Оптимізація енергоспоживання в автоматизованих системах шляхом використання хмарних технологій

Abstract

Магістерська кваліфікаційна робота присвячена дослідженню та впровадженню хмарних технологій для оптимізації енергоспоживання в автоматизованих системах промислових об’єктів. В умовах сучасних викликів енергетичного сектору, таких як зростання вартості енергоресурсів, необхідність підвищення енергоефективності та впровадження екологічно орієнтованих рішень, запропоновані підходи набувають особливої актуальності. Метою роботи є створення інтегрованої системи управління енергоспоживанням, яка базується на використанні хмарних обчислень для збору, обробки та аналізу великих обсягів даних. У теоретичній частині роботи проведено аналіз сучасних методів управління енергоспоживанням, а також розглянуто існуючі програмно-апаратні рішення для автоматизації енергетичних процесів. Особлива увага приділена огляду хмарних платформ, які використовуються у промислових умовах, таких як Amazon Web Services, Microsoft Azure та Google Cloud, а також їх функціональних можливостей для інтеграції з системами енергоменеджменту. Дослідження [2, 3] підкреслюють ефективність використання хмарних технологій для вирішення завдань енергоефективності. На основі аналізу обрано архітектуру системи, яка складається з декількох модулів, зокрема: модуль збору даних, модуль хмарної обробки, модуль прийняття рішень та інтерфейс користувача для візуалізації результатів. Основу методології роботи становить використання алгоритмів машинного навчання для прогнозування енергоспоживання, виявлення аномалій та розробки рекомендацій щодо оптимізації використання енергоресурсів. Практична частина роботи присвячена реалізації програмного забезпечення, яке забезпечує ефективне управління енергоспоживанням на основі аналізу даних з промислових об’єктів. У розробці використано сучасні хмарні сервіси для 5 забезпечення масштабованості та гнучкості рішення. Проведено тестування системи на реальних виробничих даних, результати якого підтвердили здатність системи знижувати витрати енергії до 15% у порівнянні з традиційними підходами [4]. Окрім економічної ефективності, у роботі розглянуто питання екологічної безпеки та відповідності запропонованого рішення сучасним стандартам охорони праці. Запропонована система забезпечує автоматичне виявлення потенційних загроз енергоспоживання та формування звітів для мінімізації ризиків.енергоспоживання, хмарні технології.

The master's qualification thesis is dedicated to researching and implementing cloud technologies for optimizing energy consumption in automated systems of industrial facilities. Under the current challenges of the energy sector, such as rising energy costs, the need to improve energy efficiency, and the introduction of environmentally oriented solutions, the proposed approaches gain particular relevance. The research aims to develop an integrated energy management system based on cloud computing for collecting, processing, and analyzing large volumes of data. The theoretical part of the thesis analyzes modern energy management methods and existing software and hardware solutions for automating energy processes. Special attention is given to the review of cloud platforms used in industrial environments, such as Amazon Web Services, Microsoft Azure, and Google Cloud, and their functional capabilities for integration with energy management systems. Studies [2, 3] emphasize the effectiveness of using cloud technologies to address energy efficiency challenges. Based on the analysis, the system architecture was selected, consisting of several modules, including a data collection module, a cloud processing module, a decisionmaking module, and a user interface for result visualization. The methodology is based on the use of machine learning algorithms for energy consumption forecasting, anomaly detection, and developing recommendations for optimizing energy resource usage. The practical part of the thesis focuses on the implementation of software that ensures efficient energy consumption management based on data analysis from industrial facilities. Modern cloud services were utilized in the development to ensure scalability and flexibility of the solution. The system was tested on real production data, and the results confirmed its ability to reduce energy costs by up to 15% compared to traditional approaches [4]. In addition to economic efficiency, the thesis addresses issues of environmental safety and compliance with modern occupational safety standards. The proposed system 7 provides automatic detection of potential energy consumption risks and generates reports to minimize such risks.