Тема выпускной квалификационной работы: «Синтез и исследование централизованного адаптивного регулятора возбуждения на основе нейронных сетей». В данной работе исследуется возможность использования нейросетевых технологий в качестве замены традиционных систем управления. Задачи, которые решались в процессе исследования: 1. Анализ существующих подходов применения систем управления, отличных от традиционных, в том числе адаптивных и нейросетевых методов, в области систем управления крупных энергообъединений. 2. Применение алгоритмов непосредственно на основе искусственных нейронных сетей в области систем управления в электроэнергетике. 3. Сравнение традиционных систем управления и адаптивных систем управления на основе нейросетей и обучения с подкреплением. Оценить эффективность предлагаемых подходов, рассмотреть преимущества и недостатки. Исследование проводилось на базе программного комплекса Matlab, включая такие его компоненты как Simulink, тулбоксы Control System, Neural Networks, Deep Learning, Reinforcement Learning и т.д. В работе проанализированы методы машинного обучения, применяемые при управлении возбуждением в энергосистемах, а также подходы к глобальному регулированию. Предложены несколько вариантов нейросетевых систем управления и исследована их работа.

The subject of the graduate qualification work is "Synthesis and research of a centralized adaptive excitation regulator based on neural networks " This paper explores the possibility of using neural network technologies as a replacement for traditional control systems. The research set the following goals: 1. Analysis of existing control systems, different from traditional, including adaptive and neural network methods, in the field of control systems of large power systems. 2. Application of algorithms directly based on artificial neural networks in the field of control systems in the electric power industry. 3. Comparison of traditional control systems and adaptive control systems based on neural networks and reinforcement learning. Assess the effectiveness of the proposed approaches, consider the advantages and disadvantages. The study was conducted on the basis of the Matlab software package, including its components such as Simulink, Control System, Neural Networks, Deep Learning, Reinforcement Learning, etc. The paper analyzes the methods of machine learning used in controlling the excitation in energy systems, as well as approaches to global regulation. Several options for neural network control systems were proposed and their work is investigated.