УДК 681.3:519.226.3
DOI: 10.36871/k.i.n.2026.02.01.012

Авторы

Иса Магомедович Музаев,
ФГБОУ ВО Чеченский государственный университет им. А.А. Кадырова, Грозный, Россия

Аннотация

В статье рассматривается задача восстановления пропущенной телеметрии и незафиксированных управляющих воздействий в сетевых системах отопления на основе байесовского оценивания. Актуальность работы обусловлена высокой чувствительностью тепловых сетей к неполноте измерений, шумам наблюдения и латентным возмущениям, приводящим к снижению качества диспетчеризации и энергетической эффективности. Предложена вероятностная постановка, в которой гидравлические и теплотехнические переменные описываются в виде скрытого вектора состояния, а наблюдения и управляющие сигналы рассматриваются как случайные величины с априорными и апостериорными распределениями. Показано, что использование байесовских динамических моделей, процедур фильтрации и сглаживания позволяет восстанавливать пропуски согласованно с физическими ограничениями сети и количественно учитывать неопределённость оценок.

Ключевые слова

байесовский вывод, восстановление пропущенных данных, телеметрия, управляющие воздействия.

Список литературы

  1. Ахмаров А. В. Модели софинансирования социальных страховых программ: сравнительный анализ и перспективы для России / А. В. Ахмаров, А. М. Мамаева, К. Д. Шахдуллаев // Экономика и управление: проблемы, решения. – 2025. – Т. 11, № 3(156). – С. 211-217. – DOI 10.36871/ek.up.p.r.2025.03.11.022. – EDN AYUZOK.
  2. Алексеев А. А., Кнюк А. В. К вопросу управления гидравлическими режимами тепловой сети // International Journal of Advanced Studies. 2019. Т. 9. № 3. С. 57–63.
  3. Батухтин А. Г., Калугин А. В. Моделирование современных систем централизованного теплоснабжения // Вестник Иркутского государственного технического университета. 2011. № 8(55). С. 84–91.
  4. Липовка Ю. Л., Алексеев А. А. Математическая модель управления гидравлическими режимами тепловой сети // International Journal of Advanced Studies. 2019. Т. 9. № 2. С. 29–41.
  5. Массель Л. В., Пяткова Е. В. Применение байесовских сетей доверия для интеллектуальной поддержки исследований проблем энергетической безопасности // Вестник Иркутского государственного технического университета. 2012. № 2. С. 8–13.
  6. Сазонова С. А. Решение задачи статического оценивания систем теплоснабжения // Вестник Воронежского государственного технического университета. 2011. Т. 7. № 5. С. 43–46.
  7. Bott A., Janke T., Steinke F. Deep learning-enabled MCMC for probabilistic state estimation in district heating grids // Applied Energy. 2023. Vol. 336. Art. 120837.
  8. Chen S., Friedrich D., Yu Z., Yu J. District Heating Network Demand Prediction Using a Physics-Based Energy Model with a Bayesian Approach for Parameter Calibration // Energies. 2019. Vol. 12. No. 18. P. 1–19.
  9. De Lorenzi A., Gambarotta A., Morini M., Rossi M., Saletti C. Setup and testing of smart controllers for small-scale district heating networks: An integrated framework // Energy. 2020. Vol. 205. Art. 118054.
  10. Larsen H. V., Pálsson H., Bøhm B., Ravn H. F. An aggregated dynamic simulation model of district heating networks // Energy Conversion and Management. 2002. Vol. 43. No. 8. P. 995–1019.
  11. Rafati A., Shaker H. R. Predictive Maintenance of District Heating Networks: A Comprehensive Review of Methods and Challenges // Thermal Science and Engineering Progress. 2024. Vol. 53. Art. 102722.