Найти

Результаты поиска

• ПОСТРОЕНИЕ МОДЕЛИ И ОЦЕНКА ЕЕ РОБАСТНОСТИ В ЗАДАЧЕ ПРОГНОЗИРОВАНИЯ ДЛЯ ПОТРЕБИТЕЛЕЙ С АДДИТИВНЫМИ ПРОФИЛЯМИ ПОТРЕБЛЕНИЯ ЭЛЕКТРОЭНЕРГИИ

  Н.К. Полуянович , О. В. Качелаев , М. Н. Дубяго

  2025-01-30

  Аннотация ▼

  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