Матренин Павел Викторович

1. Разработана новая математическая модель, обобщающая алгоритмы роевого интеллекта с использованием системного подхода, которая упрощает их анализ, описание, программную реализацию и применение.
2. Предложена схема унифицированного взаимодействия алгоритмов роевого интеллекта с моделями оптимизируемых объектов для адаптации роевых алгоритмов к решаемым задачам оптимизации.
3. Обоснована целесообразность использования разработанного метода эволюционной мета-оптимизации алгоритмов роевого интеллекта в задачах проектирования и управления электроэнергетическими системами.
4. Разработана многокритериальная математическая модель оптимизации размещения в системе электроснабжения предприятия устройств компенсации реактивной мощности и выбора их мощностей, учитывающая снижение потерь активной мощности в линиях, финансовые затраты на компенсирующие установки и возможности экономии на создании системы электроснабжения за счет снижения сечений кабельных линий.
5. Обосновано, что разработанные адаптивные алгоритмы роевого интеллекта имеют высокую эффективность с точки зрения точности получаемых решений и скорости работы в оптимизации технических систем, в частности, в многокритериальных задачах проектирования и оперативного управления источниками реактивной мощности для ее глубокой компенсации в системах электроснабжения предприятий; в задачах настройки коэффициентов трансформации в не радиальных сетях электроснабжения.
6. Разработанные адаптивные алгоритмы роевого интеллекта апробированы на АО «Уральский электрохимический комбинат» (г. Новоуральск), входящем в Госкорпорацию «РОСАТОМ», для снижения потерь активной мощности путем выбора узлов для размещения установок компенсации реактивной мощности и выбора их мощностей.
7. Разработаны алгоритмы расчета потерь активной мощности в линиях электропередачи с учетом несинусоидальности напряжения и тока, а также увеличения активного сопротивления проводников для высших гармоник на базе дискретного преобразования Фурье и вейвлет-анализа.
8. Выполнена разработка моделей машинного обучения на базе алгоритмов роевого интеллекта для долгосрочного прогнозирования графиков электропотребления с выраженными периодическими составляющими. Выполнена разработанных моделей для долгосрочного прогнозирования графиков электропотребления с выраженными периодическими составляющими на примере объединенной энергосистемы Сибири и изолированной электроэнергетической система Горно-Бадахшанской автономной области.
9. Разработаны нейросетевая модель прогнозирования скорости ветра на час вперед с повышением устойчивости к переобучению за счет ограничения размера сети и применения технологии dropout. Модель верифицирована на данных о скорости ветра на островах Русский и Попова.
10. Сформирована методика применения метода Q-learning для оптимизации управления активным (генерирующим) потребителем с ВИЭ в условиях неопределенности.
11. Разработаны модели и алгоритмы оптимального управления системой накопления электроэнергии активного (генерирующего) потребителя с ВИЭ в условиях неопределенности на базе принципов обучения с подкреплением и роевого интеллекта. Выполнена разработанных моделей и алгоритмов на данных проекта РусГидро по созданию ветровых электроэнергетических станций на островах Русский и Попова.
12. Выполнено исследование задачи оперативного, краткосрочного и среднесрочного прогнозирования электропотребления угольного разреза горного предприятия на примере АО «Сибирский антрацит», проведен сравнительный анализ методов прогнозирования, обосновано преимущество рекуррентных нейронных сетей LSTM и GRU.
13. Разработана и апробирована на данных электропотребления горного предприятия АО «Сибирский антрацит» рекуррентная нейросетевая модель прогнозирования электропотребления, проведено исследование влияний архитектуры, метода обучения и функций активации на точность прогнозов модели.
14. Разработана модель самообучающейся системы машинного обучения, способная строить логические правила для распознавания составных сложных признаков искомых паттернов во временных рядах (цифровых сигналах) на базе предопределенных рекурсивных фильтров и элементарных признаков [во время работы в ООО "Винками"]
15. Разработан новый алгоритм построения ансамблевых классификаторов на базе деревьев решений, принципов бустинга и алгоритмов роевого интеллекта для задач компьютерного зрения. Выполнена апробация алгоритма в задаче распознавания велосипедистов с использованием только монокулярной камеры автомобиля в совместном проекте с Технологическим институтом Карлсруэ (KIT), корпорацией «Intel» и компанией «Specialized Bicycle Components». [во время работы в ООО "Винкам"]
16. Разработаны модель распределенной обработки данных и алгоритмы распознавания движений баскетболистов по сигналам закрепленной на их теле системы датчиков угловой скорости и линейного ускорения. Разработки продемонстрированы на крупнейшей международной выставке Consumer Electronics Show (CES) 2017. [во время работы в ООО "Винкам"]

Research gate profile 

РИНЦ профиль