| dc.contributor.author | Босий, Д. О. | uk |
| dc.contributor.author | Земський, Д. Р. | uk |
| dc.contributor.author | Антонов, А. В. | uk |
| dc.contributor.author | Друбецька, Т. І. | uk |
| dc.contributor.author | Потапчук, І. Ю. | uk |
| dc.contributor.author | Bosyi, D. O. | en |
| dc.contributor.author | Zemskyi, D. R. | en |
| dc.contributor.author | Antonov, A. V. | en |
| dc.contributor.author | Drubetska, T. I. | en |
| dc.contributor.author | Potapchuk, I. Yu. | en |
| dc.date.accessioned | 2026-09-11T07:31:13Z | |
| dc.date.available | 2026-09-11T07:31:13Z | |
| dc.date.issued | 2024 | |
| dc.identifier.citation | Босий Д. О., Земський Д. Р., Антонов А. В., Друбецька Т. І., Потапчук І. Ю. Аналіз режимів роботи систем електропостачання з використанням інструментів бізнес-аналітики // Вісник Вінницького політехнічного інституту. 2024. № 5. С. 23-32. URI: https://visnyk.vntu.edu.ua/index.php/visnyk/article/view/3099. | uk |
| dc.identifier.issn | 1997-9274 | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua/handle/123456789/54083 | |
| dc.description.abstract | Розглянуто застосування сучасних інструментів бізнес-аналітики до аналізу режимів роботи системи електропостачання змінного струму на прикладі електрифікованої ділянки залізниці змінного струму з отриманням миттєвих значень фазних напруг і струмів в результаті чисельного розв՚я зання системи диференційних рівнянь. В процесі обґрунтування вибору інструменту для аналізу режимів роботи системи електропостачання розглянуто такі аналітичні платформи як Power BI, яка має глибоку інтеграцією з продуктами Microsoft, Tableau, з потужною системою візуалізації даних, та Qlik, яка використовує асоціативну модель даних і дозволяє користувачам інтерактивно працювати з даними без необхідності передбачення способів аналізу.
Розглянута система електропостачання ділянки залізниці змінного струму включає у себе тягові підстанції та нетягове навантаження, яке живиться від ліній «два проводи—рейка» (ДПР), систему зовнішнього електропостачання, від якої отримують електроенергію тягові підстанції. На базі отриманих миттєвих значень струму засобами комп’ютерної алгебри Matlab розраховано напруги у вузлах системи електропостачання. Обчислення складових потужностей та інтегральних показників виконано у середовищі QlikView, що використовується для обробки значного обсягу числових даних та їхньої візуалізації.
Інтерактивність перемикання візуалізацій та асоціативна модель даних у QlikView дозволили заощадити час для аналізу великого масиву інформації у вигляді миттєвих значень напруг і струмів, отриманих в результаті розв’язання сотень диференційних рівнянь числовим методом. Використання скрипта з власною мовою обробки даних Qlik із застосуванням стандартних функцій агрегації даних та принципів визначення діючих значень для електричних кіл змінного струму дозволило отримати інтегральні енергетичні характеристики. | uk |
| dc.description.abstract | The article discusses the application of modern business analytics tools to the analysis of operating modes of an alternating current power supply system, using the example of an electrified section of an AC railway with phase-by-phase measurement of instantaneous voltage and current values obtained solving a system of differential equations. The analysis of the power supply system’s operating modes is justified by ing analytical platforms such as Power BI, which has deep integration with Microsoft products, Tableau, known for its powerful data visualization capabilities, and Qlik, which employs an associative data model, allowing users to interact with data without the need to predict analysis methods.
The AC railway power supply system under consideration includes traction substations and non-traction loads powered by the "two-wire-rail" (TWR) lines, as well as the external power supply system which traction substations receive electricity. Based on the obtained instantaneous current values, Matlab՚s computer algebra tools were used to calculate the voltages at the nodes of the power supply system. Power components and integral indicators were calculated in the QlikView environment, which is used for processing a large volume of numerical data and visualizing it.
The interactivity of switching between visualizations and the associative data model in QlikView allowed time savings when analyzing large amounts of information in the form of instantaneous voltage and current values obtained by solving hundreds of differential equations using numerical methods. Using a script with Qlik՚s own data processing language enabled the derivation of integral energy characteristics by applying standard data aggregation functions and principles for determining effective values for alternating current circuits. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Вісник Вінницького політехнічного інституту. № 5 : 23-32. | uk |
| dc.relation.uri | https://visnyk.vntu.edu.ua/index.php/visnyk/article/view/3099 | |
| dc.subject | система електропостачання | uk |
| dc.subject | режим роботи | uk |
| dc.subject | навантаження | uk |
| dc.subject | електрифікована залізниця | uk |
| dc.subject | електровоз | uk |
| dc.subject | несиметрія | uk |
| dc.subject | несинусоїдність | uk |
| dc.subject | бізнес-аналітика | uk |
| dc.subject | великі дані | uk |
| dc.subject | аналітична платформа | uk |
| dc.subject | візуалізація | uk |
| dc.subject | інтерактивна панель | uk |
| dc.subject | дешборд | uk |
| dc.subject | power supply system | en |
| dc.subject | operating mode | en |
| dc.subject | load | en |
| dc.subject | electrified railway | en |
| dc.subject | electric locomotive | en |
| dc.subject | unbalance | en |
| dc.subject | non-sinusoidal waveform | en |
| dc.subject | business analytics | en |
| dc.subject | big data | en |
| dc.subject | analytics platform | en |
| dc.subject | visualization | en |
| dc.subject | interactive pane | en |
| dc.subject | dashboard | en |
| dc.title | Аналіз режимів роботи систем електропостачання з використанням інструментів бізнес-аналітики | uk |
| dc.title.alternative | Analysis of Operating Modes of Power Supply Systems Using Business Analytics Tools | en |
| dc.type | Article, professional native edition | |
| dc.identifier.udc | 621.311, 621.331 | |
| dc.relation.references | H. Akhavan-Hejazi, and H. Mohsenian-Rad, “Power systems big data analytics: An assessment of paradigm shift barriers and prospects,” Energy Reports., vol. 4, pp. 91-100, Nov. 2018. [Electronic resource]. Available: https://doi.org/10.1016/j.egyr.2017.11.002. Accessed: Apr. 13, 2024. | en |
| dc.relation.references | M. Kezunovic, P. Pinson, Z. Obradovic, S. Grijalva, T. Hong, and R. Bessa, “Big data analytics for future electricity grids,” Electric Power Syst. Res., vol. 189, p. 106788, Dec. 2020. [Online]. Available: https://doi.org/10.1016/j.epsr.2020.106788. Accessed: Apr. 13, 2024. | en |
| dc.relation.references | Marek Moleda and Dariusz Mrozek, “Big data in power generation,” Beyond Databases, Archit. Struct. Paving Road Smart Data Process. Anal., vol. 1018, pp. 19-29, 2019. | en |
| dc.relation.references | J. M. Davila Delgado, L. Oyedele, M. Bilal, A. Ajayi, L. Akanbi, and O. Akinade, “Big data analytics system for costing power transmission projects,” J. Construction Eng. Manage, vol. 146, no. 1, p. 05019017, Jan. 2020. [Electronic resource]. Available: https://doi.org/10.1061/(asce)co.1943-7862.0001745. Accessed: Apr. 13, 2024. | en |
| dc.relation.references | Z. Zhou, “Intelligent prediction method for power generation based on deep learning and cloud computing in big data networks,” Int. J. Intell. Netw., vol. 4, pp. 224-230, 2023. [Online]. Available: https://doi.org/10.1016/j.ijin.2023.08.004. Accessed: Apr. 13, 2024. | en |
| dc.relation.references | О. І. Піжук, «Великі дані як основоположний драйвер цифрової трансформації економіки,» Економіка та держава, № 6, c. 50-54, 2019. | uk |
| dc.relation.references | М. О. Ястребенецький, і О. М. Дибач, «Перспективи застосування технологій Big Data в атомній енергетиці України,» Ядерна та радіаційна безпека, № 2 (82), с. 9-13, черв. 2019. [Електронний ресурс]. Режим доступу: https://doi.org/10.32918/nrs.2019.2(82).02. Дата звернення: 14 квіт. 2024. | uk |
| dc.relation.references | С. А. Шворов та ін., «Збирання біомаси для біогазових установок з використанням технології "Big data",» Енергетика і автоматика, № 5, с. 13-22, 2018. [Електронний ресурс]. Режим доступу: http://nbuv.gov.ua/UJRN/eia_2018_5_4. Дата звернення: 14 квіт. 2024. | uk |
| dc.relation.references | Gartner Magic Quadrant for Analytics and Business Intelligence Platforms 2022. [Electronic resource]. Available: https://www.interdobs.nl/sac/gartner-magic-quadrant-for-analytics-and-business-intelligence-platforms-2022/. | en |
| dc.relation.references | Gartner Quadrant Leaders for Analytics and BI: Qlik Sense vs Microsoft Power BI vs Tableau. [Online]. Available: https://datalabsua.com/en/leaders-quadrant-of-the-magic-quadrant-for-analytics-and-bi-qlik-sense-vs-microsoft-power-bi-vstableau/. | en |
| dc.relation.references | Qlik became a Gartner Magic Quadrant leader for the 10th year in a row! [Online]. Available: https://datalabsua.com/en/qlik-became-a-gartner-magic-quadrant-leader-for-the-10th-year-in-a-row/. | en |
| dc.relation.references | D. Bosyi, and D. Zemskyi, “Increasing Power Supply Efficiency for “Two WireRail” Line Consumers,” Problemy Kolejnictwa, 2020. Iss. 188. pp. 93-102. https://doi.org/10.36137/1881E. | en |
| dc.identifier.doi | https://doi.org/10.31649/1997-9266-2024-176-5-23-32 | |