Для авторов
Найти
Результаты поиска
Найдено результатов: 5.
-
НЕЙРОСЕТЕВОЙ МЕТОД ПРЕДИКТИВНОГО УПРАВЛЕНИЯ В МИКРОСЕТЯХ С МЕХАТРОННОЙ ВЕТРО-ГЕНЕРАТОРНОЙ СИСТЕМОЙ
Н.К. Полуянович , Н.И. Светличный , О. В. Качелаев , М.Н. Дубяго128-1442025-10-01Аннотация ▼Рассмотрено влияние различных факторов на точность прогноза генерации ветроэнергетической установкой (ВЭУ). Определен оптимальный набор входных параметров (день, месяц, время, скорость ветра, температура воздуха, атмосферное давление и расчетная вырабатываемая мощность ВЭУ) для прогнозирования, обоснованы методы их обработки. Проведено исследование влияния воздействующих факторов на точность прогнозирования генерируемой мощности ВЭУ. Построены профили входных данных для прогнозирования электрогенерации ВЭУ. Рассмотрены особенности метеорологических условий за год, определены часто встречающаяся значения скорости ветра, и др., для выбора оптимальной ВЭУ. Показано, что метеорологических условия удовлетворяют паспортным требованиям выбранной для рассматриваемого региона ВЭУ. Рассмотрены нейросетевые (НС) модели для прогнозирования генерации мощности ВЭУ, выбрана оптимальная НС, построена структура и разработан алгоритм НС для прогнозирование генерируемой мощности ВЭУ. Разработанная математическая модель генерации мощности ВЭУ направлена на повышение точности и адаптивности благодаря учету ключевых динамических факторов (скорость и изменение направления ветра, температура и плотность воздуха и др.). Выбран комбинированный метод управления генерацией ВЭУ (MPPT + Pitch) обеспечивает баланс между эффективностью и безопасностью. На основании расчетной генерируемой мощности ВЭУ, и метеорологических условий в месте расположения нейросетевая модель показала высокую точность прогнозирования мощности ВЭУ. Показано, что выбранный тип ВЭУ сочетает в себе технологическую надежность, рентабельность и соответствие современным тенденциям ветроэнергетики. НС-модель позволяет поддерживать баланс между вырабатываемой и потребляемой электроэнергией, а, следовательно, повышает КПД, снижает паразитные потери в микросети, а также снижает износ оборудования
-
ПОСТРОЕНИЕ МОДЕЛИ И ОЦЕНКА ЕЕ РОБАСТНОСТИ В ЗАДАЧЕ ПРОГНОЗИРОВАНИЯ ДЛЯ ПОТРЕБИТЕЛЕЙ С АДДИТИВНЫМИ ПРОФИЛЯМИ ПОТРЕБЛЕНИЯ ЭЛЕКТРОЭНЕРГИИ
Н.К. Полуянович , О. В. Качелаев , М. Н. Дубяго2025-01-30Аннотация ▼Рассматривается построение робастностой модели, оценка ее точности в задачах прогнози-
рования электрической нагрузки с аддитивными профилями потребления. Проведено исследование
влияния параметров нейросети (размер пакета данных; количество слоев нейросети; функции акти-
вации нейронов; оптимизаторы) на погрешность прогнозирования электропотребления. Приведены
графики сравнения профилей фактического и прогнозного потребления и отклонения прогноза для
потребления электроэнергии выше среднего значения за рассматриваемый период. Подобраны оп-
тимальные параметры прогностической нейросетевой модели в ручном режиме. Результат иссле-
дования разновидностей генетических алгоритмов выявил оптимальный гибридный алгоритм обуче-
ния нейросетевой модели основании на быстрой сходимости решения. Проведено тестирование
созданного на языке “Python” алгоритма подбора гиперпараметров сети на данных об электропо-
треблении с различными характерами потребления электроэнергии. Проведенное обучение и тести-
рование генетического алгоритма подтвердило возможность получения прогнозов большей точно-
сти и возможность автоматизации подбора оптимальных гиперпараметров. В задачах прогнозиро-
вания электропотребления с использованием нейросетевой модели, независимо от способа создания
структуры, подобрана оптимальная метрика. Выявлено, что для потребителей с аддитивными
профилями потребления электроэнергии целесообразно использовать робастную функцию потерь
Хьюбера, в то же время, для потребителей с цикличным или имеющим закономерности профиле
потребления электроэнергии применение скользящего окна увеличивает ошибку, в отличии от адди-
тивных потребителей. Показано, что применение генетического алгоритма значительно увеличива-
ет точность прогнозирования благодаря индивидуальному подбору оптимальных параметров для
конкретного потребителя. Разработана структурная схема интеллектуального устройства про-
гнозирования режимов энергопотребления. Введена система помощи принятия решений, позволяю-
щая реализовать планово-упреждающее управление, основываясь на данных, снимаемых со счетчика
электроэнергии и полученных в результате работы нейросетевой модели прогнозирования. Система
помощи принятия решений производит расчет отклонения прогнозных величин потребленной мощ-
ности от фактических и как результат – выдает рекомендации диспетчеру распределительных
энергосетей. На основании данных от системы помощи принятия решений оператор распредели-
тельных энергосетей может принимать решение о заказе необходимого объема электроэнергии,
получает возможность контролировать возможные всплески и снижения потребления электро-
энергии у потребителя, ненормированную работу оборудования, а также дополнительно контроли-
ровать адекватность работы нейросетевой модели -
ОЦЕНКА ВЛИЯНИЯ ГИПЕРПАРАМЕТРОВ НЕЙРОСЕТИ НА ТОЧНОСТЬ ПРОГНОЗИРОВАНИЯ ЭНЕРГОПОТРЕБЛЕНИЯ
Н.К. Полуянович , О.В. Качелаев , Т. Э. Фалькон2024-10-08Аннотация ▼Работа посвящена проблеме повышения точности краткосрочного прогнозирования по-
требления электроэнергии с помощью инструментов глубокого машинного обучения. Исследо-
вано влияние задаваемых гиберпараметров нейронной сети (НС) на погрешность прогнозирова-
ния электропотребления, таких как: размер пакета данных – Bs; количество слоев НС – j;
функции активации нейронов – Fa; оптимизаторы – O. Определены оптимальные гиперпара-
метры НС-модели для прогнозирования электропотребления (ЭП) для потребителя аддитивно-
го и циклического типа. Проведенный анализ влияния размера пакета (BatchSize) на точность
прогноза показал повышение эффективности обучения НС с ростом пакета входных данных.
Проведенный анализ влияние количества слоев показал, что с увеличением количества слоев НС
время обучения сокращается, а ее предсказания становятся точнее. Проведенное исследование
различных оптимизаторов на скорость обучения показало, что наилучшие результаты демон-
стрируют оптимизаторы “Adam” и “RMSprop”. Показано, что от выбора функции активации
зависит, то насколько быстро будет обучаться НС и насколько точными будут ее прогнозы.
Использование различных методов регуляризации позволяет НС достичь лучших результатов на
практике, улучшая их способность к обобщению и увеличивая точность предсказаний. Показа-
но, что для достижения минимальной погрешности прогнозирования, следует индивидуально
настраивать параметры сети для каждого потребителя, учитывая значительные различия в
характере энергопотребления. Проведено обучение и тестирование созданной сети с подобран-
ными параметрами на обучающей и тестовой выборке, содержащей данные об электропотреб-
лении за 2 года (17520 часов). Анализ входных данных по электропотреблению показал, что оп-
тимальными параметрами прогностической нейросетевой модели в ручном режиме являются:
размер пакета 250 (подобрано эмпирически), 5 слоев, функция активации “ReLU”, оптимизатор
“Adam”. Рассмотрены различные способы подбора гиперпараметров (вручную и посредством
генетического алгоритма (ГА)). -
ОПТИМИЗАЦИЯ СТРУКТУРЫ СИСТЕМЫ ПРОГНОЗИРОВАНИЯ ЭНЕРГОПОТРЕБЛЕНИЯ С АТИПИЧНЫМ ХАРАКТЕРОМ ЭНЕРГОПОТРЕБЛЕНИЯ
Н. К. Полуянович , О.В. Качелаев , М.Н. Дубяго , С.Б. Мальков2024-08-12Аннотация ▼Рассматривается создание интеллектуального устройство прогнозирования энергопотреб-
ления для потребителей с атипичным характером электропотребления, в зависимости от тре-
буемой точности прогноза, учитывающее кроме целевых параметров электросети (Р, Q) техно-
логические процессы предприятий, воздействующие факторы: социально-экономические (час су-
ток; день недели; порядковый номер дня в году; признак праздника или массовых событий d); ме-
теорологические: (ветро-холодовой индекс). Модель относится к интеллектуальным устройст-
вам для адаптивного прогнозирования режимов энергопотребления электросети на основе много-
слойной нейронной сети. Статья посвящена выбору оптимальной архитектуры нейросети (НС) и
метода ее обучения, обеспечивающих прогнозирование с наименьшей погрешностью. Синтезиро-
вана и протестирована многофакторная модель электропотребления на основе многослойной НС.
В рамках проведенного исследования построена НС модель, описывающая архитектуру кибер-
физической системы (КФС) прогнозирования электропотребления. Установлено, что для каждо-
го потребителя по причине значительных различий в характере энергопотребления необходимо
экспериментальным путем и подбирать параметры сети, с целью достижения минимальной по-
грешности прогнозирования. Показано, что при атипичном электропотреблении т.е. не повто-
ряющемся за периоды времени (час, день, неделя и т.д.) методы искусственного интеллекта и
глубокого машинного обучения являются эффективным инструментом решения слабо формали-
зуемых или не формализуемых задач. Разработанная модель имеет приемлемую точность (откло-
нение MSE до 15%). Для повышения точности прогноза необходимо проводить регулярное уточне-
ние модели и её настройку на фактическую ситуацию, учитывать новые аддитивные факторы,
оказывающие влияние на кривую электропотребления. Возможность использование данного уст-
ройства в системах технологического управления региональными сетевыми компаниями, состав-
ляющего основу иерархической автоматизированной информационно измерительной системы
контроля и учета электроэнергии, за счет учета и прогнозирования активной и реактивной мощ-
ности электропотребителей. -
АНАЛИЗ ЭЛЕКТРОМАГНИТНОГО ПОЛЯ В КАБЕЛЬНЫХ СИСТЕМАХ С ИЗОЛЯЦИЕЙ ИЗ ПОЛИМЕРНЫХ МАТЕРИАЛОВ
Н. К. Полуянович , Д.В. Бурьков , М. Н. Дубяго , О. В. Качелаев2023-08-14Аннотация ▼Статья посвящена расчету напряженности электромагнитного поля (ЭМП) в изоляци-
онном материале силового кабеля (СК). Исследовано магнитное поле одиночного образца кабеля
марки АПвПу-10 1х240/70. Приведены теоретические сведения для расчета напряженности
электростатического осесимметричного поля на основе решения интегральных уравнений
Фредгольма в кусочно-однородной линейной полимерной изоляции с включениями. Построены
модели для расчета и анализа распределения напряженности неоднородных электрических
полей в диэлектрической среде с включениями разной площади и с разными электрофизическими
параметрами (заполнением). При прохождении ЭМП через различные материалы, заполняющие
включение наблюдается поглощение энергии волн этими веществами. На основе проведенного
моделирования с применением программы Comsol выполнен анализ ЭМП на границе раздела
диэлектрических сред между сферическим микровключением и основной изоляцией. Показано,
что в твердых диэлектриках, проводниках поглощение ЭМП значительно. Если волна встреча-
ет какой-либо проводник, то большая часть ее энергии поглощается им. Наличие в изоляции
неоднородностей (дефектов) на границах раздела изоляция – неоднородность вызывает скачки
напряженности электрического поля 1/2, 2/3. Проведено моделирование и анализ распределе-
ния напряженности электрического поля в области дефекта и установлено, что с увеличением
Sдеф амплитуда всплеска магнитной индукции (В) на первой границе дефекта возрастает.
На второй границе наоборот. С увеличением Sдеф. глубина провала индукции (В) увеличивается.
Однако при сохранении общей картины величины провалов при различных типах заполнения
включения различны: – наибольший градиент наблюдается при заполнении водой, наименьшие
при заполнении углерод плюс сшитый полиэтилен (С+СПЭ). Таким образом это может яв-
ляться диагностическим параметром качества изоляции СК. Результаты работы представ-
ляют интерес при решении комплекса задач, связанных с различными аспектами электромаг-
нитной совместимости, и надежности функционирования электроэнергетических систем.
1 - 5 из 5 результатов
