Архітектура системи керування та планування енергоспоживання учасників ринку довгострокових договорів
DOI:
https://doi.org/10.35681/1560-9189.2025.27.3.354594Ключові слова:
програмне забезпечення, телеметрична інформація, семантична модель, семантичне моделювання, енергоспоживання, споживачіАнотація
Запропоновано архітектуру програмно-апаратної системи контролю та планування енергоспоживання вагомих споживачів енергоринку, учас-ників енергоринку довгострокових договорів, з урахуванням технічного стану виробничого обладнання в режимі реального часу. Пропонована архітектура оглядається з точки зору зв’язків між компонентами, модулів, послідовностей і обміну даними. На відміну від традиційних систем і підходів до планування енергоспоживання, які переважно викорис-товують усереднені статистичні дані для обчислення енергоспоживання, запропоноване рішення інтегрує методи семантичного моделювання з аналізом телеметричної інформації від сенсорів обладнання, що дозволяє формувати висновки і в реальному часі виявляти відхилення в роботі обладнання та вчасно реагувати на них.
Посилання
Leherbauer, Dominik & Schulz, Julia & Egyed, Alexander & Hehenberger, Peter. (2025). Demand-side management in less energy-intensive industries: A systematic mapping study. Renewable and Sustainable Energy Reviews. 212. 115315. doi: 10.1016/j.rser.2024.115315.
Oleg Kotsar (2025) Тhe improvement of planning and demand-side management processes. power engineering: economics, technique, ecology. doi: 10.20535/1813-5420.3.2025.339798.
Barbero, Mattia & Corchero, Cristina & Heredia, F.-Javier. (2023). Demand aggregator optimal strategies: from the bidding to the execution. doi: 10.13140/RG.2.2.29091.22560.
Chen, Dongkun & Cui, Qiushi & Li, Dongdong & Ren, Panqiu. (2024). Integrated energy system planning for a heavy equipment manufacturing industrial park. Frontiers in Energy Research. 12. doi: 10.3389/fenrg.2024.1448362.
Groenewald, HJ & Kleingeld, M & Vosloo, Jan. (2015). A performance-centred maintenance strategy for industrial DSM projects. pp. 50-53. doi: 10.1109/ICUE.2015.7280246.
Groenewald, H & Rensburg, J & Marais, J. (2014). Business case for industrial DSM maintenance. pp. 1-5. doi: 10.1109/ICUE.2014.6904167.
Islam, Noor-E-Taha Md. Saffatul & Kabir, Md & Hossain, Alamin & Hasan, Md. (2021). Analysis of the Applicability of DSM Techniques in Industrial Load Management: Bangladesh Perspective. doi: 10.1109/ACMI53878.2021.9528141.
Silva, Nuno & Ferrão, Paulo. (2025). Flexible Demand Side Management in Smart Cities: Integrating Diverse User Profiles and Multiple Objectives. Energies. 18. 4107. doi: 10.3390/en18154107.
Zhang, Chen & Zhang, Xiurong & Wu, Xianping & Aziz, Saddam. (2024). Statistical Machine Learning Model for Distributed Energy Planning in Industrial Park. Artificial Intelligence and Applications. 2. doi: 10.47852/bonviewAIA42021969.
Bessa Ferreira, Viviane & Gomes, Raphael & Domingos, José & Fonseca, Regina & Mendes, Thiago & Bouloukakis, Georgios & Costa, Bruno & Haddad, Assed. (2025). Planning Energy-Efficient Smart Industrial Spaces for Industry 4.0. Eng. 6. 53. doi: 10.3390/eng6030053.
Wang, Tianyu & Wang, Tianxin & Song, Junqi & Zhao, Jun & Leung, Henry & Wang, Wei. (2025). An Industrial Energy Prediction Method Integrating Planning Information and Process Correlation Characteristics. IEEE Transactions on Automation Science and Engineering. pp. 1-1. doi: 10.1109/TASE.2025.3622135.
Schnell, Felix & Weiner, Peter & Sauer, Alexander. (2025). Python-based Industrial Energy System Planning. pp. 68-72. doi: 10.1109/CGEE65971.2025.11327666.
Leseure, Michel. (2024). From Aggregate Production Planning to Aggregate Energy Industrial Consumption Plans. Energies. 17. 6388. doi: 10.3390/en17246388.
Al-Shammari, Wafaa & Atiyah, Ola & Kadhim, Buraiha. (2025). INDUSTRIAL PLANNING SITE FORMAT AND OBJECTIVES. International Journal Multidisciplinary (IJMI). 3. pp. 76-89. doi: 10.61796/ijmi.v3i1.401.
Luo, Shuai & Tan, Jing & Chen, Hui & Zhao, Xiaofeng. (2025). Energy consumption prediction and control algorithm design for industrial decarbonization. 49. doi: 10.1117/12.3086850.
Zhou, Xiaobo & Ge, Shuxin & Chi, Jiancheng & Qiu, Tie. (2024). Computation Offloading in Industrial Edge Computing. doi: 10.1007/978-981-97-4752-8_3.
Dontha, Jyothsna. (2024). Edge Computing and Security in Industrial Control Systems. International Scientific Journal of Engineering and Management. 03. pp. 1-8. doi: 10.55041/ISJEM01305.
Gao, Tianao. (2025). Industrial automation anomaly detection based on BERT and edge sensor computing. Neural Computing and Applications. 37. pp. 28671-28689. doi: 10.1007/s00521-025-11590-y.
Ding, Chonglei & Zhang, Xiaoming & Liang, Guangzhe & Feng, Jiaoyang. (2024). Optimizing Exergy Efficiency in Integrated Energy System: A Planning Study Based on Industrial Waste Heat Recovery. IEEE Access. pp. 1-1. doi: 10.1109/ACCESS.2024.3468291.
Gao, Liangfang & Li, Junwu & Zhang, Li & Hu, Pengtao & Yang, Zhiping & Kang, Zhenning. (2024). Exploration of Monte Carlo Method for Optimization of Energy Consumption in Industrial Enterprises in Energy Efficiency Diagnosis. Applied Mathematics and Nonlinear Sciences. 9. doi: 10.2478/amns-2024-3235.
Khalifeh, Ala & Muath, Yousef & Darabkh, Khalid & Ioannou, Iacovos. (2026). The Industrial Internet of Things (IIoT) and Edge Computing: Key Drivers of Industrial Digital Transformation.
Snehal, Prof & Kunal, Mr & Akshada, Ms & Sanika, Ms & Shantanu, Mr. (2025). Prediction of Energy Consumption Using Machine Learning. International Journal of Advanced Research in Science, Communication and Technology. pp. 60-65. doi: 10.48175/IJARSCT-25108.
Rico, Danel & Zulueta, Ekaitz & Rodriguez-Guerra, Jorge & Inziarte-Hidalgo, Ibai & Aramendia, Iñigo. (2025). Cross-Validated Neural Network Optimization for Explainable Energy Prediction in Industrial Mobile Robots. Applied Sciences. 15. 12644. doi: 10.3390/app152312644.
Chang, Qing & Yuan, Tiantian & Li, Haifeng & Chen, Yuxiang & Wang, Xuehao & Gao, Sen & Ren, Hongsheng & Zhao, Xiangyun & Wang, Lingyu. (2024). A Data-Driven Method for Predicting and Optimizing Industrial Robot Energy Consumption Under Unknown Load Conditions. Actuators. 13. 516. doi: 10.3390/act13120516.
Mst Jannatul, Kobra & Rahman, Md & Zamadder, Md Iqbal Hossain & Rashid, Mizanur. (2025). Optimizing self-adaptive IoT systems for energy efficiency and predictive maintenance in industrial automation. Computer Science & IT Research Journal. 6. pp. 649-661. doi: 10.51594/csitrj.v6i9.2064.
Yang, Zuyuan & Xie, Zitan & Huang, Zhiwei. (2024). Electricity consumption prediction based on autoregressive Kalman filtering. Electrical Engineering. 107. pp. 5601–5614. doi: 10.1007/s00202-024-02833-7.
Hossain, Saddam & Hasanuzzaman, Muhammad & Hossain, Miraz & Amjad, Mohammad Hamid & Shovon, Md Shihab Sadik & Hossain, Md & Rahman, Md Khalilor. (2025). Forecasting Energy Consumption Trends with Machine Learning Models for Improved Accuracy and Resource Management in the USA. Journal of Business and Management Studies. 7. pp. 200-217. doi: 10.32996/jbms.2025.7.1.15.
