ISSN: 1814-3520(print)
ISSN: 2500-1590(online)
12+
Научный журнал «Вестник Иркутского государственного технического университета»
Поиск по сайту

ПРОГНОЗИРОВАНИЕ ПОЧАСОВОГО ЭЛЕКТРОПОТРЕБЛЕНИЯ РЕГИОНАЛЬНОЙ ЭНЕРГОСИСТЕМЫ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ

2017 / Том 21, №5 (124) 2017 [ ЭНЕРГЕТИКА ]

ЦЕЛЬ. Исследование применения искусственных нейронных сетей для краткосрочного прогнозирования потребления электроэнергии региональной электроэнергетической системы Республики Хакасия. МЕТОДЫ. При исследовании использованы визуальный анализ графиков исходных данных и корреляционный анализ. Основные виды искусственных нейронных сетей: линейная сеть, многослойный персептрон, сеть на радиальных базисных функциях, обобщенно-регрессионная сеть. Анализ данных и прогнозирование проводились в программном пакете Statistica. РЕЗУЛЬТАТЫ. Получены прогнозные оценки электропотребления. Среди рассмотренных нейронных сетей самую высокую точность имеет обобщенно-регрессионная сеть, на втором месте находится многослойный персептрон, на третьем - сеть на радиальных базисных функциях, самой низкой точностью обладает линейная сеть. ВЫВОДЫ. Установлено, что при краткосрочном прогнозировании потребления электроэнергии значительное увеличение длины предыстории не приводит к повышению точности прогноза. Применительно к конкретному объекту прогнозирования необходимо выбирать наиболее подходящий тип и структуру нейронной сети. Учет дополнительных влияющих факторов способствует повышению точности прогнозирования.

Ключевые слова:

искусственная нейронная сеть, прогноз, фактор, потребление электроэнергии, электроэнергетическая система, ошибка прогноза

Авторы:

Библиографический список:

  1. Планирование электроэнергетических режимов работы энергообъектов и энергосистем [Электронный ресурс] // Сайт АО «Системный оператор Единой энергетической системы». URL: http://so-ups.ru/index.php?id=regime_plan (14.06.2016).
  2. Шарифуллин В.Н., Шарифуллина А.В. Нейросетевое прогнозирование потребления электроэнергии промышленным предприятием // Вестник Казанского государственного энергетического университета. 2012. № 2 (13). С. 6–11.
  3. Доманов В.И., Билалова А.И. Анализ прогнозирования энергопотребления с различными информационными базами // Известия Самарского научного центра Российской академии наук. 2014. Т. 16. № 4–3. С. 535–537.
  4. Кирпичникова И.М., Саплин Л.А., Соломахо К.Л. Прогнозирование объемов потребления электроэнергии // Вестник Южно-Уральского государственного университета. Серия: Энергетика. 2014. Т. 14. № 2. С. 16–22.
  5. Варфоломеева А.А. Локальные методы прогнозирования с выбором метрики // Машинное обучение и анализ данных. 2012. Т. 1. № 3. С. 367–375.
  6. Сунагатов И.М. Анализ и модификация метода прогнозирования энергопотребления с помощью экстраполяции выборки максимального подобия // Вестник Самарского государственного технического университета. Серия: Технические науки. 2013. № 1 (37). С. 223–226.
  7. Осовский С. Нейронные сети для обработки информации; пер. с польского И.Д. Рудинского. М.: Финансы и статистика, 2002. 344 с.
  8. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001. 224 с.
  9. Электронный учебник по статистике [Электронный ресурс] // StatSoft. URL: http://www.statsoft.ru/home/textbook/default.htm (24.08.2016).

Файлы:

Язык

Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная
Количество скачиваний:417