Управление микропроцессорным блоком релейной защиты с использованием машинного обучения

Авторы

  • Баширова Эльмира Муссаевна ФГБОУ ВО ИНН «Уфимский государственный нефтяной технический университет» Автор
  • Прахов Иван Викторович ФГБОУ ВО ИНН «Уфимский государственный нефтяной технический университет» Автор
  • Ушаков Артем Сергеевич ФГБОУ ВО ИНН «Уфимский государственный нефтяной технический университет» Автор
  • Ковальчук Григорий Николаевич ФГБОУ ВО ИНН «Уфимский государственный нефтяной технический университет» Автор

DOI:

https://doi.org/10.5281/zenodo.15586123

Ключевые слова:

разработка, релейная защита, микропроцессорный терминал, нейронная сеть, прогнозирование, анализ данных

Аннотация

В настоящей статье дано описание программного продукта, предназначенного для мониторинга и анализа работы микропроцессорного терминала релейной защиты. Рассмотрена архитектура разработанного программного продукта, который поддерживает работу как с данными, получаемыми в реальном времени, так и симулированными, что обеспечивает удобство при его использовании. Также рассматривается использование искусственного интеллекта для прогнозирования критических событий.

Загрузки

Опубликован

17.04.2025

Выпуск

№ 2 (2025): Вестник Донецкого национального университета. Серия Г: Технические науки

Раздел

Информационные технологии и телекоммуникации

Лицензия

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.

Статьи журнала «Вестник Донецкого университета. Серия 04. Технические науки» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Донецким Государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.

Как цитировать

[1]
2025. Управление микропроцессорным блоком релейной защиты с использованием машинного обучения. Вестник Донецкого университета. Серия 04. Технические науки. 2 (Apr. 2025), 110–117. DOI:https://doi.org/10.5281/zenodo.15586123.