Забезпечення функціональної стійкості систем моніторингу автономних енергокомплексів на основі методів машинного навчання

DOI: 10.31673/2412-9070.2026.025711

Анотація

У статті вирішується актуальна науково-практична задача забезпечення функціональної стійкості систем моніторингу автономних енергокомплексів в умовах динамічних технічних збоїв, системних аномалій та критичних навантажень. Актуальність дослідження зумовлена гострою необхідністю збереження цілісності телеметричних даних в умовах нестабільного функціонування енергетичної інфраструктури, де традиційні методи резервування демонструють надмірну інертність і не здатні забезпечити необхідну швидкість реакції на стрімку зміну параметрів мережі.
Розроблено інтелектуальний програмний комплекс, що поєднує функції предиктивної діагностики та адаптивного резервного копіювання у режимі реального часу. Особливість запропонованого підходу полягає у синергетичному використанні двох алгоритмів машинного навчання: Isolation Forest для миттєвого виявлення поточних аномалій у багатовимірних масивах даних та Random Forest для прогнозування майбутніх критичних станів на основі аналізу історичних даних. Такий комплексний підхід дозволяє реалізувати стратегію випереджувального управління, ініціюючи збереження даних до моменту настання фактичного збою.
Програмна реалізація системи базується на трирівневій архітектурі та включає модулі інтелектуального аналізу, автоматизованого планування резервування та рольову модель доступу. Експериментальна апробація на реальних масивах телеметрії підтвердила високу ефективність системи: модуль предиктивного аналізу забезпечує стабільну роботу навіть при пікових навантаженнях, що гарантує високу функціональну стійкість та цілісність інформації в автономних енергетичних мережах.

Ключові слова: функціональна стійкість, автономні енергокомплекси, архітектура програмного забезпечення, інтелектуальний моніторинг, машинне навчання, аномалії, аналіз даних, резервне копіювання даних.