборатории ФГУП ВНИИМС [1]: «…Это автоматизированные системы, которые обеспечивают и по-требителям, и сбытовым компаниям контроль и управление потреблением энергоресурсов согласно установленным критериям оптимизации энергосбережения. Такие измерения называют «интеллектуальными измерениями», или Smart Metering, как принято за рубежом …
…Основные признаки Smart Metering у счетчиков электрической энергии. Их шесть:
1. Новшества касаются в меньшей степени принципа измерений электрической энергии, а в большей – функциональных возможностей приборов.
2. Дополнительными функциями выступают, как правило, измерение мощности за короткие периоды, коэффициента мощности, измерение времени, даты и длительности провалов и отсутствия питающего напряжения.
3. Счетчики имеют самодиагностику и защиту от распространенных методов хищения электроэнергии, фиксируют в журнале событий моменты вскрытия кожуха, крышки клеммной колодки, воздействий сильного магнитного поля и других воздействий как на счетчик, его информационные входы и выходы, так и на саму электрическую сеть.
4. Наличие функций для управления нагрузкой и подачи команд на включение и отключение электрических приборов.
5. Более удобные и прозрачные функции для потребителей и энергоснабжающих организаций, позволяющие выбирать вид тарифа и энергосбытовую компанию в зависимости от потребностей в энергии и возможности ее своевременно оплачивать.
6. Интеграция измерений и учета всех энергоресурсов в доме для выработки решений, минимизирующих расходы на оплату энергоресурсов. В эту стратегию вовлекаются как отдельные потребители, так и управляющие компании домами, энергоснабжающие и сетевые компании …».
Из этих цитат нетрудно заметить, что первые 3 из 6 функций полностью повторяют требования к счетчикам АИИС КУЭ на оптовом рынке электроэнергии и мощности (ОРЭМ), которые не менялись с 2003 г. Функция № 5 является очевидной функцией счетчика при работе потребителя на розничных рынках электроэнергии (РРЭ) в условиях либеральной (рыночной) энергетики. Функция № 6 практически повторяет многочисленные определения понятия «умный дом», а функция № 4, провозглашенная в нашей стране, полностью соответствует желаниям сбытовых компаний найти наконец действенное средство воздействия на неплательщиков. При этом ясно, что неплатежи – не следствие отсутствия «умных счетчиков», а результат популистской политики правительства. Отключить физических (да и юридических) лиц невозможно, и эта функция счетчика, безусловно, останется невостребованной до внесения соответствующих изменений в нормативно-правовые акты.
На функции № 4 следует остановиться особо. Она превращает измерительный прибор в управляющую систему, в АСУ, так как содержит все признаки такой системы: наличие измерительного компонента, решающего компонента (выдающего управляющие сигналы) и, в случае размещения коммутационных аппаратов внутри счетчика, органов управления. Причем явно или неявно, как и в любой системе управления, подразумевается обратная связь: заплатил – включат опять.
Обоснованное мнение по поводу Smart Grid и Smart Metering высказал В.И. Гуревич в [2]. Приведем здесь цитаты из этой статьи с локальными ссылками на используемую литературу: «…Обратимся к истории. Впервые этот термин встретился в тексте статьи одного из западных специалистов в 1998 г. [1]. В названии статьи этот термин был впервые использован Массудом Амином и Брюсом Волленбергом в их публикации «К интеллектуальной сети» [2]. Первые применения этого термина на Западе были связаны с чисто рекламными названиями специальных контроллеров, предназначенных для управления режимом работы и синхронизации автономных ветрогенераторов (отличающихся нестабильным напряжением и частотой) с электрической сетью. Потом этот термин стал применяться, опять-таки как чисто рекламный ход, для обозначения микропроцессорных счетчиков электроэнергии, способных самостоятельно накапливать, обрабатывать, оценивать информацию и передавать ее по специальным каналам связи и даже через Интернет. Причем сами по себе контроллеры синхронизации ветрогенераторов и микропроцессорные счетчики электроэнергии были разработаны и выпускались различными фирмами еще до появления термина Smart Grid. Это название возникло намного позже как чисто рекламный трюк для привлечения покупателей и вначале использовалось лишь в этих областях техники. В последние годы его использование расширилось на системы сбора и обработки информации, мониторинга оборудования в электроэнергетике [3] …
1. Janssen M. C. The Smart Grid Drivers. – PAC, June 2010, p. 77.
2. Amin S. M., Wollenberg B. F. Toward a Smart Grid. – IEEE P&E Magazine, September/October, 2005.
3. Gellings C. W. The Smart Grid. Enabling Energy Efficiency and Demand Response. – CRC Press, 2010. …».
Таким образом, принимая во внимание столь различные мнения о предмете Smart Grid и Smart Metering, сетевая компания должна прежде всего определить понятие «интеллектуальная система измерения» для объекта измерений – электрической сети (как актива и технологической основы ОРЭМ и РРЭ) и представить ее предметную область именно для своего бизнеса.

БИЗНЕС И «ИНТЕЛЛЕКТУАЛЬНЫЙ УЧЕТ»

В результате изучения бизнес-процессов деятельности ряда сетевых компаний и взаимодействия на РРЭ сетевых, энергосбытовых компаний и исполнителей коммунальных услуг были сформулированы следующие исходные условия.
1. В качестве главного признака новой интеллектуальной системы учета электроэнергии (ИСУЭ), отличающей ее от существующей системы коммерческого и технического учета электроэнергии, взято расширение функций, причем в систему вовлекаются принципиально новые функции: определение технических потерь, сведение балансов в режиме, близком к on-line, определение показателей надежности. Это позволит, среди прочего, получить необходимую информацию для решения режимных задач Smart Grid – оптимизации по реактивной мощности, управления качеством электроснабжения.
2. Во многих случаях (помимо решения задач, традиционных для сетевой компании) рассматриваются устройства и системы управления потреблением у физических лиц, осуществляющие их ограничения и отключения за неплатежи (традиционные задачи так называемых систем AMI – Advanced Metering Infrastructure).
Учитывая вышеизложенное, для электросетевой компании предлагается принимать следующее двойственное (по признаку предметной области) определение ИСУЭ:
в отношении потребителей – физических лиц: «Интеллектуальная система измерений – это совокупность устройств управления нагрузкой, приборов учета, коммуникационного оборудования, каналов передачи данных, программного обеспечения, серверного оборудования, алгоритмов, квалифицированного персонала, которые обеспечивают достаточный объем информации и инструментов для управления потреблением электроэнергии согласно договорным обязательствам сторон с учетом установленных критериев энергоэффективности и надежности»;
в отношении системы в целом: «Интеллектуальная система измерений – это автоматизированная комплексная система измерений электроэнергии (с возможностью измерений других энергоресурсов), определения учетных показателей и решения на их основе технологических и бизнес-задач, которая позволяет интегрировать различные информационные системы субъектов рынка и развиваться без ограничений в обозримом будущем».

ЗАДАЧИ «ИНТЕЛЛЕКТУАЛЬНОГО УЧЕТА»

Далее мы будем основываться на том, что ИСУЭ позволит осуществить следующие функции в бытовом секторе:
• дистанционное получение от каждой точки измерения (узла учета) у бытового потребителя сведений об отпущенной или потребленной электроэнергии;
• расчет внутриобъектового (многоквартирный жилой дом, поселок) баланса поступления и потребления энергоресурсов с целью выявления технических и коммерческих потерь и принятия мер по эффективному энергосбережению;
• контроль параметров поставляемых энергоресурсов с целью обнаружения и регистрации их отклонений от договорных значений;
• обнаружение фактов несанкционированного вмешательства в работу приборов учета или изменения схем подключения электроснабжения;
• применение санкций против злостных неплательщиков методом ограничения потребляемой мощности или полного отключения энергоснабжения;
• анализ технического состояния и отказов приборов учета;
• подготовка отчетных документов об электропотреблении;
• интеграция с биллинговыми системами.

«ИНТЕЛЛЕКТУАЛЬНЫЙ КОММЕРЧЕСКИЙ УЧЕТ»

Остановимся подробно на одном из атрибутов ИСУЭ, который считаю ключевым для основного электросетевого бизнеса.
Особенностью коммерческого учета электроэнергии (КУЭ) распределительных сетевых компаний является наличие двух сфер коммерческого оборота электроэнергии – ОРЭМ и РРЭ, которые хотя и сближаются в нормативном и организационном плане, но остаются пока существенно различными с точки зрения требований к КУЭ.
Большинство сетевых компаний является субъектом как ОРЭМ, так и РРЭ. Соответственно и сам коммерческий учет в отношении требований к нему разделен на два вида:
• коммерческий учет на ОРЭМ (технические средства – АИИС КУЭ);
• коммерческий учет на РРЭ (технические средства – АСКУЭ).
Кроме того, к коммерческому учету, т.е. к определению тех показателей, которые служат для начисления обязательств и требований сетевой компании (оплата услуг по транспорту электроэнергии, купля-продажа технологических потерь), следует отнести и измерения величин, необходимых для определения показателей надежности сети в отношении оказания услуг по передаче электроэнергии.
Отметим, что сложившиеся технологии АИИС КУЭ и АСКУЭ по своей функциональной полноте (за исключением функции коммутации нагрузки внутри систем) – это технологии Smart Metering в том понимании, которое мы обсуждали выше. Поэтому далее будем считать эти понятия полностью совпадающими.
Подсистема ИСУЭ на РРЭ, безусловно, самая сложная и трудоемкая часть всей интеллектуальной системы как с точки зрения организации сбора информации (включая измерительные системы (ИС) и средства связи в автоматизированных системах), так и с точки зрения объема точек поставки и соответственно средств измерений. Последние отличаются большим многообразием и сложностью контроля их и метрологических характеристик (МХ).
Если технические требования к ИС на ОРЭМ и к ИС крупных потребителей (по крайней мере потребителей с присоединенной мощностью свыше 750 кВА) принципиально близки, то в отношении нормативного и организационного компонентов имеются сильные различия. Гармоничная их интеграция в среде разных компонентов – основная задача создания современной системы ИСУЭ любой сетевой компании.
Особенностью коммерческого учета для нужд сетевого комплекса – основного бизнеса компании в отличие от учета электроэнергии потребителей, генерирующих источников и сбытовых компаний – является сам характер учетных показателей, вернее, одного из них – технологических потерь электроэнергии. Здесь трудность состоит в том, что границы балансовой принадлежности компании должны оснащаться средствами учета в интересах субъектов рынка – участников обращения электроэнергии, и по правилам, установленным для них, будь то ОРЭМ или РРЭ. А к измерению и учету важнейшего собственного учетного показателя, потерь, отдельные нормативные требования не предъявляются, хотя указанные показатели должны определяться по своим технологиям.
При этом сегодня для эффективного ведения бизнеса перед сетевыми компаниями, по мнению автора, стоит задача корректного определения часовых балансов в режиме, близком к on-line, в условиях, когда часть счетчиков (со стороны ОРЭМ) имеют автоматические часовые измерения электроэнергии, а подавляющее большинство (по количеству) счетчиков на РРЭ (за счет физических лиц и мелкомоторных потребителей) не позволяют получать такие измерения. Актуальность корректного определения фактических потерь следует из необходимости покупки их объема, не учтенного при установлении тарифов на услуги по передаче электроэнергии, а также предоставления информации для решения задач Smart Grid.
В то же время специалистами-практиками часто ставится под сомнение практическая востребованность определения технологических потерь и их составляющих в режиме on-line. Учитывая это мнение, которое не согласуется с разрабатываемыми стратегиями Smart Grid, целесообразно оставить окончательное решение при разработке ИСУЭ за самой компанией.
Cистемы АИИС КУЭ сетевых компаний никогда не создавались целенаправленно для решения самых насущных для них задач, таких как:
1. Коммерческая задача купли-продажи потерь – качественного (прозрачного и корректного в смысле метрологии и требований действующих нормативных документов) инструментального или расчетно-инструментального определения технологических потерь электроэнергии вместе с их составляющими – техническими потерями и потреблением на собственные и хозяйственные нужды сети.
2. Коммерческая задача по определению показателей надежности электроснабжения потребителей.
3. Управленческая задача – получение всех установленных учетной политикой компании балансов электроэнергии и мощности по уровням напряжения, по филиалам, по от-дельным подстанциям и группам сетевых элементов, а также КПЭ, связанных с оборотом электроэнергии и оказанием услуг в натуральном выражении.
Не ставилась и задача технологического обеспечения возможного в перспективе бизнеса сетевых компаний – предоставления услуг оператора коммерческого учета (ОКУ) субъектам ОРЭМ и РРЭ на территории обслуживания компании.
Кроме того, необходимо упорядочить систему учета для определения коммерческих показателей в отношении определения обязательств и требований оплаты услуг по транспорту электроэнергии и гармонизировать собственные интересы и интересы смежных субъектов ОРЭМ и РРЭ в рамках существующей системы взаимодействий и возможной системы взаимодействий с введением института ОКУ.
Именно исходя из этих целей (не забывая при этом про коммерческие учетные показатели смежных субъектов рынка в той мере, какая требуется по обязательствам компании), и нужно строить подлинно интеллектуальную измерительную систему. Иными словами, интеллект измерений – это главным образом интеллект решения технологических задач, необходимых компании.
По сути, при решении нового круга задач в целевой модели интеллектуального учета будет реализован принцип придания сетевой компании статуса (функций) ОКУ в зоне обслуживания. Этот статус формально прописан в действующей редакции Правил розничных рынков (Постановление Правительства РФ № 530 от 31.08.2006), однако на практике не осуществляется в полном объеме как из-за отсутствия необходимой технологической базы, так и из-за организационных трудностей.
Таким образом, сетевая компания должна сводить баланс по своей территории на новой качественной ступени – оперативно, прозрачно и полно. А это означает сбор информации от всех присоединенных к сети субъектов рынка, формирование учетных показателей и передачу их тем же субъектам для определения взаимных обязательств и требований.
Такой подход предполагает не только новую схему расстановки приборов в соответствии с комплексным решением всех поставленных технологами задач, но и новые функциональные и метрологические требования к измерительным приборам.

ПРЕИМУЩЕСТВА ИСУЭ

Внедрение ИСУЭ даст новые широкие возможности для всех участников ОРЭМ и РРЭ в зоне обслуживания электросетевой компании.
Для самой компании:
1. Повышение эффективности существующего бизнеса.
2. Возможности новых видов бизнеса – ОКУ, регистратор единой группы точек поставки (ГТП), оператор заправки электрического транспорта и т.п.
3. Обеспечение внедрения технологий Smart grid.
4. Создание и развитие программно-аппаратного комплекса (с сервисно-ориентированной архитектурой) и ИС, снимающих ограничения на развитие технологий и бизнеса в долгосрочной перспективе.
Для энергосбытовой деятельности:
1. Автоматический мониторинг потребления.
2. Легкое определение превышения фактических показателей над планируемыми.
3. Определение неэффективных производств и процессов.
4. Биллинг.
5. Мониторинг коэффициента мощности.
6. Мониторинг показателей качества (напряжение и частота).
Для обеспечения бизнеса – услуги для генерирующих, сетевых, сбытовых компаний и потребителей:
1. Готовый вариант на все случаи жизни.
2. Надежность.
3. Гарантия качества услуг.
4. Оптимальная и прозрачная стоимость услуг сетевой компании.
5. Постоянное внедрение инноваций.
6. Повышение «интеллекта» при работе на ОРЭМ и РРЭ.
7. Облегчение технологического присоединения энергопринимающих устройств субъектов ОРЭМ и РРЭ.
8. Качественный консалтинг по всем вопросам электроснабжения и энергосбережения.
Успешная реализации перечисленных задач возможна только на базе информационно-технологической системы (программно-аппаратного комплекса) наивысшего достигнутого на сегодняшний день уровня интеграции со всеми возможными информационными системами субъектов рынка – измерительно-учетными как в отношении электроэнергии, так и (в перспективе) в отношении других энергоресурсов.

ЛИТЕРАТУРА

1. Новиков В.В. Интеллектуальные измерения на службе энергосбережения // Энергоэксперт. 2011. № 3.
2. Гуревич В.И. Интеллектуальные сети: новые перспективы или новые проблемы? // Электротехнический рынок. 2010. № 6.

[ http://www.news.elteh.ru/arh/2011/71/14.php]

Тематики

• счетчик электроэнергии

EN

• smart metering