Інформаційна технологія прогнозування функціонування енергетичної інфраструктури в умовах кризових та воєнних впливів: кваліфікаційна робота на здобуття освітнього ступеня «бакалавр» за спеціальністю 126 «Інформаційні системи та технології»

Abstract

У даній дипломній роботі розроблено інформаційну технологію прогнозування функціонування об'єктів критичної енергетичної інфраструктури в умовах воєнного стану та аварійних ситуацій. У першому розділі проаналізовано структуру енергомережі як комп'ютеризованої системи та класифіковано загрози кінетичного й кібернетичного характеру. Описано механізм перевантажень, що може призводити до повного відключення електроенергії. У другому розділі досліджено методи аналізу часових рядів та обґрунтовано вибір алгоритму Prophet для прогнозування балансу потужності й попиту в умовах кризи. У третьому розділі спроектовано систему мовою Python за допомогою Streamlit. Програма поєднує дані про технічні ліміти підстанцій та карту ризиків України, дозволяє моделювати аварійні сценарії, автоматично визначає рівні небезпеки, будує графіки прогнозування та генерує попередження для диспетчерів. Математичне тестування підтвердило високу точність прогнозного ядра. This thesis develops an information technology for predicting the functioning of critical energy infrastructure objects under martial law and emergency situations. The first chapter analyzes the structure of the power grid as a computerized system and classifies threats of kinetic and cybernetic nature. The mechanism of overloads that can lead to complete blackouts is described. The second chapter examines time series analysis methods and justifies the choice of the Facebook Prophet algorithm for forecasting power and demand balance during crises. The third chapter covers the system design using Python and Streamlit. The developed software combines data on substation technical limits with a risk map of Ukraine, allows for modeling emergency scenarios, automatically determines danger levels, builds predictive graphs, and generates alerts for dispatchers. Mathematical backtesting confirmed the high accuracy of the forecasting core.