Данная работа посвящена исследованию использования инструментов нечёткой логики для определения оптимальных решений многокритериальных задач. Задачи, которые решались в ходе исследования: 1. Создание математической модели потребления мощности с возможностью использовать систему накопителя и вариативной нагрузки; 2. Исследование алгоритмов для работы с математической моделью; 3. Создание функционалов для обработки результатов работы математической модели. Проведены исследования математической модели, включающей источник электроэнергии из сети, систему накопителя и нагрузку, разделяющуюся на постоянную и вариативную части. Для этого был создан ряд функционалов для минимизации (оптимизации) следующих критериев: • Цена закупки оборудования • Срок окупаемости • Потребление энергии от сети в дневное время • Величина отклонений. Расчёты выполнены в программе Matlab 2019 с использованием специальных инструментов линейного программирования и оптимизации при помощи генетических алгоритмов. Поиск оптимального решения выполнен с помощью инструментов нечёткой логики. Результаты решения задач были проанализированы, даны рекомендации к использованию общего метода определения оптимального решения.

This work is devoted to the study of the use of fuzzy logic tools to determine the optimal solutions to multi-objective problems. The tasks that were solved in the course of the study: 1. Creation of a mathematical model of power consumption with the ability to use a storage system and variable load 2. Research of algorithms for working with a mathematical model 3. Creation of functions for processing the results of the mathematical model Research has been carried out on a mathematical model that includes a power source from the network, a storage system and a load, which is divided into constant and variable parts. For this, a number of functions were created to minimize (optimize) the following criteria: • Equipment purchase price • Payback period • Energy consumption from the mains during the day • Amount of deviations The calculations were performed in the Matlab 2019 program using special linear programming tools and optimization using genetic algorithms. Finding the optimal solution using fuzzy logic tools.