|
|
Stochastické řízení zásobní funkce nádrže
Pruch, David ; Matoušek, Petr (oponent) ; Kozel, Tomáš (vedoucí práce)
Stochastické řízení zásobní funkce vodní nádrže pracuje s určitým počtem hodnot předpovězených průtoků s určitým pravděpodobnostním rozdělením. Pro požadavek stochastického řízení zásobní funkce nádrže byl sestaven stochastický předpovědní model fungující na principu metody LHS. Model pracuje s náhodnými procesy, mezi které patří průtok v daném měrném profilu. Stochastické řízení má výhodu naproti deterministickému řízení v eventualitě výběru řízení pro určitý pravděpodobnostní scénář. V práci jsou popsány velmi stručně některé deterministické metody, ale i některé stochastické metody. Dále je v práci popsán postup pro řízení zásobního funkce nádrže pomocí metody LHS. Navrhnutý model byl otestován na fiktivní nádrži. Na závěr byly vybrány nejlepší a nejhorší výsledky, které byly následně porovnány, atak se mohlo tedy určit, které nastavení výpočtu byl ideální pro řízení.
|
|
|
Řízení zásobní funkce nádrže
Hon, Matěj ; Matoušek, Petr (oponent) ; Kozel, Tomáš (vedoucí práce)
Dispečerský graf udává množství vypouštěné vody podle aktuálního stavu objemu vody v nádrži. V práci je popsán postup vytváření zonálního dispečerského grafu a jeho simulování na reálném vodním díle Vranov. Pomocí předpovědí byl model otestován, jak pracuje s možností určení přicházejících přítoků. Metoda dispečerského grafu je řazena mezi deterministické metody řízení. Tyto metody jsou výhodné v jednom výstupu, a tím bývá řídící veličina. Dalšími možnými metodami jsou stochastické metody, které pracují s pravděpodobností a dávají možnost na výběr řízení. Oba typy metod jsou v práci popsány. Pro předpověď průtoků bylo zvoleno použití neuronové sítě fungující na principu zpětného šíření.
|
|
|
Stochastické řízení zásobní funkce nádrže s pomocí metod umělé inteligence
Kozel, Tomáš ; Fošumpaur, Pavel (oponent) ; Zezulák,, Jiří (oponent) ; Starý, Miloš (vedoucí práce)
Stochastické řízení pracuje s určitým rozptylem hodnot řídících průtoků s daným pravděpodobnostním rozdělením, a proto dochází k výrazně lepší aproximaci skutečné problematiky řízení. Pro potřeby stochastického řízení zásobní funkce nádrže byly sestaveny stochastické předpovědní modely, které lépe vystihují náhodné procesy, mezi které můžeme zařadit průtok v měrném profilu. Výhodou stochastického řízení oproti deterministickému řízení je výběr možnosti řízení pro danou pravděpodobnost scénáře. Výběr pravděpodobností nám poskytne vějíř možností. V práci je popsána konstrukce a vyhodnocení stochastického adaptivního řízení zásobní funkce nádrže, které využívá modely vycházející z metod umělé inteligence (fuzzy logika, neuronové sítě), jako náhradu tradičních optimalizačních metod (evoluční algoritmy). Modelům vycházejícím z umělé inteligence je poskytnuta matice vzorů (vzorové řízení), která je vytvořena modely využívající evoluční algoritmy, a stochastický model provede řízení se zvolenou pravděpodobností překročení řízeného odtoku vody z nádrže. Celý algoritmus byl testován i validován na fiktivní nádrži. Poté bylo provedeno srovnání řízení poskytnutých jednotlivými řídícími modely, které využívaly předpovědi poskytnutými různými v práci popsanými předpovědními modely. Výsledky stochastického adaptivního řízení byly srovnány s výsledky poskytnutými modelem s tradičními algoritmy, který měl k dispozici 100% přesnost předpovědi. Velkou výhodou modelů vycházejících z metod umělé inteligence je rychlost výpočtu. Tradiční model potřeboval pro provedení stochastického řízení paralelní výpočty v klastru. Závěrem lze říci, že stochastické adaptivní řízení dokázalo provést řízení nádrže se zásobní funkcí velmi dobře. Závěrem práce byly vybrány nejlepší nastavení pro jednotlivé předpovědní a řídící modely.
|
|
|
Možnosti řízení zásobní funkce nádrže
Pruch, David ; BBA, Šárka Zemanová, (oponent) ; Kozel, Tomáš (vedoucí práce)
Stochastické řízení zásobní funkce vodní nádrže pracuje s daným rozptylem hodnot průtoků s určitým pravděpodobnostním rozdělením. V rámci diplomové práce byly sestaveny stochastické předpovědní modely pro potřeby stochastického řízení. Stochastické řízení disponuje oproti deterministickému řízení výběrem možnosti řízení pro určitou pravděpodobnost scénáře. Výběr pravděpodobností poskytuje vějíř možností. Diplomová práce se zabývá konstrukcemi a následném vyhodnocení stochastického řízení zásobní funkce nádrže. Pomocí stochastických modelů bylo provedeno řízení s určitou pravděpodobností překročení řízeného odtoku vody z nádrže. Simulace proběhla na fiktivní nádrži. Následně došlo ke srovnání řízení pomocí jednotlivých metod s využitím předpovědí. Stochastické řízení provedlo řízení zásobní funkce nádrže dobře. Na závěr práce bylo vybráno nejlepší nastavení pro jednotlivé předpovědní a řídící modely.
|
|
|
Možnosti řízení zásobní funkce nádrže
Pruch, David ; BBA, Šárka Zemanová, (oponent) ; Kozel, Tomáš (vedoucí práce)
Stochastické řízení zásobní funkce vodní nádrže pracuje s daným rozptylem hodnot průtoků s určitým pravděpodobnostním rozdělením. V rámci diplomové práce byly sestaveny stochastické předpovědní modely pro potřeby stochastického řízení. Stochastické řízení disponuje oproti deterministickému řízení výběrem možnosti řízení pro určitou pravděpodobnost scénáře. Výběr pravděpodobností poskytuje vějíř možností. Diplomová práce se zabývá konstrukcemi a následném vyhodnocení stochastického řízení zásobní funkce nádrže. Pomocí stochastických modelů bylo provedeno řízení s určitou pravděpodobností překročení řízeného odtoku vody z nádrže. Simulace proběhla na fiktivní nádrži. Následně došlo ke srovnání řízení pomocí jednotlivých metod s využitím předpovědí. Stochastické řízení provedlo řízení zásobní funkce nádrže dobře. Na závěr práce bylo vybráno nejlepší nastavení pro jednotlivé předpovědní a řídící modely.
|
|
|
Řízení zásobní funkce nádrže
Hon, Matěj ; Matoušek, Petr (oponent) ; Kozel, Tomáš (vedoucí práce)
Dispečerský graf udává množství vypouštěné vody podle aktuálního stavu objemu vody v nádrži. V práci je popsán postup vytváření zonálního dispečerského grafu a jeho simulování na reálném vodním díle Vranov. Pomocí předpovědí byl model otestován, jak pracuje s možností určení přicházejících přítoků. Metoda dispečerského grafu je řazena mezi deterministické metody řízení. Tyto metody jsou výhodné v jednom výstupu, a tím bývá řídící veličina. Dalšími možnými metodami jsou stochastické metody, které pracují s pravděpodobností a dávají možnost na výběr řízení. Oba typy metod jsou v práci popsány. Pro předpověď průtoků bylo zvoleno použití neuronové sítě fungující na principu zpětného šíření.
|
|
|
Stochastické řízení zásobní funkce nádrže
Pruch, David ; Matoušek, Petr (oponent) ; Kozel, Tomáš (vedoucí práce)
Stochastické řízení zásobní funkce vodní nádrže pracuje s určitým počtem hodnot předpovězených průtoků s určitým pravděpodobnostním rozdělením. Pro požadavek stochastického řízení zásobní funkce nádrže byl sestaven stochastický předpovědní model fungující na principu metody LHS. Model pracuje s náhodnými procesy, mezi které patří průtok v daném měrném profilu. Stochastické řízení má výhodu naproti deterministickému řízení v eventualitě výběru řízení pro určitý pravděpodobnostní scénář. V práci jsou popsány velmi stručně některé deterministické metody, ale i některé stochastické metody. Dále je v práci popsán postup pro řízení zásobního funkce nádrže pomocí metody LHS. Navrhnutý model byl otestován na fiktivní nádrži. Na závěr byly vybrány nejlepší a nejhorší výsledky, které byly následně porovnány, atak se mohlo tedy určit, které nastavení výpočtu byl ideální pro řízení.
|
|
|
Stochastické řízení zásobní funkce nádrže s pomocí metod umělé inteligence
Kozel, Tomáš ; Fošumpaur, Pavel (oponent) ; Zezulák,, Jiří (oponent) ; Starý, Miloš (vedoucí práce)
Stochastické řízení pracuje s určitým rozptylem hodnot řídících průtoků s daným pravděpodobnostním rozdělením, a proto dochází k výrazně lepší aproximaci skutečné problematiky řízení. Pro potřeby stochastického řízení zásobní funkce nádrže byly sestaveny stochastické předpovědní modely, které lépe vystihují náhodné procesy, mezi které můžeme zařadit průtok v měrném profilu. Výhodou stochastického řízení oproti deterministickému řízení je výběr možnosti řízení pro danou pravděpodobnost scénáře. Výběr pravděpodobností nám poskytne vějíř možností. V práci je popsána konstrukce a vyhodnocení stochastického adaptivního řízení zásobní funkce nádrže, které využívá modely vycházející z metod umělé inteligence (fuzzy logika, neuronové sítě), jako náhradu tradičních optimalizačních metod (evoluční algoritmy). Modelům vycházejícím z umělé inteligence je poskytnuta matice vzorů (vzorové řízení), která je vytvořena modely využívající evoluční algoritmy, a stochastický model provede řízení se zvolenou pravděpodobností překročení řízeného odtoku vody z nádrže. Celý algoritmus byl testován i validován na fiktivní nádrži. Poté bylo provedeno srovnání řízení poskytnutých jednotlivými řídícími modely, které využívaly předpovědi poskytnutými různými v práci popsanými předpovědními modely. Výsledky stochastického adaptivního řízení byly srovnány s výsledky poskytnutými modelem s tradičními algoritmy, který měl k dispozici 100% přesnost předpovědi. Velkou výhodou modelů vycházejících z metod umělé inteligence je rychlost výpočtu. Tradiční model potřeboval pro provedení stochastického řízení paralelní výpočty v klastru. Závěrem lze říci, že stochastické adaptivní řízení dokázalo provést řízení nádrže se zásobní funkcí velmi dobře. Závěrem práce byly vybrány nejlepší nastavení pro jednotlivé předpovědní a řídící modely.
|
host ::
RSS.