Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/51483

Назва: Adaptive multi-protocol communication for energy systems
Інші назви: Адаптивна багатопротокольна комунікація для енергетичних систем
Автори: Волощук, Андрій
Осухівська, Галина Михайлівна
Voloshchuk, Andrii
Osukhivska, Halyna
Приналежність: Тернопільський національний технічний університет імені Івана Пулюя, Тернопіль, Україна
Ternopil Ivan Puluj National Technical University, Ternopil, Ukraine
Бібліографічний опис: Voloshchuk A. Adaptive multi-protocol communication for energy systems / Andrii Voloshchuk, Halyna Osukhivska // Scientific Journal of TNTU. — Tern. : TNTU, 2025. — Vol 119. — No 3. — P. 97–106.
Бібліографічне посилання: Voloshchuk A., Osukhivska H. Adaptive multi-protocol communication for energy systems // Scientific Journal of TNTU, Ternopil. 2025. Vol 119. No 3. P. 97–106.
Bibliographic citation (APA): Voloshchuk, A., & Osukhivska, H. (2025). Adaptive multi-protocol communication for energy systems. Scientific Journal of the Ternopil National Technical University, 119(3), 97-106. TNTU..
Bibliographic citation (CHICAGO): Voloshchuk A., Osukhivska H. (2025) Adaptive multi-protocol communication for energy systems. Scientific Journal of the Ternopil National Technical University (Tern.), vol. 119, no 3, pp. 97-106.
Є частиною видання: Вісник Тернопільського національного технічного університету, 3 (119), 2025
Scientific Journal of the Ternopil National Technical University, 3 (119), 2025
Журнал/збірник: Вісник Тернопільського національного технічного університету
Випуск/№ : 3
Том: 119
Дата публікації: 29-сер-2025
Дата подання: 25-лип-2025
Дата внесення: 9-лют-2026
Видавництво: ТНТУ
TNTU
Місце видання, проведення: Тернопіль
Ternopil
DOI: https://doi.org/10.33108/visnyk_tntu2025.03.097
УДК: 004.7
004.8
621.3
Теми: енергетичні мережі
енергоефективність
комунікаційні протоколи
методи машинного навчання
адаптивний вибір протоколу
energy networks
energy efficiency
communication protocols
machine learning methods
adaptive protocol selection
Кількість сторінок: 10
Діапазон сторінок: 97-106
Початкова сторінка: 97
Кінцева сторінка: 106
Короткий огляд (реферат): Розглянуто підходи до впровадження адаптивної багатопротокольної комунікації в енергетичних системах, що трансформуються в умовах зростання розподіленої генерації та розвитку концепції Smart Grid. Зростаюча гетерогенність сучасних енергетичних інфраструктур, зумовлена масовим упровадженням IoT-пристроїв, інтелектуальних лічильників та розподілених енергетичних ресурсів, створює суттєві виклики для забезпечення надійного та ефективного передавання даних. За таких умов традиційні статичні комунікаційні архітектури виявляються малоефективними та неспроможними адаптуватися до динамічних змін стану мережі. Запропоновано архітектурний підхід, що поєднує провайдер ідентифікації OpenID Connect як уніфікований механізм автентифікації та авторизації з інтелектуальним модулем машинного навчання для адаптивного управління протоколами зв’язку. Динамічний вибір протоколів передавання даних здійснюється між MQTT, CoAP, HTTPS та іншими промисловими системами з урахуванням показників продуктивності мережі в реальному часі, вимог безпеки та характеристик експлуатаційного навантаження. Для прогнозування ефективності комунікації використано багатомодельний підхід машинного навчання, що включає алгоритми Random Forest, нейронні мережі та логістичну регресію, які забезпечують взаємодоповнювальний аналіз мережевих параметрів. Остаточне рішення щодо вибору оптимального протоколу формується на основі зваженого консенсусного механізму з урахуванням показників якості кожної моделі. Запропонована система реалізує протокол – незалежну модель безпеки, централізоване управління гетерогенними пристроями та масштабовану архітектуру, придатну для сучасних і перспективних енергетичних мереж. Результати експериментальних досліджень, отримані на основі реальних експлуатаційних даних, підтверджують можливість зменшення комунікаційних витрат, підвищення надійності передавання даних і забезпечення стабільної роботи системи за змінних мережевих умов. Отримані результати доводять, що поєднання централізованої ідентифікації з адаптивним, заснованим на машинному навчанні вибором протоколів створює надійну основу для інтелектуальних комунікаційних систем з автоматичним перемиканням протоколів у енергетичних інфраструктурах нового покоління та експлуатаційної стійкості
This paper examines approaches to implementing adaptive multi-protocol communication in energy systems undergoing transformation in the context of distributed generation growth and Smart Grid concept development. An architecture is proposed that integrates OpenID Connect (a unified authentication provider) with a machine learning module for dynamic selection of optimal data transmission protocols among MQTT, CoAP, HTTPS protocols and legacy systems. The solution is based on employing widely-used algorithms (Random Forest, neural networks, logistic regression) for real-time communication efficiency prediction. The system ensures flexible, secure, and scalable management of heterogeneous devices through a unified control center. The obtained results demonstrate potential for communication cost reduction, reliability enhancement, and foundation establishment for implementing intelligent communication systems in the energy sector with automatic protocol switching
URI (Уніфікований ідентифікатор ресурсу): http://elartu.tntu.edu.ua/handle/lib/51483
ISSN: 2522-4433
Власник авторського права: © Ternopil Ivan Puluj National Technical University, 2025
URL-посилання пов’язаного матеріалу: https://doi.org/10.1787/827374a6-en
https://iot-analytics.com/number-connected
https://doi.org/10.1016/j.enbuild.2018.01.017
https://doi.org/10.1016/
https://doi.org/10.1016/j.renene.2019.08.092
https://doi.org/10.1016/j.rser.2015.12.114
https://doi.org/10.1007/s40565-018-0438-9
https://doi.org/10.33108/visnyk_tntu2021.04.131
https://doi.org/10.1109/SysEng.2017.8088251
https://doi.org/10.1109/ACCESS.2020.2993363
https://doi.org/10.1109/ISSNIP.2014.6827678
https://doi.org/10.17487/RFC8446
https://doi.org/10.5120/15764-4454
https://doi.org/10.17487/RFC6749
https://openid.net/specs/openid-connect-core-1_0.html
https://doi.org/10.33108/visnyk_tntu2024.02.039
https://www.wireshark.org/docs/wsug_html/
https://doi.org/10.48550/ARXIV.1811.12808
https://ceur-ws.org/Vol-3742/paper5.pdf
References: 1. International Energy Agency. (2023). World Energy Outlook 2023. IEA Publications. Available at: https: //www.iea.org/reports/world-energy-outlook-2023. https://doi.org/10.1787/827374a6-en
2. IoT Analytics. (2024). State of IoT Summer 2024. Available at: https://iot-analytics.com/number-connected -iot- devices/.
3. Ahmad T., Chen H., Guo Y., & Wang J. (2018). A comprehensive overview on the data driven and large scale based approaches for forecasting of building energy demand. Energy and Buildings, 165, 301–320. https://doi.org/10.1016/j.enbuild.2018.01.017
4. Zhang Y., Wang J., & Wang X. (2020). Review on probabilistic forecasting of wind power generation with machine learning. Renewable and Sustainable Energy Reviews, 125, 109827. https://doi.org/10.1016/ j.rser.2020.109827.
5. Dileep G. (2020). A survey on smart grid technologies and applications. Renewable Energy, 146, 2589–2625. https://doi.org/10.1016/j.renene.2019.08.092
6. Kabalci Y. (2016). A survey on smart metering and smart grid communication. Renewable and Sustainable Energy Reviews, 57, 302–318. https://doi.org/10.1016/j.rser.2015.12.114
7. Chen X., McElroy M. B., Wu Q., Shu Y., & Xue Y. (2019). Transition towards higher penetration of renewables: an overview of interlinked technical, environmental and socio-economic challenges. Journal of Modern Power Systems and Clean Energy, 7(1), 1–18. https://doi.org/10.1007/s40565-018-0438-9
8. Starchenko V. (2021) Traffic optimization in wifi networks for the internet of things. Scientific Journal of the Ternopil National Technical University, 104 (4), 131–142. https://doi.org/10.33108/visnyk_tntu2021.04.131
9. Naik N. (2017). Choice of effective messaging protocols for IoT systems: MQTT, CoAP, AMQP and HTTP. In 2017 IEEE International Systems Engineering Symposium (ISSE) (pp. 1–7). IEEE. https://doi.org/10.1109/SysEng.2017.8088251
10. Al-Masri, E., et al. (2020). Investigating messaging protocols for the Internet of Things (IoT). IEEE Access, 8, 94880-94911. https://doi.org/10.1109/ACCESS.2020.2993363
11. Thangavel D., Ma X., Valera A., Tan H.-X., & Tan C. K.-Y. (2014). Performance evaluation of MQTT and CoAP via a common middleware. In 2014 IEEE Ninth International Conference on Intelligent Sensors, Sensor Networks and Information Processing (ISSNIP). IEEE. https://doi.org/10.1109/ISSNIP.2014.6827678
12. Rescorla E. (2018). The Transport Layer Security (TLS) Protocol Version 1.3. RFC 8446. Internet Engineering Task Force. https://doi.org/10.17487/RFC8446
13. Kumar S., & Patel D. R. (2019) A survey on Internet of Things: Security and privacy issues. International Journal of Computer Applications, 90 (11), 20–26. https://doi.org/10.5120/15764-4454
14. Hardt D. (2020). The OAuth 2.0 Authorization Framework. RFC 6749 (Updated). Internet Engineering Task Force. https://doi.org/10.17487/RFC6749.
15. Jones M., et al. (2019). OpenID Connect Core 1.0 incorporating errata set 1. OpenID Foundation. https://openid.net/specs/openid-connect-core-1_0.html.
16. Martsenyuk V., & Kit N. (2024) A multivariate method of forecasting the nonlinear dynamics of production network based on multilayer neural models. Scientific Journal of the Ternopil National Technical University, 114 (2), 39–50. https://doi.org/10.33108/visnyk_tntu2024.02.039
17. Combs G., et al. (2023). Wireshark Userʼs Guide for Wireshark 4.0. Wireshark Foundation. https://www.wireshark.org/docs/wsug_html/.
18. Raschka S. (2018). Model Evaluation, Model Selection, and Algorithm Selection in Machine Learning (Version 3). arXiv. https://doi.org/10.48550/ARXIV.1811.12808.
19. International Electrotechnical Commission. (2018). IEC 61850-5-2018: Communication requirements for functions and device models. IEC Publications.
20. IEEE Standards Association. (2018). IEEE Standard 1613-2018: Environmental and Testing Requirements for Communications Networking Devices in Electric Power Substations. IEEE.
21. A. Voloshchuk, D. Velychko, H. Osukhivska, A. Palamar, (2024). Computer system for energy distribution in conditions of electricity shortage using artificial intelligence, in: Proceedings of the 2nd International Workshop on Computer Information Technologies in Industry 4.0 (CITI 2024), Volume 3742, Ternopil, Ukraine, June 12–14, pp. 66–75. Available at: https://ceur-ws.org/Vol-3742/paper5.pdf.
Тип вмісту: Article
Розташовується у зібраннях:Вісник ТНТУ, 2025, № 3 (119)



Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.