Введение

Современные системы управления платежами за энергопотребление играют ключевую роль в обеспечении устойчивости и эффективности энергетического сектора, однако существующие решения сталкиваются с рядом серьезных проблем, которые требуют разработки новых интеллектуальных решений и исследований, сочетающих передовые математические методы с современными цифровыми технологиями для повышения прозрачности, надежности и экономической эффективности платежных процессов в энергетике [1].

Актуальность темы исследования обусловлена стремительной цифровизацией энергетического сектора и необходимостью создания современных систем управления платежами за энергопотребление. В условиях роста объемов данных, усложнения тарифных моделей и ужесточения требований к прозрачности расчетов, традиционные подходы к организации платежных процессов демонстрируют свою неэффективность. Существующие системы сталкиваются с такими проблемами, как низкая точность расчетов (до 7% ошибок), высокий уровень просроченной задолженности (25-30%) и технологическая разобщенность компонентов.

Целью данного исследования является разработка комплексного решения, объединяющего специальное математическое обеспечение для интеллектуальной обработки данных и современное программное обеспечение с единой архитектурой управления платежами. Особое внимание уделяется созданию адаптивных алгоритмов тарифообразования, методов прогнозирования платежной дисциплины и механизмов выявления аномалий потребления.

Объектом исследования выступают существующие системы управления платежами в энергетическом секторе, включая их математические модели, программные платформы и организационные структуры. Предметом исследования являются методы и алгоритмы повышения эффективности данных систем за счет внедрения современных цифровых технологий.

Научная новизна исследования заключается в разработке гибридных алгоритмов тарифообразования, сочетающих динамическое ценообразование с предиктивной аналитикой, создании архитектуры платежной системы с интеграцией блокчейн-технологий для микроплатежей, а также в разработке методах обработки гетерогенных данных от интеллектуальных приборов учета.

Практическая значимость работы определяется возможностью снижения коммерческих потерь, повышения точности расчетов, увеличения собираемости платежей, сокращения времени обработки транзакций.

Структура работы будет включать теоретический анализ существующих систем, разработку математических моделей, проектирование программного обеспечения и экспериментальную проверку предложенных решений. Результаы исследования могут быть применены энергоснабжающими организациями для модернизации платежных систем, а также использованы в образовательном процессе при подготовке специалистов в области цифровой энергетики [3].

1 Структура контроля и управления энергопоставками

1.1 Общая архитектура системы

Система управления платежами за энергопотребление представляет собой комплекс программных и математических модулей, обеспечивающих автоматизированный контроль, учёт и управление финансовыми потоками, связанными с поставками энергии. Основными компонентами системы являются [4, 9]:

1. Модуль сбора данных - отвечает за получение информации о потреблённой энергии от smart-счётчиков, датчиков и других измерительных устройств.
2. Модуль обработки и анализа данных - включает алгоритмы расчёта стоимости энергопотребления, выявления аномалий и прогнозирования нагрузок.
3. Платежный модуль - обеспечивает генерацию счетов, интеграцию с платёжными системами и обработку транзакций.
4. Модуль отчётности и визуализации - формирует аналитические отчёты и предоставляет пользовательский интерфейс для мониторинга [5, 10].
5. Административный модуль - позволяет настраивать тарифы, управлять пользователями и контролировать работу системы.

1.2 Контроль энергопоставок

Контроль энергопоставок осуществляется на основе данных, поступающих в реальном времени от измерительных приборов. Система обеспечивает:

1. Верификацию данных - проверку корректности показаний и фильтрацию ошибочных значений.
2. Балансировку нагрузок - сопоставление объёмов потребления с возможностями энергосетей.
3. Мониторинг задолженностей - автоматическое отслеживание непогашенных платежей и уведомление потребителей.

1.3 Управление платежами

Управление платежами включает:

1. Автоматический расчёт стоимости - на основе текущих тарифов и объёмов потребления.
2. Гибкие схемы оплаты - поддержку различных платёжных методов (банковские карты, электронные кошельки, криптовалюты).
3. Интеграцию с биллинговыми системами - передачу данных в финансовые учреждения и энергокомпании.

1.4 Обеспечение безопасности и надёжности

Для защиты данных и бесперебойной работы системы применяются:

1. Шифрование передаваемой информации (TLS, AES).
2. Резервирование каналов связи для минимизации простоев.
3. Механизмы аутентификации и авторизации (OAuth 2.0, двухфакторная аутентификация) [11].

Данная структура позволяет создать эффективную систему, обеспечивающую прозрачность, точность и оперативность управления платежами за энергопотребление.

2 Организация платежей за энергопоставку и проблема платежей

2.1 Механизмы организации платежей в энергоснабжении

Современные системы управления платежами за энергопотребление используют разнообразные механизмы расчетов между потребителями и поставщиками энергии. Выбор конкретной модели зависит от технических возможностей инфраструктуры, категории потребителей и требований регуляторов.

2.1.1 Постоплатные модели тарифообразования в энергоснабжении

Постоплатная модель представляет собой традиционный подход, при котором потребление энергии предшествует оплате. Начисления формируются по итогам расчетного периода, а оплата производится в установленные сроки [2].

Ключевые компоненты:

1. Система сбора данных (автоматизированные системы считывания показаний (AMR), ручной ввод данных через личные кабинеты и периодичность учета (ежемесячная/ежеквартальная)).
2. Расчётный механизм (биллинг-платформы с поддержкой сложных тарифных сеток, интеграция с CRM и ERP системами, механизмы проверки и верификации данных).
3. Платёжная инфраструктура (мультиканальные системы приема платежей, автоматизированные напоминания, инструменты работы с дебиторской задолженностью).

Режимы работы системы:

1. Стандартный расчетный цикл:

• снятие показаний → начисление → оплата;
• типичный период: 1 месяц.

2. Корпоративные схемы:

• авансовые платежи с последующим перерасчетом;
• гибкие графики платежей.

3. Социальные программы:

• льготные категории потребителей;
• рассрочка платежей.

Несмотря на распространенность, модель сталкивается с проблемами дебиторской задолженности (просрочки 45-90 дней), методологическими ошибками и регуляторными ограничениями [12].

Перспективы развития связаны с переходом на AI-аналитику, интеграцией с Demand-Response системами и внедрением P2P-расчетов [13].

Постоплатная модель остается доминирующей на рынке энергоснабжения, постепенно трансформируясь под влиянием цифровых технологий и новых рыночных реалий.

2.1.2 Предоплатные модели тарифообразования в энергоснабжении

Предоплатная модель предполагает внесение платежа до фактического потребления, с конвертацией суммы в энергетический эквивалент.

Ключевые компоненты:

1. Интеллектуальные приборы учета (счетчики с функцией дистанционного отключения, встроенные PLC или GSM-модули для передачи данных, локальное хранение информации при потере связи).
2. Платформенные решения (централизованная биллинг-система, мобильные приложения для контроля баланса, сетевые API для интеграции с платежными сервисами).
3. Механизмы безопасности (двухфакторная аутентификация операций, криптографическая защита транзакций, резервные каналы связи).

Режимы работы системы:

1. Стандартный режим:

• постепенное списание средств;
• пороговые уведомления при низком балансе.

2. Аварийный режим:

• автоматическое отключение при нулевом балансе;
• возможность экстренного кредита.

3. Специальные режимы:

• социальный лимит;
• льготные периоды.

Среди ключевых проблем - технические сбои, психологическое неприятие потребителей и задержки платежей [14].

Развитие модели включает интеграцию с криптовалютными платежами, применение блокчейн-технологий и AI-прогнозирование потребления [15].

Данная модель особенно актуальна для регионов с высоким уровнем коммерческих потерь и проблемной собираемостью платежей, обеспечивая баланс интересов поставщиков и потребителей энергоресурсов.

2.1.3 Динамические модели тарифообразования в энергоснабжении

Современные системы расчетов за энергопотребление все чаще используют адаптивные тарифные механизмы, позволяющие оптимально распределять нагрузку на энергосистему и стимулировать рациональное потребление.

Ключевые принципы:

1. Стимулирующее ценообразование (многостаночные тарифные планы (дневная/ночная зона), сезонные коэффициенты (летний/зимний период), прогрессивные ставки при превышении лимитов).
2. Рыночно-ориентированные модели (привязка к биржевым ценам на оптовом рынке, почасовое изменение стоимости (spot pricing), аукционные механизмы распределения мощности).
3. Индивидуализированные подходы (социальные тарифы для льготных категорий, корпоративные тарифные планы для предприятий, "зеленые" тарифы для возобновляемой энергетики).

Архитектура системы состоит из модуля сбора данных, аналитического блока (машинное обучение), расчетного движка и API для интеграции. Преимущества - оптимизация нагрузки и снижение пикового потребления, а проблемы - сложность внедрения и регуляторные барьеры [16].

Динамические тарифные модели представляют собой важный инструмент балансировки энергосистемы в условиях роста доли нестабильной генерации (ВИЭ) и повышения требований к энергоэффективности. Их развитие требует комплексного подхода, сочетающего технологические решения, экономическое моделирование и продуманную коммуникацию с потребителями [17].

2.2 Основные проблемы в системе платежей за энергопотребление и пути их решения

2.2.1 Проблема низкой платежной дисциплины

Проблема низкой платежной дисциплины проявляется в систематических задержках платежей (30-60 дней), уклонении от оплаты (5-15% потребителей) и сезонных колебаниях. Решения включают автоматизированные системы контроля (предиктивные алгоритмы), мотивационные механизмы (бонусы, рассрочки) и юридические инструменты (автоматические претензии).

2.2.2 Ошибки в начислениях

Ошибки в начислениях обусловлены техническими сбоями (3-7% случаев) и методологическими недочетами (неучет потерь, ручной ввод). Для их устранения применяются многоуровневая верификация данных и ИИ-коррекция показаний.

2.2.3 Несанкционированное потребление

Несанкционированное потребление (вмешательство в работу счетчиков, "теневые" подключения) решается через технические меры (антимагнитные пломбы), аналитические алгоритмы и юридические механизмы (автоматизированные иски).

2.2.4 Несовершенство платежной инфраструктуры

Несовершенство платежной инфраструктуры (ограниченная интеграция, высокие комиссии, задержки) преодолевается с помощью блокчейн-платформ (смарт-контракты), единого платежного хаба и альтернативных каналов (мессенджеры, криптовалюты) [18, 19].

2.2.5 Регуляторные ограничения

Регуляторные ограничения (жесткое тарифное регулирование, устаревшие стандарты) требуют цифрового лоббизма, адаптивных моделей тарифообразования и использования международного опыта (например, немецких и сингапурских практик) [7, 20].

Таким образом, современные системы платежей за энергопотребление нуждаются в комплексной модернизации, сочетающей технологические инновации с организационными и регуляторными изменениями.

3 Существующие средства и структура организации контроля платежей

3.1 Современные программные решения для учета платежей

В настоящее время на рынке представлено несколько типов программного обеспечения (ПО), предназначенного для управления платежами за энергопотребление. Их можно классифицировать следующим образом:

1. Биллинговые системы. Например: SAP IS-U, Oracle Utilities и «1С:Энергетика». Такие системы обеспечивают автоматическое начисление платежей, формирование счетов и интеграцию с банковскими системами. Однако они отличаются высокой стоимостью внедрения и сложностью адаптации к региональным особенностям.
2. Системы автоматизированного сбора данных (АСДУ). Например: «СТРИЖ», «Энергодата» и Landis+Gyr. Такие системы специализируются на удаленном сборе показаний счетчиков, выявлении несанкционированного потребления и анализе потерь в сетях. Их основными ограничениями являются необходимость модернизации приборного парка и зависимость от качества связи [21].
3. Платежные агрегаторы. Например Robokassa, PayU, «КиберПлат». Они предлагают мультиканальный прием платежей и поддержку различных способов оплаты, но сталкиваются с проблемами высоких комиссий (1.5-5%) и ограниченной интеграции с биллинговыми системами.

3.2 Математические модели контроля платежей

Для повышения эффективности управления платежами применяются следующие математические подходы:

• прогнозирование платежной дисциплины (используются методы регрессионного анализа и машинного обучения);
• оптимизация тарифных сеток (линейное программирование для минимизации потерь) [22];
• алгоритмы обнаружения аномалий (метод z-score для выявления мошенничества) [23].

3.3 Организационная структура контроля платежей

Типовая структура включает следующие уровни:

1. Операционный уровень. Отвечает за сбор данных со счетчиков и обработку платежей, используя CRM-системы и мобильные приложения.
2. Аналитический уровень. Занимается анализом дебиторской задолженности и прогнозированием кассовых потоков с применением BI-инструментов (Power BI, Tableau).
3. Стратегический уровень. Сосредоточен на разработке тарифной политики и взаимодействии с регуляторами, используя ERP-системы (SAP, Oracle) [6].

3.4 Перспективные направления

Среди перспективных направлений развития можно выделить создание цифровых двойников потребителей для прогнозирования их поведения, внедрение блокчейн-технологий для микроплатежей (снижение комиссий до 0.1-0.5%), а также разработку гибридных систем, сочетающих искусственный интеллект с IoT-устройствами, таких как умные счетчики с функцией автооплаты. Эти инновации позволят существенно повысить эффективность и надежность систем управления платежами за энергопотребление [24].

4 Постановка задачи исследования

4.1 Актуальность и проблематика

В условиях активной цифровой трансформации энергетического сектора существующие системы управления платежами сталкиваются с рядом существенных ограничений. Ключевые проблемы включают использование устаревших алгоритмов расчета, не учитывающих современные модели потребления, разрозненность программных модулей, вызывающую ошибки в данных, недостаточный уровень автоматизации контрольных процессов и отсутствие интеллектуальных механизмов прогнозирования платежной дисциплины. Эти недостатки существенно снижают эффективность управления финансовыми потоками в энергетике.

4.2 Цели разработки

Для преодоления указанных ограничений предлагается создание интегрированной системы управления платежами, сочетающей специальное математическое обеспечение и современные программные решения. Математическая составляющая должна обеспечить оптимальный расчет тарифов, прогнозирование платежного поведения и выявление аномалий потребления. Программный компонент требует разработки единой архитектуры обработки данных, современных интерфейсов взаимодействия и механизмов автоматизированного контроля.

4.3 Конкретные исследовательские задачи

Исследование включает четыре взаимосвязанных направления работ. Аналитическая часть предполагает проведение сравнительного анализа существующих платежных систем, выявление их ключевых недостатков и формализацию требований к новой системе. В рамках математической задачи планируется разработка модели динамического тарифообразования, алгоритмов прогнозирования платежей (ARIMA, LSTM) и методов обнаружения аномалий потребления.

Программная задача охватывает проектирование архитектуры программного комплекса, схем взаимодействия модулей и пользовательских интерфейсов. Экспериментальная часть исследования включает реализацию прототипа системы, его тестирование на реальных данных и оценку экономического эффекта от внедрения.

4.4 Ожидаемые результаты

В результате исследования предполагается получить значимые теоретические и практические результаты. К теоретическим достижениям относятся разработанные математические модели управления платежами, алгоритмы обработки энергетических данных и методология интеграции системных компонентов. Практическая значимость работы выражается в создании работоспособного прототипа программного обеспечения, разработке методики внедрения системы и расчете показателей ее экономической эффективности.

Реализация указанных задач позволит создать современную систему управления платежами, соответствующую требованиям цифровой трансформации энергетического сектора и способную существенно повысить эффективность финансовых операций в отрасли.

Заключение

Проведенное исследование систем управления платежами за энергопотребление позволило выявить ключевые тенденции, проблемы и перспективы развития данной сферы. Анализ показал, что современные системы обладают значительным потенциалом, но вместе с тем сталкиваются с рядом существенных ограничений, требующих комплексного решения.

Структурный анализ систем контроля и управления энергопоставками продемонстрировал важность комплексного подхода, объединяющего модули сбора данных, их обработки, платежных операций и аналитики. Однако существующие решения часто страдают от разрозненности компонентов, что приводит к ошибкам в расчетах и снижению эффективности управления. Особую проблему представляет устаревшая алгоритмическая база, не учитывающая современные модели энергопотребления.

Исследование механизмов организации платежей выявило три основные модели: постоплатную, предоплатную и динамическое тарифообразование. Каждая из них имеет свои преимущества и ограничения. Постоплатная система, оставаясь наиболее распространенной, демонстрирует высокий уровень просроченных платежей. Предоплатные модели, хотя и обеспечивают лучшую собираемость, сталкиваются с техническими сложностями и психологическим неприятием со стороны потребителей. Динамическое тарифообразование, являясь наиболее перспективным направлением, требует существенной модернизации инфраструктуры и изменения регуляторной базы.

Анализ существующих программных решений показал, что современные биллинговые системы, платформы сбора данных и платежные агрегаторы обладают значительным функционалом, но зачастую не интегрированы между собой, что снижает их эффективность. Особого внимания заслуживают проблемы высокой стоимости внедрения, зависимости от качества связи и ограниченной адаптивности к региональным особенностям.

Постановка задач исследования определила ключевые направления разработки новой системы, акцентируя необходимость создания современного математического аппарата для тарифообразования и прогнозирования платежного поведения. Особое внимание уделено разработке интегрированного программного решения с единой архитектурой данных и автоматизированными механизмами контроля.

Перспективы совершенствования систем управления платежами связаны с внедрением передовых технологий, включая машинное обучение для анализа данных, блокчейн для обеспечения прозрачности расчетов и IoT-устройства для автоматизации учета. Реализация предложенных подходов позволит достичь значительного улучшения ключевых показателей, включая точность расчетов, собираемость платежей и операционную эффективность [25].

Для успешной трансформации платежных систем необходимо обеспечить комплексную модернизацию, сочетающую технологические изменения, развитие нормативной базы и адаптацию пользователей. Проведенное исследование создает теоретическую основу для разработки нового поколения систем управления платежами, способных удовлетворить растущие требования цифровой экономики и обеспечить устойчивое развитие энергетического сектора.

Список литературы

1. Савинова Н. Г. Международные тенденции в развитии платежных систем/ Савинова Н. Г. // Вестник Самарского государственного экономического университета. – 2011. – № 8. – С. 78.

2. Криворучко С.В. Электронные деньги: проблемы идентификации / Криворучко С.В., Лопатин В.А. // Деньги и кредит. 2016. № 6. С. 39–44.

3. Блауберг И. В. Становление и сущность системного подхода. / Блауберг И. В., Юдин Э. Г.// М.: Издательство «Наука». – 1972. – С. 61–63.

4. Артимович Д.А. Электронные платежи в интернете / Артимович Д.А.// Де'Либри, 2018 C. 320

5. Pantelis Dimitroulis. Multimodal energy management system for residential building prosumers utilizing various lifestyles / Pantelis Dimitroulis, Miltiadis Alamaniotis// Electric Power Systems Research – 2022 Т. 213 – С. 413-419

6. Vivash Karki. Determination of Effectiveness of Energy Management System in Buildings / Vivash Karki, Roseline Mostafa, Bhaskaran Gopalakrishnan, Derek R. Johnson // Energy Engineering – 2022 Т. 120 №2 С. 561-586

7. Humera Rafique. Energy Management in Network Systems / Humera Rafique// Comprehensive Energy Systems - 2018. Т. 5 С. 581-647

8. Иваненко О. Б., Головкина Е. В. Цифровая трансформация российской электроэнергетики: перспективы и ограничения // ЭПП. 2023. Т.13, №11. - С. 5063-5076. URL: https://cyberleninka.ru/article/n/tsifrovaya-transformatsiya-rossiyskoy-elektroenergetiki-perspektivy-i-ogranicheniya

9. Никитин В. Г., Прокопец А. О., Зубалей В. В., Саморуков Д. В., Сальников С. Ю., Тертичный С. Ю., Семушкин А. В., Хворов Г. А., Юмашев М. В., Любашин А. Н., Железняков А. В. Применение систем автоматизированного энергетического менеджмента в управлении энергопотреблением магистрального транспорта газа // Газовая промышленность. 2017. №S1 (750). - С. 70-77. URL: https://cyberleninka.ru/article/n/primenenie-sistem-avtomatizirovannogo-energeticheskogo-menedzhmenta-v-upravlenii-energopotrebleniem-magistralnogo-transporta-gaza

10. Замятин Н. В., Латровкин В. В., Одышев Р. А. Ситуационный центр управления энергоэффективностью // Доклады ТУСУР. 2011. №2-3 (24). - С. 159-163. URL: https://cyberleninka.ru/article/n/situatsionnyy-tsentr-upravleniya-energoeffektivnostyu

11. Карпович А. И., Манжинский С. А. Методы управления дебиторской задолженностью как инструменты риск-менеджмента // Труды БГТУ. Серия 5: Экономика и управление. 2017. №1 (196). - С. 209-213. URL: https://cyberleninka.ru/article/n/metody-upravleniya-debitorskoy-zadolzhennostyu-kak-instrumenty-risk-menedzhmenta.

12. Рахмонов И. У., Ушаков В. Я., Ниёзов Н. Н, Угли Курбонов Н. Н. Прогнозирование электропотребления с помощью нейронных сетей c LSTM // Известия ТПУ. 2023. №12. - С. 125-133. URL: https://cyberleninka.ru/article/n/prognozirovanie-elektropotrebleniya-s-pomoschyu-neyronnyh-setey-c-lstm.

13. Бурнашев К. Г. Оценки перспектив развития технологий в электроэнергетике с позиции их влияния на энергоэффективность // Вестник ГУУ. 2014. №14. URL: https://cyberleninka.ru/article/n/otsenki-perspektiv-razvitiya-tehnologiy-v-elektroenergetike-s-pozitsii-ih-vliyaniya-na-energoeffektivnost.

14. Китанин С. С., Смольянов Б. Д., Чемерис О. С. Перспективы применения технологии блокчейн в энергетическом секторе экономики // Дискуссия. 2024. №5 (126). - С. 51-57. URL: https://cyberleninka.ru/article/n/perspektivy-primeneniya-tehnologii-blokcheyn-v-energeticheskom-sektore-ekonomiki.

15. Моргоева А. Д., Моргоев И. Д., Клюев Р. В., Гаврина О. А. Прогнозирование потребления электрической энергии промышленным предприятием с помощью методов машинного обучения // Известия ТПУ. 2022. Т. 333, №7. - С. 115-125. URL: https://cyberleninka.ru/article/n/prognozirovanie-potrebleniya-elektricheskoy-energii-promyshlennym-predpriyatiem-s-pomoschyu-metodov-mashinnogo-obucheniya.

16. Орлова Ю. А., Кадрева О. Н. Влияние стимулирующего регулирования тарифов на инвестиции в электросетевом комплексе России // Вестник Московского университета. Серия 6. Экономика. 2016. №5. - С. 69-91. URL: https://cyberleninka.ru/article/n/vliyanie-stimuliruyuschego-regulirovaniya-tarifov-na-investitsii-v-elektrosetevom-komplekse-rossii.

17. Алексеев В. В., Вассунова Ю. Ю. Использование искусственного интеллекта для интеграции возобновляемой энергии в сети // Вестник науки. 2025. Т. 3, №12 (93). - С. 2101-2106. URL: https://cyberleninka.ru/article/n/ispolzovanie-iskusstvennogo-intellekta-dlya-integratsii-vozobnovlyaemoy-energii-v-seti.

18. Гудкова Т. В., Кузнецов Г. Ю. Цифровые экосистемные модели в бизнесе: вызовы теории и практика управления // МИР (Модернизация. Инновации. Развитие). 2022. Т. 13, №3. - С. 70-77. URL: https://cyberleninka.ru/article/n/tsifrovye-ekosistemnye-modeli-v-biznese-vyzovy-teorii-i-praktika-upravleniya.

19. Оглы Сафарли Н. Э. Смарт-контракт: понятие, правовая природа, особенности заключения и исполнения // Legal Concept. 2019. Т. 18, №4. - С. 54-60. URL: https://cyberleninka.ru/article/n/smart-kontrakt-ponyatie-pravovaya-priroda-osobennosti-zaklyucheniya-i-ispolneniya.

20. Артемьев А. А. Особенности регулирования тарифной политики энергетических предприятий в России и за рубежом // ЭВ. 2023. №4 (35). - С. 45-50. URL: https://cyberleninka.ru/article/n/osobennosti-regulirovaniya-tarifnoy-politiki-energeticheskih-predpriyatiy-v-rossii-i-za-rubezhom.

21. Магомедов И. А., Хидивов М. Н., Магомедов А. И. Принципы построения многофункционального интеллектуального счётчика электрической энергии с расширенными коммуникационными и функциональными возможностями // Вестник ДГТУ. Технические науки. 2023. Т. 50, №1. - С. 89-98. URL: https://cyberleninka.ru/article/n/printsipy-postroeniya-mnogofunktsionalnogo-intellektualnogo-schyotchika-elektricheskoy-energii-s-rasshirennymi-kommunikatsionnymi-i.

22. Павленок А. А. Инструменты моделирования бизнес-процессов энергосбытовых компаний // РППЭ. 2023. №2 (148). - С. 40-54. URL: https://cyberleninka.ru/article/n/instrumenty-modelirovaniya-biznes-protsessov-energosbytovyh-kompaniy.

23. Попова И. А. Обнаружение аномалий в наборе данных с помощью алгоритмов машинного обучения без учителя isolation forest и local outlier factor // StudNet. 2020. №12. - С. 1460-1470. URL: https://cyberleninka.ru/article/n/obnaruzhenie-anomaliy-v-nabore-dannyh-s-pomoschyu-algoritmov-mashinnogo-obucheniya-bez-uchitelya-isolation-forest-i-local-outlier.

24. Сопыев Ы. А. Технология цифровых двойников в промышленном и инженерном моделировании // Наука и мировоззрение. 2025. №64. URL: https://cyberleninka.ru/article/n/tehnologiya-tsifrovyh-dvoynikov-v-promyshlennom-i-inzhenernom-modelirovanii.

25. Пшеничников А. П., Короткова В. И., Поскотин Л. С. Перспективные инфокоммуникационные технологии и сетевые услуги // Наукоемкие технологии в космических исследованиях Земли. 2023. Т.15, №3. - С. 57-64. URL: https://cyberleninka.ru/article/n/perspektivnye-infokommunikatsionnye-tehnologii-i-setevye-uslugi.