Найти

Результаты поиска

• ОЦЕНКА ВОЗДЕЙСТВУЮЩИХ ФАКТОРОВ И ПРОГНОЗИРОВАНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЯ В РЕГИОНАЛЬНОЙ ЭНЕРГОСИСТЕМЕ С УЧЕТОМ РЕЖИМА ЕЕ ЭКСПЛУАТАЦИИ

  Н. К. Полуянович , М. Н. Дубяго

  2022-05-26

  Аннотация ▼

  Статья посвящена исследованиям вопросов оценки воздействующих факторов и про-
  гнозирования электропотребления в региональной энергосистеме с учетом режимов ее
  эксплуатации. Проведен анализ существующих методов прогнозирования энергопотребле-
  ния. Обоснован выбор метода прогнозирования с использованием искусственной нейронной
  сети. Рассмотрен алгоритм создания нейросети для краткосрочного прогноза электриче-
  ской нагрузки. Актуальность работы обусловлена требованиями действующего законода-
  тельства к прогнозированию электропотребления для решения задачи поддержания балан-
  са мощностей между генерирующей стороной и потреблением электрической энергии.
  При этом одной из основных задач, связанных с генерацией электрической энергии и ее
  потреблением, является задача поддержания баланса мощностей. С одной стороны, при
  увеличении плановой нагрузки могут возникнуть перебои в поставке электроэнергии, с дру-
  гой стороны, уменьшение электропотребления приведет так же к уменьшению КПД элек-
  тростанций, и в конечном счете – к повышению стоимости на электроэнергию как для
  субъекта оптового рынка электроэнергии, так и для конечного потребителя. Разработан-
  ная нейросетевая модель (НС) модель сводит задачу краткосрочного прогнозирования
  электропотребления к поиску матрицы свободных коэффициентов посредством обучения
  на имеющихся статистических данных (активная и реактивная мощность, температура
  окружающей среды, дата и индекс дня). Полученная НС модель краткосрочного прогнози-
  рования электропотребления участка районной электрической сети 10 кВ, учитывает
  факторы: – времени, – метеорологических условий, – отключений отдельных питающих
  линий электропередач, – режима работы потребителей электроэнергии. Получены про-
  гнозные оценки электропотребления энергосистемы по данным потребляемой электро-
  энергии наружной температуры, типу дня и т.д. Модель прогнозирования величины, по-
  требляемой активной и реактивной мощности вполне работоспособна, однако на данном
  этапе все еще имеет довольно высокий уровень погрешности прогнозирования. Для повы-
  шения точности прогнозирования необходимо увеличить базу данных, составляющих обу-
  чающую выборку, т.к. на данный момент имеющиеся данные охватывают временной про-
  межуток длиной лишь 3–4 месяца. Результаты анализа показали, что наибольшие трудно-
  сти вызывает прогнозирование потребления реактивной мощности.

• ИНТЕЛЛЕКТУАЛЬНЫЕ МЕТОДЫ ПАРАМЕТРИЧЕСКОГО ПРОГНОЗИРОВАНИЯ И ОПТИМИЗАЦИИ ТРАЕКТОРИИ ДВИЖЕНИЯ БАС

  В.И. Данильченко , В.В. Бова

  263-276

  2025-12-30

  Аннотация ▼

  Рассматривается задача интеллектуального параметрического прогнозирования и оптимизации траектории движения беспилотной авиационной системы (БАС) с применением эволюционных алгоритмов и методов машинного обучения. Актуальность исследования обусловлена многокритериальностью и высокой сложностью процессов формирования траектории движения БАС, а также необходимостью точной и своевременной оценки её полётных параметров. Это особенно важно для обеспечения надёжности, безопасности и эффективного выполнения полётных задач в условиях эксплуатации БАС, включая сценарии, связанные с функционированием критически значимых объектов инфраструктуры. Цель исследования заключается в повышении точности диагностики траекторных параметров и надёжности параметрического прогнозирования траекторий движения БАС в условиях неопределённости и многокритериальности рассматриваемой задачи. В работе предлагается гибридный подход, включающий генетический алгоритм (ГA), алгоритм роя частиц (PSO) с моделью машинного обучения XGBoost, обеспечивающей адаптивную оценку качества формируемых решений. Реализован вычислительный программный комплекс, включающий механизмы селекции, рекомбинации, мутации и элитного наследования, а также модуль машинного обучения для валидации траектории маршрута и связанных параметров. Проведён вычислительный эксперимент, в рамках которого выполнен сравнительный анализ эффективности GA и PSO при различных сценариях их работы. Тестирование выполнялось на отраслевых наборах данных при различном количестве итераций. В ходе вычислительного эксперимента выявлено преимущество генетического алгоритма, а именно повышение качества проектных решений на 14–17%. Результаты исследования демонстрируют высокую адаптивность и практическую применимость в задачах моделирования, параметрического прогнозирования и маршрутизации, а также указывают на потенциал интеграции с интеллектуальными системами навигации и мониторинга БАС. Материалы статьи представляют практический интерес для специалистов в области разработки и эксплуатации БАС, а также для исследователей, занимающихся задачами многокритериального планирования маршрутов, параметрического прогнозирования и повышения надёжности функционирования БАС.

• МЕТОД ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ, ОСНОВАННЫЙ НА КОГНИТИВНОМ НЕЧЕТКОМ МОДЕЛИРОВАНИИ И РЕГРЕССИОННОМ АНАЛИЗЕ

  А.И. Гусева , Р.М. Романов

  157-178

  2025-12-30

  Аннотация ▼

  Актуальность исследования определяется низкой эффективностью традиционных методов прогнозирования временных рядов в условиях высокой неопределённости и ограниченного объёма данных, характерных для слабо формализованных систем. Цель работы заключается в разработке и обосновании метода прогнозирования временных рядов на основе гибридного подхода, объединяющего когнитивное нечеткое моделирование, регрессионный анализ и метод аналитических сетей. В рамках исследования проведён системный обзор и сравнительный анализ существующих методов прогнозирования, включая подходы на основе нечеткой логики, нейросетевого и когнитивного моделирования, ансамблевых и гибридных методов, и выявлены их ограничения при работе с малыми выборками, нелинейными зависимостями и неопределённостью. Разработанный метод включает: построение нечетких когнитивных карт, дефаззификацию лингвистических оценок, кластеризацию факторов, применение метода аналитических сетей для определения приоритетов и формирование взвешенной регрессионной модели. Модель проходит статистическую валидацию по метрикам , ,  и , а также проверку предпосылок регрессионного анализа, включая тесты на мультиколлинеарность и автокорреляцию. Применение метода обеспечило снижение  с 0,38 до 0,22,  с 0,30 до 0,18 и  с 11,65 % до 7,12 %, что подтверждает повышение точности и устойчивости прогнозов при ограниченном объёме данных по сравнению с классической многофакторной регрессией. Новизна разработанного метода заключается в интеграции когнитивного моделирования, регрессионного анализа и метода аналитических сетей, при которой преимущества каждого компонента компенсируют их индивидуальные ограничения, обеспечивая более точное и устойчивое прогнозирование в условиях неопределённости исследуемой системы. Практическая значимость работы состоит в возможности применения предложенного метода для поддержки принятия решений и повышения обоснованности прогнозов в различных предметных областях и ситуациях, где имеется ограниченный объёма наблюдений, а существенную роль играют экспертные оценки, а также сложная структура причинно-следственных связей между показателями во времени

• СОВРЕМЕННЫЕ ПОДХОДЫ К МОНИТОРИНГУ И ПРОГНОЗИРОВАНИЮ ПРИРОДНЫХ ПОЖАРОВ: ОБЗОР И КОНЦЕПЦИЯ АВТОНОМНОЙ СИСТЕМЫ НА БАЗЕ БПЛА

  Н.Д. Болдырев , В. В. Гилка , А.С. Кузнецова , Д.А. Морозов

  58-80

  2025-12-30

  Аннотация ▼

  Природные пожары ежегодно наносят серьёзный урон экосистемам, экономике и безопасности населения, а своевременное обнаружение возгораний и прогнозирование их развития повышает оперативность реагирования на угрозу и позволяет оптимально распределять ресурсы при ликвидации чрезвычайных ситуаций (ЧС). Существующие методы мониторинга ограничены скоростью обнаружения очагов возгорания и оперативностью их дальнейшего распростанения, что снижает эффективность действий спасательных служб. Для решения данной проблемы могут использоваться гетерогенные источники данных, включая беспилотные летательные аппараты (БПЛА), распределённые датчиковые сети, мобильные комплексы полевого наблюдения, наземные тепловизионные станции и т.д., которые могут способствовать проведению более точного анализа текущей обстановки и повышению достоверности прогнозных моделей распространения пожаров. Целью исследования стала разработка концепции автоматизированного подхода к мониторингу и прогнозированию природных пожаров на основе беспилотных летательных аппаратов. Мы считаем, что такой подход сумеет повысить оперативность обнаружения очагов возгорания и точность прогнозирования их распространения. Задачи включают анализ существующих методов мониторинга, формирование концепции системы, интегрирующей многоспектральную съёмку, оптимизированную передачу данных, автоматическую сегментацию и прогнозирование на основе машинного обучения, а также обеспечивающей взаимодействие оператора и специалистов по оповещению. В работе использовались методы сбора, анализа и передачи данных с БПЛА, обработка многоспектральных изображений, машинное обучение и нейронные сети для детекции очагов возгорания, алгоритмы сегментации изображений и имитационное моделирование для прогнозирования распространения огня, визуализация данных для поддержки принятия решений оператором и администратором, логирование и анализ результатов для обучения моделей, программная инженерия и технологии человеко-машинного взаимодействия. Система сократит время обнаружения и прогнозирования пожаров, предоставит возможность оператору запускать несколько дронов одновременно и автоматизирует обработку получаемых с них данных. Автоматизация процессов позволит сократить время реакции на ЧС и численность персонала, улучшить распределение ресурсов, повысить точность прогнозов и своевременность информирования экстренных служб. Это поможет снизить ущерб от природных пожаров и повысить безопасность населения и экосистем. Несмотря на существующие успехи, достигнутые в решении этой задачи, комплексная система, концепция которой описывается в данной статье, пока не существует в полной мере ни в России и странах СНГ, ни в западных и азиатских странах. Хотя отдельные компоненты, такие как БПЛА для мониторинга и искусственный интеллект (ИИ) для анализа данных, уже активно используются, интегрированного решения, которое бы объединяло все элементы (управление дронами, прогнозирование распространения огня в режиме, приближенном к реальному времени, передача данных и взаимодействие с экстренными службами), на данный момент нет. Эта концепция представляет собой новый подход, который может стать прорывной технологией для борьбы с природными катастрофами

• ИНТЕГРАЦИЯ РЕКУРРЕНТНОЙ НЕЙРОННОЙ СЕТИ ДЛЯ ПОВЫШЕНИЯ ОТКАЗОУСТОЙЧИВОСТИ МОДЕЛИ ВЛАГОПЕРЕНОСА В СИСТЕМЕ «УМНЫЙ САД»

  С.С. Обаид , В.А. Погонин , И.Б. Кирина

  284-297

  2025-10-01

  Аннотация ▼

  Представлено исследование по разработке и интеграции рекуррентной нейронной сети (RNN) для повышения точности и отказоустойчивости модели влагопереноса в системе «Умный сад». Проблема контроля влажности почвы становится особенно актуальной в современных условиях сельского хозяйства и экологического мониторинга, где требуется высокая точность для управления водными ресурсами, прогнозирования урожайности и предотвращения засушливых периодов. Традиционные методы, такие как дистанционное зондирование и модели влагопереноса, имеют существенные ограничения: низкая точность, сложность вычислений, зависимость от точных данных сенсоров и сложность применения в реальных полевых условиях. Для решения этих проблем в исследовании предлагается использование RNN, способной эффективно обрабатывать временные ряды данных и прогнозировать влажность почвы даже при наличии неполных, неточных или искажённых входных данных. В качестве исходных данных использованы глобальный датасет влажности почвы GSSM и погодные данные платформы Meteostat, что позволило учесть климатические особенности регионов с разными типами почвы. Модель включает слой долговременной краткосрочной памяти (LSTM) и полносвязный слой для финального прогнозирования. Особое внимание уделено предобработке данных, включая расчёт среднедневных, среднемесячных и среднегодовых значений, а также коррекцию данных с учётом характеристик различных типов почв. Проведённое исследование показало, что разработанная модель RNN обладает высокой устойчивостью к сбоям в работе сенсоров, минимальной зависимостью от объёма входных данных и способностью адаптироваться к разным климатическим и почвенным условиям. Предлагаемое решение позволяет улучшить точность мониторинга влажности почвы в системе «Умный сад», оптимизировать использование водных ресурсов и повысить стабильность работы системы в условиях изменяющихся внешних факторов. Таким образом, интеграция RNN открывает новые возможности для развития сельского хозяйства и экологии, обеспечивая более эффективное управление водными ресурсами и повышение производительности агросистем

• ПРОГНОЗИРОВАНИЕ ОТКАЗОВ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ФАКТОРНОГО АНАЛИЗА

  Е.С. Подоплелова

  213-223

  2025-07-24

  Аннотация ▼

  Рассматривается применение метода оценки рисков, основанного на объединении методологии FMEA (failure mode and effect analysis) – анализ рисков и последствий отказа и методов многокритериального принятия решений MCDM (Multiple Criteria Decision Making). Такой подход позволяет учитывать как экспертные знания, так и исторические данные о работе оборудования. Методы MCDM обрабатывают оценку более гибко в сравнении со стандартным способом расчета приоритетного числа риска (ПЧР), что помогает качественнее оценить риски по трем критериям: вероятность возникновения, сложность обнаружения и тяжесть последствий. Один из критериев возможно получить не только через оценку экспертом, но и на основе данных, фиксирующих работу оборудования. На примере синтетических данных из открытого доступа о режимах работы производственного оборудования был опробован данный подход. Задача заключалась в прогнозировании как самого отказа, так и его вида, а также выявлении факторов, сильнее всех оказывающих влияние на отказ.  Для этого проводилась предобработка данных, в ходе которой потребовалось устранить дисбаланс классов. Существует несколько подходов к решению этой проблемы, направленные на сокращение преобладающего класса, либо генерацию экземпляров слабо представленных классов. В этом примере использовалось сокращение количества записей не имеющих ошибок случайным образом. Далее, в качестве алгоритмов классификации сравнивались AdaBoost, Random Forest и LinearSVC. Так как требовалась многоклассовая классификация, было решено использовать стратегию «one-vs-the-rest» (один против всех). В итоге удалось добиться точности прогнозирования по F-мере в 86% алгоритмами AdaBoost и Random Forest. LinearSVC оказался неэффективным. Таким образом, полученная модель прогнозирования распознает разные виды ошибок, но существует перспектива к улучшению, для чего требуется более объемная выборка, включающая больше примеров с разными видами отказа. Исходя из этого, такой подход как альтернатива экспертной оценки является перспективным, улучшая объективность, а также давая возможность предвидеть риски и не допустить реального отказа или инцидента, связанного с риском.

• НЕЙРОКОМПЬЮТЕРНОЕ УПРАВЛЕНИЕ ПРОПУСКНОЙ СПОСОБНОСТЬЮ КАБЕЛЬНЫХ СЕТЕЙ ПОСРЕДСТВОМ УЧЕТА И КОНТРОЛЯ ИХ ПАРАМЕТРОВ

  Н.К. Полуянович , Н. В. Азаров , М.Н. Дубяго

  84-103

  2025-07-31

  Аннотация ▼

  Рассматривается нейрокомпьютерная система прогнозирования ресурса силовой ка-
  бельной линии (СКЛ) с использованием нейросетевых технологий. Выбрана аппаратная
  модульная реализация нейрокомпьютера (НК) реализованным на базе ПЛИС. Для решения
  задачи прогнозирования термических процессов СКЛ принято решение использовать циф-
  ровой нейрочип NeuroMatrix NM6404 с переменной структурой из-за их высокой произво-
  дительности по сравнению с потребляемой мощностью, высокой степенью универсальности. Для прогнозирования температурных режимов СКЛ была разработана искусственная
  нейросеть (ИНС) для определения текущего температурного режима для токоведущей
  жилы СКЛ. Выбрана архитектура ИНС для реализации НК системы прогнозирования
  температуры СКЛ, позволяющая производить долгосрочное прогнозирование температур
  СКЛ в режиме реального времени. Произведен выбор функции активации нейронов ИНС
  для реализации НК системы прогнозирования температуры СКЛ, позволяющий проводить
  долгосрочный прогноз температур СКЛ без увеличения погрешности при увеличении даль-
  ности прогноза. Предложенный нейросетевой алгоритм, выполняющий прогнозирование
  характеристик электрической изоляции СКЛ, основанный на методе скользящего окна для
  прогнозирования временных рядов, был апробирован на контрольной выборке эксперимен-
  тальных данных, не входящих в состав выборки для обучения ИНС. Проведены экспери-
  ментальные исследования предлагаемого адаптивного метода прогнозирования, а именно
  разработан адаптивный алгоритм и выполнено прогнозирование термических процессов в
  изоляции СКЛ от тока нагрузки. Анализ результатов показал, что чем больше время со-
  старивания, тем больше разность температур между исходным и состаренным образцом.
  При анализе полученных данных было определено, что максимально достигнутое отклоне-
  ние данных, полученных от ИНС в ходе эксперимента от данных в составе обучающей
  выборки, составило менее 3% что является вполне приемлемым для данного исследования
  результатом. Показано, что разрабатываемые методы и алгоритмы являются элемен-
  тами комплексной системы управления энергосетью, а разработанная адаптивная НК
  модель позволяет проводить оценку текущего состояния изоляции и прогнозировать ос-
  таточный ресурс СКЛ.

• ГИБРИДНАЯ МЕТОДИКА ПРАКТИЧЕСКОЙ РЕАЛИЗАЦИИ СИСТЕМЫ ПРИНЯТИЯ РЕШЕНИЙ ПО ПРИОРИТЕТНОМУ РЕГУЛИРОВАНИЮ

  С.А. Ткалич

  2022-03-02

  Аннотация ▼

  Рассматривается задача построения системы принятия решений в рамках автома-
  тизированных систем безаварийного управления технологическими процессами на основе
  моделей прогнозирования. Представлен анализ моделей и методов прогнозирования аварий-
  ных ситуаций. Сформулирована задача разработки методики практической реализации
  системы на основе интегрального критерия безаварийного управления, учитывающего
  запасы времени на приведение процесса в нормальное состояние (система прогнозирования
  аварийных ситуаций) и ресурсную составляющую (система планово-предупредительного
  обслуживания). Сделан вывод о целесообразности построения систем принятия решений и
  автоматизированных систем управления на основе моделей прогнозирования, как наиболее
  перспективного подхода к решению задачи безаварийного управления технологическими
  процессами. Принцип построения системы принятия решений основан на использовании
  интегрального критерия безаварийного управления. Представлена блок - схема алгоритма
  расчёта интегрального критерия безаварийного управления. Предложена гибридная мето-
  дика практической реализации подобных систем на основе приоритетного регулирования,
  включающего в себя и штатный регулятор. Описана процедура формирования приоритет-
  ных регуляторов по данным прогноза. Приведена блок-схема алгоритма приоритетного
  регулятора, определяющего критический параметр на основе теории чувствительности.
  В случае положительного прогноза на аварию происходит выбор критического параметра
  по максимуму коэффициента чувствительности и на штатный регулятор из матрицы
  критических значений подается в качестве уставки минимальное или максимальное значе-
  ние параметра в зависимости от знака скорости его изменения. Дана структура системы
  принятия решения на основе концепции безаварийного управления технологическими про-
  цессами. Станция безаварийного управления формирует данные для модуля принятия ре-
  шения на основе композиционной модели прогнозирования аварийных ситуаций и инте-
  грального критерия безаварийного управления. Приведена блок-схема алгоритма модуля
  принятия решения по приоритетному регулированию.

• АНАЛИЗ И ВЫБОР МЕТОДИКИ В РЕШЕНИИ ЗАДАЧ ИНТЕЛЛЕКТУАЛИЗАЦИИ СИСТЕМ ПРОГНОЗИРОВАНИЯ ТЕРМОФЛУКТУАЦИОННЫХ ПРОЦЕССОВ В КАБЕЛЬНЫХ СЕТЯХ

  Н.К. Полуянович, М.Н. Дубяго

  2020-07-20

  Аннотация ▼

  Статья посвящена исследованиям вопросам создания диагностики и прогнозирования
  термофлуктуационных процессов изоляционных материалов силовых кабельных линий (СКЛ)
  электроэнергетических систем на основе таких методов искусственного интеллекта, как
  нейронные сети и нечеткая логика. Показана необходимость разработки более совершен-
  ной методики анализа тепловых режимов в СКЛ. Обоснована актуальность задачи созда-
  ния нейросетей (НС) для оценки пропускной способности, расчёта и прогнозирования тем-
  пературы жил СКЛ в режиме реального времени на основе данных системы температур-
  ного мониторинга, с учетом изменения токовой нагрузки линии и внешних условий тепло-
  отвода. По основным критериям проведено сравнение традиционных и нейросетевых алго-
  ритмов для прогнозирования, показало преимущество НС методов. Проведена классифи-
  кация НС методов и моделей прогнозирования температурных режимов КЛ. Для решения
  задачи прогнозирования ресурса СКЛ была выбрана сеть с прямым распространением дан-
  ных и обратного распространения ошибки, т.к. сети такого типа в совокупности с акти-
  вационной функцией в виде гиперболического тангенса являются в некоторой степени уни-
  версальной структурой для многих задач аппроксимации, приближения и прогнозирования.
  Разработана нейросеть для определения температурного режима токоведущей жилы
  силового кабеля. Проведен сравнительный анализ экспериментальных и расчетных харак-
  теристик распределений температуры, при этом исследовались различные нагрузочные
  режимы работы и функции изменения тока кабеля. При анализе данных было определено,
  что максимальное отклонение данных, полученных от нейросети от данных обучающей
  выборки, составило менее 2,5 % что является вполне приемлемым результатом. Для по-
  вышения точности необходимо использовалось большое количество входных и выходных
  данных при обучении сети, а также некоторая доработка ее структуры. Модель позволя-
  ет оценивать текущее состояние изоляции и прогнозировать остаточный ресурс СКЛ. Модель
  может быть использована в устройствах и системах непрерывного диагностирования
  силовых кабелей по температурным режимам.

• МНОГОЭТАПНЫЙ МЕТОД КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ТЕМПЕРАТУРНЫХ РЕЖИМОВ В СИЛОВОМ КАБЕЛЕ

  Н. К. Полуянович, Н. В. Азаров, А. В. Огреничев, М. Н. Дубяго

  2020-07-20

  Аннотация ▼

  Статья посвящена исследованиям вопросам создания диагностики и прогнозирования
  термофлуктуационных процессов изоляционных материалов силовых кабельных линий (СКЛ)
  электроэнергетических систем на основе таких методов искусственного интеллекта, как
  нейронные сети и нечеткая логика. Показана необходимость разработки более совершен-
  ной методики анализа тепловых режимов в СКЛ. Обоснована актуальность задачи созда-
  ния нейросетей (НС) для оценки пропускной способности, расчёта и прогнозирования тем-
  пературы жил СКЛ в режиме реального времени на основе данных системы температур-
  ного мониторинга, с учетом изменения токовой нагрузки линии и внешних условий тепло-
  отвода. По основным критериям проведено сравнение традиционных и нейросетевых алго-
  ритмов для прогнозирования, показало преимущество НС методов. Проведена классифи-
  кация НС методов и моделей прогнозирования температурных режимов КЛ. Предложен-
  ный нейросетевой алгоритм прогнозирования характеристик электрической изоляции был
  апробирован на контрольной выборке экспериментальных данных, по которым обучение
  искусственной нейронной сети не проводилось. Результаты прогноза показали эффектив-
  ность выбранной модели. Для решения задачи прогнозирования ресурса СКЛ была выбрана
  сеть с прямым распространением данных и обратного распространения ошибки, т.к. сети
  такого типа в совокупности с активационной функцией в виде гиперболического тангенса
  являются в некоторой степени универсальной структурой для многих задач аппроксима-
  ции, приближения и прогнозирования. Разработана нейросеть для определения темпера-
  турного режима токоведущей жилы силового кабеля. Проведен сравнительный анализ
  экспериментальных и расчетных характеристик распределений температуры, при этом
  исследовались различные нагрузочные режимы работы и функции изменения тока кабеля.
  При анализе данных было определено, что максимальное отклонение данных, полученных
  от нейросети от данных обучающей выборки, составило менее 2,2 % что является вполне
  приемлемым результатом. Модель может быть использована в устройствах и системах
  непрерывного диагностирования силовых кабелей по температурным режимам.