Создать PDF Рекомендовать Распечатать

Активно-адаптивные электросети: интеллектуальный мультиагентный диагностико-прогнозирующий комплекс и интеллектуальный алгоритм мультиагента решений диагностического мониторинга

  • Автор (авторы):
    Глущенко Павел Витальевич
  • Дата публикации:
    05.08.14
  • ВУЗ ИЛИ ОРГАНИЗАЦИЯ:
    Санкт-Петербургский государственный университет аэрокосмического приборостроения

Активно-адаптивные электросети: интеллектуальный мультиагентный диагностико-прогнозирующий комплекс и интеллектуальный алгоритм мультиагента решений диагностического мониторинга

Actively adaptive grid: intelligent multi-agent diagnostic and predictive complex and intelligent algorithm of multiagent solutions diagnostic monitoring

Глущенко Павел Витальевич,

кандидат технических наук, доцент,

докторант

Санкт-Петербургского государственногоуниверситета  аэрокосмического приборостроения,

член корр. РАЕН по отд. НЦ Асоника

Аннотация: Рассматриваются: актуальные вопросы активно-адаптивной электросети: интеллектуализация автоматизированного непрерывного диагностического мониторинга; авторские разработки моделей: Структурно-функциональная схема интеллектуального диагностического мониторинга динамических объектов ЭС: Интеллектуальный мультиагентный диагностико - прогнозирующий комплекс (ИМДПК) ЭС; Интеллектуальный алгоритм мультиагента поддержки принятия решения. Приведены сформулированные автором  термины: активно-адаптивные процессы и мультиагент в электросетевой энергетике

Ключевые слова: автоматизация, алгоритм, диагностирование, модель, мультиагент, интеллектуализация, банк данных, база знаний, адаптивность, поддержка  принятия решений,

Abstract: the paper Considers: current issues actively adaptive grid: intellectualization of automated continuous diagnostic monitoring; authoring models: Functional structure of intellectual diagnostic monitoring of dynamic objects ES: Intelligent multi-agent diagnostic and predictive complex (IMDPC) ES; Intelligent algorithm of multiagent support decision making.The above formulated by the author terms: active and adaptive processes and multiagent in grid energeticneutral.

Keywords: automation, algorithm, diagnosis, model, multiagent, intellectualization, Bank data, knowledge base, adaptability, support of decision making.

Электросетевой комплекс является одним из столповразвивающейся экономики России, он обеспечивает транспортирование и распределение электроэнергии всем юридическим и физическим лицам и является самым крупным в мире.В немнасчитывается более 10 700 линий электропередач напряжения 110 – 1150 кВ., функционирует семь энергообъединений и энергосистем, расположенных на территории 79 субъектов России. В магистральных электросетях общая протяжённость ВЛ и КЛ электропередач напряжением до 1150 кВ составляет 131 583, 063 км, а общее количество ТП и РП напряжением 35 кВ и выше, находящихся в эксплуатации, составляет 885 ед.В распределительных электрических сетях используются сети напряжением 0,4 - 220 кВ, а общая протяжённость ВЛ и КЛ электропередач напряжением 0,4-110 (220) кВ составляет 2 109 693,7 км, а общее здесь количество ТП, находящихся в эксплуатации составляет 461 864 ед. [1].

Одной из проблем российской электроэнергетикиявляется высокий уровень аварийности и отказов на электроэнергетических объектах, а, следственно, и высокий уровень экономических потерь, как в этой, так и других отраслях. Причины этого кроютсяв устаревшем оборудовании и инженерных сетей технологий эксплуатации последних, технически изживший себя уровень автоматизации управления технологическими процессами и производств. Так, сейчас основная схема организации эксплуатации электрической сети ориентирована, прежде всего, на круглосуточное пребывание на них оперативного персонала, контролирующего состояние объекта и выполняющего оперативные переключения. В распределительных электрических сетях (МРСК) уровень автоматизации сетей 35-110 (220) кВ и особенно 6-20 кВ значительно отстает от аналогичного показателя в развитых странах, только 38% от общего количества центров питания оснащены телесигнализацией и менее 16% имеют телеуправление,из предприятий электрических сетей (ЭС) и районов электрических сетей около 78% имеют диспетчерские пункты, из которых только 60% оснащены диспетчерскими щитами. Релейная защита и автоматика выполнена в основном с использованием электромеханических реле (~91%), которые имеют значительный разброс характеристик срабатывания реле по току и времени, обладают недостаточной чувствительностью. Около 60% всех комплектов релейной защиты находятся в эксплуатации более 30 лет [2,3].

Все это и обусловило принятие Правительством РФ Энергетической стратегии до 2030 года, в свете которой ОАО «Россеть» в конце 2013 гутвердило Положение ОАО «Россети» «О единой технической политике в электросетевом комплексе» [2]. В этих документах, помимо модернизации, технического перевооружения и реконструкции, определена и главная интеллектуальная задача – создание активно-адаптивных электросетей, с использованием технологий «Smart Grid».В этом термине аббревиатура SMART расшифровывается как Self Monitoring Analysisand Reporting Technology– технология самодиагностики, анализа и отчета, а Grid (с англ.) – энергосистема, электросеть, энергосеть [3]. Началу развитию в XX в. концепции Smart Grid в США положил ряд крупных системных аварий на территории этой страны и ряда других государств.

Создание вышеназванной технологии предназначается для решения задач повышения надежности работы оборудования, возможности его контроля на расстоянии. В электроэнергетикек такого рода технологиям относятся: мониторинг состояния и управления электротехническим оборудованием; автоматизированный учет и информационные системы потребителей; инфраструктура систем связи для энергообъектов; автоматизация для повышения надежности и безотказности электроснабжения; интеграция источников электроэнергии малой мощности и накопителей, в том числе, электромобилей; управление данными; управление оперативными выездными бригадами [2,3,4,5].Будучи в единой платформе, названные технологии позволяют кардинально по-новому подходить к построению электрических сетей, переходя от жесткой структуры «генерация – сети – потребитель» к более гибкой, в которой каждый узел сети может являться активным элементом. При этоминтеллектуальная сеть способна не только в автоматизированном, но и в автоматическом режиме производит свою переконфигурацию при изменениитех или иных условий.В России идея Smart Grid в настоящее время выступает в качестве концепции интеллектуальной активно-адаптивной сети, которую можно описать по [2,3,4,5] следующими признаками: насыщенность сети активными элементами, позволяющими изменять топологические параметры сети; большое количество датчиков, измеряющих текущие режимные параметры для оценки состояния сети в различных режимах работы энергосистемы; система сбора и обработки данных (программно-аппаратные комплексы), а также средства управления активными элементами сети и электроустановкамипотребителей; наличие необходимых исполнительных органов и механизмов, позволяющих в режиме реального времени изменять топологические параметры сети, а также взаимодействовать со смежными энергетическими объектами; средства автоматической оценки текущей ситуации и построения прогнозов работы сети; высокое быстродействие управляющей системы и информационного обмена.

Интеллектуальная электроэнергетическая система с активно-адаптивной сетью (ИЭС ААС) - это энергосистема нового поколения, основанная на мультиагентом принципе управления ее функционированием и развитием [2].Активно-адаптивной сети функционирование начинается с процессов непрерывного диагностического мониторинга динамических объектов (ДО) электрической сети (ЭС), т.е. непрерывно функционирующих ее объектов, которыми являются воздушные линии (ВЛ), кабельные линии (КЛ), технологическое оборудование подстанций сети (ТО ПС), подсистем АСУ ТП, осуществляющие управление диагностическим мониторингом: сбор, обработка информации, хранение ее в интеллектуальном банке данных(ИБиД) и использование ее в активно-адаптивных процессах[3,6,7]. Реализации вышесказанного, может успешно служить разработанная автором Структурно-функциональная схема интеллектуального диагностического мониторинга динамических объектов ЭС (рис.1). Но здесь, необходимо подчеркнуть, что речь идет не просто о непрерывном диагностическом мониторинге, а об интеллектуальном непрерывном диагностическом мониторинге ЭС (ИДМ ЭС). Это означает использование в АСУ ТП интеллектуальных алгоритмов  мультиагентов, т.е. программных сущностей: интегрированных программ в интеллектуальных банках данных (ИБиД), содержащих БД и БЗ, различных средств автоматизации и автоматики (СА). В подсистеме диагностирования АСУ ТП должны быть как минимум две подсистемы диагностирования – 1) подсистема АСУ – исполнение команд ЛПР, 2) подсистема диагностического мониторинга ЭС. Поясним суть интеллектуального диагностического мониторинга в данной Схеме на примеретакого мониторинга подсистемы АСУ – исполнение команд ЛПР. Здесь мультиагент управления (МАу) выдает команды, а затем мультиагент оперативный (МАо), осуществляет диагностирование  качества исполнения команд ЛПР.Следующим является действие уже другого мультиагента (МАо)диагностирующего состояние (исправность, отказ) подсистемы, причины отказа и место дефекта, запрашивающего БЗ, о наличии подобного в прошлом и рекомендуемых мерах по ситуации, это отражается в сообщении ЛПР припринятии решений: 1) выполнить команду СА или без них; 2) провести по востребованности ТО, ремонт и т.д. Аналогично этому действует и другая подсистема АСУ – подсистема диагностического мониторинга других динамических объектов (ДО)электрической сети.

1

Рис. 1 – Структурно-функциональная схема интеллектуального диагностического мониторинга динамических объектов ЭС (авторская разработка)

Общим для интеллектуального диагностического мониторингаДО ЭС является то, что данные диагностирования посредством мультиагентов (МА) постоянно соотносятся с Эталонными рядами данных (ЭРД), Критическими рядами данных (КРД) состояния ЭС, имеющимися в БД и БЗ. «Отклики» этого соотношения содержат прогнозы возможной дальнейшей эксплуатации и прогнозы времени останова (отказа работы). Это позволяет ЛПР и принимать мотивированное решение по каждой электрической линии (ЭЛ) или виду оборудования ПС.

Создание интеллектуальной электроэнергетики требует разнообразных научных разработок, имеющих теоретическое и прикладное значение в дальнейшей интеллектуализации автоматизированного диагностирования сетевой электроэнергетики. Используя, но в тоже время и в отличие от наиболее актуальных и успешно в настоящий момент времени применяемых научно-практических разработок Е.И. Сацука [8], в области программно-технических средств мониторинга ВЛ на предмет гололедообразования, автором в данной работе предложен, как полагаем, несколько более широкийаспект такого рода разработки, но уже для непрерывного диагностического мониторинга всех динамических объектов(ДО) ЭС –модель Интеллектуальный мультиагентный диагностико-прогнозирующий комплекс (ИМДПК) электрической сети, которая представлена на рис. 2. В этой модели предполагается широкое использование диагностики, как метода измерений, и прогностики, т.е. теории и практики прогнозирования. ИМДПК имеет две основные, с использованием мультиагентов, автоматизированные системы: 1) диагностирования (СД); 2) экспертную систему (ЭС). Эти системы имеют подсистемы математического, программного, информационного, организационного, технического и правового обеспечения, которые интегрированы между собой по функционально-целевым принципам. Интеграция компьютерных программ функциональных и обеспечивающих подсистем в мультиагенты обуславливают возможность использования в ИМДПК интеллектуальных информационных технологий.

2

Рис.2 – Интеллектуальный мультиагентный диагностико-прогнозирующий комплекс (ИМДПК) ЭС (авторская разработка)

Последним характерно при обработке данных получение и хранение в БЗ интеллектуальной информации (ИИ), обладающей семантическими и прагматическими свойствами, т.е. несущей определенный смысл в диагностико-прогнозирующих процедурах в сетевой электроэнергетике для определенных интеллектуальными алгоритмами целенаправленных действий. Экспертная система обеспечивает наличие в ИМДПК специальных, присущих ЭС: базы знаний (БЗ), базы данных (БД) – рабочей памяти (РП), механизма вывода (решатель), эксперты. Здесь БЗ, помимо ИИ, накапливает описания правил, эвристик, логических выводов, аргументации и рассуждения, распознавания и классификации ситуаций, обобщения и понимания и т.д., используемых экспертами, а также и лицами принимающих решения (ЛПР). Механизм вывода предназначен для манипулирования содержимым БЗ и получения на ее основе разумных заключений. Последние выводятся современными мультимедийными средствами на экран монитора ЛПР.

Система диагностирования (СД) осуществляет диагностирование динамических объектов (ДО) ЭС в целом (воздушных линий (ВЛ); кабельных линий (КЛ); технологического оборудования подстанций (ТО ПС); АСУ ТП) или их отдельных элементов. Результатом диагностирования являются данные и заключение о состоянии объекта диагностирования (ОД1, ОД2, ОД3, ОДn) с указанием места, вида и причин дефекта, рекомендации к решениям. Все эти многочисленные информационные процессы осуществляют мультиагенты, которые представляют собой интеграцию не менее двух компьютерных программ (сущностей). В данной модели ИМДПК основные функции, связанные с обработкой информации и управления информационными потокам по запросу агента-ЛПР ЭС должны распределяться внутренними агентами телекоммуникационной системы (ТКС) и GRID-сети [10], под которыми, в нашем случае, понимаются соответствующие мультиагенты, относящиеся к  АСУ ТП электрической сети (ЭС) и  являющиеся сетевыми и нейросетевыми мультиагентами компьютерной сети. Каждый из них может иметь свой локальный интеллектуальный банк данных (ИБиД), состоящий из локального банка данных (ЛБД) и локальной базы знаний (ЛБЗ), размещаемые в одном вычислительном центре (ВЦ) или во внешней памяти ЭВМ используемой в АСУ ТП электрической сети или в ИБиД электросетевой энергокомпании.

В отдельных электрических сетях России около 30 процентов аварий в год происходит по неустановленным причинам, т.е. для ЛПР существует достаточно высокая энтропия (степень неопределенности) состояния электрических сетей, что не позволяет оперативно и качественно принимать решения по поддержанию последних в должном функциональном состоянии. Поэтому весьма нужны теоретические разработки в области поддержки принятия решений ЛПР. Основываясь, но при этом и в отличие от наиболее актуальных аспектов, успешно применяемых ныне на практике, теоретических разработок Ф.А. Дьякова [9], сделанные им в части алгоритмов диагностирования ВЛ, подвергающихся гололедообразованию, автором в [7]осуществлена разработка алгоритма более широкого плана –Интеллектуальный алгоритм мультиагента поддержки приятия решения по результатам диагностирования в сетевой электроэнергетике, который представлен на Рис 3.

3

Рис.3.Интеллектуальный алгоритм мультиагента поддержки принятия решения по результатам диагностирования в сетевой электроэнергетике (авторская разработка)

  1.  Начало.
  2.   Ввод исходных данных: априорная информация о вероятностном распределении исходов диагностирующих процедур (ДП), определяющих техническое состояние электрической сети (ЭС), ее элементов (ВЛ, КЛ, оборудование ПС), приоритет исследуемой сетевой системы, усредненные относительные затраты на использование ЭС данного класса, распределение частности исходов очередного этапа ДП.
  3.  Диагноз ДП, вычисление затрат на применение активно-адаптивных  процессов (ААП). Здесь идет выработка диагноза – результата диагностирования технического состояния ЭС или ее элементов (ВЛ, КЛ, ПС), сравнение данных диагноза с эталонным и критическим рядами данных в Банке данных (БиД), определения при этом как эти данные ДП соотносятся с нижним (зарождение аварийной угрозы), средним (развитие аварийной угрозы) и верхним (зрелость аварийной угрозы) уровнями Критического ряда данных. 
  4.  Предварительное решение вопроса о применении ААП в зависимости от возможно большой величины дополнительных затрат на эти ААП и решение перейти к следующему шагу данного алгоритма. Это может быть при наличии в диагнозе начальной стадии нижнего уровня критического ряда, при которой, очевидно, может допускаться эксплуатация ЭС, припроведения востребованного технического обслуживания (ТО) элементов ЭС под их нагрузкой или без нее.
  5.  Определение ГРП при применении ААП, прогноз затрат на ААП, убытков при не применении  ААП. Выделение количества групп реальных потребителей (ГРП), имеющих приоритеты в снабжении  электроэнергией и ее объем, предполагаемый к транспортированию с применением ААП, экспресс-прогнозирование убытков (штрафы, пени, неустойки и т.д.) за возможные нарушения договорных обязательств поставки электроэнергии в случае не применения ААП и временный Останов электропередачи потребителям,

определение соотношения затрат на ААП и возможных убытков от Останова.

Здесь учитывается наличие достижения среднего и верхнего уровня критического ряда, при которой и производится в автоматизированном режиме вычисление минимальных и максимальных возможных затрат при использовании ААП, обуславливающих поставку электроэнергии по измененной конфигурации электрической сети. Последнее может увеличивать сложность, напряженность и протяженность линии электропередачи потребителям, рост количества потребителей и нагрузки на ЛЭП, изменяющую конфигурацию сети, и, соответственно, рост возможных рисков.

 6. ДП с использованием БЗ успешно завершены? Использование Базы знаний (формализованные знания и опыт экспертов, специалистов) сетевой компании в поддержке принятия решения по завершению диагностических процедур (ДП) и о целесообразности использования ААП, а также и осуществления мер по восстановлению характеристик технического состояния ЭС до ЭРД.

 7.  Результаты ДП статистически устойчивы? Определяется статистическая устойчивость результатов ДП, на основании которой возможны выводы: а) о нецелесообразности применения ААП, что отображается в шаге 8 на экране дисплея с использованием мультимедийного ресурса (ММР) и выводится на печать; б) о необходимости продолжать ДП и передавать в Банк данных распределения апостериорной вероятности исходов ДП.

 8. Отображение сообщения на экране дисплея с использованием ММР: а) о нецелесообразности применения ААП; б) о необходимости срочного ТО, приводящего показатели технического состояния конкретных элементов ЭС (ВЛ, КЛ, оборудования ПС) в эталонный ряд.

 9. Отображение сообщения на экране дисплея с использованием ММР: а) о целесообразности применения ААП; б) списка групп реальных потребителей (ГРП) электроэнергии при ААП; в) списка ГРП временно отключенных от энергоснабжения электроэнергии при ААП.

 10.  Отображение сообщения на экране дисплея с использованием ММР

о необходимости продолжения ДП и передачи в Банк данных распределения апостериорной вероятности исходов процедур.

 11. Конец.

В данной блок-схеме в едином или пошаговых мультиагентах Алгоритма, предусматривается использование БЗ, вывод  Механизмом вывода (Решателем)с использованием мультимедийных средств возможных вариантов решения и на этой основе в автоматизированном режиме осуществлять принятие окончательного решения об использовании того или иного вида активно-адаптивной сети или кратковременного Останова транспортирования электроэнергии для ремонта, наладки ЭС.

В  Банке данных (БиД) сетевого предприятия имеются данные о результатах диагностирования в прошлые периоды времени, а в Базе знаний (БЗ) сетевых компаний должны отражаться знания и опыт экспертов, специалистов в области диагностирования ЭСС, формализованные рекомендации последних в программном обеспечении БЗ могут  быть представлены с учетом, установленной в энергокомпании Классификации задач и операций процедуры принятия решений  (КПР), диагностируемых объектов.

Кроме этого, как уже отмечалось выше, Банк данных (БиД), как правило, имеет Эталонных ряд данных (ЭРД) и использован, предложенныйавтором в [7], термин Критический (предаварийный) ряд. Если ЭРД определяется для каждого объекта на основе требований соответствующих нормативных электроэнергетики, договоров с потребителями электроэнергии и т.д., то в Критическом (предаварийном) ряде данных (КРД), при установлении которого  энергокомпании должны учитывать, как проектные, так и опытные данные. Как полагаем, КРД должен иметь для каждого диагностируемого объекта три уровня: нижний (зарождение аварийной угрозы), средний (развитие аварийной угрозы) и верхний (зрелость аварийной угрозы), а в каждом из них по три стадии: низшая, средняя, предельная (высшая). Сравнение результатов ДП с данными ЭРД и КРД позволяет ЛПР делать определенные выводы о степени пригодности диагностируемых объектов, видеть интервал (ресурс) времени, в котором возможна дальнейшая эксплуатация объектов, или востребованность необходимого технического обслуживания (ТО) конкретного вида.Это также и даст возможность ЛПР  до начала аварийного состояния и вступления в дело Релейной защиты и автоматики прореагировать на сигналы АСУ о необходимости мер по приведению по востребованности технического состояния объекта в Эталонный ряд или применения ААП для снятия нагрузки с объекта для ТО, ремонта и т.д. [6,7].

Здесь, пожалуй, уместно привести по [7] и авторскую формулировку термина Активно-адаптивные процессы (ААП) – это такие процессы эксплуатации электрической сети (ЭС) с использованием интеллектуальных автоматизированных систем, которые по результатам диагностирующих процедур (контроль технического состояния, контроль функционирования, прогноз технического состояния), в целях недопущения аварийного состояния ЭС изменяют параметры, конфигурацию и структуру, алгоритм функционирования ЭС так, что обеспечивают надежность и качество электроснабжение потребителейсогласно договоров. Далее, под мультиагентом ППР в электроэнергетике также по [7], в нашем случае, понимаем программную сущность, представляющую интегрированную совокупность множества программ, которая способна обеспечить автоматизированную обработку данных диагностирования (технического и по нему экспресс-экономического), сопоставление диагнозов с эталонным (ЭРД) и критическим (КРД) рядами данных, отбирать в БЗ нормативно-регламентные указания и экспертные рекомендации для принятия ЛПР решений.

Разработка данного Интеллектуального Алгоритма, на наш взгляд,  будет способствовать результативности принятия решений на основе данныхнепрерывного диагностического мониторинга электрической сети, а такжевнесет определенный вклад в дело интеграции в мультиагенты различныхпрограмм автоматизированных информационно-измерительных систем (АИИС): оперативно-информационных управляющих комплексов (ОИУК), АИИС контроля и учета электроэнергии (АИИС КУЭ), микропроцессорных счетчиков электроэнергии (МПСЭ), WAMS/WACS технологии на базе устройств измерения фазы (PMU-устройства), географических информационных систем (ГИС) и т.д., с учетом специфики каждой сетевой компании [3,6,7,8,9].

Теоретическая и практическая значимость данной работы также заключается и в том, что все вышеизложенное в ней способствует решению таких интеллектуальныхзадач какосуществление непрерывного диагностического мониторинга, использование при этом интеллектуальных алгоритмов, мультиагентов в создаваемых активно-адаптивных электрических сетей, что, в конечном счете, повысит результативность электроэнергетики России.

Литература

  1.  Системный оператор Единой энергетической системы. [Электронный ресурс]. – Режим доступа: http://www. so-ups.ru/.
  2.  Положение ОАО «Россети» «О единой технической политике в электросетевом комплексе». – М.: ОАО «Россети», 2013.
  3.  ВаржапетянА.Г.,  ГлущенкоВ.В., Глущенко П.В. Методы исследования и управления проектами и процессами производства. Монография. / А.Г. Варжапетян, В.В. Глущенко, П.В. Глущенко. – М.: Вузовская книга, 2013, 314 с.
  4.  Дорофеев В.В., Макаров А.А. Активно-адаптивная сеть – новое качество ЕЭС России [Текст]/В.В.Дорофеев, А.А Макаров // Энергоэксперт, 2009, № 4 (15). – С.29-34.
  5.  Smart Grid: сети с умом или энергоснабжение без напряжения: [Электронный ресурс]. Режим доступа: http:// www.smartgrid.ru/analitika/obzory/smart-grid-seti-s-umomili-energosnabzhenie-bez-napryazheniya.
  6.  Глущенко П.В. Аспекты интеллектуализации автоматизированного диагностирования динамических сетевых объектов непрерывного типа электроэнергетики. / П.В. Глущенко. Статья // Управление экономическими системами: электронный научный журнал, 2014, № 4(64), URL:   http://www.uecs.ru
  7.  Глущенко, П.В. Интеллектуальный алгоритм мультиагента поддержки принятия решения по данным диагностирования в сетевой электроэнергетике [Текст]/П.В. Глущенко// Вестник Адыгейского государственного университета. Сер. Экономика. – 2014. – Вып. 1.
  8.  Сацук Е.И. Программно-технические средства мониторинга воздушных линий электропередачи и управления энергосистемой в экстремальных погодных условиях / Автореферат на соискание ученой степени доктора техн. наук/ Е.И. Сацук. – Новочеркасск: ГОУ ВПО «Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова», 2011.
  9.  Дьяков Ф.А. Совершенствование методов и средств мониторинга гололедообразования на линиях электропередачи / Автореферат на соискание ученой степени канд. техн. наук. [Текст]. Ф.А. Дьяков. – Ставрополь: ГОУ ВПО «Северо-Кавказский государственный технический университет», 2009.
  10. Тимофеев А.В. Мультиагентные технологии интеллектуального управления в телекоммуникационных системах и GRID-сетях/InternationalJournal «InformationTechnologies&Knowledge» Vol.6, Number 1, 2012, P.66- 74.

  vakperechen

ОБНОВЛЕННЫЙ СПИСОК ВАК 2016 г.
ОТ 19.04.2016  >> ПРОСМОТРЕТЬ
tass
 
ПО ВОПРОСАМ ПУБЛИКАЦИИ СТАТЕЙ И СОТРУДНИЧЕСТВА ОБРАЩАЙТЕСЬ:
skype SKYPE: vak-uecs
e-mail
MAIL: info@uecs.ru
phone
+7 (928) 340 99 00
 

АРХИВ НОМЕРОВ

(01) УЭкС, 1/2005
(02) УЭкС, 2/2005
(03) УЭкС, 3/2005
(04) УЭкС, 4/2005
(05) УЭкС, 1/2006
(06) УЭкС, 2/2006
(07) УЭкС, 3/2006
(08) УЭкС, 4/2006
(09) УЭкС, 1/2007
(10) УЭкС, 2/2007
(11) УЭкС, 3/2007
(12) УЭкС, 4/2007
(13) УЭкС, 1/2008
(14) УЭкС, 2/2008
(15) УЭкС, 3/2008
(16) УЭкС, 4/2008
(17) УЭкС, 1/2009
(18) УЭкС, 2/2009
(19) УЭкС, 3/2009
(20) УЭкС, 4/2009
(21) УЭкС, 1/2010
(22) УЭкС, 2/2010
(23) УЭкС, 3/2010
(24) УЭкС, 4/2010
(25) УЭкС, 1/2011
(26) УЭкС, 2/2011
(27) УЭкС, 3/2011
(28) УЭкС, 4/2011
(29) УЭкС, 5/2011
(30) УЭкС, 6/2011
(31) УЭкС, 7/2011
(32) УЭкС, 8/2011
(33) УЭкС, 9/2011
(34) УЭкС, 10/2011
(35) УЭкС, 11/2011
(36) УЭкС, 12/2011
(37) УЭкС, 1/2012
(38) УЭкС, 2/2012
(39) УЭкС, 3/2012
(40) УЭкС, 4/2012
(41) УЭкС, 5/2012
(42) УЭкС, 6/2012
(43) УЭкС, 7/2012
(44) УЭкС, 8/2012
(45) УЭкС, 9/2012
(46) УЭкС, 10/2012
(47) УЭкС, 11/2012
(48) УЭкС, 12/2012
(49) УЭкС, 1/2013
(50) УЭкС, 2/2013
(51) УЭкС, 3/2013
(52) УЭкС, 4/2013
(53) УЭкС, 5/2013
(54) УЭкС, 6/2013
(55) УЭкС, 7/2013
(56) УЭкС, 8/2013
(57) УЭкС, 9/2013
(58) УЭкС, 10/2013
(59) УЭкС, 11/2013
(60) УЭкС, 12/2013
(61) УЭкС, 1/2014
(62) УЭкС, 2/2014
(63) УЭкС, 3/2014
(64) УЭкС, 4/2014
(65) УЭкС, 5/2014
(66) УЭкС, 6/2014
(67) УЭкС, 7/2014
(68) УЭкС, 8/2014
(69) УЭкС, 9/2014
(70) УЭкС, 10/2014
(71) УЭкС, 11/2014
(72) УЭкС, 12/2014
(73) УЭкС, 1/2015
(74) УЭкС, 2/2015
(75) УЭкС, 3/2015
(76) УЭкС, 4/2015
(77) УЭкС, 5/2015
(78) УЭкС, 6/2015
(79) УЭкС, 7/2015
(80) УЭкС, 8/2015
(81) УЭкС, 9/2015
(82) УЭкС, 10/2015
(83) УЭкС, 11/2015
(84) УЭкС, 11(2)/2015
(85) УЭкС,3/2016
(86) УЭкС, 4/2016
(87) УЭкС, 5/2016
(88) УЭкС, 6/2016
(89) УЭкС, 7/2016
(90) УЭкС, 8/2016
(91) УЭкС, 9/2016
(92) УЭкС, 10/2016
(93) УЭкС, 11/2016
(94) УЭкС, 12/2016
(95) УЭкС, 1/2017
(96) УЭкС, 2/2017
(97) УЭкС, 3/2017
(98) УЭкС, 4/2017
(99) УЭкС, 5/2017
(100) УЭкС, 6/2017
(101) УЭкС, 7/2017
(102) УЭкС, 8/2017
(103) УЭкС, 9/2017
(104) УЭкС, 10/2017
(105) УЭкС, 11/2017
(106) УЭкС, 12/2017
(107) УЭкС, 1/2018
(108) УЭкС, 2/2018
(109) УЭкС, 3/2018
(110) УЭкС, 4/2018
(111) УЭкС, 5/2018
(112) УЭкС, 6/2018
(113) УЭкС, 7/2018
(114) УЭкС, 8/2018
(115) УЭкС, 9/2018
(116) УЭкС, 10/2018
(117) УЭкС, 11/2018
(118) УЭкС, 12/2018
(119) УЭкС, 1/2019
(120) УЭкС, 2/2019

 Федеральная служба по надзору в сфере связи и массовых коммуникаций

№ регистрации СМИ ЭЛ №ФС77-35217 от 06.02.2009 г.       ISSN: 1999-4516