An intelligent data processing architecture for complex information systems: case studies in environmental and energy systems

Authors

DOI:

https://doi.org/10.31649/1681-7893-2026-51-1-41-56

Keywords:

software architecture, complex objects, data processing, stream analytics, IoT, anomaly detection, environmental monitoring

Abstract

This paper proposes an intelligent data processing architecture for complex environmental and energy systems operating under conditions of high dynamics, heterogeneous data sources, and large-scale information flows. The architecture integrates distributed computing, edge/cloud infrastructure, IoT, stream analytics, and AI/ML models to support real-time data integration, normalization, synchronization, and intelligent analysis. A distinctive feature of the proposed approach is the incorporation of an intelligent anomaly detection method for heterogeneous streaming data. The method is based on multi-component assessment of the system state, taking into account the statistical characteristics of data streams, AI/ML model outputs, contextual rules, data quality, and temporal delays. This enables the detection not only of threshold-based deviations, but also of complex anomalous states associated with atypical parameter combinations, disruptions in temporal dynamics, or inconsistencies with domain-specific constraints. Practical evaluation was conducted using an environmental monitoring system and a smart grid network as case studies. The results confirmed the performance, scalability, adaptability, and effectiveness of the proposed architecture under high-load conditions, as well as its suitability for developing intelligent real-time information systems.

Author Biographies

A.M. Melnyk, West Ukrainian National University

Доктор технічних наук, професор

V.S. Tymchyshyn, West Ukrainian National University

Доктор філософії

Yu.I. Popyk, West Ukrainian National University

Аспірант

V.V. Zabchuk, West Ukrainian National University

Доктор філософії

V.I. Fatiuk, West Ukrainian National University

Аспірант

References

Zhang C., Patras P., Haddadi H. Deep Learning in Mobile and Wireless Networking: A Survey // IEEE Communications Surveys & Tutorials. 2020. Vol. 22(3). P. 2224–2287.

Chen Z., Chan I. C. C. Smart Cities and Quality of Life: A Quantitative Analysis of Citizens' Support for Smart City Development // Information Technology & People. 2023. Vol. 36(1). P. 263–285.

Khan Z., Anjum A., Soomro K., Tahir M. Towards Cloud Based Big Data Analytics for Smart Future Cities // Journal of Cloud Computing. 2020. Vol. 9(1). P. 1–24.

Ahmed E., Yaqoob I., Hashem I. A. T., et al. The Role of Big Data Analytics in Internet of Things // Computer Networks. 2021. Vol. 129. P. 459–471.

Aithal P. S. ICT and Digital Technology Based Solutions for Smart City Challenges and Opportunities // International Journal of Applied Engineering and Management Letters (IJAEML). 2022. Vol. 6(1). P. 1–21.

Vedantham L. S., Zhou Y., Wu J. Information and Communications Technology (ICT) Infrastructure Supporting Smart Local Energy Systems: A Review // IET Energy Systems Integration. 2022. Vol. 4(4). P. 460–472.

Breunig M. M., Kriegel H.-P., Ng R. T., Sander J. LOF: Identifying Density-Based Local Outliers // ACM Transactions on Database Systems. 2020. Vol. 45(2). P. 1–24.

Entezari A., Aslani A., Zahedi R., et al. Artificial Intelligence and Machine Learning in Energy Systems // Energy Reports. 2023. Vol. 9. P. 1045–1063.

Aleran A., Kumar R., Singh P., et al. Artificial Intelligence and the Internet of Things in Energy Preservation Systems // Computing. 2025. Vol. 107. P. 1–25.

Lukashevych V. V., Vakaliuk T. A. Scientific Approaches to Big Data Processing Methods // Actual Problems of Automation and Information Technologies. 2025.

Artemchuk V., Iatsyshyn A., Kovach V., Popov O. Intelligent Analysis of Atmospheric Air Monitoring Network Data as a Tool for Environmental Safety Management of Urbanized Territories. 2019.

Das D. K., Sharma V., Gupta N., et al. Integrating IoT and AI for Sustainable Energy-Efficient Smart Buildings // Sustainability. 2025. Vol. 17(22). P. 10313–10335.

Singh A. R., Patel M., Verma S., et al. A Deep Learning and IoT-Driven Framework for Real-Time Smart Grid Optimization // Scientific Reports. 2025. Vol. 15. P. 1–18.

Banad Y. M., Rahman M., Alharbi F., et al. Artificial Intelligence and Machine Learning for Smart Grids // Smart Energy. 2025. Vol. 18. P. 214–233.

Nikpour M., Rezaei H., Ahmadi A. Intelligent Energy Management in Smart Cities Using Intelligent Analysis // arXiv preprint. 2023. P. 1–16.

Tymchyshyn B., Manzhula V. Mathematical and Algorithmic Support of an Intelligent Software System for Proactive Urban Ecosystem Management // Measurement and Computing Devices in Technological Processes. 2025. No. 4. P. 35–48.

Manzhula V., Tymchyshyn B. Semantic Modeling of Heterogeneous Sources of Harmful Atmospheric Emissions for Proactive Urban Ecosystem Management // Scientific Papers of Donetsk National Technical University. Series: Informatics, Cybernetics and Computer Engineering. 2025. No. 2.

Zhang J., Tao D. Empowering Things with Intelligence: A Survey of the Progress, Challenges, and Opportunities in AIoT // arXiv preprint. 2020. P. 1–34.

Baccour E., Erbad A., Hamila R., Mohamed A. Pervasive AI for IoT Applications: A Survey on Resource-Efficient Distributed Artificial Intelligence // arXiv preprint. 2021. P. 1–29.

U.S. Department of Energy. AI for Energy: Opportunities for a Modern Grid and Clean Energy Economy. Washington: U.S. Department of Energy, 2024. 74 p.

Bisikalo, O., Kharchenko, V., Kovtun, V., Krak, I., Pavlov, S. Parameterization of the Stochastic Model for Evaluating Variable Small Data in the Shannon Entropy Basis, Entropy, 2023, 25(2), 184.

Downloads

Abstract views: 12

Published

2026-06-18

How to Cite

[1]
A. Melnyk, V. Tymchyshyn, Y. Popyk, V. Zabchuk, and V. Fatiuk, “An intelligent data processing architecture for complex information systems: case studies in environmental and energy systems”, Опт-ел. інф-енерг. техн., vol. 51, no. 1, pp. 41–56, Jun. 2026.

Issue

Vol. 51 No. 1 (2026)

Section

OptoElectronic/Digital Methods and Systems for Image/Signal Processing

Metrics

Downloads

Download data is not yet available.

License

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
  2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
  3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).