Найти

Результаты поиска

• ОЦЕНКА ВОЗДЕЙСТВУЮЩИХ ФАКТОРОВ И ПРОГНОЗИРОВАНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЯ В РЕГИОНАЛЬНОЙ ЭНЕРГОСИСТЕМЕ С УЧЕТОМ РЕЖИМА ЕЕ ЭКСПЛУАТАЦИИ

  Н. К. Полуянович , М. Н. Дубяго

  2022-05-26

  Аннотация ▼

  Статья посвящена исследованиям вопросов оценки воздействующих факторов и про-
  гнозирования электропотребления в региональной энергосистеме с учетом режимов ее
  эксплуатации. Проведен анализ существующих методов прогнозирования энергопотребле-
  ния. Обоснован выбор метода прогнозирования с использованием искусственной нейронной
  сети. Рассмотрен алгоритм создания нейросети для краткосрочного прогноза электриче-
  ской нагрузки. Актуальность работы обусловлена требованиями действующего законода-
  тельства к прогнозированию электропотребления для решения задачи поддержания балан-
  са мощностей между генерирующей стороной и потреблением электрической энергии.
  При этом одной из основных задач, связанных с генерацией электрической энергии и ее
  потреблением, является задача поддержания баланса мощностей. С одной стороны, при
  увеличении плановой нагрузки могут возникнуть перебои в поставке электроэнергии, с дру-
  гой стороны, уменьшение электропотребления приведет так же к уменьшению КПД элек-
  тростанций, и в конечном счете – к повышению стоимости на электроэнергию как для
  субъекта оптового рынка электроэнергии, так и для конечного потребителя. Разработан-
  ная нейросетевая модель (НС) модель сводит задачу краткосрочного прогнозирования
  электропотребления к поиску матрицы свободных коэффициентов посредством обучения
  на имеющихся статистических данных (активная и реактивная мощность, температура
  окружающей среды, дата и индекс дня). Полученная НС модель краткосрочного прогнози-
  рования электропотребления участка районной электрической сети 10 кВ, учитывает
  факторы: – времени, – метеорологических условий, – отключений отдельных питающих
  линий электропередач, – режима работы потребителей электроэнергии. Получены про-
  гнозные оценки электропотребления энергосистемы по данным потребляемой электро-
  энергии наружной температуры, типу дня и т.д. Модель прогнозирования величины, по-
  требляемой активной и реактивной мощности вполне работоспособна, однако на данном
  этапе все еще имеет довольно высокий уровень погрешности прогнозирования. Для повы-
  шения точности прогнозирования необходимо увеличить базу данных, составляющих обу-
  чающую выборку, т.к. на данный момент имеющиеся данные охватывают временной про-
  межуток длиной лишь 3–4 месяца. Результаты анализа показали, что наибольшие трудно-
  сти вызывает прогнозирование потребления реактивной мощности.

• УПРАВЛЕНИЕ МОБИЛЬНЫМ РОБОТОМ С ПРИМЕНЕНИЕМ НЕЙРОННОЙ СЕТИ ДЛЯ ПЛАНИРОВАНИЯ ДВИЖЕНИЯ В НЕКАРТОГРАФИРОВАННОЙ СРЕДЕ С ПРЕПЯТСТВИЯМИ

  А. К. Фархуд

  99-114

  2022-01-31

  Аннотация ▼

  В данной работе применяется нейронная сеть глубокого обучения специальной
  структуры, которая позволяет мобильному роботу перемещаться без столкновения с
  препятствиями в неизвестной среде. Основными проблемами, на решение которых направ-
  лены усилия исследователей в области нейросетевых планировщиков движения, являются
  повышение производительности нейронных сетей, оптимизация их структуры и автома-
  тизация процессов обучения. Основным результатом данной статьи является новый ите-
  рационный алгоритм разработки обучающего набора. На первой итерации разрабатыва-
  ется стартовый обучающий набор и производится начальное обучение нейронной сети.
  В следующих итерациях обученная на предыдущем этапе нейронная сеть используется в
  качестве фильтра для следующих обучающих наборов. Фильтр выбирает траектории с
  коллизиями, обусловленными ошибками нейронной сети. В процессе обучения количество
  сверточных и полностью связанных слоев итеративно увеличивается. Таким образом,
  предложенный алгоритм позволяет разработать как обучающий набор, так и архитекту-
  ру нейронной сети. Выполняется сравнение результатов обучения для отфильтрованных и
  нефильтрованных наборов. Подтверждена высокая эффективность фильтрации, в ре-
  зультате которой изменяется распределение примеров в обучающей выборке. Алгоритм
  может быть использован для разработки блока планирования системы управления мобильными наземными роботами. В статье приводится пример обучения нейронной сети в
  среде моделирования Matlab. В примере проведено пять итераций обучения, в ходе которых
  достигнута точность более 90 %. Данная точность получена с использованием набранной
  статистики по движению мобильного робота в случайно генерируемой среде. Плотность
  заполнения среды препятствиями составляла до 40 %, что соответствует городским
  условиям. Проведено сравнение нейросетевых планировщиков, обученных с помощью пред-
  ложенной итерационной процедуры и при обычном обучении. Сравнение показало, что
  применение итерационной процедуры повышает точность планирования до 12 – 15 %. При
  этом исходный объем обучающей выборки уменьшается в несколько раз за счет применяе-
  мой фильтрации.

• АЛГОРИТМ ОБУЧЕНИЯ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ ФАКТОРНОГО ПРОГНОЗИРОВАНИЯ РЕСУРСА ИЗОЛЯЦИОННЫХ МАТЕРИАЛОВ СИЛОВЫХ КАБЕЛЬНЫХ ЛИНИЙ

  Н. К. Полуянович , М. Н. Дубяго

  2021-07-18

  Аннотация ▼

  Статья посвящена исследованиям термофлуктуационных процессов в соответствии
  с теорией теплопроводности для решения задач факторного прогнозирования остаточно-
  го ресурса изоляционных материалов на основе неразрушающего температурного метода.
  Обоснована актуальность задачи разработки алгоритма для прогнозирования температу-
  ры жил СКЛ в режиме реального времени на основе данных системы температурного
  мониторинга, с учетом изменения токовой нагрузки линии и внешних условий теплоотвода.
  Экспериментальным методом выявлены типы искусственных нейронных сетей, их архи-
  тектура и состав, которые обеспечивают максимальную точность прогнозирования при
  минимальном наборе значимых факторов. Разработана нейросеть для определения темпе-
  ратурного режима токоведущей жилы силового кабеля. Определен минимальный набор
  значимых факторов и размерность входного обучающего вектора, который обеспечивает
  универсальность нейросетевого метода прогнозирования. Разработана нейросеть для оп-
  ределения температурного режима токоведущей жилы заключается в диагностике и про-
  гнозировании ресурса электроизоляции (ЭИ) силового кабеля. Модель позволяет оцениватьтекущее состояние изоляции и прогнозировать остаточный ресурс СКЛ. Проведен сравни-
  тельный анализ экспериментальных и расчетных характеристик алгоритмов обучения
  искусственной нейронной. Установлено, что предлагаемый алгоритм искусственной ней-
  ронной сети может быть использована для составления прогноза температурного режи-
  ма токоведущей жилы, на три часа вперед с точностью до 2,5% от фактического значе-
  ния температуры жилы. Основная область применения разработанной нейросети для
  определения температурного режима токоведущей жилы заключается в диагностике и
  прогнозировании ресурса электроизоляции (ЭИ) силового кабеля. Разработка интеллекту-
  альной системы прогнозирования (ИНС) температуры жилы СКЛ способствует планиро-
  ванию режимов работы электросети с целью повышения надежности и энергоэффектив-
  ности их взаимодействия с объединенной энергосистемой.